A Short Survey of Viewing Large Language Models in Legal Aspect
تستكشف هذه الدراسة استقصاء دمج النماذج اللغوية الكبيرة في المجال القانوني من خلال فحص تطبيقاتها في مهام مثل التنبؤ بالأحكام وتحليل المستندات، مع معالجة التحديات المرتبطة بها أيضاً مثل الخصوصية والتحيز والقابلية للتفسير، وتحديد الاتجاهات المستقبلية للذكاء الاصطناعي القانوني المتخصص.
تخيل عالماً لا يكون فيه القانون مجرد مجموعة من القواعد المنقوشة في الحجر، بل مكتبة حية تتنفس وتتغير كل يوم. في هذه المكتبة، وصل نوع جديد من أمناء المكتبات: آلة يمكنها قراءة الملايين من الوثائق، وفهم الحجج المعقدة، وكتابة إجابات على الأسئلة القانونية في ثوانٍ معدودة. هذه الآلة هي نموذج لغوي كبير، وهو نوع من الذكاء الاصطناعي المدرب على كميات هائلة من النصوص. لسنوات، تساءل الباحثون عما إذا كانت هذه الآلات قادرة على حل ألغاز قانونية محددة، مثل التنبؤ بحكم قضائي أو العث finding قضية ذات صلة. لكن السؤال الحقيقي لم يعد مجرد حل لغز؛ بل هو ما إذا كان بإمكاننا الوثوق بإجابة الآلة عندما تعتمد حرية شخص ما، أو ماله، أو حقوقه عليها. القانون فريد من نوعه لأنه يعتمد على السلطة. فالإجابة القانونية لا تكون صالحة إلا إذا أشارت إلى المصدر الصحيح، من المكان الصحيح، في الوقت الصحيح، وإذا كان ذلك المصدر يدعم الاستنتاج بالفعل. إذا قدمت الآلة إجابة واثقة بناءً على قاعدة قديمة أو قانون من بلد آخر، فإنها ليست خاطئة فحسب؛ بل هي خطيرة.
لقد ألقى باحث من الصين نظرة جديدة على كيفية استخدام هذه الآلات في المجال القانوني. فقد راجع مئات الدراسات المنشورة بين عامي 2022 و2025 لفهم ما يمكن لهذه الأنظمة القيام به فعلياً، والأهم من ذلك، أين قد تخفق. وبدلاً من مجرد النظر في مدى جودة إجابة النموذج على سؤال واحد، اقترح طريقة جديدة للتفكير في النظام بأكمله. إنهم يسمونها نظاماً "مرتكزاً على السلطة". وببساطة، هذا يعني أن الآلة لا يجب أن تولد نصاً فحسب، بل يجب أن تثبت عملها أيضاً. يجب أن تظهر بالضبط الوثائق التي استخدمتها، وتؤكد أن تلك الوثائق لا تزال صالحة، وتشرح كيف تدعم إجابتها. وجد الباحث أن الدراسات الحالية غالباً ما تقيس جزءاً واحداً فقط من هذه العملية، مثل سرعة استرجاع الآلة للمعلومات أو مدى جودة محاكاتها للكتابة البشرية، دون التحقق مما إذا كانت المعلومات سليمة قانونياً.
قام الباحث بتحليل 327 دراسة تقنية لبناء خريطة واضحة للمجال. واكتشف أن الأدوات المستخدمة لجعل هذه الآلات أكثر ذكاءً ليست كافية بمفردها. على سبيل المثال، قد يكون النظام ممتازاً في العثور على الوثائق ذات الصلة، ولكن إذا لم يستطع التمييز بين قانون ملزم ومجرد اقتراح، أو إذا لم يستطع التحقق من تاريخ القانون لمعرفة ما إذا كان قد تغير، فإن النظام ليس جاهزاً للاستخدام في العالم الحقيقي. تسلط الدراسة الضوء على أن الدقة في اختبار لا تساوي الموثوقية في الممارسة العملية. فقد تحصل الآلة على الإجابة الصحيحة في اختبار قصير ولكنها تفشل في شرح السبب، أو قد تستشهد بمصدر يبدو صحيحاً ولكنه في الواقع قديم أو من اختصاص قضائي مختلف. يجادل الباحث بأننا بحاجة إلى التوقف عن معاملة هذه الآلات كمجرد مولدات للإجابات والبدء في معاملتها كمكونات لعملية تدفق عمل أكبر وأكثر دقة.
ولمعالجة هذه الفجوات، يقترح المؤلف إطار عمل جديد يربط بين ثلاثة أفكار رئيسية: ما يُطلب من الآلة فعله، وكيف يتم بناؤها للقيام به، وما هو الدليل على أنها آمنة للاستخدام. ووجد أن العديد من الأنظمة الحالية تفتقر إلى القدرة على "الامتناع"، أو الاعتراف بعدم معرفة الإجابة، وهي مهارة بالغة الأهمية في القانون. كما لاحظ أنه بينما تستخدم بعض الأنظمة أدوات خاصة للتحقق من عملها، فإن هذه الأدوات غالباً ما تفشل في رصد الأخطاء الدقيقة، مثل قانون تم إلغاؤه بقرار قضائي أحدث. يقترح الباحث ضرورة أن تتضمن الأنظمة المستقبلية ضوابط صارمة لمصدر كل معلومة، والوقت الذي كانت فيه صالحة، والمجال القانوني المحدد الذي تنطبق عليه. كما يؤكد على ضرورة بقاء البشر في الحلقة، مستعدين لمراجعة عمل الآلة وتحمل المسؤولية عن القرار النهائي.
لا تدعي الورقة البحثية أن هذه الآلات جاهزة لاستبدال المحامين أو القضاة. بدلاً من ذلك، تشير إلى أننا عند نقطة تحول حيث يجب علينا تحديد ما يعنيه بالضبط أن يكون الذكاء الاصطناعي موثوقاً به في سياق قانوني. يشير الباحث إلى أنه لا يمكننا ببساطة الاعتماد على درجة عالية في اختبار لإثبات أمان النظام. نحن بحاجة إلى نوع جديد من "الشهادات الدراسية" التي لا تظهر الإجابة فحسب، بل المسار الكامل الذي اتخذته الآلة للوصول إليها، بما في ذلك المصادر التي فحصتها والقواعد التي اتبعتها. هذا النهج سيسمح للمحاكم والمحامين والجمهور برؤية مكان ضعف النظام بدقة وأين تبرز الحاجة إلى الإشراف البشري. وتخلص الدراسة إلى أنه بينما تتقدم التكنولوجيا بسرعة، فإن قواعد استخدامها بأمان لم تواكبها بعد. يتطلب المسار المستقبلي بناء أنظمة تتسم بالشفافية والمساءلة، ومصممة للتعامل مع الطبيعة المعقدة والمتغيرة للقانون، لضمان أنه عندما تتحدث الآلة، فإنها تتحدث بثقل الحقيقة المثبتة خلفها.
ملخص تقني: مسح للنماذج اللغوية الكبيرة في المجال القانوني
1. بيان المشكلة
تطور مجال الذكاء الاصطناعي القانوني (Legal AI) من تقييم المهام المنعزلة (مثل التنبؤ بالأحكام، أو الاستدلال التشريعي) إلى تطوير أنظمة مركبة تدمج بين التكيف مع المجال، والتوليد المعزز بالاسترجاع (RAG)، والوكلاء (Agents)، والتعاون البشري. ومع ذلك، فإن الأبحاث الحالية مجزأة عبر ثلاثة منظورات: أداء المهام، وآليات النماذج، وحوكمة المخاطر. هذا التجزؤ يخلق عدم تطابق مفاهيمي: فالخرائط الحالية التي تركز على المهام تصف ما تحاول الأنظمة القيام به، لكنها تفشل في تقديم الأدلة اللازمة لتبرير الاعتماد على مخرجاتها.
هناك فجوة حرجة في تعريف "الموثوقية". فالاستنتاجات القانونية لا تعتمد مجرد اعتماد على الصلة النصية أو الفصاحة، بل على سلسلة معقدة من السلطة تشمل تسلسل هرمية المصادر، والقوة الملزمة، والاختصاص القضائي، والصلاحية الزمنية، والوضعية الإجرائية. غالبًا ما تقيس الدراسات الحالية خاصية واحدة فقط (مثل دقة المهمة أو صلة الاسترجاع) وتخلط بينها وبين الموثوقية القانونية الشاملة. وبناءً على ذلك، يصعب تحديد متى يمكن الاعتماد على المخرج القانوني بشكل مبرر، حيث تشير "الموثوقية" إلى أدلة مختلفة اعتمادًا على السياق (مثل: وفاء المصدر مقابل القابلية للتطبيق القضائي).
2. المنهجية
تقدم هذه الورقة مسحًا سرديًا نقديًا بدلاً من كونه تحليلًا استقصائيًا منهجيًا أو دراسة ببليومترية. تتضمن المنهجية ما يلي:
النطاق وجمع البيانات: أجرى المؤلف بحثًا مهيكلًا في المصادر العامة عبر arXiv وOpenAlex. ولضمان أن تكون اللقطة الكمية قابلة للفحص والمقارنة عبر سنوات كاملة، استهدف البحث السجلات المنشورة في 2022–2025. ومع ذلك، يغطي التركيب السردي الأعمال ذات الصلة المتاحة حتى 17 يوليو 2026، بما في ذلك دراسات عام 2026 ذات الصلة التي تساهم في التركيب. استهدف البحث السجلات التي تحتوي على كلمات مفتاحية قانونية (قانون، قضائي، تشريع، إلخ) ومصطلحات النماذج اللغوية الكبيرة (LLM).
عملية الفرز: من أصل 969 سجلًا خامًا، تمت إزالة المكررات والاستخدامات غير القانونية، مما أسفر عن 381 مرشحًا. قام مراجع واحد بفرز هذه السجلات بناءً على العنوان والملخص، محتفظًا بـ 327 دراسة تقنية أولية لخريطة الأدلة. تم تصنيف السجلات المتبقية كخلفية (مسوحات، أوراق حوكمة) أو استبعادها.
الإطار التحليلي: يقترح المؤلف تصنيفًا "المهمة–الآلية–الضمان" لتنظيم الأدبيات. ينتقل هذا الإطار إلى ما وراء التصنيفات أحادية المحور (مثل التصنيف حسب المهمة وحدها) لتحليل تقاطع:
طبقة المهمة القانونية: قدرات مثل التنبؤ بالأحكام، والاسترجاع، والصياغة.
طبقة آلية النظام: تقنيات مثل التلقين (Prompting)، والتدريب المسبق على المجال، والاسترجاع المعزز (RAG)، والرسوم البيانية للمعرفة، والوكلاء.
طبقة الضمان والتقييم: الأدلة المتعلقة بالتأسيس (Grounding)، ووفاء الاستشهاد، والمتانة القضائية، والقابلية للاستخدام المهني.
تعريف التأسيس بالسلطة (Authority Grounding): تُعرّف الورقة "التأسيس بالسلطة" ليس كمرادف لـ RAG أو توليد الاستشهادات، بل كعقد تكامل للنظام يتطلب: (1) فحوصات قابلية تطبيق المصدر، (2) روابط بين الادعاء والمصدر على مستوى القضية، (3) قواعد صريحة لإعادة الاسترجاع أو الامتناع، (4) وسجل ضمان للتقييم والتدقيق.
3. المساهمات الرئيسية
تقدم الورقة ثلاث مساهمات رئيسية للمجال:
تصنيف وتعريف جديد: تُعرف "التأسيس بالسلطة" وتقدم تصنيفًا ثلاثي المحاور يربط بين قدرة المهمة، وآليات النظام، وأدلة الضمان. وهي تميز صراحة بين الصلة، ودعم القضية، والقابلية للتطبيق القانوني، بحجة أن هذه خصائص متميزة لا يمكن اختزالها في مقياس واحد للموثوقية.
خريطة أدلة مهيكلة: يبني المؤلف خريطة أدلة مهيكلة لـ 327 دراسة تقنية. تحلل هذه الخريطة كيف تغير الآليات المختلفة (التلقين، التكيف، الاسترجاع، الوكلاء) سلسلة السلطة، ومسارات التحديث، وأعباء التحقق، وأسطح الفشل. وتوضح أن استرجاع المواد ذات الصلة لا يؤدي تلقائيًا إلى تأسيس "التأسيس بالسلطة".
أجندة التقييم والحوكمة: تقترح الورقة إطارًا لمقارنة الأبحاث غير المتجانسة وفحص المصادر، والقابلية للتطبيق، والأدلة الداعمة، ومسؤولية النظام بشكل مشترك. كما تحدد أجندة بحثية تركز على المتانة الزمنية والقضائية، وسير العمل المهني، وحوكمة المتون (Corpus Governance)، وآليات الامتناع، و"تقرير حزمة الأدلة" (تقارير شاملة مرتبطة بظروف تشغيل النظام).
4. النتائج والتركيب
يخلص تركيب الـ 327 دراسة إلى عدة نتائج رئيسية:
موثوقية المهمة مقابل موثوقية النظام: تصف دقة المهمة، وصلة الاسترجاع، ووفاء الاستشهاد خصائص مختلفة للنظام. فالأداء العالي في مجال واحد (مثل الاسترجاع) لا يضمن الأداء في المجالات الأخرى (مثل القابلية للتطبيق القانوني أو دعم القضية).
قصور الآليات الحالية:
التكيف مع المجال: بينما يحسن التدريب المسبق وضبط التعليمات من المفردات القانونية وتنسيق المهام، إلا أنها لا تثبت بطبيعتها أن الإجابة تستشهد بسلطة صحيحة، أو تعكس قانونًا حاليًا، أو تنطبق على الاختصاص القضائي الصحيح.
الاسترجاع (RAG): يوفر الاسترجاع المصادر المرشحة، لكنه لا يتحقق مما إذا كانت ملزمة، أو حديثة، أو داعمة لقضايا محددة. وتنتقل أخطاء الاسترجاع (مثل فقدان السلطة المسيطرة) إلى عملية التوليد.
الوكلاء (Agents): يمكن لسير عمل الوكلاء المتعددين تفكيك المهام، لكنهم يعقدون المساءلة. غالبًا ما تفتقر الخطوات الوسيطة إلى القابلية للتدقيق، ولا يعني نجاح الأدوات في الاختبارات المعيارية (Benchmarks) تقليل المخاطر في سير العمل المهني.
فجوات التقييم: غالبًا ما تقيس الاختبارات المعيارية الحالية دقة التصنيف المغلق أو المعرفة الثابتة. وهي تفشل كثيرًا في اختبار الصلاحية الزمنية (القوانين القديمة)، أو الانتقال القضائي، أو قدرة الأنظمة على الامتناع عند غياب السلطة.
طبقات الحوكمة: تحدد الورقة خمس طبقات حوكمة متميزة تتطلب أدلة مختلفة: حوكمة النموذج/المتن، ومصادر الاسترجاع، وسير العمل المهني، والامتثال المؤسسي، ومراقبة ما بعد النشر. لا يوجد تحكم واحد (مثل اختبار سلامة) يثبت الموثوقية القانونية عبر جميع الطبقات.
5. الأهمية والادعاءات
تضع الورقة نفسها كمقترح لإطار تنظيمي وليس كمعيار معتمد للنشر. تكمن أهميتها في:
تحويل وحدة التحليل: تجادل بأن الأنظمة القانونية القائمة على النماذج اللغوية الكبيرة يجب ألا تُفحص فقط كنماذج تؤدي مهامًا، بل كأجزاء من "أنظمة ذكاء اصطناعي قانونية مؤسسة بالسلطة". وهذا ينقل التركيز من إجابة النموذج إلى سلسلة سلطة النظام وظروف تشغيله.
توفير لغة مشتركة: يوفر الإطار هيكلًا مفاهيميًا مشتركًا للباحثين لمقارنة الدراسات غير المتجانسة، متجاوزًا مقاييس المهام المنعزلة إلى رؤية شاملة للموثوقية القانونية.
تحديد المتطلبات التشغيلية: تقترح الورقة متطلبات تصميم وإبلاغ محددة (مثل إصدارات المصادر، والربط على مستوى القضية، وقواعد الامتناع) التي يجب أن تعالجها الأبحاث المستقبلية لجعل أنظمة الذكاء الاصطناعي القانونية قابلة للتدقيق وموثوقة.
التواضع في الادعاءات: يذكر المؤلف صراحة أن الإطار هو "إطار تنظيمي وتقييمي مقترح" وليس معيارًا مثبتًا تجريبيًا للنشر. وتوضح أن خريطة الأدلة هي "عينة مراجعة مجمدة" للملاحة وإعادة إنتاج العمليات، وليست تقديرًا للانتشار. لا تدعي الورقة أن الأدبيات الحالية قد أثبتت جميع متطلباتها، بل إن هذه التمايزات تحفز البحث المستقبلي الضروري في المتانة الزمنية، وسير العمل المهني، وتقرير حزمة الأدلة.
في الختام، تؤكد الورقة أنه لكي يتم الاعتماد على المخرجات القانونية بشكل مبرر، يجب على الأنظمة إظهار السلطة، والاختصاص، والتاريخ، ودعم الاستدلال، ويجب تقييمها مقابل هذه الظروف بدلاً من الاكتفاء بدقة المهمة وحدها.