To Redact, or not to Redact? A Local LLM Approach to Deliberative Process Privilege Classification
تُثبت هذه الورقة أن نموذج لغوي كبير محلي من فئة المستهلكين (Qwen3.5 9B)، والمعزز بسلسلة الأفك "Chain-of-Thought" والتعلم بأسلوب القليل من الأمثلة القائم على الخطأ "error-based few-shot prompting"، يمكنه تصنيف امتياز العملية التداولية بموجب الاستثناء الخامس من قانون حرية المعلومات (FOIA Exemption 5) بفعالية تضاهي النماذج التجارية، مع تقديم بديل قابل للتطبيق قانونياً وسياسياً للواجهات البرمجية السحابية.
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 أن الحكومة تمتلك مكتبة ضخمة ومغبرة مليئة بملايين الوثائق. وبموجب القانون، يحق للمواطنين إلقاء نظرة داخل هذه المكتبة لمعرفة ما تفعله الحكومة. ومع ذلك، فإن بعض الصفحات تحتوي على أسرار — مثل العناوين الشخصية، أو خطط الأمن القومي، أو النقاشات الخاصة التي جرت قبل اتخاذ قرار نهائي.
وظيفة الحكومة هي العمل كأمين مكتبة يجب عليه فحص كل صفحة، وإيجاد الأجزاء السرية، وتغطيتها بقلم تحديد أسود (وهي عملية تسمى "التعتيم" أو "Redacting") قبل تسليم الكتاب للجمهور. القيام بذلك يدوياً هو أمر بطيء، وممل، وعرضة للأخطاء. إذا فات أمين المكتبة سرٌ ما، فهذه مشكلة كبيرة؛ وإذا غطى أكثر مما ينبغي، فإنه يخفي أشياءً يجب أن تكون عامة.
هذه الورقة البحثية تدور حول بناء مساعد روبوت ذكي لمساعدة أمين المكتبة في أداء هذه المهمة بشكل أسرع وأفضل، وتحديداً لنوع صعب من الأسرار يسمى "امتياز العملية التداولية" (deliberative process privilege). هذه هي القاعدة التي تحمي "العصف الذهني الداخلي" للحكومة (المسودات الفوضوية، أفكار "ماذا لو"، والآراء الخاصة) حتى يتمكن المسؤولون من التحدث بحرية دون خوف من ردود الفعل العامة قبل اتخاذ القرار.
إليك كيف حاول المؤلفون بناء هذا الروبوت:
1. المشكلة مع روبوتات "السحابة"
يعتقد معظم الناس أن استخدام ذكاء اصطناعي فائق القدرة يعتمد على السحابة (مثل عقل ضخم في مركز بيانات) هو الحل. لكن المؤلفين يقولون: "انتظروا لحظة!" إذا كانت الحكومة تقرأ وثائق سرية، فلا يمكنها ببسا دل إرسال تلك الصفحات إلى شركة سحابية خارجية. الأمر يشبه إرسال مذكراتك السرية للغاية إلى شخص غريب لتطلب منه النصيحة. هذا أمر محفوف بالمخاطر قانونياً وسياسياً.
لذلك، قرر المؤلفون بناء روبوت محلي. استخدموا نموذج ذكاء اصطناعي مفتوح المصدر أصغر حجماً (يسمى Qwen3.5 9B) يمكن تشغيله على جهاز كمبيوتر عادي، داخل مبنى الحكومة الآمن مباشرة. إنه يشبه وجود مدرس خصوصي في الغرفة بدلاً من الاتصال بغريب عبر الهاتف.
2. تعليم الروبوت: "دليل الإرشادات"
لم يكتفِ المؤلفون بسؤال الروبوت: "هل هذه الجملة سرية؟" بل جربوا ثماني طرق مختلفة للتحدث مع الروبوت لمعرفة أي طريقة تعمل بشكل أفضل. فكر في هذه الطرق كأنها أساليب تعليمية مختلفة:
- التعلم من الصفر (Zero-Shot): مجرد طرح السؤال مباشرة. "هل هذا سر؟" (على الروبوت أن يخمن بناءً على ما يعرفه بالفعل).
- التعلم من أمثلة قليلة (Few-Shot): عرض خمسة أمثلة لأسرار وخمسة أمثلة لأشياء غير سرية على الروبوت قبل طرح السؤال. "إليك بعض الأمثلة؛ الآن جرب أنت".
- التعلم من الأخطاء (Error-Based Few-Shot): عرض أمثلة للحالات "المخادعة" التي أخطأ فيها الروبوت سابقاً، ليتعلم منها أخطاءه.
- سلسلة الأفكار (Chain-of-Thought - CoT): طلب من الروبوت أن "يفكر بصوت عالٍ" قبل الإجابة. بدلاً من قول "نعم" فقط، يجب على الروبوت أولاً أن يسأل نفسه: "هل تم اتخاذ قرار نهائي بعد؟ هل هذا مجرد رأي؟" ثم يجيب.
- متعدد الوكلاء (Multi-Agent): إعداد فريق من ثلاثة روبوتات. الأول يخمن، والثاني ينتقد التخمين، والثالث يعمل كحكم إذا اختلفوا.
3. النتائج: من فاز بالسباق؟
اختبر المؤلفون هذه الطرق مقابل البرامج التقليدية القديمة وذكاء اصطناği تجاري شهير (Gemini 2.5 Flash).
- استراتيجية "التفكير بصوت عالٍ" هي التي فازت: كانت أفضل طريقة للروبوت المحلي هي مزيج من "سلسلة الأفكار" (جعل الروبوت يشرح منطقه) و "التعلم من الأخطاء" (إظهار الأخطاء المخادعة التي ارتكبها قبل ذلك).
- الهدف: في هذه المهمة المحددة، من الأفضل أن نكون "مفرطي الحذر". إذا أغفل الروبوت سراً ما (خطأ سلبي)، فقد تتسرب معلومات حساسة. أما إذا غطى أكثر مما ينبغي (خطأ إيجابي)، فالأمر مزعج فحسب ولكنه آمن. أراد المؤلفون أن يمسك الروبوت بكل شيء (نسبة استدعاء عالية).
- المفاجأة: أدى الروبوت المحلي، باستخدام طريقة "التفكير بصوت عالٍ" الخاصة هذه، أداءً يقارب الذكاء الاصطناعي التجاري الضخم. هذا خبر كبير، لأنه يعني أن الحكومات يمكنها استخدام ذكاء اصطناعي قوي دون إرسال أسرارها إلى السحابة.
4. ما الذي يجعل الجملة "سرية"؟
نظر المؤلفون أيضاً في لماذا قرر الروبوت أن جملات معينة هي أسرار. وجدوا أن الجمل "التداولية" (التي تحتاج إلى تعتيم) لها "بصمة" محددة:
- تبدو كآراء: تستخدم كلمات مثل "أعتقد"، "نقترح"، "يمكننا"، أو "سيكون من الجيد".
- تستخدم ضمائر المتكلم: الكثير من "أنا"، "نحن"، و"نا" (مثل: رأينا، فكرنا).
- تتطلع إلى المستقبل: تتحدث عما قد يحدث، وليس عما حدث بالفعل.
إذا كانت الجملة مجرد حقيقة ("الاجتماع عُقد في الساعة 2 ظهراً")، فإن الروبوت يعرف أن يتركها كما هي. أما إذا كان رأياً خاصاً ("أعتقد أننا يجب أن نفصله")، فإن الروبوت يعرف أنه يجب تغطيتها.
الخلاصة
تخلص الورقة البحثية إلى أنك لست بحاجة إلى كمبيوتر خارق ضخم ومكلف يعتمد على السحابة لمساعدة الحكومة في تعتيم الوثائق الحساسة. فالذكاء الاصطناعي المحلي الأصغر حجماً، إذا تم تعليمه "التفكير خطوة بخطوة" والتعلم من أخطائه السابقة، يمكنه القيام بالمهمة بشكل جيد تقريباً مثل الأنظمة الكبرى. وهذا يسمح للحكومات بالحفاظ على أمن بياناتها على أجهزتها الخاصة مع الاستمرار في استخدام الذكاء الاصطناعي الحديث لتسريع عملية مشاركة المعلومات مع الجمهور.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.