Beyond Probabilistic Similarity: Structural, Temporal, and Causal Limitations of Retrieval-Augmented Generation in the Legal Domain
यह शोध पत्र तर्क देता है कि कानूनी क्षेत्र में रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) की बार-बार होने वाली विफलताएं संभाव्य रिट्रीवल (probabilistic retrieval) और कानूनी ज्ञान की पदानुक्रमित, कालिक एवं कारण संबंधी प्रकृति के बीच एक मौलिक संरचनात्मक बेमेल से उत्पन्न होती हैं, और इसके समाधान हेतु ऑन्टोलॉजिकल प्रधानता (ontological primacy), घटना वस्तुकरण (event reification), द्विकालिक शुद्धता (bitemporal correctness) और नियतात्मक अंतःक्रिया प्रोटोकॉल (deterministic interaction protocols) पर केंद्रित एक नए नियतात्मक ढांचे का प्रस्ताव देता 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
यहाँ एक सरल भाषा और रचनात्मक उपमाओं (analogies) का उपयोग करके शोध पत्र (paper) का स्पष्टीकरण दिया गया है।
बड़ी समस्या: "प्रभावी झूठ बोलने वाला" (The Fluent Liar)
कल्पना कीजिए कि एक प्रतिभाशाली कानून का छात्र है जो बेहतरीन निबंध लिख सकता है और पूरी आत्मविश्वास के साथ बोल सकता है। हालाँकि, इस छात्र में एक खतरनाक आदत है: जब उसे उत्तर नहीं पता होता, तो वह ऐसे तथ्य गढ़ देता है जो सुनने में वास्तविक लगते हैं। वह किसी ऐसे अदालती मामले का हवाला दे सकता है जो कभी हुआ ही नहीं, या किसी ऐसे कानून को उद्धृत कर सकता है जो दस साल पहले ही रद्द हो चुका हो।
कानूनी दुनिया में, वर्तमान AI सिस्टम बिल्कुल यही कर रहे हैं। वे "कन्फैबुलेटिंग" (मनगढ़ंत बातें बनाना) कर रहे हैं। यह शोध पत्र तर्क देता है कि AI को केवल "स्मार्ट" बनाने या उसे अधिक डेटा देने से यह समस्या ठीक नहीं होगी। समस्या AI की बुद्धिमत्ता की नहीं है; समस्या उस लाइब्रेरी की है जिससे वह जानकारी निकाल रहा है।
मुख्य तर्क: एक बेमेल लाइब्रेरी (A Mismatched Library)
यह शोध पत्र कहता है कि कानूनी ज्ञान सामान्य लाइब्रेरी (जैसे विकिपीडिया या न्यूज़ साइट) की तरह नहीं है। यह एक जीवित, सांस लेती हुई मशीन की तरह है जिसके सख्त नियम हैं।
वर्तमान AI क्यों विफल होता है, इसे समझने के लिए लेखक कानूनी ज्ञान की तुलना तीन विशिष्ट चीजों से करते हैं:
रशियन नेस्टिंग डॉल (संरचना - Structure):
- वास्तविकता: कानून रशियन डॉल्स (एक के भीतर एक खिलौना) की तरह बने होते हैं। एक विशिष्ट नियम (छोटी गुड़िया) तभी समझ में आता है जब आप जानते हों कि वह किस पैराग्राफ (मध्यम गुड़िया) में स्थित है, और वह पैराग्राफ तभी समझ में आता है जब आप जानते हों कि वह किस अनुच्छेद (बड़ी गुड़िया) का हिस्सा है। यदि आप छोटी गुड़िया को बाहर निकाल लें और उसे अकेले दिखाएं, तो वह भ्रामक होगा।
- AI की विफलता: वर्तमान AI कानूनों को बिखरे हुए कागजों के ढेर की तरह मानता है। वह एक अकेला वाक्य पकड़ लेता है क्योंकि वह प्रासंगिक लगता है, लेकिन वह उन "पैरेंट" नियमों को भूल जाता है जो उस वाक्य को अर्थ देते हैं। शोध पत्र इसे "मेरेओलॉजिकल ब्लाइंडनेस" (अंश-पूर्ण संबंध के प्रति अंधापन) कहता है।
टाइम मशीन (समय - Time):
- वास्तविकता: कानून लगातार बदलते रहते हैं। एक कानून 2020 में लिखा जा सकता है, लेकिन वह वास्तव में 2022 तक लागू नहीं होता। या, एक जज 2024 में पुराने कानून की व्याख्या नए तरीके से कर सकता है बिना उसके शब्दों को बदले।
- AI की विफलता: वर्तमान AI आमतौर पर आपको कानून का "वर्तमान" संस्करण दिखाता है, भले ही आपने 2021 के संदर्भ में पूछा हो। वह यह नहीं समझता कि उस समय कानून अलग था। वह यह भी चूक जाता है कि कब एक जज के फैसले ने शब्दों को बदले बिना कानून के अर्थ को बदल दिया। शोध पत्र इसे "डायक्रोनिक ब्लाइंडनेस" (समय के प्रति अंधापन) कहता है।
पेपर ट्रेल (कारण - Causality):
- वास्तविकता: कानून में, आप सिर्फ यह नहीं कह सकते कि "यह नियम है।" आपको यह साबित करना होगा कि इसे किसने बनाया, कब बनाया, और किस आधिकारिक कार्य ने इसे बदला। हर कानून का एक "जन्म प्रमाण पत्र" और "सर्जरी का इतिहास" होता है।
- AI की विफलता: वर्तमान AI आपको उत्तर तो दे देता है लेकिन उसका इतिहास छिपा देता है। वह कहता है, "यह रहा नियम," लेकिन वह उन आधिकारिक दस्तावेजों की श्रृंखला को नहीं दिखाता जो साबित करते हैं कि वह नियम वैध है। शोध पत्र इसे "कॉज़ल ओपेसिटी" (कारण को छिपाना) कहता है।
समाधान: एक "डिटरमिनिस्टिक" इंजन बनाना
लेखक तर्क देते हैं कि हमें इसे AI के बेहतर अनुमान लगाने से ठीक करने की कोशिश करना बंद कर देना चाहिए। इसके बजाय, हमें इस सिस्टम के काम करने के आर्किटेक्चर (ब्लूप्रिंट) को बदलने की आवश्यकता है।
वे एक नया दृष्टिकोण प्रस्तावित करते हैं जिसे "डिटरमिनिस्टिक-बाय-डिज़ाइन" कहा जाता है।
इसे एक भविष्यवक्ता (Fortune Teller) और एक जीपीएस (GPS) के बीच के अंतर के रूप में सोचें:
- भविष्यवक्ता (वर्तमान AI): बादलों (टेक्स्ट के पैटर्न) को देखता है और अनुमान लगाता है कि आप कहाँ हैं। वह आमतौर पर सही होता है, लेकिन कभी-कभी वह एक ऐसे पहाड़ की कल्पना कर लेता है जो वहाँ है ही नहीं।
- जीपीएस (नया दृष्टिकोण): सटीक निर्देशांकों (coordinates) के साथ एक सख्त मानचित्र का उपयोग करता है। वह अनुमान नहीं लगाता। यदि सड़क बंद है, तो वह कहता है "सड़क बंद है।" यदि सड़क पर निर्माण कार्य चल रहा है, तो वह डायवर्जन दिखाता है। वह यह सुनिश्चित करने के लिए नियमों के एक कठोर सेट का पालन करता है कि वह मानचित्र के बारे में कभी झूठ न बोले।
इस "कानून के जीपीएस" को बनाने के लिए, शोध पत्र चार सख्त नियम सुझाता है:
- ऑन्टोलॉजिकल प्राइमेसी (पहले मानचित्र - The Map First): टेक्स्ट से शुरुआत न करें; संरचना से शुरुआत करें। सिस्टम को शब्दों को पढ़ने से पहले यह पता होना चाहिए कि "अनुच्छेद 5" का "धारा 2" है।
- इवेंट रीफिकेशन (इतिहास लॉग - The History Log): जब भी कोई कानून बदलता है, सिस्टम को उस विशिष्ट "घटना" (जैसे किसी दस्तावेज़ पर हस्ताक्षर) को रिकॉर्ड करना चाहिए जिसने परिवर्तन किया। यह परिवर्तन को एक वास्तविक वस्तु (object) के रूप में मानता है, न कि केवल एक तारीख के रूप में।
- बाइटेम्पोरल करेक्टनेस (दो घड़ियाँ - Two Clocks): सिस्टम को दो समय ट्रैक करने चाहिए:
- कानून कब लिखा गया था (ट्रांजैक्शन टाइम)।
- कानून वास्तव में कब लागू हुआ (वैलिड टाइम)।
- उदाहरण: जनवरी में हस्ताक्षरित कानून मार्च से प्रभावी हो सकता है। सिस्टम को दोनों के बीच अंतर पता होना चाहिए।
- डिटरमिनिस्टिक प्रोटोकॉल (सड़क के नियम - The Rules of the Road): AI को "फ्रीस्टाइल" खोज करने की अनुमति नहीं दी जानी चाहिए। उसे कानूनों को खोजने के लिए विशिष्ट, पूर्व-अनुमोदित उपकरणों का उपयोग करना चाहिए। यदि वह सख्त नियमों का उपयोग करके उत्तर नहीं ढूँढ पाता है, तो उसे कुछ भी मनगढ़ंत बनाने के बजाय "मुझे नहीं पता" कहना चाहिए।
इसका आपके लिए क्या अर्थ है
शोध पत्र निष्कर्ष निकालता है कि उच्च-दांव वाले कानूनी कार्यों (जैसे अदालत में बहस करना) के लिए, हम ऐसे AI पर भरोसा नहीं कर सकते जो समानता के आधार पर "अनुमान" लगाता है। हमें ऐसे सिस्टम की आवश्यकता है जो एक कठोर, ऑडिट योग्य डेटाबेस की तरह बने।
- अच्छी खबर: हमारे पास इसे बनाने की तकनीक है (न्यूरो-सिम्बोलिक AI का उपयोग करके, जो स्मार्ट अनुमान और सख्त नियमों को जोड़ता है)।
- चुनौती: इसे बनाना महंगा और कठिन है। इसके लिए मानव वकीलों को डेटा को पूरी तरह से मैप करने और संरचना तैयार करने में मदद करनी होगी।
- लक्ष्य: एक ऐसे सिस्टम से जो "प्रभावी लेकिन खतरनाक" है, एक ऐसे सिस्टम की ओर बढ़ना जो "उबाऊ लेकिन सुरक्षित" है। यदि सिस्टम सख्त नियमों में उत्तर नहीं पा सकता है, तो वह न्यायाधीश से झूठ बोलने के बजाय स्वीकार कर लेगा कि उसे नहीं पता।
संक्षेप में: शोध पत्र कहता है कि हमें कानून को एक बातचीत की तरह मानना बंद करना चाहिए और इसे एक सटीक इंजीनियरिंग प्रोजेक्ट की तरह मानना शुरू करना चाहिए। हमें AI को कार चलाने देने से पहले "मानचित्र" बनाने की आवश्यकता 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।