Deterministic Probabilistic Projection for Hallucination-Free Judicial Inquiry: A Neuro-Symbolic Framework for Evidentiary Solidity Assessment

في عالم العدالة الجنائية عالي المخاطر، يمثل المسار من التقرير الشرطي إلى قرار المحكمة عبئاً ثقيلاً من النصوص. يتعين على قضاة التحقيق فحص جبال من الملاحظات المكتوبة بخط اليد، وإفادات الشهود، والسجلات الجنائية للعثور على الحقيقة. يجب عليهم أن يقرروا ما إذا كانت الأدلة قوية بما يكفي لإحالة شخص ما إلى المحاكمة أو ما إذا كان ينبغي إسقاط القضية. لعقود من الزمن، كان الأمل معقوداً على أن الذكاء الاصطناعي يمكنه المساعدة في فرز هذه الفوضى. بدت النماذج اللغوية الكبيرة، وهي نفس البرامج الحاسوبية القوية التي يمكنها كتابة المقالات أو تلخيص الأخبار، وكأنها الأداة المثالية لقراءة هذه الملفات ورصد الحقائق. لكن هذه الآلات بها عيب خطير: فهي عرضة لـ "الهلوسة". وهذا يعني أنها يمكن أن تخترع حقائق بثقة، أو تستشهد بقوانين غير موجودة، أو تبتدع أسباباً لاتخاذ قرار ما. وفي نظام قانوني يمكن أن تؤدي فيه كلمة خاطئة إلى تدمير حياة إنسان، فإن الآلة التي تخترع الأشياء ليست مجرد أداة غير مفيدة؛ بل هي خطيرة.

اقترح باحث في المغرب طريقة جديدة لاستخدام الذكاء الاصطناعي تقضي على هذه المخاطر تماماً. فبدلاً من ترك برنامج حاسوبي يخمن نتيجة القضية، قام ببناء نظام يفصل بين فعل القراءة وفعل اتخاذ القرار. تخيل قاعة محكمة حيث يقرأ الحاسوب الشهادات ويعدد الحقائق، ولكن مجموعة صارمة وغير قابلة للتغيير من القواعد -المكتوبة برمجياً وليس بالكلمات- هي التي تتخذ القرار النهائي. هذا الإطار الجديد، الذي تم اختباره مقابل قانون العقوبات المغربي، يضمن أن الآلة لن تخترع أبداً سبباً للإدانة أو البراءة. إنها لا تخمن؛ بل تحسب. ومن خلال إجبار الحاسوب على اتباع مسار منطقي صارم بعد قراءة الوثائق، نجح الباحث في ابتكار أداة تتسم بالموثوقية بقدر موثوقية القوانين التي تفسرها، مما يوفر للقضاة وسيلة لاستخدام التكنولوجيا دون فقدان اليقين الذي يوفره الحكم البشري.

يكمن جوهر هذا الابتكار في تغيير كيفية معالجة الحاسوب للمعلومات. تعمل أنظمة الذكاء الاصطناعي التقليدية مثل "الحكواتي"؛ فهي تقرأ نصاً ثم تولد استجابة كلمة بكلمة، متوقعةً ما سيأتي بناءً على الأنماط التي رأتها من قبل. وهنا تقع الأخطاء. ومع ذلك، يقوم النظام الجديد بتفكيك هذه العملية إلى خطوتين متميزتين. أولاً، يقوم نموذج حاسوبي متخصص بقراءة التقرير الشرطي الخام واستخراج حقائق محددة، وتصنيفها إما كأدلة ضد المشتبه به أو أدلة لصالحه. كما يستخرج القوانين الدقيقة التي قد تنطبق على الحالة. لا تزال هذه الخطوة تتم بواسطة آلة مرنة لفهم اللغة. ولكن بمجرد استخراج الحقائق، يتم تمريرها إلى جزء مختلف تماماً من النظام. هذا الجزء الثاني هو محرك رياضي صارم لا يكتب جملاً؛ بل ينظر ببساطة إلى قائمة الحقائق ويتحقق منها مقابل مجموعة ثابتة من القواعد المنطقية. إذا قالت القواعد إن الأدلة قوية بما يكفي، يصدر النظام قراراً بإحالة القضية إلى المحكمة. وإذا قالت القواعد إن الأدلة ضعيفة جداً، يأمر برد القضية. ولأن هذه الخطوة الأخيرة هي عملية حسابية جامدة وليست تخميناً إبداعياً، فلا يمكن للنظام أن يهلوس؛ إذ لا يمكنه اختراع قانون أو حقيقة لم تكن موجودة من الأساس.

ولإنجاح هذا الأمر، توجب على الباحث حل مشكلة كيفية وزن الأدلة. في المحاكمة الحقيقية، ليست كل الحقائق متساوية في القيمة؛ فبصمة الإصبع دليل قوي، بينما الإشاعة الغامضة دليل ضعيف. قام الفريق بإنشاء نظام تسجيل يقيس "كثافة" الأدلة. فهم يحصون عدد الأدلة الموجودة ضد المشتبه به ولصالحه، لكنهم يزنونها أيضاً بمدى ثقة النظام في كل قطعة منها. حتى أنهم أدرجوا انحيازاً رياضياً يميل لصالح المشتبه به، مما يعكس المبدأ القانوني القائل بأن الشخص بريء حتى تثبت إدانته. وهذا يعني أن النظام يتطلب قضية أقوى للإدانة مما يتطلبه لتبرئة المتهم. وإذا كانت الأدلة متوازنة أو غير واضحة، فإن الرياضيات تدفع النتيجة طبيعياً نحو رد القضية. كما يتحقق النظام مما إذا كانت الحقائق تتطابق فعلياً مع القوانين التي يُفترض تطبيقها؛ حيث يستخدم طريقة لقياس مدى توافق الكلمات في التقرير الشرطي مع كلمات القانون، مما يضمن أن القرار يستند إلى نصوص قانونية حقيقية بدلاً من مجرد ارتباطات غامضة.

اختبر الباحث هذا النظام باستخدام حالة خيالية واقعية تتضمن سرقة مسلحة. قاموا بتغذية الآلة بتقرير شرطة يصف مشتبهاً به وُجد في مسرح الجريمة مع وجود بصماته على نافذة مكسورة، ولكنه كان يملك أيضاً حجة غياب جزئية. نجح النظام في استخراج التفاصيل التي تدينه والحجج المضادة للدفاع. ثم قام بحساب قوة قضية الادعاء مقابل قضية الدفاع. وكانت النتيجة درجة رقمية واضحة تشير إلى أن الأدلة قوية بما يكفي للمضي قدماً. ثم طبق النظام قواعده المنطقية الصارمة وقرر إحالة القضية إلى المحكمة. في هذا الاختبار المحدد، لم يرتكب النظام أي أخطاء؛ فلم يخترع شاهداً جديداً ولم يخطئ في اقتباس القانون. وعند مقارنته بنموذج ذكاء اصطناعي قياسي غير معدل، ألغى النظام الجديد معدل الخطأ تماماً؛ فبينما ارتكب النموذج القياسي أخطاء في أكثر من 14 بالمائة من قراراته، لم يرتكب الإطار الجديد أي خطأ.

سرعة النظام ملحوظة أيضاً، رغم أنها ليست الهدف الأساسي. تستغرق العملية حوالي ثماني ثوانٍ للانتقال من وثيقة خام إلى قرار نهائي، وهو ما يعد أبطأ قليلاً من الذكاء الاصطناعي القياسي الذي قد يخمن في أربع ثوانٍ. ومع ذلك، يرى الباحث أن الوقت الإضافي هو ثمن زهيد مقابل الموثوقية المطلقة. تم تصميم النظام ليعمل على أجهزة حاسوب محلية، مما يعني أن البيانات الحساسة للقضايا الجنائية لا تحتاج إلى إرسالها إلى السحابة، مما يحمي خصوصية المعنيين. كل قرار يتخذه النظام قابل للتتبع؛ حيث يمكن للقاضي النظر في المخرجات ورؤية أي الحقائق تم العثود إليها بالضبط، وأي القوانين تم مطابقتها، وكيف تم حساب الدرجة النهائية. لا يوجد "صندوق أسود"؛ فالتبرير شفاف ومفتوح للفحص.

يمثل هذا النهج تغييراً جوهرياً في كيفية بناء التكنولوجيا القانونية. فهو يبتعد عن فكرة وجوب قدرة الحاسوب على "التفكير" كقانوني، ويقترح بدلاً من ذلك أن يعمل الحاسوب كمحاسب دقيق للقانون؛ فهو يحصي الحقائق، ويتحقق من القواعد، ويبلغ بالنتيجة. يقر الباحث بأن هذه ليست سوى البداية؛ حيث يخطط لتوسيع النظام للتعامل مع القضايا المعقدة التي تشمل عدة مشتبه بهم، وإضافة القدرة على التحقق من توقيت الأحداث، لضمان عدم تعارض حجج الغياب مع الجدول الزمني للجريمة. كما يعتزم اختبار النظام مع قضاة حقيقيين لمعرفة مدى توافقه مع الحدس البشري. وفي الوقت الحالي، تثبت الدراسة أنه من الممكن بناء ذكاء اصطناعي يساعد القانون دون أن يكسره، مقدماً أداة قوية ومطيعة تماماً لقواعد العدالة.