ArguGenCourt: Courtroom Argument Generation using Judicial Multi-agent Large Language Models

في عالم القانون عالي المخاطر، نادراً ما يكون قرار القاضي مجرد فعل منفرد لقراءة ملف. إنه تتويج لحوار ديناميكي، وغالباً ما يكون متوتراً. تبدأ القضية بالحقائق، ولكن يتم تشكيلها من خلال الأخذ والرد بين قاضٍ يسعى للوضوح، وطرفين متقابلين: المدعي الذي يرفع القضية، والمُدعى عليه الذي يدافع ضدها. لعقود من الزمن، حاول الباحثون تعليم الحواسيب التنبؤ بنتيجة هذه المعارك القانونية؛ حيث غدّوا الآلات بمكتبات ضخمة من القضايا السابقة، آملين أن تتمكن الخوارزميات من رصد الأنماط التي تؤدي إلى حكم محدد. ومع ذلك، فقد تعاملت معظم هذه المحاولات مع القانون كأنه لغز ثابت، حيث ركزت فقط على الحقائق المكتوبة للقضية مع تجاهل الجدل الحي النابض الذي يحدث في قاعة المحكمة. لقد أغفلوا إلى حد كبير حقيقة أن القرار النهائي غالباً ما يتوقف على مدى قدرة المحامي على طرح وجهة نظر في الوقت الفيقلي، والاستجابة لأسئلة القاضي ومواجهة ادعاءات الخصم.

هذه الفجوة في الفهم هي ما سعى فريق من الباحثين من مؤسسات في الهند وجامعة غلاسكو إلى سدها. لقد طرحوا سؤالاً بسيطاً ولكنه عميق: هل يمكن للذكاء الاصطناعي ألا يكتفي بقراءة قضية فحسب، بل يمكنه حقاً محاكاة محادثة قاعة المحكمة؟ وللكشف عن ذلك، بنوا بيئة رقمية حيث يمكن لبرامج الكمبيوتر، التي تعمل كأدوار قانونية متميزة، أن تتحدث مع بعضها البعض. لم يرغبوا فقط في أن يخمن الكمبيوتر الفائز؛ بل أرادوا معرفة ما إذا كان بإمكان الكمبيوتر توليد نوع الحجج التي قد يقدمها محامٍ حقيقي، بما يكتمل من الدقة، والاستراتيجية، والاستجابة المطلوبة في محاكمة حقيقية. كان هدفهم هو إنشاء نظام يمكنه مساعدة المحامين على الاستعداد للأسئلة غير المتوقعة أو مساعدة طلاب القانون على التدرب في بيئة واقعية وآمنة، كل ذلك مع اختبار ما إذا كانت هذه المحادثات الرقمية يمكن أن تحسن بالفعل من دقة التنبؤ بالنتائج القانونية.

أنشأ الباحثون نظاماً أطلقوا عليه اسم "ArguGenCourt"، والذي يعمل كقاعة محكمة افتراضية تضم ثلاثة وكلاء ذكاء اصطناعي. يلعب أحد الوكلاء دور القاضي، وآخر دور المدعي، والثالث دور المُدعى عليه. وخلافاً للمحاولات السابقة التي اعتمدت على برنامج كمبيوتر واحد للقيام بكل التفكير، فإن هذا الإعداد يجبر الوكلاء على التفاعل. يطرح القاضي أسئلة بناءً على تفاصيل القضية، ويجب على المدعي والمُدعى عليه صياغة إجابات تدافع عن مواقفهم أو تتحدى الطرف الآخر. تم تصميم النظام لتذكر تدفق المحادثة، مما يضمن أنه عندما يطرح القاضي سؤالاً استكماليًا، تكون ردود المحامين متسقة مع ما قالوه سابقاً. هذا يحاكي استمرارية المحاكمة الحقيقية، حيث لا يمكن للمحامي ببساطة تكرار نقطة دون معالجة مخاوف القاضي المحددة.

ولجعل هؤلاء المحامين الرقميين فعالين، كان على الباحثين تعليمهم كيفية المحاجة. لقد جربوا طرقاً مختلفة لتزويد الذكاء الاصطناعي بأمثلة على الحجج الجيدة. كانت إحدى الطرق هي ببساطة إعطاء الذكاء الاصطناعي حقائق القضية وطلب التحدث، وهي تقنية تُعرف باسم "التعلم من الصفر" (zero-shot learning). وتضمن نهج آخر عرض أمثلة من قضايا سابقة مشابهة للقضية التي يتعامل معها حالياً. ووجد الباحثون أن الاستراتيجية الأكثر نجاحاً كانت استخدام طريقة أطلقوا عليها اسم "استرجاع السوابق المحلية" (local precedent retrieval). في هذا النهج، يقوم النظام بمسح قاعدة بيانات تضم 1,428 قضية سابقة من المحكمة العليا ليجد القضايا المحددة التي تشبه القضية الحالية بشكل وثيق. ثم يستخرج الكلمات الفعلية التي نطق بها المحامون في تلك المحاكمات السابقة المشابهة ويستخدمها كدليل للمحادثة الحالية. هذا يشبه دخول محامٍ إلى قاعة المحكمة ومعه دفتر ملاحظات من قضايا حدثت تماماً مثل قضيته، مستخدماً تلك الأمثلة الواقعية لتشكيل حججه الخاصة.

كانت نتائج هذه المحاكاة مذهلة. فعندما قارن الباحثون الحجج التي ولدها نظامهم متعدد الوكلاء مقابل النصوص الحقيقية من قاعات المحاكم الفعلية، وجدوا أن النظام الذي يستخدم استرجاع السوابك المحلية أنتج حججاً أفضل بكثير من تلك التي ولدتها الأساليب الأبسط. تحسنت جودة الحجج بنسبة 12 بالمائة تقريباً مقارنة بالنهج الأساسي حيث لم يُعطَ الذكاء الاصطناعي أي أمثلة. لم ينتج النظام نصاً يبدو بلغة قانونية فحسب؛ بل أنتج حججاً متوافقة دلالياً مع المنطق القانوني الحقيقي. ولقياس ذلك، طور الفريق أداة تقييم جديدة تسمى "ArguEval". هذه الأداة لا تكتفي بعد الكلمات المتطابقة، وهو أمر قد يكون مضللاً في القانون، بل تحلل ما إذا كان معنى وقصد حجة الكمبيوتر يتوافق مع قصد محامٍ بشري حقيقي. وأظهر التقييم أن النظام متعدد الوكلاء، حيث يتحدث القاضي والمدعي والمُدعى عليه مع بعضهم البعض، تفوق باستمرار على الأنظمة التي يحاول فيها وكيل واحد القيام بكل شيء بمفرده.

ومع ذلك، فإن الاختبار الحقيقي لهذا النظام لم يكن فقط في مدى جودة صوته، بل في ما إذا كان بإمكانه حقاً المساعدة في حل المشكلات القانونية. أخذ الباحثون الحجج التي ولدها نظام المحكمة بالذكاء الاصطناعي واستخدموها كمدخلات لمهمة تتنبأ بالحكم النهائي لقضية ما. أرادوا معرفة ما إذا كان تغذية نموذج التنبؤ بهذه المحادثات المحاكية الغنية سيجعله أفضل في تخمين النتيجة مما لو تم تزويده بالحقائق الخام فقط. أكدت النتائج فرضيتهم. فعندما تم توجيه نموذج التنبؤ بواسطة الحجج التي تم توليدها من خلال محاكاتهم متعددة الوكلاء، تحسنت دقته في التنبؤ بالحكم بنسبة 14 بالمائة عن الطريقة الأساسية. وهذا يشير إلى أن جودة الحجة مهمة للغاية. فالكمبيوتر الذي يفهم الأخذ والرد في المحاكمة، بدلاً من مجرد الحقائق الثابتة، يمكنه إجراء تنبؤات أكثر دقة حول كيفية حكم القاضي.

كما سلطت الدراسة الضوء على أهمية الأدوار المحددة داخل المحاكاة. وجد الباحثون أنه عندما سُمح للوكلاء بالتعاون والاستجابة لبعضهم البعض، التقط النظام تعقيد المنطق القانوني بشكل أفضل بكثير مما لو عملوا في عزلة. فقد تمكن وكيل القاضي، على سبيل المثال، من طرح أسئلة توضيحية أجبرت المدعي والمُدعى عليه على تنقيح نقاطهم، مما أدى إلى مجموعة أكثر قوة من الحجج. كان هذا التفاعل الديناميكي حاسماً؛ فقد أظهر أن الطريق إلى القرار القانوني ليس خطاً مستقيماً من الحقيقة إلى الحكم، بل هو مسار متعرج من الاستقصاء والاستجابة. ومن خلال محاكاة هذا المسار، أظهر الباحثون أن الذكاء الاصطناعي يمكنه تجاوز مجرد مطابقة الأنماط للانخراط في شكل من أشكال التفكير يحاكي الممارسة القانونية البشرية.

وعلى الرغم من أن النظام أظهر وعداً كبيراً، إلا أن الباحثين كانوا حذرين في الإشارة إلى حدوده. فقد أُجريت المحاكاة باستخدام بيانات من المحكمة العليا للولايات المتحدة، وكانت الحجج مولدة بواسطة نماذج لغوية كبيرة، والتي رغم قوتها، لا تزال عمليات محاكاة للفكر البشري. لم تدعِ الدراسة أن هؤلاء الوكلاء من الذكاء الاصطناعي يمكنهم استبدال المحامين أو القضاة البشر. بدلاً من ذلك، وضعت النظام كأداة للتحضير والتعليم. إن القدرة على توليد حجج مضادة واقعية يمكن أن تساعد المحامين الممارسين على توقع الأسئلة التي قد يطرحها القاضي أو النقاط التي قد يثيرها الخصم. وبالنسبة لطلاب القانون، فإنه يوفر وسيلة للتدريب في بيئة واقعية دون ضغط قاعة المحكمة الحقيقية. ويتصور الباحثون مستقبلاً يتم فيه توسيع نطاق هذه الأدوات لتغطية مجالات قانونية أكثر ودمجها مع قواعد معرفية قانونية أعمق، مما قد يسد الفجوة بين الدراسة النظرية للقانون والتطبيق العملي.

في نهاية المطاف، يمثل هذا العمل تحولاً في كيفية تفكيرنا في الذكاء الاصطناعي في المجال القانوني. إنه ينقل التركيز من مجرد التنبؤ بنتيجة القضية إلى فهم العملية التي تؤدي إلى تلك النتيجة. ومن خلال بناء نظام يحاكي محادثة قاعة المحكمة، أظهر الباحثون أن جودة الحجة لا تقل أهمية عن الحقائق نفسها. وتشير النتائج إلى أنه لفهم القانون حقاً، يجب على الآلات أن تتعلم كيف تُحاجج، لا أن تكتفي بالقراءة فقط. ومع تطور التكنولوجيا، يمكن لهذه المحاكم الرقمية أن تصبح شركاء لا يقدرون بثمن في السعي وراء العدالة، حيث تقدم طريقة جديدة لاستكشاف تعقيدات المنطق القانوني وإعداد الجيل القادم من العقول القانونية لواقع قاعات المحاكم.