ANNOTARES: A Dataset for Extracting Logical Structures from German Statutory Texts
यह शोध पत्र ANNOTARES प्रस्तुत करता है, जो कानूनी शर्तों और परिणामों की पहचान करने के लिए स्पैन-स्तरीय एनोटेशन वाला एक नया जर्मन वैधानिक पाठ डेटासेट है, और यह प्रदर्शित करता है कि ट्रांसफॉर्मर-आधारित मॉडल इन तार्किक संरचनाओं को निकालने में अन्य दृष्टिकोणों से बेहतर प्रदर्शन करते हैं।
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
कल्पना कीजिए कि कंप्यूटर की दुनिया मानव भाषा को समझने की कोशिश कर रही है। लंबे समय तक, यह एक रोबोट को कहानी की किताब पढ़ना सिखाने जैसा था, जहाँ वह केवल इस बात को गिनता था कि "कुत्ता" शब्द कितनी बार आया है। लेकिन वास्तविक भाषा जटिल होती है; यह छिपे हुए नियमों, पेचीदा वाक्यों और उस तर्क से भरी होती है जो केवल सतह पर नहीं दिखता। यह क्षेत्र, जिसे नेचुरल लैंग्वेज प्रोसेसिंग (NLP) कहा जाता है, वह जगह है जहाँ वैज्ञानिक कंप्यूटर को वास्तव में यह सिखाते हैं कि हम क्या मतलब निकाल रहे हैं, न कि केवल यह कि हम क्या कह रहे हैं। हाल ही में, इस क्षेत्र की एक विशेष शाखा उभरी है: LegalNLP। इसे एक ऐसे अनुवादक के रूप में सोचें जो प्राचीन, अत्यंत जटिल कानूनी स्क्रॉल को ऐसी चीज़ में बदलने की कोशिश कर रहा है जिसे कंप्यूटर वास्तव में समस्याओं को हल करने के लिए उपयोग कर सके। कोई इसकी परवाह क्यों करेगा? क्योंकि कानून समाज के चलने का नियम-पुस्तिका (rulebook) हैं, लेकिन वे इतने सघन और जटिल तरीके से लिखे गए हैं कि इंसान भी उन्हें समझने में कठिनाई महसूस करते हैं। यदि हम कंप्यूटर को यह सिखा सकें कि कानून के "यदि यह होता है" वाले हिस्से और "तो यह होता है" वाले हिस्से को कैसे पहचाना जाए, तो हम ऐसे उपकरण बना सकते हैं जो लोगों को उनके अधिकारों को समझने में मदद करें, वकीलों को तेज़ी से काम करने में मदद करें, या यहाँ तक कि कंप्यूटर को यह जाँचने की अनुमति दें कि कोई नया नियम पारित होने से पहले तर्कसंगत है या नहीं।
यहाँ कार्लस्रूहे यूनिवर्सिटी ऑफ एप्लाइड साइंसेज के शोधकर्ताओं की एक टीम आई जिन्होंने जर्मन कानून की एक बहुत ही विशिष्ट और कठिन पहेली को सुलझाने का निर्णय लिया। वे अपने प्रोजेक्ट को ANNOTARES कहते हैं। यह समझने के लिए कि उन्होंने क्या किया, कल्पना कीजिए कि एक जर्मन कानून ऊन के एक विशाल, उलझे हुए गोले की तरह है। उस ऊन के भीतर दो अलग प्रकार के धागे हैं: Tatbestand ("शर्तें" या "यदि" वाला हिस्सा) और Rechtfolge ("परिणाम" या "तो" वाला हिस्सा)। उदाहरण के लिए, "यदि आप बिना परमिट के यहाँ पार्क करते हैं, तो आपको जुर्माना देना होगा" जैसे वाक्य में, "यदि आप बिना परमिट के यहाँ पार्क करते हैं" शर्त है, और "आपको जुर्माना देना होगा" परिणाम है। चुनौती यह है कि जर्मन कानूनी पाठ अपनी अत्यधिक जटिलता के लिए प्रसिद्ध हैं, जिनमें ऐसे वाक्य होते हैं जो मुड़ते और घूमते हैं, कभी-कभी "तो" वाले हिस्से को "यदि" से पहले रख देते हैं, या नियमों को अन्य शब्दों की परतों के भीतर छिपा देते हैं।
शोधकर्ताओं ने एक बिल्कुल नया डेटासेट बनाया, जो मूल रूप से जर्मन कानून के वाक्यों का एक विशाल संग्रह है जिसे मनुष्यों द्वारा सावधानीपूर्वक लेबल किया गया है। उन्होंने डेटा संरक्षण कानून के 400 से अधिक वाक्यों को लिया और उसमें शिक्षा कानून और भवन संहिता (building code) से 50-50 वाक्य जोड़े। उन्होंने इन वाक्यों के प्रत्येक शब्द को चिह्नित करने में समय बिताया ताकि यह बताया जा सके कि: "यह शब्द शर्त का हिस्सा है," "यह शब्द परिणाम का हिस्सा है," या "यह शब्द केवल पृष्ठभूमि का शोर (background noise) है।" उन्होंने यह सुनिश्चित करने के लिए कि सभी लोग एक ही बात पर सहमत हों, छह अलग-अलग लोगों से एक ही वाक्यों को लेबल करवाया, और उनके बीच सहमति बहुत अधिक थी, जैसे दोस्तों का एक समूह किसी फिल्म के अंत पर एकमत हो।
एक बार जब उनके पास यह "गोल्ड स्टैंडर्ड" डेटासेट आ गया, तो उन्होंने इसे विभिन्न प्रकार के "कंप्यूटर दिमागों" के लिए एक प्रशिक्षण जिम की तरह इस्तेमाल किया। उन्होंने छह अलग-अलग दृष्टिकोणों का परीक्षण किया, जो सरल नियम-पालन करने वाले रोबोट (जैसे एक रेसिपी जो कहती है "यदि 'यदि' शब्द दिखे, तो उसे हाइलाइट करें") से लेकर ट्रांसफॉर्मर (Transformers) पर आधारित जटिल, आधुनिक AI मॉडल (जो सुपर-स्मार्ट पाठक की तरह हैं जिन्होंने लगभग पूरा इंटरनेट पढ़ लिया है) तक विस्तृत थे। वे यह देखना चाहते थे कि कौन सा कंप्यूटर ऊन को सुलझाने और "यदि" को "तो" से अलग करने में सबसे बेहतर है।
परिणाम आश्चर्यों और पुष्टियों का मिश्रण थे। सरल नियम-पालन करने वाले रोबोटों ने बहुत बुरा प्रदर्शन किया, वे जटिल वाक्यों में खो गए और ज्यादातर केवल यह अनुमान लगाते रहे कि सब कुछ "पृष्ठभूमि का शोर" है। पुराने, सरल AI मॉडल (जैसे BiLSTMs) भी संघर्ष करते रहे, अक्सर कानूनी नियमों की सीमाओं को सही ढंग से खोजने में विफल रहे। हालाँकि, आधुनिक ट्रांसफॉर्मर मॉडल, विशेष रूप से mBERT नामक मॉडल, चैंपियनों की तरह प्रदर्शन करते हैं। वे कानूनी भाषा की जटिल संरचना को समझने में सक्षम थे और अधिकांश समय शर्तों और परिणामों को सही ढंग से पहचानने में सफल रहे। दिलचस्प बात यह है कि नवीनतम, विशाल AI मॉडल (लार्ज लैंग्वेज मॉडल्स या LLMs) भी बहुत अच्छे थे, लेकिन उनमें एक अजीब सा व्यवहार था: जबकि वे हर एक शब्द को सही ढंग से लेबल करने में पूर्ण नहीं थे, वे कानूनी नियमों के सटीक आरंभ और अंत बिंदुओं को खोजने में आश्चर्यजनक रूप से अच्छे थे, भले ही वे यहाँ-वहाँ एक शब्द चूक जाते हों।
शोधकर्ताओं द्वारा पाई गई सबसे महत्वपूर्ण चीजों में से एक यह थी कि इन कंप्यूटर दिमागों को वाक्य के "व्याकरण" की वास्तव में मदद की आवश्यकता थी। जब शोधकर्ताओं ने उन्हें वाक्य की संरचना के बारे में अतिरिक्त सुराग दिए (जैसे यह जानना कि कौन सा शब्द कर्ता (subject) है और कौन सा क्रिया (verb)), तो मॉडल बहुत बेहतर हो गए। यह एक जासूस को अपराध स्थल का नक्शा देने जैसा है; बिना नक्शे के, वह सही संदिग्ध का अनुमान तो लगा सकता है, लेकिन नक्शे के साथ, वह सटीक रूप से पहचान सकता है कि अपराध कहाँ हुआ था। पेपर सुझाव देता है कि जबकि ये आधुनिक AI मॉडल शक्तिशाली हैं, वे अपना सर्वश्रेष्ठ काम करने के लिए कानूनी भाषा की विशिष्ट व्याकरणिक संरचनाओं को समझने पर भी निर्भर करते हैं।
अंत में, लेखकों ने केवल एक डेटासेट नहीं बनाया; उन्होंने एक बेंचमार्क बनाया। उन्होंने दिखाया कि हालांकि कानूनों से तार्किक संरचनाओं को निकालना कठिन है, आधुनिक AI अंततः इस कार्य के योग्य है, बशर्ते उसके पास सही डेटा और व्याकरण की थोड़ी मदद हो। उन्होंने अपना डेटासेट सार्वजनिक रूप से जारी कर दिया, इस उम्मीद में कि यह अन्य शोधकर्ताओं को स्वचालित कानूनी तर्क (automated legal reasoning) के लिए और भी बेहतर उपकरण बनाने में मदद करेगा। उन्होंने यह दावा नहीं किया कि उन्होंने कानून के पूरे रहस्य को सुलझा लिया है, लेकिन उन्होंने यह सिद्ध कर दिया कि अब हम जर्मन कानूनों में "यदि" और "तो" को उच्च सटीकता के साथ पहचानने के लिए कंप्यूटर को सिखा सकते हैं, जिससे एक ऐसा भविष्य का द्वार खुलता है जहाँ कानूनी तकनीक जादू की तरह कम और एक विश्वसनीय सहायक की तरह अधिक होगी।
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।