Designing AI for Prosecutorial Governance: Case Prioritization and Statutory Oversight in Mexico
تقدم هذه الورقة نظام تعلم آلي تم تطويره بشكل مشترك لصالح مكتب المدعي العام لولاية زكاتيكاس في المكسيك، والذي يستخدم مصنفات الغابة العشوائية للتنبؤ بالجداول الزمنية لحل القضايا، مما يولد قوائم ذات أولوية لتحسين كفاءة الادعاء العام دون تعطيل سير العمل الحالي.
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 مكتبة ضخمة حيث تمثل كل نسخة من الكتب قضية جنائية. في ولاية زكاتيكاس بالمكسيك، يغرق أمناء المكتبة (المدعون العامون) في العمل. لديهم أكثر من 234,000 كتاب على أرففهم، لكن ليس لديهم سوى أيدٍ كافية لتفقد بضع مئات فقط في الأسبوع. الكثير من الكتب تقبع دون أن تُلمس لسنوات، يغطيها الغبار، بينما تستمر الكتب الجديدة في التراكم كل يوم. والنتيجة؟ كومة هائلة من الحالات "غير المقروءة"، وبعض هذه الكتب قد تكون منتهية الصلاحية قانوناً (مثل كتاب في مكتبة أصبح قديماً جداً لدرجة أن المكتبة لم تعد قادرة على فرض غرامة عليك بسبب تأخيره).
تصف هذه الورقة مشروعاً حيث تعاون علماء البيانات مع هؤلاء الأمناء لبناء روبوت فرز ذكي. هذا الروبوت لا يتخذ قرارات، ولا يكتب تقارير، ولا يعتقل الناس. بدلاً من ذلك، يعمل كمساعد منظم للغاية يهمس قائلاً: "مهلاً، انظر إلى هذه الكتب الثلاثمائة أولاً؛ إنها الكتب الأكثر احتمالاً للانتهاء قريباً".
إليك كيف يعمل النظام، مقسماً إلى أجزاء بسيطة:
1. المشكلة: "الكومة اللامتناهية"
لدى المدعين العامين قسم محدد في المكتبة يسمى MAT (وحدة الانتباه المبكر). هذا هو المكان الذي تصل إليه القضايا الجديدة. ولأن العديد من القضايا تأتي بينما لا يتم إنهاء إلا القليل منها، فإن الكومة تكبر. يحتاج المدعون العامون إلى طريقة لمعرفة أي القضايا "جاهزة للانطلاق" (من المرجح أن تُحل في الأشهر الستة القادمة) وأيها "عالقة" (من المرجح أن تبقى هناك للأبد أو أنها تجاوزت بالفعل تاريخ انتهاء الصلاحية القانوني).
2. الحل: "كرة بلورية" للقضايا
قام الفريق ببناء برنامج حاسوبي (نموذج تعلم آلي) ينظر في تاريخ كل قضية. فكر في الأمر كمتنبئ بالطقس، ولكن بدلاً من التنبؤ بهطول الأمطار، هو يتنبأ بإنجاز القضية.
- ما الذي ينظر إليه: الروبوت لا يقرأ قصة الجريمة كاملة. بدلاً من ذلك، ينظر إلى "الآثار" التي تركتها خلفها في النظام الرقمي. هل انتقلت القضية من مكتب إلى آخر مؤخراً؟ هل قام محامٍ بتحديث الملف؟ كم مضى من الوقت منذ أن لمس شخص ما الملف؟
- الخدعة السحرية: من خلال دراسة 10 سنوات من التاريخ (2014-2024)، تعلم الروبوت أن أنماطاً معينة (مثل نقل الملف بين الفرق) تعني عادةً أن القضية على وشك الحل.
3. النهج ثنائي المسار
يقوم الروبوت بوظيفتين في آن واحد، مثل شرطي مرور يوجه السيارات في اتجاهين:
الوظيفة (أ): قائمة "الانطلاق" (أفضل 300)
كل أسبوع، يختار الروبوت أفضل 300 قضية تبدو وكأنها ستنتهي في الأشهر الستة القادمة. ويقدم هذه القائمة للمدعين العامين. الهدف هو مساعدتهم على إنجاز "الانتصارات السهلة" بسرعة، مما يحافظ على استمرارية سير العمل.- النتيجة: الروبوت جيد بشكل مدهش في هذا الأمر. فعند اختباره، حدد القضايا "القابلة للإنجاز" بنسبة 74% من المرات في اختياراته لأفضل 300 قضية. وهذا أفضل بكثير من مجرد التخمين أو الاختيار العشوائي.
الوظيفة (ب): قائمة "التوقف" (أدنى 1,000)
ينظر الروبوت أيضاً إلى أسفل الكومة — الـ 1,000 قضية التي تبدو وكأنها لن تنتهي أبداً. يتحقق مما إذا كانت هذه القضايا قد بقيت هناك لفترة طويلة لدرجة أنها قد تكون تجاوزت الحد الزمني القانوني (المسمى "التقادم المسقط").- النتيجة: حوالي 32% من هذه القضا "العالقة" يبدو أنها تجاوزت تاريخ انتهاء صلاحيتها القانوني. وهذا يعطي المدعين العامين قائمة مهام للتنظيف الإداري: "افحصوا هذه الملفات؛ فقد تكون ميتة قانوناً ويمكن إغلاقها".
4. كيف يعمل في الواقع الحقيقي
يؤكد المؤلفون بحذر أن هذا الروبوت ليس مديراً. فهو لا يملي على المدعين العامين ما يجب عليهم فعله.
- التشبيه: تخيل نظام تحديد المواقع (GPS) في السيارة. يقول الـ GPS: "الزحام شديد في هذا الطريق، جرب هذا المسار الآخر". لكن السائق لا يزال هو من يقرر اتخاذ المسار. وبالمثل، لا يزال المدعون العامون هم من يقررون أي القضايا سيعملون عليها. الروبوت فقط يسلط الضوء على تلك التي تبدو واعدة.
- الخطة: يقوم الفريق حالياً بإجراء اختبار في العالم الحقيقي (تجربة عشوائية محكومة). سيقومون بإعطاء قائمة "أفضل 300" لبعض المدعين العامين وسيرون ما إذا كانوا سينهون قضايا أكثر من المدعين العامين الذين لا يحصلون على القائمة.
5. لماذا هذا مهم
هذا المشروع مميز لأنه بُني مع المدعين العامين، وليس فقط لأجلهم.
- إنه يناسب سير العمل: لا يتطلب منهم تعلم برامج جديدة أو تغيير طريقة عملهم. إنه فقط يعطيهم قائمة أسبوعية.
- إنه شفاف: يستخدم الروبوت قواعد بسيطة ومفهومة (مثل "كم مرة تم نقل الملف؟") بدلاً من "صندوق أسود" غامض.
- إنه يحل مشكلتين: يساعد في تفريغ التراكمات (الكفاءة) ويساعد في العثور على القضايا المنتهية (الرقابة القانونية).
الخلاصة
تظهر الورقة أنه من خلال استخدام البيانات لتنظيم كومة فوضوية من العمل، يمكن لمكتب حكومي أن يعمل بذكاء أكبر دون توظيف المزيد من الأشخاص. يعمل الروبوت كمرشح (فلتر)، مما يساعد الخبراء البشريين على تركيز طاقتهم على القضايا الأكثر احتمالاً للمضي قدماً، مع تسليط الضوء أيضاً على القضايا التي تم نسيانها لفترة طويلة جداً. إنه أداة لمساعدة أمناء المكتبة في إدارة المكتبة، وليس بديلاً لأمناء المكتبة أنفسهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.