Predictive Artificial Intelligence and Legislative Gaps in Arabic Legal Texts
Deze studie evalueert het vermogen van grote taalmodellen om wetgevingslacunes in Arabische juridische teksten te identificeren en te beoordelen, waarbij wordt vastgesteld dat zij weliswaar effectief omissies detecteren en argumenten genereren, maar dat het bepalen van de constitutionele betekenis van dergelijke lacunes menselijk juridisch oordeel vereist om onderscheid te maken tussen werkelijke gebreken en intentionele wetgevingskeuzes.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de wereld van het recht is een "gat" geen gat in de grond, maar een stilte in de regels. Het is een situatie waarin een nieuw probleem ontstaat, of een oud probleem verandert, en de geschreven wetten niet precies zeggen wat te doen. Eeuwenlang was het opsporen van deze gaten de taak van menselijke juristen en rechters, die duizenden pagina's tekst moesten lezen, de geschiedenis erachter moesten begrijpen en moesten beslissen of een ontbrekende regel een simpel overzicht was of een gevaarlijk gebrek dat de grondwet schendt. Vandaag de dag is er een nieuw instrument binnengekomen in deze kamer: kunstmatige intelligentie. Specifiek zijn grote taalmodellen computerprogramma's die getraind zijn op enorme hoeveelheden tekst en die juridische documenten kunnen lezen, samenvatten en erover kunnen debatteren. Maar een cruciale vraag blijft: kunnen deze machines het verschil zien tussen een wet die simpelweg zwijgt en een wet die gebroken is? Als een computer zegt dat een wet een regel mist, is die dan werkelijk ontbrekend, of is de stilte een bewuste keuze van de wetgevers?
Een onderzoeker genaamd Sahar Al-Atawi van de Universiteit van Tabuk zette zich hierop toe door drie van de meest geavanceerde systemen van kunstmatige intelligentie aan het werk te zetten op het Egyptische recht. Ze vroeg de machines niet om nieuwe wetten te schrijven of om als rechter op te treden. In plaats daarvan vroeg ze hen om als onderzoekers op te treden. Ze voerde hen vier specifieke artikelen uit de Egyptische statuten — wetten die universiteitsprofessoren, postmedewerkers en sociale fondsen regelen — en gaf hen een strikte set instructies. De computers moesten de tekst lezen, alles vinden wat ontbrak, zoals een waarschuwing voordat iemand wordt ontslagen of een duidelijke definitie van een term, en vervolgens beslissen of dat ontbrekende stukje een klein detail of een grote constitutionele mislukking was. De studie vergeleek het werk van drie verschillende modellen: ChatGPT, Gemini en DeepSeek, waarbij hun output niet werd beschouwd als definitieve antwoorden, maar als ruwe gegevens om te controleren tegen menselijke juridische redenering.
De resultaten onthulden een fascinerende splitsing in hoe deze machines denken. Alle drie de modellen waren uitstekend in het opsporen van de stilte. Ze identificeerden allemaal correct dat sommige wetten niet expliciet vermeldden dat een werknemer een schriftelijke waarschuwing moet ontvangen voordat hij als ontslagen wordt beschouwd, of dat een professor een hoorzitting moet krijgen voordat hij zijn baan verliest. De machines waren het echter fel oneens over wat die stilte betekende. Eén model, DeepSeek, neigde ernaar elke ontbrekende procedurele stap als een ernstig juridisch gebrek te behandelen, waarbij het vaak concludeerde dat de wet gebroken was en onmiddellijke reparatie nodig had. De andere twee modellen, ChatGPT en Gemini, waren voorzichtiger. Zij erkenden dat het feit dat een regel niet opgeschreven stond, niet betekende dat de wet ongrondwettelijk was. Zij begrepen dat stilte soms een bewuste keuze is, of dat andere delen van het rechtssysteem het onderwerp al dekken.
De studie vond dat de meest accurate benadering de voorzichtige benadering was. In het eerste geval, betreffende universiteitsprofessoren die stopten met werken, vonden de machines dat de wet niet expliciet vereiste dat er een waarschuwing werd gegeven voordat de professor als ontslagen werd beschouwd. DeepSeek noemde dit een grote kloof die de rechten zou kunnen schenden. De andere modellen, en de menselijke analyse die volgde, bepaalden dat de wet eigenlijk vrij robuust was. Het gaf de professor zes maanden de tijd om terug te keren en de afwezigheid toe te lichten, en vereiste dat een raad de rechtvaardiging goedkeurde. De ontbrekende waarschuwing was een detail dat verbeterd kon worden, maar het was geen fataal gebrek dat de wet ongeldig maakte. Hetzelfde patroon verscheen in een tweede zaak over postmedewerkers. De wet stond een werknemer toe te worden ontslagen bij dertig dagen afwezigheid, maar zei niet expliciet dat de werknemer te horen moest krijgen waarom zijn excuus werd afgewezen. Opnieuw zag één machine een crisis, terwijl de anderen een beheersbare kloof zagen die de grondwet niet brak.
Het meest onthullende moment kwam in het vierde geval, waarbij de machines werden getest op een wet over een nationaal sociaal fonds. De tekst van de wet beschreef hoe geld werd geïnd en hoe het fonds werd beheerd, maar zei niets over het ontslaan van werknemers. Toen de onderzoekers de machines vroegen of de wet een regel over het ontslaan van mensen miste, worstelde één model, DeepSeek, hiermee. Het hechtte aanzienlijk gewicht aan de afwezigheid van individuele procedurele waarborgen en suggereerde dat de wet gebrekkig was omdat deze werknemers niet beschermde tegen ontslag, terwijl de wet helemaal niet over het ontslaan van werknemers ging. Het was alsoals een kok vragen waarom een recept voor een cake ontbrekende instructies bevat voor het bouwen van een auto; het recept is niet kapot, het gaat gewoon over een ander onderwerp. Slechts één model, ChatGPT, besefte correct dat de wet ontslag helemaal niet dekt, en kon daarom dus niet bekritiseerd worden voor het missen van die regels. Deze fout onderstreepte een cruciale beperking: zonder diepe menselijke context kan kunstmatige intelligentie een stilte aanzien voor een fout, of zoeken naar problemen op de verkeerde plek.
De uiteindelijke conclusie van het onderzoek is dat kunstmatige intelligentie een krachtige assistent is, maar geen rechter. Deze computermodellen kunnen duizenden pagina's in seconden scannen en elk punt aanwijzen waar een woord ontbreekt of een regel vaag is. Ze kunnen argumenten genereren voor waarom een wet onrechtvaardig zou kunnen zijn. Maar ze kunnen niet beslissen of die onrechtvaardigheid echt is of dat het ertoe doet in de ogen van de grondwet. De studie toonde aan dat een geïdentificeerde weglating niet automatisch een juridische kloof is. Soms is de stilte intentioneel, soms bestaat de regel in een ander deel van de wet, en soms ligt het probleem simpelweg buiten de reikwijdte van de gelezen tekst. De machines zijn uitstekend in het vinden van de ontbrekende stukken, maar mensen moeten nog steeds beslissen of die stukken daadwerkelijk nodig zijn.
Dit onderzoek suggereert een nieuwe manier voor juristen en wetgevers om samen te werken. In plaats van te verwachten dat kunstmatige intelligentie juridische problemen zelfstandig oplost, zouden zij het als een screeningsinstrument moeten gebruiken. De computer kan de gebieden markeren die aandacht behoeven, door mogelijke problemen aan te geven die een mens in de haast zou kunnen missen. Vervolgens kan een menselijke expert ingrijpen om de bevinding te verifiëren, de bredere context te controleren en te beslissen of de stilte een probleem is dat opgelost moet worden of een keuze die mag blijven staan. De studie maakt duidelijk dat hoewel technologie de zoektocht naar antwoorden kan versnellen, het uiteindelijke oordeel over wat de wet betekent, en of deze rechtvaardig is, een diep menselijke taak blijft. De machines kunnen naar de kloof wijzen, maar alleen een mens kan beslissen of het een afgrond is of slechts een schaduw.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.