Kognitív torzítások az AI-támogatott kriminalisztikában : Jogállami kockázatok és holisztikus mitigációs lehetőségek = Cognitive Biases in AI-Assisted Forensics : Rule-of-Law Risks and Holistic Mitigation Approaches

Orbán, József (2026) Kognitív torzítások az AI-támogatott kriminalisztikában : Jogállami kockázatok és holisztikus mitigációs lehetőségek = Cognitive Biases in AI-Assisted Forensics : Rule-of-Law Risks and Holistic Mitigation Approaches. BELÜGYI SZEMLE / ACADEMIC JOURNAL OF INTERNAL AFFAIRS: A BELÜGYMINISZTÉRIUM SZAKMAI TUDOMÁNYOS FOLYÓIRATA (2010-), 74 (8). pp. 2153-2166. ISSN 2062-9494

Preview

Text 6Orban108-121.pdf - Published Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (457kB) | Preview

Abstract

Cél: A tanulmány célja, hogy bemutassa, a mesterséges intelligencia (AI) kriminalisztikai alkalmazása miként alakítja át a hibázás természetét. A szerző az AI‑támogatott döntésekhez kapcsolódó automatizmus‑torzítás, algoritmikus tekintélytorzítás, megerősítési torzítás, precizitási illúzió és felelősség‑diffúzió kriminalisztikai jelentőségét vizsgálja.Módszertan: A tanulmány a hazai és nemzetközi szakirodalomra, valamint a kriminalisztikai tendenciákra támaszkodva a bizonyíték teljes életciklusát holisztikus keretben elemzi és azonosítja a kognitív torzítások belépési pontjait.Megállapítások: Az elemzés rámutat, hogy az AI‑támogatott kriminalisztikában a kognitív torzítások nem kiküszöbölődnek, hanem új formában, láncolatszerűen jelennek meg, és átalakítják a jogbiztonság érvényesülését, ha az algoritmikus eredmények technikai tekintélyként, magyarázat nélkül, intézményi elvárásként épülnek be a döntéshozatalba.Érték: A tanulmány újdonsága, hogy az AI‑támogatott kriminalisztikát a kognitív torzítások és a jogállami garanciák összefüggő, holisztikus kockázati ökoszisztémájaként értelmezi, és ehhez egy integrált mitigációs keretrendszert rendel. A gyakorlati ellenőrzőlistával kiegészített javaslat közvetlenül hasznosítható a nyomozati gyakorlatban, a szakértői munkában és a kriminalisztikai képzésben. | Aim: The aim of this study is to demonstrate how the application of artificial intelligence (AI) in forensics transforms the nature of error. The author examines the forensic relevance of biases associated with AI-supported decision-making, including automation bias, algorithmic authority bias, confirmation bias, the illusion of precision, and the diffusion of responsibility. Methodology: Building on both national and international literature, as well as contemporary forensic trends, the study analyses the entire lifecycle of evidence within a holistic framework and identifies the entry points of cognitive biases. Findings: The analysis highlights that in AI-assisted forensics, cognitive biases are not eliminated but rather reappear in new forms and in chain-like patterns. These biases reshape the enforcement of legal certainty, particularly when algorithmic outputs are incorporated into decision-making as technical authority, without sufficient explanation, and under institutional expectations. Value: The novelty of the study lies in interpreting AI-assisted forensics as an interconnected, holistic risk ecosystem of cognitive biases and rule-of-law safeguards, and in proposing an integrated mitigation framework. The recommendations, complemented by a practical checklist, are directly applicable in investigative practice, expert work, and forensic education.

Actions (login required)

View Item