Deterministic Probabilistic Projection for Hallucination-Free Judicial Inquiry: A Neuro-Symbolic Framework for Evidentiary Solidity Assessment

आपराधिक न्याय की उच्च-दांव वाली दुनिया में, पुलिस रिपोर्ट से अदालत के निर्णय तक का रास्ता पाठ (text) का एक भारी बोझ है। जांच करने वाले मजिस्ट्रेटों को सच्चाई खोजने के लिए हस्तलिखित नोट्स, गवाहों के बयान और फॉरेंसिक लॉग के पहाड़ों को छानना पड़ता है। उन्हें यह तय करना होता है कि सबूत इतने मजबूत हैं कि किसी को मुकदमे के लिए भेजा जाए या मामला खारिज कर दिया जाए। दशकों तक, यह आशा थी कि आर्टिफिशियल इंटेलिजेंस इस अराजकता को सुलझाने में मदद कर सके। लार्ज लैंग्वेज मॉडल्स, वही शक्तिशाली कंप्यूटर प्रोग्राम जो निबंध लिख सकते हैं या समाचारों का सारांश बना सकते हैं, इन फाइलों को पढ़ने और तथ्यों को पहचानने के लिए एक आदर्श उपकरण लग रहे थे। लेकिन इन मशीनों में एक खतरनाक दोष है: वे "हैलुसिनेशन" (hallucinations) के प्रति प्रवृत्त होती हैं। इसका अर्थ है कि वे आत्मविश्वास के साथ तथ्य गढ़ सकती हैं, ऐसे कानून बता सकती हैं जिनका अस्तित्व ही नहीं है, या निर्णय के लिए मनगढ़ंत कारण बना सकती हैं। एक ऐसी कानूनी व्यवस्था में जहाँ एक गलत शब्द किसी का जीवन बर्बाद कर सकता है, वहाँ एक मशीन जो मनगढ़ंत बातें बनाती है, वह न केवल अनुपयोगी है; बल्कि खतरनाक भी है।

मोरक्को के एक शोधकर्ता ने आर्टिफिशियल इंटेलिजेंस का उपयोग करने का एक नया तरीका प्रस्तावित किया है जो इस जोखिम को पूरी तरह से समाप्त कर देता है। कंप्यूटर प्रोग्राम को मामले के परिणाम का अनुमान लगाने देने के बजाय, उन्होंने एक ऐसा सिस्टम बनाया है जो पढ़ने के कार्य को निर्णय लेने के कार्य से अलग करता है। एक अदालत की कल्पना करें जहाँ एक कंप्यूटर गवाही को पढ़ता है और तथ्यों को सूचीबद्ध करता है, लेकिन एक सख्त, अपरिवर्तनीय सेट—जो शब्दों में नहीं, बल्कि कोड में लिखा गया है—अंतिम निर्णय लेता है। यह नया ढांचा, जिसे मोरक्कन दंड संहिता (Moroccan Penal Code) के विरुद्ध परखा गया है, यह सुनिश्चित करता है कि मशीन कभी भी दोषसिद्धि या दोषमुक्ति के लिए कोई कारण नहीं गढ़ती। यह अनुमान नहीं लगाती; यह गणना करती है। कंप्यूटर को दस्तावेजों को पढ़ने के बाद एक कठोर तार्किक पथ का पालन करने के लिए मजबूर करके, शोधकर्ता ने एक ऐसा उपकरण बनाया है जो उन कानूनों के समान विश्वसनीय है जिनका वह अर्थ निकालता है, जिससे मजिस्ट्रेटों को मानवीय निर्णय की निश्चितता खोए बिना तकनीक का उपयोग करने का एक तरीका मिलता है।

इस नवाचार का मूल इस बात में बदलाव है कि कंप्यूटर सूचनाओं को कैसे संसाधित करता है। पारंपरिक एआई सिस्टम एक कहानीकार की तरह काम करते हैं; वे एक प्रॉम्प्ट पढ़ते हैं और फिर पैटर्न के आधार पर अगले शब्द का अनुमान लगाते हुए शब्द दर शब्द प्रतिक्रिया उत्पन्न करते हैं। यहीं पर त्रुटियां होती हैं। हालाँकि, नया सिस्टम इस प्रक्रिया को दो अलग चरणों में तोड़ता है। पहला, एक विशेष कंप्यूटर मॉडल कच्ची पुलिस रिपोर्ट को पढ़ता है और विशिष्ट तथ्यों को निकालता है, उन्हें या तो संदिग्ध के विरुद्ध साक्ष्य के रूप में या उनके पक्ष में साक्ष्य के रूप में लेबल करता है। यह उन सटीक कानूनों को भी खोजता है जो लागू हो सकते हैं। यह चरण अभी भी एक लचीली, भाषा समझने वाली मशीन द्वारा किया जाता है। लेकिन एक बार तथ्य निकाले जाने के बाद, उन्हें सिस्टम के पूरी तरह से अलग हिस्से को सौंप दिया जाता है। यह दूसरा हिस्सा एक सख्त, गणितीय इंजन है जो वाक्य नहीं लिखता। यह केवल तथ्यों की सूची को देखता है और उन्हें नियमों के एक निश्चित सेट के विरुद्ध जाँचता है। यदि नियम कहते हैं कि साक्ष्य पर्याप्त रूप से मजबूत हैं, तो सिस्टम मामले को ट्रिब्यूनल में भेजने का निर्णय आउटपुट करता है। यदि नियम कहते हैं कि साक्ष्य बहुत कमजोर हैं, तो यह मामला खारिज करने का आदेश देता है। क्योंकि यह अंतिम चरण एक रचनात्मक अनुमान के बजाय एक कठोर गणना है, इसलिए सिस्टम 'हैलुसिनेट' नहीं कर सकता। यह ऐसा कानून या तथ्य नहीं बना सकता जो वहां मौजूद ही नहीं था।

इसे सफल बनाने के लिए, शोधकर्ता को इस समस्या को हल करना था कि साक्ष्यों का वजन कैसे किया जाए। एक वास्तविक मुकदमे में, सभी तथ्य समान नहीं होते। एक फिंगरप्रिंट मजबूत सबूत है; एक अस्पष्ट अफवाह कमजोर है। टीम ने एक स्कोरिंग सिस्टम बनाया है जो साक्ष्यों के "घनत्व" (density) को मापता है। वे संदिग्ध के पक्ष और विपक्ष में मौजूद साक्ष्यों की संख्या गिनते हैं, लेकिन वे उन्हें इस आधार पर भी तौलते हैं कि सिस्टम प्रत्येक साक्ष्य के बारे में कितना आश्वस्त है। उन्होंने इसमें एक गणितीय पूर्वाग्रह (bias) भी शामिल किया है जो संदिग्ध के पक्ष में रहता है, जो इस कानूनी सिद्धांत को दर्शाता है कि एक व्यक्ति तब तक निर्दोष है जब तक कि दोष सिद्ध न हो जाए। इसका अर्थ है कि सिस्टम को दोषमुक्त करने की तुलना में दोषी ठहराने के लिए एक मजबूत मामला चाहिए। यदि साक्ष्य संतुलित या अस्पष्ट हैं, तो गणित स्वाभाविक रूप से परिणाम को बर्खास्तगी की ओर धकेलता है। सिस्टम यह भी जाँचता है कि क्या तथ्य वास्तव में उन कानूनों से मेल खाते हैं जिन्हें उसे लागू करना है। यह एक विधि का उपयोग करता है जो यह मापता है कि पुलिस रिपोर्ट के शब्द कानूनी संहिता के शब्दों के साथ कितनी निकटता से मेल खाते हैं, यह सुनिश्चित करते हुए कि निर्णय अस्पष्ट संबंधों के बजाय वास्तविक कानूनों पर आधारित है।

शोधकर्ता ने इस सिस्टम का परीक्षण एक वास्तविक, काल्पनिक मामले के साथ किया जिसमें एक सशस्त्र डकैती शामिल थी। उन्होंने मशीन में एक पुलिस रिपोर्ट डाली, जिसमें एक संदिग्ध का वर्णन था जो टूटी हुई खिड़की पर उंगलियों के निशान के साथ घटनास्थल पर पाया गया था, लेकिन उसका एक आंशिक अलबी (alibi/अन्यत्र होने का प्रमाण) भी था। सिस्टम ने सफलतापूर्वक अपराधी साक्ष्य और बचाव पक्ष के जवाबी तर्क को निकाला। फिर इसने बचाव पक्ष के मुकाबले अभियोजन पक्ष के मामले की मजबूती की गणना की। परिणाम एक स्पष्ट, संख्यात्मक स्कोर था जो संकेत देता था कि साक्ष्य आगे बढ़ने के लिए पर्याप्त मजबूत हैं। सिस्टम ने फिर अपने सख्त तार्किक नियमों को लागू किया और मामले को ट्रिब्यूनल में भेजने का निर्णय लिया। इस विशिष्ट परीक्षण में, सिस्टम ने शून्य त्रुटियां कीं। इसने न तो कोई नया गवाह बनाया और न ही कानून को गलत तरीके से उद्धृत किया। एक मानक, बिना संशोधित एआई मॉडल की तुलना में, नए सिस्टम ने त्रुटि दर को पूरी तरह से समाप्त कर दिया। जहाँ मानक मॉडल ने अपने निर्णयों में 14 प्रतिशत से अधिक गलतियाँ की थीं, वहीं नए ढांचे ने एक भी गलती नहीं की।

सिस्टम की गति भी उल्लेखनीय है, हालांकि यह प्राथमिक लक्ष्य नहीं है। कच्चे दस्तावेज़ से अंतिम निर्णय तक की प्रक्रिया में लगभग आठ सेकंड लगते हैं, जो चार सेकंड में अनुमान लगाने वाले मानक एआई की तुलना में थोड़ा धीमा है। हालांकि, शोधकर्ता का तर्क है कि अतिरिक्त समय पूर्ण विश्वसनीयता के लिए एक छोटी कीमत है। सिस्टम को स्थानीय कंप्यूटरों पर चलाने के लिए डिज़ाइन किया गया है, जिसका अर्थ है कि आपराधिक मामलों के संवेदनशील डेटा को क्लाउड पर भेजने की आवश्यकता नहीं है, जिससे इसमें शामिल लोगों की गोपनीयता सुरक्षित रहती है। सिस्टम द्वारा लिया गया प्रत्येक निर्णय पता लगाने योग्य (traceable) है। एक न्यायाधीश आउटपुट को देख सकता है और ठीक से देख सकता है कि कौन से तथ्य पाए गए, किन कानूनों को मिलाया गया, और अंतिम स्कोर की गणना कैसे की गई। यहाँ कोई 'ब्लैक बॉक्स' नहीं है; तर्क पारदर्शी है और निरीक्षण के लिए खुला है।

यह दृष्टिकोण इस बात में एक महत्वपूर्ण बदलाव है कि कानूनी तकनीक को कैसे बनाया जाता है। यह इस विचार से दूर जाता है कि कंप्यूटर को एक वकील की तरह "सोचना" चाहिए और इसके बजाय यह सुझाव देता है कि कंप्यूटर को कानून के लिए एक कठोर लेखा परीक्षक (accountant) के रूप में कार्य करना चाहिए। यह तथ्यों को गिनता है, नियमों की जाँच करता है, और परिणाम की रिपोर्ट करता है। शोधकर्ता स्वीकार करते हैं कि यह तो बस शुरुआत है। वे जटिल मामलों को संभालने के लिए सिस्टम का विस्तार करने और घटनाओं के समय की जाँच करने की क्षमता जोड़ने की योजना बना रहे हैं, ताकि यह सुनिश्चित हो सके कि अलबी (alibi) अपराध के घटनाक्रम के विपरीत न हो। वे इस सिस्टम का वास्तविक न्यायाधीशों के साथ परीक्षण करने का भी इरादा रखते हैं ताकि यह देखा जा सके कि यह मानवीय अंतर्ज्ञान के साथ कितनी अच्छी तरह मेल खाता है। फिलहाल, अध्ययन यह सिद्ध करता है कि यह संभव है कि एक ऐसा आर्टिफिशियल इंटेलिजेंस बनाया जाए जो कानून को तोड़े बिना कानून की मदद करे, जो एक ऐसा उपकरण है जो शक्तिशाली भी है और न्याय के नियमों के प्रति पूरी तरह आज्ञाकारी भी।