Generative Gap Filling
यह शोध पत्र इस कानूनी धारणा को चुनौती देता है कि अनुबंधों में विवादों को सुलझाने के लिए बहुत कम जानकारी होती है, यह प्रदर्शित करते हुए कि लार्ज लैंग्वेज मॉडल्स शेष पाठ से छिपे हुए, अलिखित शब्दों को सटीक रूप से पुनर्गठित कर सकते हैं, जो यह सुझाव देता है कि अदालतों को अनुबंध संबंधी रिक्तियों को भरने के लिए ऐसे मॉडल अनुमानों को विवादास्पद साक्ष्य के रूप में मानना चाहिए।
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
अनुबंध (कॉन्ट्रैक्ट) उन वादों के लिखित रिकॉर्ड होते हैं जो लोग एक-दूसरे से करते हैं। जब दो पक्ष किसी समझौते पर हस्ताक्षर करते हैं, तो वे अपने सौदे के हर विवरण को लिखने का प्रयास करते हैं ताकि यदि कुछ गलत हो जाए, तो न्यायाधीश उस कागज को देख सके और समझ सके कि वास्तव में क्या सहमति बनी थी। लेकिन जीवन जटिल है, और चाहे वकील इन दस्तावेजों को कितनी भी सावधानी से तैयार करें, वे अक्सर कुछ चीजें छोड़ देते हैं। कोई विशिष्ट घटना घट सकती है जिसकी कल्पना लेखकों ने कभी नहीं की थी, या कोई महत्वपूर्ण विवरण छूट सकता है। जब किसी ऐसी चीज़ पर विवाद उत्पन्न होता है जो लिखित रूप में नहीं है, तो कानून इसे "गैप" (रिक्तता) कहता है। लंबे समय से, कानूनी विद्वानों का मानना रहा है कि एक बार जब अनुबंध के शब्द समाप्त हो जाते हैं, तो दस्तावेज़ उपयोगी नहीं रह जाता। उन्होंने माना कि यदि किसी न्यायाधीश को किसी छूटे हुए हिस्से को भरना पड़ता है, तो वे अनिवार्य रूप से अनुमान लगा रहे होते हैं, और अपनी भावनाओं पर निर्भर होते हैं कि क्या उचित है या व्यापार में आमतौर पर क्या होता है, क्योंकि स्वयं पाठ (टेक्स्ट) कोई संकेत नहीं देता।
इस धारणा ने दशकों तक अदालतों द्वारा अनुबंध संबंधी विवादों को संभालने के तरीके को आकार दिया है। प्रचलित दृष्टिकोण यह है कि जब पाठ मौन हो जाता है, तो न्यायाधीश को सामान्य नियमों या व्यक्तिगत नीति के आधार पर समाधान खोजने के लिए हस्तक्षेप करना पड़ता है। लेकिन यह विचार एक अनुमान पर आधारित है: कि शेष अनुबंध बहुत कम जानकारी प्रदान करता है कि गायब हिस्सा क्या होना चाहिए। यदि वह अनुमान गलत है, तो न्यायाधीशों के सोचने के पूरे तरीके को बदलने की आवश्यकता हो सकती है। प्रश्न यह है कि क्या जो शब्द लिखे गए हैं, वे वास्तव में हमें बता सकते हैं कि वे शब्द क्या होते जो नहीं लिखे गए थे।
दो कानूनी विद्वानों ने कंप्यूटर विज्ञान से ली गई एक पद्धति का उपयोग करके इस विचार का परीक्षण करने का निर्णय लिया। उन्होंने वास्तविक, हस्ताक्षरित अनुबंध लिए और एक विशिष्ट क्लॉज (धारा) को छिपा दिया जिसे पक्षों ने वास्तव में बातचीत करके तय किया था। फिर उन्होंने विभिन्न समूहों और कंप्यूटरों से उस शेष दस्तावेज़ को पढ़ने और छिपे हुए हिस्से का अनुमान लगाने के लिए कहा। शोधकर्ता उत्तर जानते थे क्योंकि उनके पास मूल अनुबंध थे। इस सेटअप ने उन्हें यह देखने की अनुमति दी कि क्या कोई केवल आसपास के पाठ को देखकर गायब जानकारी को वास्तव में प्राप्त कर सकता है।
परिणाम आश्चर्यजनक थे। जब बिना कानूनी प्रशिक्षण वाले साधारण लोगों ने गायब शर्तों का अनुमान लगाने की कोशिश की, तो वे लगभग आधी बार सही थे। यह शुद्ध संयोग की तुलना में दोगुना था। कानूनी प्रशिक्षण वाले लोगों, जैसे कानून के छात्रों और अभ्यास करने वाले वकीलों ने थोड़ा बेहतर प्रदर्शन किया, जो लगभग 60 प्रतिशत बार सही उत्तर दे रहे थे। लेकिन सबसे चौंकाने वाला परिणाम आर्टिफिशियल इंटेलिजेंस (AI) से आया। जब लार्ज लैंग्वेज मॉडल्स (विशाल डेटा पर प्रशिक्षित कंप्यूटर प्रोग्राम) को उसी कार्य के लिए दिया गया, तो उन्होंने गायब शर्तों को लगभग 90 प्रतिशत सटीकता के साथ सही ढंग से पुनः प्राप्त किया।
शोधकर्ताओं ने कलाकारों, वकीलों और निर्माताओं के समझौतों सहित कई अलग-अलग प्रकार के अनुबंधों में इसका परीक्षण किया। लगभग हर मामले में, कंप्यूटर मॉडल मनुष्यों से बेहतर रहे। मॉडल सौदे की संरचना, उल्लेखित कीमतों, जोखिमों के आवंटन और अन्य क्लॉज़ को देखने और इस जानकारी का उपयोग करके गायब हिस्से को उच्च सटीकता के साथ पुनर्गठित करने में सक्षम थे। यह सुझाव देता है कि एक अनुबंध केवल अलग-थलग वाक्यों का संग्रह मात्र नहीं है। इसके बजाय, अनुबंध के हिस्से गहराई से जुड़े हुए हैं, जैसे कि एक रेडियो सिग्नल जहाँ संदेश का पर्याप्त हिस्सा संचार के खो जाने के बाद भी पहुँच जाता है। मौजूद पाठ में उस पाठ के बारे में जानकारी होती है जो गायब है।
यह खोज पुराने विश्वास को चुनौती देती है कि जब अनुबंध अधूरा होता है, तो न्यायाधीशों के पास अपनी पसंद के अलावा कुछ नहीं बचता। अध्ययन दर्शाता है कि दस्तावेज़ में अक्सर वह साक्ष्य होता है जिससे यह पता लगाया जा सके कि पक्षों का इरादा क्या था, भले ही उन्होंने इसे लिखा न हो। लेखक तर्क देते हैं कि इसका अर्थ है कि "वास्तविक गैप्स" (जहाँ पक्षों के बीच वास्तव में कोई सहमति नहीं थी और पाठ कोई संकेत नहीं देता था) पहले की तुलना में बहुत कम दुर्लभ हैं। अधिकांश समय, उत्तर उन शब्दों में छिपा होता है जो पहले से ही वहाँ मौजूद हैं, बस उन्हें ढूँढने की प्रतीक्षा है।
शोधकर्ताओं ने यह भी पता लगाया कि यह खोज कानूनी प्रणाली को कैसे बदल सकती है। वे सुझाव देते हैं कि अदालतें इन कंप्यूटर मॉडल्स का उपयोग एक उपकरण के रूप में कर सकती हैं, ठीक वैसे ही जैसे वे वर्तमान में शब्दकोशों या विशेषज्ञ गवाहों का उपयोग करती हैं। एक वकील मॉडल से पूछ सकता है कि गायब शब्द क्या होगा, और दूसरा पक्ष भी ऐसा ही कर सकता है। न्यायाधीश फिर इन भविष्यवाणियों को साक्ष्य के रूप में तौल सकते हैं, जैसे कि किसी अन्य जानकारी को तौला जाता है। इसे निष्पक्ष रूप से काम करने के लिए, लेखक प्रस्ताव देते हैं कि पक्ष अपने अनुबंधों में "मॉडल का चयन" (choice of model) क्लॉज शामिल कर सकते हैं। यह एक सरल वाक्य होगा जिसमें कहा जाएगा कि यदि किसी गायब शब्द पर विवाद उत्पन्न होता है, तो अदालत को उसे समझने में मदद के लिए एक विशिष्ट कंप्यूटर प्रोग्राम का उपयोग करना चाहिए। यह अनुबंध कानून में सटीकता का एक नया स्तर लाएगा, जिससे न्यायाधीशों के अनुमान लगाने की आवश्यकता कम होगी और पक्षों को वह सौदा प्राप्त करने में मदद मिलेगी जो वास्तव में उनका इरादा था।
हालाँकि, अध्ययन इस दृष्टिकोण की सीमाओं को भी नोट करता है। कंप्यूटर मॉडल तब सबसे अच्छा काम करते हैं जब अनुबंध मानक पैटर्न का पालन करते हैं। जब कोई सौदा बहुत अनूठा होता है या जब पक्षों ने जानबूझकर एक अंतराल छोड़ा है क्योंकि वे सहमत नहीं हो सके, तो मॉडल कम सटीक होते हैं, हालांकि वे मनुष्यों से बेहतर होते हैं। शोधकर्ता चेतावनी भी देते हैं कि यदि भविष्य में अनुबंध पूरी तरह से कंप्यूटरों द्वारा लिखे जाने लगें, तो इस पद्धति का पूरा आधार बदल जाएगा, क्योंकि "इरादा" अब मानवीय निर्णय नहीं रहेगा। लेकिन फिलहाल, अस्तित्व में मौजूद मानव-लिखित अनुबंधों की विशाल संख्या के साथ, अध्ययन बताता है कि स्वयं पाठ सत्य का एक बहुत अधिक समृद्ध स्रोत है जितना कि किसी ने सोचा भी नहीं था। गायब हिस्से अक्सर वहीं होते हैं, बस उन्हें पढ़े जाने की प्रतीक्षा 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।