A Short Survey of Viewing Large Language Models in Legal Aspect
यह सर्वेक्षण निर्णय भविष्यवाणी और दस्तावेज़ विश्लेषण जैसे कार्यों में उनके अनुप्रयोगों की जांच करते हुए, गोपनीयता, पूर्वाग्रह और व्याख्यात्मकता जैसी संबद्ध चुनौतियों को संबोधित करते हुए, और विशेष कानूनी एआई के लिए भविष्य की दिशाओं को रेखांकित करते हुए, कानूनी क्षेत्र में लार्ज लैंग्वेज मॉडल्स के एकीकरण का अन्वेषण करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक ऐसी दुनिया की कल्पना करें जहाँ कानून केवल पत्थर पर लिखे नियमों का एक समूह नहीं है, बल्कि एक जीवित, सांस लेती हुई लाइब्रेरी है जो हर दिन बदलती है। इस लाइब्रेरी में, एक नए प्रकार का लाइब्रेरियन आया है: एक ऐसी मशीन जो लाखों दस्तावेजों को पढ़ सकती है, जटिल तर्कों को समझ सकती है, और सेकंडों में कानूनी सवालों के जवाब लिख सकती है। यह मशीन एक 'लार्ज लैंग्वेज मॉडल' है, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जिसे टेक्स्ट की विशाल मात्रा पर प्रशिक्षित किया गया है। वर्षों से, शोधकर्ता पूछते आए हैं कि क्या ये मशीनें विशिष्ट कानूनी पहेलियों को हल कर सकती हैं, जैसे कि अदालत के परिणाम की भविष्यवाणी करना या किसी प्रासंगिक मामले को खोजना। लेकिन असली सवाल अब केवल एक पहेली को सुलझाने के बारे में नहीं है; यह इस बारे में है कि क्या हम मशीन के उत्तर पर भरोसा कर सकते हैं जब किसी व्यक्ति की स्वतंत्रता, पैसा या अधिकार उस पर निर्भर हों। कानून अद्वितीय है क्योंकि यह अधिकार (authority) पर निर्भर करता है। एक कानूनी उत्तर तभी वैध होता है जब वह सही स्रोत की ओर संकेत करे, सही स्थान से हो, सही समय का हो, और यदि वह स्रोत वास्तव में निष्कर्ष का समर्थन करता हो। यदि कोई मशीन एक पुराने नियम या दूसरे देश के कानून के आधार पर आत्मविश्वास से उत्तर देती है, तो वह केवल गलत नहीं है; वह खतरनाक है।
चीन के एक शोधकर्ता ने इस बात पर एक नया दृष्टिकोण अपनाया है कि इन मशीनों का कानूनी क्षेत्र में कैसे उपयोग किया जा रहा है। उन्होंने 2022 और 2025 के बीच प्रकाशित सैकड़ों अध्येशनों की समीक्षा की ताकि यह समझा जा सके कि ये सिस्टम वास्तव में क्या कर सकते हैं और अधिक महत्वपूर्ण रूप से, वे कहाँ विफल हो सकते हैं। केवल यह देखने के बजाय कि एक मॉडल एक एकल प्रश्न का उत्तर कितनी अच्छी तरह देता है, उन्होंने पूरे सिस्टम के बारे में सोचने का एक नया तरीका प्रस्तावित किया। वे इसे "अथॉरिटी-ग्राउंडेड" (authority-grounded) सिस्टम कहते हैं। सरल शब्दों में, इसका अर्थ है कि मशीन को न केवल टेक्स्ट उत्पन्न करना चाहिए, बल्कि अपना काम सिद्ध भी करना चाहिए। उसे यह दिखाना चाहिए कि उसने किन दस्तावेजों का उपयोग किया, यह पुष्टि करनी चाहिए कि वे दस्तावेज अभी भी वैध हैं, और यह समझाना चाहिए कि वे उसके उत्तर का समर्थन कैसे करते हैं। शोधकर्ता ने पाया कि वर्तमान अध्ययन अक्सर इस प्रक्रिया के केवल एक हिस्से को मापते हैं, जैसे कि मशीन कितनी तेजी से जानकारी प्राप्त करती है या वह मानव लेखन की कितनी अच्छी तरह नकल करती है, बिना यह जांचे कि जानकारी कानूनी रूप से कितनी सटीक है।
शोधकर्ता ने क्षेत्र का एक स्पष्ट मानचित्र बनाने के लिए 327 तकनीकी अध्येशनों का विश्लेषण किया। उन्होंने पाया कि इन मशीनों को स्मार्ट बनाने के लिए उपयोग किए जाने वाले उपकरण अपने आप में पर्याप्त नहीं हैं। उदाहरण के लिए, एक सिस्टम प्रासंगिक दस्तावेज खोजने में उत्कृष्ट हो सकता है, लेकिन यदि वह एक बाध्यकारी कानून और एक मात्र सुझाव के बीच अंतर नहीं कर सकता, या यदि वह कानून की तारीख की जांच नहीं कर सकता कि क्या उसे बदल दिया गया है, तो वह सिस्टम वास्तविक दुनिया के उपयोग के लिए तैयार नहीं है। अध्ययन इस बात पर प्रकाश डालता है कि एक परीक्षण में सटीकता, व्यवहार में विश्वसनीयता के बराबर नहीं होती है। एक मशीन एक क्विज़ में सही उत्तर प्राप्त कर सकती है लेकिन यह समझाने में विफल हो सकती है कि क्यों, या वह एक ऐसे स्रोत का हवाला दे सकती है जो सही दिखता है लेकिन वास्तव में पुराना या किसी अलग कानूनी क्षेत्राधिकार का है। शोधकर्ता का तर्क है कि हमें इन मशीनों को साधारण उत्तर जनरेटर के रूप में मानना बंद करना चाहिए और उन्हें एक बड़े, अधिक सावधानीपूर्ण वर्कफ़्लो के घटक के रूप में देखना शुरू करना चाहिए।
इन कमियों को दूर करने के लिए, लेखक एक नया ढांचा सुझाता है जो तीन मुख्य विचारों को जोड़ता है: मशीन से क्या करने को कहा गया है, इसे करने के लिए इसे कैसे बनाया गया है, और हमारे पास क्या प्रमाण है कि यह उपयोग के लिए सुरक्षित है। उन्होंने पाया कि कई मौजूदा प्रणालों में "परहेज करने" (abstain) की क्षमता का अभाव है, यानी यह स्वीकार करने की क्षमता कि वे उत्तर नहीं जानते, जो कानून में एक महत्वपूर्ण कौशल है। उन्होंने यह भी नोट किया कि हालांकि कुछ सिस्टम अपने काम की जांच करने के लिए विशेष उपकरणों का उपयोग करते हैं, लेकिन ये उपकरण अक्सर सूक्ष्म त्रुटियों को पकड़ने में विफल रहते हैं, जैसे कि एक ऐसा कानून जिसे हाल ही के अदालती निर्णय द्वारा रद्द कर दिया गया हो। शोधकर्ता का प्रस्ताव है कि भविष्य के सिस्टम में सूचना के प्रत्येक स्रोत, उसकी वैधता के समय और विशिष्ट कानूनी क्षेत्र के लिए सख्त जांच शामिल होनी चाहिए। वे इस बात पर भी जोर देते हैं कि मनुष्यों को 'लूप में' रहना चाहिए, मशीन के काम की समीक्षा करने और अंतिम निर्णय की जिम्मेदारी लेने के लिए तैयार रहना चाहिए।
यह शोध पत्र यह दावा नहीं करता कि ये मशीनें वकीलों या न्यायाधीशों को बदलने के लिए तैयार हैं। इसके बजाय, यह सुझाव देता है कि हम एक ऐसे मोड़ पर हैं जहाँ हमें यह परिभाषित करना होगा कि कानूनी सेटिंग में आर्टिफिशियल इंटेलिजेंस के विश्वसनीय होने का वास्तव में क्या अर्थ है। शोधकर्ता बताते हैं कि हम केवल एक टेस्ट स्कोर पर भरोसा करके यह साबित नहीं कर सकते कि एक सिस्टम सुरक्षित है। हमें एक नए प्रकार के रिपोर्ट कार्ड की आवश्यकता है जो न केवल उत्तर दिखाए, बल्कि उस पूरे मार्ग को भी दिखाए जिससे मशीन वहां तक पहुँची, जिसमें वे स्रोत भी शामिल हों जिनकी उसने जांच की और वे नियम जिनका उसने पालन किया। यह दृष्टिकोण अदालतों, वकीलों और जनता को यह देखने की अनुमति देगा कि सिस्टम कहाँ कमजोर हो सकता है और कहाँ मानवीय निरीक्षण की आवश्यकता है। अध्ययन का निष्कर्ष है कि हालांकि तकनीक तेजी से आगे बढ़ रही है, लेकिन इसे सुरक्षित रूप से उपयोग करने के नियम अभी तक पीछे रह गए हैं। आगे का रास्ता ऐसे सिस्टम बनाने की मांग करता है जो पारदर्शी, जवाबदेह और कानून की जटिल, परिवर्तनशील प्रकृति को संभालने के लिए डिज़ाइन किए गए हों, यह सुनिश्चित करते हुए कि जब एक मशीन बोलती है, तो वह अपने पीछे सत्यापित सत्य के भार के साथ बोलती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।