ANNOTARES: A Dataset for Extracting Logical Structures from German Statutory Texts
تقدم هذه الورقة البحثية ANNOTARES، وهي مجموعة بيانات نصوص قانونية ألمانية جديدة ذات تعليقات توضيحية على مستوى النطاق لتحديد الشروط والنتائج القانونية، وتُظهر أن النماذج القائمة على المحولات (Transformer-based models) تتفوق على النهج الأخرى في استخراج هذه البنى المنطقية.
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 عالم الحواسيب وهو يحاول فهم اللغة البشرية. لفترة طويلة، كان الأمر يشبه تعليم روبوت قراءة كتاب قصصي بمجرد عدّ عدد المرات التي تظهر فيها كلمة "كلب". لكن اللغة الحقيقية فوضوية؛ فهي مليئة بالقواعد الخفية، والجمل الملتوية، والمنطق الذي لا يكتفي بالظهور على السطح فقط. هذا المجال، المسمى معالجة اللغات الطبيعية (NLP)، هو حيث يعلم العلماء الحواسيب كيف تفهم حقاً ما نعنيه، وليس فقط ما نقوله. ومؤخراً، ظهر فرع خاص من هذا المجال: LegalNLP (معالجة اللغات الطبيعية القانونية). فكر في هذا كأنه مترجم يحاول تحويل لفائف قانونية قديمة ومعقدة للغاية إلى شيء يمكن للحاسوب استخدامه فعلياً لحل المشكلات. لماذا يهتم أي شخص بذلك؟ لأن القوانين هي كتاب القواعد الذي يسير وفقاً له المجتمع، لكنها مكتوبة بأسلوب كثيف ومتداخل يجد حتى البشر صعوبة في استيعابه. إذا تمكنا من تعليم الحواسيب رصد أجزاء "إذا حدث هذا" وأجزاء "إذن سيحدث هذا" في القانون، فيمكننا بناء أدوات تساعد الناس على فهم حقوقهم، وتساعد المحامين على العمل بشكل أسرع، أو حتى تسمح للحواسيب بالتحقق مما إذا كانت قاعدة جديدة منطقية قبل إقرارها.
دخل فريق من الباحثين من جامعة كارلسروه للعلوم التطبيقية، الذين قرروا معالجة لغز محدد وشديد التعقيد في القانون الألماني. يطلقون على مشروعهم اسم ANOTARES. لفهم ما فعلوه، تخيل القانون الألماني ككرة ضخمة متشابكة من خيوط الصوف. داخل هذه الخيوط يوجد نوعان متميزان من الخيوط: الـ Tatbestand (الشروط أو جزء "إذا") والـ Rechtsfolge (النتائج أو جزء "إذن"). على سبيل المثال، في جملة مثل "إذا ركنت سيارتك هنا بدون تصريح، فستتلقى غرامة"، فإن "إذا ركنت سيارتك هنا بدون تصريح" هي الشرط، و"ستتلقى غرامة" هي النتيجة. التحدي يكمكم في أن النصوص القانونية الألمانية مشهورة بكونها معقدة للغاية، بجمل تلتوي وتدور، وأحياناً تضع "الإذن" قبل "الشرط"، أو تخفي القواعد داخل طبقات من الكلمات الأخرى.
أنشأ الباحثون مجموعة بيانات جديدة تماماً، وهي عبارة عن مجموعة ضخمة من الجمل القانونية الألمانية التي تم تصنيفها بعناية من قبل البشر. لقد أخذوا أكثر من 400 جملة من قانون حماية البيانات وأضافوا إليها 50 جملة من قانون التعليم وقانون البناء. أمضوا وقتاً في تحديد كل كلمة في هذه الجمل للقول: "هذه الكلمة جزء من الشرط"، "ه هذه الكلمة جزء من النتيجة"، أو "هذه الكلمة مجرد ضجيج خلفي". حتى أنهم استعانوا بستة أشخاص مختلفين لتصنيف نفس الجمل للتأكد من أنهم جميعاً على نفس الصفحة، وكان الاتفاق بينهم عالياً جداً، مثل مجموعة من الأصدقاء يتفقون جميعاً على نهاية فيلم.
بمجرد حصولهم على مجموعة البيانات هذه التي تمثل "المعيار الذهبي"، تعاملوا معها كأنها صالة ألعاب رياضية للتدريب لأنواع مختلفة من "الأدمغة الحاسوبية". لقد اختبروا ستة مناهج مختلفة، تتراوح من الروبوتات البسيطة التي تتبع القواعد (مثل وصفة تقول "إذا رأيت كلمة 'إذا'، قم بتظليلها") إلى نماذج الذكاء الاصطناعي الحديثة والمعقدة القائمة على الـ Transformers (والتي تشبه القراء الأذكياء جداً الذين قرأوا الإنترنت بأكمله تقريباً). أرادوا معرفة أي حاسوب يمكنه فك تشابك الخيوط وفصل "الشرط" عن "النتيجة".
كانت النتائج مزيجاً من المفاجآت والتأكيدات. الروبوتات البسيطة التي تتبع القواعد قامت بعمل سيء للغاية، حيث تاهت في الجمل المعقدة واكتفت غالباً بالتخمين بأن كل شيء هو "ضجيج خلفي". كما عانت نماذج الذكاء الاصطناعي الأقدم والأبسط (مثل BiLSTMs)، حيث فشلت غالباً في تحديد حدود القواعد القانونية بشكل صحيح. ومع ذلك، فإن نماذج الـ Transformer الحديثة، وخاصة نموذج mBERT، أدت دور الأبطال. لقد تمكنت من فهم البنية المعقدة للغة القانونية وتحديد الشروط والنتائج بشكل صحيح في معظم الأحيان. ومن المثير للاهتمام أن نماذج الذكاء الاصطناعي الضخمة والجديدة (نماذج اللغات الكبيرة أو LLMs) كانت جيدة أيضاً، ولكن كان لديها سمة غريبة: بينما لم تكن مثالية في تصنيف كل كلمة بشكل صحيح، إلا أنها كانت جيدة بشكل مدهش في العثور على نقاط البداية والنهاية الدقيقة للقواعد القانونية، حتى لو فاتتها كلمة هنا أو هناك.
أحد أهم الأشياء التي وجدها البحث هو أن هذه الأدمغة الحاسوبية احتاجت حقاً للمساعدة في فهم "قواعد" الجملة. فعندما أعطى الباحثون النماذج أدلة إضافية حول بنية الجملة (مثل معرفة أي كلمة هي الفاعل وأيها الفعل)، تحسنت النماذج كثيراً. الأمر يشبه إعطاء محقق خريطة لمسرح الجريمة؛ فبدون الخريطة، قد يخمن المتهم الصحيح، ولكن مع الخريطة، يمكنه تحديد مكان وقوع الجريمة بدقة. يشير البحث إلى أنه بينما تعد هذه النماذج الحديثة قوية، إلا أنها لا تزال تعتمد على فهم الهياكل النحوية المحددة للغة القانونية لتقديم أفضل عمل لها.
في النهاية، لم يقم المؤلفون ببناء مجموعة بيانات فحسب؛ بل بنوا معياراً مرجعياً. لقد أظهروا أنه بينما يعد استخراج الهياكل المنطقية من القوانين أمراً صعباً، إلا أن الذكاء الاصطناعي الحديث قادر أخيراً على القيام بالمهمة، بشرط امتلاكه للبيانات الصحيحة والقليل من المساعدة في القواعد. لقد أتاحوا مجموعة البيانات الخاصة بهم للجمهور، آملين أن يساعد ذلك الباحثين الآخرين في بناء أدوات أفضل للتحليل القانوني الآلي. لم يدّعوا أنهم حلوا لغز القانون بالكامل، لكنهم أثبتوا أنه يمكننا الآن تعليم الحواسيب رصد "الشرط" و"النتيجة" في القوانين الألمانية بدقة عالية، مما يفتح الباب لمستقبل يكون فيه التكنولوجيا القانونية أقل شبهاً بالسحر وأكثر شبهاً بمساعد موثوق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.