В статье рассматриваются существующие классификации экспертных ошибок, меры ответственности за их совершение, а также правовые аспекты применения математической статистики и машинного обучения (далее ― искусственный интеллект) в судебно-экспертной деятельности для выявления как экспертных ошибок, так и поддельных заключений экспертиз.

Предпринята попытка установления критериев оценки заключений судебных экспертиз в части определения их относимости, допустимости, достоверности и объективности, а также объективной возможности отличия экспертных ошибок от заведомо ложных и поддельных заключений экспертиз.

Проведён SWOT-анализ использования искусственного интеллекта для решения вопроса о его применении в рассматриваемой сфере, по итогам которого выявлены преимущества и недостатки такого использования.

Метод математической статистики и машинного обучения не является универсальным способом выявления подделок в экспертных заключениях, вместе с тем, учитывая, что этот метод может давать как ложноположительные, так и ложноотрицательные результаты, его результаты должны быть проверены независимыми экспертами. Кроме того, для эффективной профилактики фактов фальсификации сделан вывод о необходимости принятия комплексных мер, включающих в себя не только выявление манипуляций, но и предотвращение возможности их возникновения, а также наказание виновных. В этих целях авторами предложен ряд изменений и дополнений в действующее законодательство Республики Казахстан.

本文探讨了专家失误的现有分类、失误责任的衡量标准，以及在法医学活动中应用数理统计和机器学习（以下简称人工智能）来识别专家失误和鉴定虚假结论的法律问题。

我们尝试了制定评价法医专家结论的标准，以确定其关联性、可接受性、可靠性和客观性，以及区分专家失误与故作虚伪和鉴定虚假结论的客观可能性。

对人工智能的使用进行了SWOT分析，以解决在所考虑的领域应用人工智能的问题，从而确定了使用人工智能的优点和缺点。

数理统计和机器学习方法并不是检测检测鉴定虚假结论的通用方法，同时，鉴于这种方法既可能给出假阳性结果，也可能给出假阴性结果，其结果应由独立专家进行验证。此外，为了有效防止伪造事实，作者得出结论，有必要采取综合措施，其中不仅包括发现操纵行为，还包括防止其发生的可能性，以及惩罚肇事者。为此，作者建议对哈萨克斯坦共和国现行法律进行一系列修订和补充。