Deterministic Legal Agents: A Canonical Primitive API for Auditable Reasoning over Temporal Knowledge Graphs
يقدم هذا المساهمة واجهة برمجة تطبيقات SAT Graph، وهي واجهة بدائية معيارية تتيح استدلالاً قانونياً قابلاً للتحقق وحتمياً عبر حصر عدم اليقين في النماذج اللغوية الكبيرة في ترجمة المقاصد وتوليف السرد، بينما تُنفذ جميع عمليات التتبع الرسومي الهيكلية والزمنية والسببية من خلال عمليات رمزية موثوقة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول حل لغز قانوني معقد، مثل تحديد ما نص عليه قانون معين بدقة في يوم محدد في الماضي.
في عالم الذكاء الاصطناعي القياسي (مثل روبوتات الدردشة التي نستخدمها اليوم)، يتصرف النظام كأنه أمين مكتبة يكتفي بالتخمين فقط. إذا سألته: "ماذا نص قانون الإسكان في عام 2001؟"، يبحث أمين المكتبة في المكتبة، فيجد صفحات تبدو مشابهة لسؤالك، ثم يسلمها لك. ومع ذلك، تكمن المشكلة هنا في أن أمين المكتبة قد يسلمك صفحة من عام 2024، أو صفحة من دولة أخرى، أو صفحة تم حذفها منذ سنوات. أمين المكتبة جيد في تخمين الكلمات، لكنه سيئ للغاية في فهم التاريخ أو القواعد الخاصة بالمكتبة.
يقترح هذا المقال طريقة جديدة لبناء ذكاء اصطناعي قانوني، تسمى الوكلاء القانونيين الحتميين (Deterministic Legal Agents). فبدلاً من أمين مكتبة يعتمد على التخمين، يريدون بناء أرشيفي آلي يتبع مجموعة صارمة وغير قابلة للكسر من القواعد.
إليك كيف يشرح المقال هذا النظام الجديد باستخدام مفاهيم بسيطة:
1. المشكلة: المكتبة "المسطحة"
يعامل الذكاء الاصطناعي الحالي القوانـون كأنها كومة من الأوراق المتناثرة. إنه لا يفهم أن القانون جزء من كتاب أكبر، وأن الكتب لها فصول، وأن القوانين تتغير بمرور الوقت.
- التشبيه: تخيل أنك تحاول العثور على جملة محددة في رواية، لكن الذكاء الاصطناعي ببساطة يلتقط جملًا عشوائية من الكتاب تحتوي على نفس الكلمات. قد يلتقط جملة من بداية الكتاب بينما تحتاج إلى واحدة من نهايته، أو جملة من مسودة تم استبعادها. في القانون، هذا أمر خطير لأن القانون الذي كان صحيحاً بالأمس قد يكون خاطئاً اليوم.
2. الحل: "مخطط سات" (SAT-Graph) (المخطط الرئيسي)
لقد طور المؤلفون سابقاً قاعدة بيانات خاصة تسمى SAT-Graph. لا تفكر في هذا ككومة من الورق، بل كـ شجرة عائلة حية ومتنفسة للقوانين.
- كل قانون هو "عنصر".
- في كل مرة يتغير فيها القانون، يولد "نسخة" جديدة.
- كل تغيير ينتج عن "إجراء" محدد (مثل توقيع مشروع قانون جديد).
- هذا المخطط يعرف التاريخ بدقة: ما هو القانون الأب؟ ماذا غير؟ متى انتهت صلاحيته؟
3. الواجهة الجديدة: "واجهة البرمجة الأولية" (القائمة الصارمة)
السؤال الكبير الذي يجيب عليه المقال هو: كيف نسمح للذكاء الاصطناائي بالتحدث مع شجرة العائلة المعقدة هذه دون السماح له بارتكاب الأخطاء؟
إذا سمحنا للذكاء الاصطناعي بكتابة استعلامات قاعدة البيانات الخاصة به (مثل طلب كتابة كود SQL)، فقد يصاب بالارتباك ويطلب الشيء الخاطئ. لذلك، أنشأ المؤلفون واجهة برمجة تطبيقات (API) نموذجية أولية.
- التشبيه: تخيل أن الذكاء الاصطناعي ضيف في مطعم فاخر جداً.
- الطريقة القديمة: يدخل الضيف إلى المطبخ ويبدأ بالصراخ بطلبات على الطباخ، محاولاً طهي الطعام بنفسه. قد يحرق الحساء أو يستخدم مكونات خاطئة.
- الطريقة الجديدة (الواجهة): يمكن للضيف فقط الطلب من قائمة محددة مسبقاً ومعتمدة. القائمة تحتوي على أزرار محددة مثل "استرجاع نسخة المادة 6 من عام ب 2001" أو "أرني من الذي غير هذا القانون". لا يُسمح للذكاء الاصطناعي بالتجول في المطبخ؛ يمكنه فقط الضغط على الأزرار.
4. القاعدة الذهبية: "العزل الاحتمالي"
هذا هو المفهوم الأهم في المقال. أدرك المؤلفون أن الذكاء الاصطناعي بطبيعته "ضبابي" (يعتمد على التخمين)، بينما يجب أن تكون الحقائق القانونية "حادة" (إما أن تكون صحيحة أو خاطئة).
لقد أنشأوا قاعدة تسمى العزل الاحتمالي (Probabilistic Isolation). فكر في هذا كـ نقطة تفتيش أمنية:
- المنطقة 1 (المنطقة الضبابية): يُسمح للذكاء الاصطناعي بالتخمين هنا. يأخذ سؤالك ("ماذا عن الإسكان؟") ويخمن القانون الذي تقصده. قد يقول: "أعتقد أنك تقصد المادة 6، لكنني متأكد بنسبة 80% فقط".
- نقطة التفتيش: بمجرد أن يختار الذكاء الاصطناعي معرف قانون محدد (مثل "المادة 6")، فإنه يمر عبر نقطة التفتيش.
- المنطقة 2 (المنطقة الصارمة): من هذه النقطة فصاعداً، لا يُسمح بالتخمين. يضغط الذكاء الاصطناعي على زر لاسترجاع نسخة عام 2001. يجب على الأرشيفي الآلي أن يقدم النص الدقيق من ذلك التاريخ. لا يجوز له التخمين، ولا يجوز له الهلوسة. هو ببساطة يسترجع البيانات الدقيقة.
- المنطقة 3 (العودة إلى المنطقة الضبابية): بمجرد أن يقوم الروبوت بتسليم النص الدقيق، يُسمح للذكاء الاصطناعي بالتخمين مرة أخرى لكتابة ملخص جيد لك.
5. كيف يعمل في الحياة الواقعية (حالات الاستخدام)
يوضح المقال كيف يعمل هذا من خلال ثلاثة أمثلة:
- السفر عبر الزمن: تسأل، "ماذا نص القانون في 20 مايو 2001؟"
- الذكاء الاصطناعي القديم: قد يظهر لك القانون كما هو اليوم.
- الذكاء الاصطناعي الجديد: يخمن اسم القانون، ثم يضغط على زر "استرجاع نسخة 2001". يقوم الروبوت بتسليم النص الدقيق من ذلك اليوم.
- العمل التحقيقي: تسأل، "كيف تغير القانون عندما تمت إضافة 'الإسكان'؟"
- الذكاء الاصطناعي القديم: قد يجد كلمة "إسكان" ويعرض لك فقرة.
- الذكاء الاصطناعي الجديد: يجد القانون، ويفحص تاريخه، ويحدد اللحظة الدقيقة التي تمت فيها إضافة "الإسكان"، ويعرض لك النص "قبل" و "بعد" التغيير، جنباً إلى جنب مع مشروع القانون المحدد الذي تسبب في ذلك.
- تأثير الفراشة (الأثر المتتابع): تسأل، "أي القوانين غيرها هذا التعديل؟"
- الذكاء الاصطناعي القديم: قد يبحث عن اسم التعديل في القوانين الأخرى (وهو ما يفشل غالباً).
- الذكاء الاصطناعي الجديد: يتتبع مسار "الإجراء". يرى أن التعديل كان "عنصراً أباً" أنشأ نسخاً جديدة من قوانين أخرى. ويقوم بسرد ما تغير بالضبط.
الملخص
لا يدعي المقال أن هذا الذكاء الاصطناعي مثالي في كونه محامياً. بل يدعي أنه يحل مشكلة الموثوقية.
إنه يبني نظاماً يُسمح فيه للذكاء الاصطناعي بالإبداع لفهم سؤالك وصياغة الإجابة النهائية، ولكنه يُجبر على أن يكون روبوتاً عند البحث عن الحقائق. إنه يفصل بين "التخمين" و "التحقق من الحقائق"، بحيث يمكن تتبع كل قطعة من الأدلة التي يستخدمها الذكاء الاصطناعي وصولاً إلى مجموعة بيانات محددة وغير قابلة للتغيير في قاعدة البيانات.
إنه يشبه إعطاء محقق عدسة مكبرة تظهر الحقيقة فقط، بدلاً من كرة بلورية تظهر ما قد يكون حقيقياً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.