Alignment as Jurisprudence
تجادل هذه المقالة بأن الفقه القانوني ومواءمة الذكاء الاصطناعي يتشاركان في بنية أساسية تتمثل في التنبؤ بقرارات الجهات الفاعلة القوية وتشكيلها من خلال اللغة، مقترحةً أن الرؤى العابرة للتخصصات المستمدة من النظريات القانونية مثل تأويلية دوركين والاستدلال القياسي عند سنستين يمكن أن تُحسّن استراتيجيات مواءمة الذكاء الاصطناعي، بينما تقدم تطورات الذكاء الاصطناعي بدورها منظورات جديدة لتحسين النظرية القانونية.
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
إليك شرح لورقة "المواءمة كفقه قانوني" (Alignment as Jurisprudence) للكاتب نيكولاس أ. كابوتو، مقسمة إلى مفاهيم بسيطة مع تشبيهات إبداعية.
الفكرة الكبرى: عالمان، مشكلة واحدة
تخيل وظيفتين مختلفتين تماماً:
- القاضي: شخص ينظر في القضايا القديمة (السوابق) والقوانين ليقرر كيفية التعامل مع موقف جديد تماماً.
- مدرب الذكاء الاصطناعي: شخص يحاول تعليم روبوت فائق الذكاء (ذكاء اصطناعي) كيف يتصرف بطريقة يحبها البشر، باستخدام بيانات وقواعد قديمة.
يجادل المؤلف بأن هاتين الوظيفتين هما في الواقع توأمان. كلاهما يواجه نفس اللغز تماماً: كيف نأخذ مجموعة من الأمثلة والقواعد الماضية، ونستخدمها لاتخاذ قرار عادل بشأن شيء لم يحدث من قبل؟
تقترح الورقة أن على المحامين وباحثي الذكاء الاصطناعي تبادل الملاحظات؛ فالمحامون يحلون مشكلة "التنبؤ بالمستقبل" هذه منذ قرون، بينما لا يزال باحثو الذكاء الاصطناعي في بداية طريقهم لاكتشافها.
الجزء الأول: كيف يتم تعليم الذكاء الاصطناعي (مرحلة "التدريب")
النماذج الحالية للذكاء الاصطناعي تشبه الطلاب الذين قرأوا الإنترنت بأكمله. إنهم يعرفون كيفية التنبؤ بالكلمة التالية في الجملة، لكنهم لا يعرفون ما هو "الجيد" أو "السيئ" لقوله. ولإصلاح ذلك، يستخدم الباحثون تقنيات المواءمة (Alignment).
الطريقة القديمة (RLHF): تخيل معلماً يعطي طالباً اختباراً. يقوم المعلم بتقييم كل إجابة: "عمل جيد!" أو "حاول مرة أخرى". يتعلم الطالب من خلال الحصول على آلاف من هذه الدرجات. وهذا ما يسمى التعلم التعزيزي من التغذية الراجعة البشرية (RLforcement Learning from Human Feedback).
- المشكلة: إنها عملية مكلفة، بطيئة، وتعتمد على الآراء المحددة لمجموعة صغيرة من المعلمين (العاملين في المهام). إذا كان المعلمون متحيزين، فسيتعلم الطالب التحيز.
الطريقة الجديدة (الذكاء الاصطناعي الدستوري - Constitutional AI): بدلاً من معلم يقيم كل إجابة، يُعطى الطالب دستوراً — وهو قائمة قصيرة من القواعد مثل "كن مفيداً"، "لا تكن فظاً"، و"احترم حقوق الإنسان". ثم يُعلّم الذكاء الاصطناعي كيف يقيم نفسه بناءً على هذه القواعد.
- المشكلة: القواعد غامضة. ماذا يعني "أن تكون مفيداً" فعلياً في موقف غريب وجديد؟
الطريقة القائمة على الحالات (Case-Based): تشبه تعليم طالب من خلال إطلاعه على مكتبة من القصص المحددة (القضايا) وسؤاله: "إذا حدث هذا، فماذا ستفعل؟". يتعلم الطالب من خلال مقارنة المواقف الجديدة بهذه القصص المحددة.
الجزء الثاني: النظريات القانونية (عقل الورقة البحثية)
يستحضر المؤلف اثنين من المفكرين القانونيين المشهورين للمساعدة في حل مشاكل الذكاء الاصطناعي.
1. رونالد دوركين: القاضي "المبدئي"
يعتقد دوركين أنه عندما يواجه القاضي قضية جديدة، لا ينبغي له النظر في القواعد فحسب؛ بل يجب عليه النظر في القيم الكامنة (مثل العدالة والإنصاف).
- التشبيه: تخيل طباخاً لديه كتاب وصفات (القانون). عندما يطلب زبون طبقاً غير موجود في الكتاب، لا يكتفي الطباخ بالتخمين. بل يسأل نفسه: "ما هي روح هذا المطبخ؟ وماذا يعني 'لذيذ' في هذه الثقافة؟". إنه يستخدم مبادئ رفيعة المستوى لتوجيه طبخه.
- الدرس المستفاد للذكاء الاصطناعي: لا ينبغي للذكاء الاصطناعي مجرد اتباع قائمة من "الممنوعات". بل يحتاج إلى فهم روح القواعد (مثل "حقوق الإنسان") حتى يتمكن من اتخاذ قرارات جيدة حتى عندما تكون القواعد غامضة.
2. كاس سونستين: قاضي "القياس"
يعتقد سونستين أن القضاة لا يحتاجون إلى نظريات مجردة ضخمة. هم فقط بحاجة إلى النظر في قضايا ماضية مشابهة.
- التشبيه: تخيل أنك تحاول تحديد ما إذا كانت فاكهة جديدة هي تفاحة. لست بحاجة إلى دكتوراه في علم النبات. أنت فقط تنظر إلى صورة لفاكهة حمراء تعرف أنها تفاحة وتقول: "هذه تشبه تلك". لست بحاجة إلى الاتفاق على لما কেন هي تفاحة، فقط الاتفاق على أنها هي تفاحة. وهذا ما يسمى "الاتفاق غير المكتمل نظرياً".
- الدرس المستفاد للذكاء الاصطناعي: لا يحتاج الذكاء الاصطناعي إلى الاتفاق على المعنى العميق لـ "العدالة". هو فقط يحتاج إلى الاتفاق على كيفية التعامل مع أمثلة محددة وملموسة. إذا أظهرنا للذكاء الاصطناعي أمثلة كافية لمواقف "عادلة" و"غير عادلة"، فيمكنه تعلم النمط دون الحاجة إلى شهادة في الفلسفة.
الجزء الثالث: الحل المقترح (الدمج بين الاثنين)
تجادل الورقة بأن أفضل طريقة لتدريب الذكاء الاصطناعي هي دمج "مبادئ" دوركين مع "أمثلة" سونستين.
- النهج الهجين:
- إعطاء الذكاء الاصطناعي دستوراً (مبادئ دوركين) ليعرف الأهداف عالية المستوى (مثل "حماية حقوق الإنسان").
- إعطاء الذكاء الاصطناعي مكتبة من الحالات (أمثلة سونستين) ليرى كيف تعمل تلك المبادئ في الحياة الواقعية.
- الخطوة السحرية: جعل البشر يتناظرون ويقررون في أمثلة محددة. على سبيل المثال، "هل من العدل السماح لطفل يبلغ من العمر 12 عاماً بشراء لعبة فيديو؟". يتعلم الذكاء الاصطناعي من هذه المناظرات.
- النتيجة: يتعلم الذكاء الاصطناعي ليس فقط ما هي القاعدة، بل كيف يطبقها على مواقف جديدة وغريبة من خلال النظر إلى "شكل" القرارات الماضية.
هذا يخلق نظاماً ديمقراطياً (لأن البشر هم من يقررون الأمثلة) ومرناً (لأن الذكاء الاصطناعي يمكنه تطبيق المنطق على مواقف جديدة).
الجزء الرابع: كيف يمكن للذكاء الاصطناعي مساعدة القانون مجدداً
تشير الورقة أيضاً إلى أن الذكاء الاصطناعي يمكنه مساعدة المحامين، وليس العكس فقط.
- آلة "الرأي الثاني": تخيل أن قاضياً اتخذ قراراً. يمكن لذكاء اصطناعي، مدرب على آلاف القضايا الماضية، أن يقول فوراً: "مهلاً، هذا القرار يبدو مختلفاً جداً عن 50 قضية مشابهة اتخذتها سابقاً. هل أنت متأكد من رغبتك في المضي بهذا الاتجاه؟". يعمل كرقيب للتأكد من أن القضاة لا يتبعون مجرد تحيزاتهم الشخصية.
- مترجم "السفر عبر الزمن": يمكن للذكاء الاصطناعي تحليل القوانين القديمة وإخبارنا بما كانت تعنيه الكلمات آنذاك (المعنى الأصلي) مقابل ما تعنيه الآن، مما يساعد المحامين على فهم القصد الحقيقي للقوانين القديمة.
- "الوكيل الخارق": في المستقبل، يمكن للذكاء الاصطناعي أن يعمل كوكيل قانوني شخصي للجميع. إذا كنت تريد شراء منزل أو توقيع عقد، يمكن لوكيل الذكاء الاصطناعي الخاص بك التفاوض نيابة عنك، لضمان أن الصفقة عادلة، مما يجعل القانون متاحاً للناس العاديين، وليس فقط للأثرياء.
الخلاصة
تدعي الورقة أن المواءمة في القانون والمواءمة في الذكاء الاصطناعي هما نفس اللعبة ولكن بقطع مختلفة.
- المحامون يلعبون هذه اللعبة منذ قرون، حيث اكتشفوا كيفية استخدام القواعد والقصص لاتخاذ قرارات بشأن المستقبل.
- باحثو الذكاء الاصطناعي يحاولون تعليم الروبوتات لعب نفس اللعبة.
من خلال تعليم باحثي الذكاء الاصطناعي التفكير مثل القضاة (باستخدام المبادئ والأمثلة)، يمكننا بناء ذكاء اصطناعي أكثر أماناً وذكاءً وعدلاً. ومن خلال السماح للذكاء الاصطناعي بمساعدة المحامين، يمكننا جعل النظام القانوني أكثر شفافية وعدلاً للجميع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.