ImmigrationReason: A Structured Dataset of U.S. Immigration Appeals for Legal Reasoning Research
यह शोध पत्र ImmigrationReason को प्रस्तुत करता है, जो 12,375 यू.एस. सिटीजनशिप एंड इमिग्रेशन सर्विसेज प्रशासनिक अपीलों का एक बड़े पैमाने का संरचित डेटासेट है, जो कानूनी ढांचों, साक्ष्य पर्याप्तता और अधिनिर्णायक त्रुटियों के विस्तृत, विशेषज्ञ-सत्यापित रिकॉर्ड प्रदान करके प्रशासनिक अधिनिर्णय के लिए कानूनी एनएलपी (NLP) संसाधनों के अंतराल को संबोधित करता है ताकि परिणाम भविष्यवाणी, त्रुटि विश्लेषण और नियामक एजेंट डिजाइन में उन्नत अनुसंधान को सक्षम बनाया जा सके।
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
कानून को अक्सर अदालती ड्रामे के एक भव्य रंगमंच के रूप में कल्पित किया जाता है, जहाँ न्यायाधीशों द्वारा रोब (robes) पहने हुए साक्ष्य तौले जाते हैं और राष्ट्रों के भाग्य पर अंतिम निर्णय दिए जाते हैं। फिर भी, अधिकांश कानूनी निर्णय कभी अदालत तक नहीं पहुँचते। वे प्रशासनिक एजेंसियों के शांत, नौकरशाही गलियारों में होते हैं, जहाँ सरकारी अधिकारी हर साल अधिकारों, लाभों और स्थिति के लिए लाखों आवेदनों की समीक्षा करते हैं। संयुक्त राज्य अमेरिका में, इन प्रक्रियाओं में से एक सबसे महत्वपूर्ण प्रक्रिया रोजगार-आधारित आप्रवास (immigration) से जुड़ी है, जहाँ विदेशी नागरिक देश में रहने और काम करने के लिए याचिका दायर करते हैं। ये मामले किसी एक न्यायाधीश द्वारा मुकदमे के माध्यम से तय नहीं किए जाते, बल्कि अधिकारियों की एक जटिल प्रणाली द्वारा तय किए जाते हैं जो व्यक्तिगत कहानियों पर विशिष्ट नियमों को लागू करते हैं, जिससे अक्सर ऐसे इनकार (denials) होते हैं जिन्हें उच्च प्रशासनिक निकाय में अपील किया जा सकता है। ये निर्णय कैसे लिए जाते हैं, और कहाँ गलतियाँ हो सकती हैं, इसे समझना न केवल शामिल लोगों के लिए, बल्कि उन सभी के लिए भी महत्वपूर्ण है जो इस तरह के उच्च-दांव वाले नियामक कार्यों में भविष्य में कृत्रिम बुद्धिमत्ता (AI) की सहायता कर सकती है।
स्टैनफोर्ड यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने 'इमिग्रेशनरीज़निंग' (ImmigrationReason) नामक एक नए संसाधन के साथ प्रशासनिक न्याय की इस छिपी हुई दुनिया में एक खिड़की खोली है। उन्होंने एडमिनिस्ट्रेटिव अपील्स ऑफिस (Administrative Appeals Office) के 12,375 वास्तविक निर्णयों का एक विशाल संग्रह एकत्र और व्यवस्थित किया है, जो उस निकाय द्वारा है जो अस्वीकृत आप्रवास याचिकाओं की समीक्षा करता है। 2005 से 2026 तक के दो दशकों में फैला यह डेटासेट अद्वितीय है क्योंकि इसमें केवल निर्णयों का कच्चा पाठ (raw text) ही नहीं है; बल्कि यह प्रत्येक मामले में उपयोग किए गए कानूनी तर्क के एक संरचित मानचित्र में उन्हें विभाजित करता है। शोधकर्ताओं ने प्रत्येक विशिष्ट साक्ष्य को लेबल किया है, इस बात को ट्रैक किया है कि मूल अधिकारी सही था या गलत, और यहाँ तक कि उन सटीक शब्दों को भी दर्ज किया है जिनका उपयोग उच्च अधिकारी ने प्रारंभिक निर्णय की आलोचना करने के लिए किया था। विवरण का यह स्तर कानूनी दस्तावेजों के ढेर को एक संरचित डेटासेट में बदल देता है जिसका कंप्यूटर द्वारा अध्ययन किया जा सकता है, जो इस बात की एक दुर्लभ झलक प्रदान करता है कि सरकार यह कैसे तय करती है कि किसे रुकने का अधिकार है।
यह कार्य दो विशिष्ट प्रकार के रोजगार वीज़ा के लिए आप्रवास अपील कार्यालय से उपलब्ध प्रत्येक निर्णय को एकत्र करने से शुरू हुआ। टीम को एक महत्वपूर्ण बाधा का सामना करना पड़ा: 2017 से पहले के कई पुराने दस्तावेज़ केवल कागजी फाइलों की स्कैन की गई छवियां थे, जिन्हें कंप्यूटर के लिए सटीक रूप से पढ़ना अत्यंत कठिन होता है। मानक सॉफ़्टवेयर अक्सर टेक्स्ट को बिगाड़ देता था, जिससे कानूनी उद्धरण (citations) निरर्थक हो जाते थे या पूरे फुटनोट गायब हो जाते थे। इसे हल करने के लिए, शोधकर्ताओं ने इन दस्तावेजों को ट्रांसक्राइब करने के लिए एक शक्तिशाली नए प्रकार के कृत्रिम बुद्धिमत्ता का उपयोग किया, जिससे एक स्वच्छ, पठनीय पाठ तैयार हुआ जिसने मूल संरचना और उद्धरणों को सुरक्षित रखा। इसके बाद उन्होंने इन साफ किए गए दस्तावेजों को पढ़ने और विशिष्ट जानकारी, जैसे कि मांगे जाने वाले वीज़ा का प्रकार, दिए गए कानूनी तर्क और अंतिम परिणाम, निकालने के लिए एक परिष्कृत प्रणाली बनाई। यह सुनिश्चित करने के लिए कि कंप्यूटर गलतियाँ न करे, उन्होंने विभिन्न तरीकों का उपयोग करके निष्कर्षण प्रक्रिया को तीन बार चलाया और तीसरे, अत्यधिक उन्नत AI मॉडल को पहले दो प्रयासों के बीच असहमति को सुलझाने के लिए एक न्यायाधीश के रूप में कार्य करने दिया। इस कठोर प्रक्रिया ने यह सुनिश्चित किया कि अंतिम डेटासेट जितना संभव हो सके उतना सटीक और विश्वसनीय हो।
जो चीज़ इस संग्रह को इतना मूल्यवान बनाती है, वह है इसके एनोटेशन (annotations) की गहराई। अधिकांश कानूनी डेटासेट्स में, ध्यान व्यापक श्रेणियों पर होता है, जैसे कि मामला जीता गया या हारा गया। यहाँ, शोधकर्ताओं ने बहुत गहराई तक जाकर विश्लेषण किया। उन्होंने प्रत्येक निर्णय का विश्लेषण किया कि अपील्स ऑफिस ने कानून की प्रत्येक आवश्यकता का मूल्यांकन कैसे किया। उदाहरण के लिए, "असाधारण क्षमता" (extraordinary ability) के प्रमाण की आवश्यकता वाले मामले में, कानून दस अलग-अलग तरीके सूचीबद्ध करता है जिनसे कोई व्यक्ति योग्य हो सकता है। यह डेटासेट ट्रैक करता है कि अपील्स ऑफिस ने प्रत्येक मामले के लिए उन दस बिंदुओं में से प्रत्येक पर वास्तव में कैसे निर्णय लिया। यह यह भी रिकॉर्ड करता है कि उच्च अधिकारी मूल अधिकारी से सहमत था, आंशिक रूप से असहमत था, या निर्णय को पूरी तरह से उलट दिया था। शायद सबसे महत्वपूर्ण बात यह है कि डेटासेट में लगभग 9,000 प्रत्यक्ष उद्धरण शामिल हैं जहाँ अपील्स ऑफिस ने स्पष्ट रूप रूप से मूल अधिकारी की कानूनी त्रुटि के लिए आलोचना की है, जैसे कि साक्ष्य की अनदेखी करना या गलत नियम लागू करना। यह उदाहरणों का एक अनूठा पुस्तकालय प्रदान करता है जो दिखाता है कि कानूनी तर्क कैसे विफल हो सकता है और उसे कैसे सुधारा जाना चाहिए।
डेटा यह भी प्रकट करता है कि समय के साथ कानून कैसे बदलता है, जो एक प्राकृतिक प्रयोग की तरह है। दिसंबर 2016 में, एक प्रकार के वीज़ा के नियमों को पूरी तरह से फिर से लिखा गया था, जो एक मानक सेट से दूसरे में स्थानांतरित हो गया था। चूंकि यह डेटासेट इस परिवर्तन से पहले और बाद के वर्षों को कवर करता है, इसलिए यह शोधकर्ताओं को यह देखने की अनुमति देता है कि कानूनी परिदृश्य कैसे बदला। वे देख सकते हैं कि आवेदकों के लिए सफलता दर कैसे बदली, वकीलों द्वारा उपयोग किए गए तर्क कैसे विकसित हुए, और सरकार ने नए ढांचे के अनुकूल कानून की अपनी व्याख्या कैसे बदली। यह डेटा में एक स्पष्ट सीमा बनाता है जो वैज्ञानिकों को यह परीक्षण करने में मदद करता है कि क्या कृत्रिम बुद्धिमत्ता यह समझ सकती है कि कानून स्थिर नहीं हैं, बल्कि बदलते रहने वाले जीवंत तंत्र हैं।
कानून की संरचना के अलावा, यह डेटासेट विभिन्न सरकारी कार्यालयों के संचालन के पैटर्न को भी उजागर करता है। शोधकर्ताओं ने पाया कि अपील्स ऑफिस द्वारा मूल निर्णयों को पलटने की दर इस आधार पर काफी भिन्न थी कि प्रारंभिक इनकार किस क्षेत्रीय कार्यालय ने जारी किया था। कुछ कार्यालयों के निर्णयों को आधे से अधिक समय तक पलटा गया, जबकि अन्य को बहुत कम बार पलटा गया। यह सुझाव देता है कि कानून की व्याख्या या अनुभव इस आधार पर भिन्न हो सकता है कि आवेदन कहाँ संसाधित किया गया है। इस जानकारी को एक संरचित तरीके से व्यवस्थित करके, शोधकर्ता अब इन संस्थागत अंतरों का अध्ययन उस तरह से कर सकते हैं जो पहले केवल कच्चे पाठ के साथ संभव नहीं था।
इस संसाधन का निर्माण कानूनी कृत्रिम बुद्धिमत्ता में एक नए प्रकार के अनुसंधान के द्वार खोलता है। चूंकि डेटासेट में प्रस्तुत साक्ष्य, लागू किए गए कानूनी नियम और अंतिम निर्णय शामिल हैं, इसलिए इसका उपयोग कंप्यूटर को कानूनी तर्क की समझ विकसित करने के लिए प्रशिक्षित करने हेतु किया जा सकता है। यह ऐसे सिस्टम बनाने में मदद कर सकता है जो तथ्यों के आधार पर मामले के परिणाम की भविष्यवाणी कर सकें, या अधिक महत्वपूर्ण रूप से, ऐसे सिस्टम जो यह पता लगा सकें कि कब किसी कानूनी निर्णय में त्रुटि है। चूंकि सरकार पहले से ही अपने निर्णय लेने की प्रक्रियाओं में कृत्रिम बुद्धिमत्ता का उपयोग करना शुरू कर रही है, इसलिए एक ऐसा उपकरण होना जो मानवीय तर्क में गलतियों की पहचान कर सके, यह सुनिश्चित करने की दिशा में एक महत्वपूर्ण कदम है कि ये नई तकनीकें सुरक्षित और निष्पक्ष हों। शोधकर्ताओं ने संपूर्ण डेटासेट, और इसे बनाने के लिए उपयोग किए गए कोड को जनता के लिए उपलब्ध करा दिया है, जिससे वैज्ञानिकों और कानूनी विशेषज्ञों को प्रशासनिक न्याय की जटिल मशीनरी का पता लगाने और ऐसे उपकरण बनाने के लिए आमंत्रित किया गया है जो इसे सभी के लिए बेहतर बनाने में मदद कर सकें।
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।