From Factors to Argument Networks: Issue-Level Legal Representation and Alignment with Written Judicial Reasons in Employment-Relationship Determination
تقترح هذه الورقة إطاراً للتمثيل القانوني على مستوى المسائل باستخدام شبكات الحجج لالتقاط الحالات الواقعية الدقيقة، والقواعد القانونية، والاستدلال القضائي في قضايا علاقات العمل، مما يثبت أن مثل هذه التمثيلات التفصيلية تتفوق بشكل كبير على الطرق الثنائية التقليدية في التنبؤ بالنتائج وتحديد الأسباب المحددة للقرارات القضائية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
في عالم الذكاء الاصطناعي، توجد فجوة مستمرة بين جعل الكمبيوتر يخمن الإجابة الصحيحة وبين فهم كيف توصل خبير بشري إلى تلك الإجابة. لعقود من الزمن، قام الباحثون بتدريب الآلات للتنبؤ بالنتائج القانونية، مثل ما إذا كانت المحكمة ستحكم لصالح موظف أو صاحب عمل. تعمل هذه الأنظمة غالبًا من خلال مسح آلاف القرارات القضائية السابقة، والبحث عن أنماط في النصوص، وحساب النتيجة الأكثر احتمالية. ومع ذلك، فإن هذا النهج يعامل القضية القانونية ككتلة نصية واحدة، تمامًا مثل قراءة رواية ومحاولة تخمين نهايتها دون الانتباه إلى فصول معينة أو تطورات الشخصيات. في النزاعات القانونية المعقدة، وخاصة تلك المتعلقة بالتوظيف، قد تحتوي وثيقة قضائية واحدة على عدة قصص مختلفة: فقد يكون عامل ما يقاضي شركات متعددة، أو قد تكون طبيعة علاقته قد تغيرت بمرور الوقت بسبب التقاعد أو تغيير المسمى الوظيفي. إذا قرأ الكمبيوتر الوثيقة بأكملها ببساطة كوحدة واحدة، فقد يرتبك بسهولة، ويخلط بين الحقائق التي تخص أشخاصًا مختلفين أو فترات زمنية مختلفة. التحدي إذن ليس مجرد بناء حاسبة أكثر ذكاءً، بل تعليم الآلة رؤية العالم القانوني بنفس مستوى التفصيل الذي يمتلكه القاضي البشري، والتمييز بين ما يدعيه أحد الأطراف، وما تثبته المحكمة بالفعل، والقواعد المحددة المستخدمة لاتخاذ القرار.
لقد سعى فريق من الباحثين في جامعة نورث ويست العادية (Northwest Normal University) في الصين لحل هذه المشكلة عن طريق تغيير طريقة تغذية نماذجهم الحاسوبية بالمعلومات. فبدلاً من تقديم أحكام قضائية كاملة للذكاء الاصطناعي، قاموا بتفكيك القضايا إلى أصغر وحداتها ذات المعنى. وقد عرّفوا "المسألة" الواحدة بأنها سؤال قانوني محدد يتعلق بعامل واحد، وصاحب عمل محدد، وفترة زمنية محددة. وهذا يعني أنه إذا ناقشت وثيقة قضائية واحدة علاقة عامل بشركتين مختلفتين على مدار عشر سنوات، فإن الباحثين سيقسمون تلك الوثيقة إلى مدخلات منفصلة متعددة ليقوم الكمبيوتر بتحليلها. ثم قاموا بمراجعة 3و300 قرار قضائي يدويًا لإنشاء مجموعة بيانات تتكون من 355 من هذه المسائل المحددة. وبالنسبة لكل مسألة، لم يكتفوا بتدوين ما إذا كانت بعض الحقائق موجودة أم لا، مثل ما إذا كان العامل قد استلم راتبًا أو كان لديه عقد؛ بل ذهبوا إلى عمق أكبر، حيث سجلوا حالة كل حقيقة. لقد ميزوا بين الحقيقة التي ذكرها المحامي فحسب، والحقيقة التي أثبتتها المحكمة بناءً على الأدلة، والحقيقة التي رُفضت لعدم كفاية الإثبات. كما رسموا مسار القواعد القانونية المحددة التي استخدمها القضاة لربط هذه الحقائق باستنتاجاتهم النهائية.
اختبر الباحثون ما إذا كان هذا النهج المفصل والمنظم يساعد الكمبيوتر على فهم القانون بشكل أفضل من الطريقة القديمة والأبسط. في اختبارهم الأول، طلبوا من الكمبيوتر التنبؤ بنتيجة العلاقة الوظيفية. وعندما أُعطي الكمبيوتر قائمة بسيطة فقط توضح وجود بعض الحقائق أو غيابها، واجه صعوبة، وحقق مستوى متوسطًا من الدقة. ومع ذلك، عندما أضاف الباحثون تفاصيل حول حالة تلك الحقائق - أي لم يخبروا الكمبيوتر فقط أن "الأجور دُفعت" بل أخبروه أن "الأجور دُفعت والمحكمة أكدت ذلك" - تحسنت قدرة الكمبيوتر على التمييز بين النتائج المختلفة بشكل ملحوظ. حيث قفزت الدقة من درجة 0.542 إلى 0.690. وأظهر هذا أن معرفة جودة ومصدر الحقيقة لا يقل أهمية عن معرفة الحقيقة نفسها. فالادعاء بشأن الأجور يختلف تمامًا عن دفع الأجور المؤكد من قبل المحكمة، وكان الكمبيوتر بحاجة لرؤية هذا الفرق ليتمكن من تقديم تخمين أفضل.
انتقلت الدراسة بعد ذلك إلى ما هو أبعد من التنبؤ البسيط لمعرفة ما إذا كان بإمكان الكمبيوتر فهم المنطق الكامن وراء القرارات. وهنا قدم الباحثون طبقة ثانية من المعلومات: القواعد القانونية. ووجدوا أن الحقائق وحدها لم تكن كافية لتفسير كيفية تفكير القاضي. فعلى سبيل المثال، حقيقة وصول العامل إلى سن التقاعد لا تعني تلقائيًا أنه لم يعد موظفًا؛ بل يعتمد الأمر على ما إذا كان يتلقى معاشًا تقاعديًا وعلى القاعدة القانونية المحددة التي يطبقها القاضي في تلك الحالة. وعندما أضاف الباحثون هذه القواعد القانونية الصريحة إلى مدخلات الكمبيوتر، تحسنت قدرته على تحديد نمط تفكير القاضي بشكل كبير، حيث ارتفعت من درجة 0.508 إلى 0.772. وهذا يشير إلى أنه لفهم قرار قانوني، يحتاج الكمبيوتر إلى رؤية الجسر الواصل بين الحقائق الخام والنتيجة النهائية، وهذا الجسر يُبنى من قواعد قانونية محددة.
أخيرًا، طرح الفريق سؤالاً جوهريًا: هل يتوافق أسلوب الكمبيوتر في شرح قراره مع كيفية شرح القاضي البشري لقراره؟ في العديد من أنظمة الذكاء الاصطناعي، يحدد الكمبيوتر العوامل الأكثر أهمية بناءً على أوزان رياضية، قائلاً في الأساس: "هذه الحقيقة جعلت توقعي يرتفع". قارن الباحثون هذا النهج الرياضي مقابل الأسباب الفعلية المكتوبة في الوثائق القضائية. ووجدوا أن التخمين الرياضي للكمبيوتر كان غالبًا خاطئًا بشأن ما كان يهتم به القاضي حقًا. فقد يسلط الكمبيوتر الضوء على حقيقة كانت مهمة إحصائيًا لتوقعه، لكنها كانت مجرد ضوضاء خلفية في رأي القاضي المكتوب. في المقابل، كانت الطريقة التي تنظر إلى هيكل الحجة - عبر تتبع المسار من الحقائق، مرورًا بالقواعد، وصولاً إلى الاستنتاج - أفضل بكثير في تحديد الأسباب التي اعتمد عليها القاضي بالفعل. لقد حددت هذه الطريقة الأسباب الرئيسية للقاضي بدقة بلغت 78 في المائة، مقارنة بـ 57 في المائة فقط للنهج الرياضي القياسي.
تشير نتائج هذه الدراسة إلى أنه لكي يكون الذكاء الاصطناعي مفيدًا حقًا في مجال القانون، لا يمكنه أن يكون مجرد "صندوق أسود" يتنبأ بالنتائج. يجب أن يكون قادرًا على تمثيل العالم القانوني بطريقة تعكس التفكير البشري. ومن خلال تفكيك القضايا إلى مسائل محددة، وتتبع حالة الحقائق، ورسم القواعد القانونية المستخدمة بشكل صريح، أنشأ الباحثون نظامًا لا يتنبأ بشكل أفضل فحسب، بل يشرح نفسه أيضًا بطريقة تتوافق مع الحكم البشري. لا يدعي هذا النهج أنه حل جميع المشكلات القانونية أو أنه خلق آلة يمكنها استبدال القاضي. بدلاً من ذلك، فإنه يقدم طريقة أكثر وضوحًا وشفافية للتعامل مع النصوص القانونية، مما يضمن أنه عندما يحلل الكمبيوتر قضية ما، فإنه ينظر إلى الحقائق الصحيحة، للشخص الصحيح، في الوقت الصحيح، ويفهم القواعد التي تربط بينها. هذا المستوى من التفصيل ضروري إذا أردنا بناء أدوات قانونية ليست دقيقة فحسب، بل جديرة بالثقة ومفهومة للناس الذين يعتمدون عليها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.