في عالمنا اليوم، أصبحت التقنيات القائمة على الذكاء الاصطناعي جزءًا لا يتجزأ من العمليات القانونية، حيث تغزو الأساليب الحديثة الساحة القانونية من خلال معالجة اللغة الطبيعية (Natural Language Processing) ودمج نماذج اللغة الضخمة (Large Language Models) ضمن أدواتها. ومع ذلك، يبقى تصنيف الوثائق القانونية تحديًا كبيرًا، وذلك بسبب تعقيد النصوص القانونية والاختلافات الدقيقة بين الفئات القانونية.

تسعى دراسة حديثة إلى تقييم نماذج تصنيف النصوص القانونية بمختلف أنواعها، بدءًا من التقنيات التقليدية إلى نماذج اللغة الضخمة، من خلال استخدام عشرة فئات من سوابق الجرائم الجنسية الكورية. كانت النتائج مذهلة؛ فقد أظهر نموذج KLUE-BERT، المخصص للبيانات القانونية، أداءً أعلى بكثير من النماذج العامة مثل GPT-3.5 وGPT-4.0، حتى من النماذج التقليدية.

استطاع KLUE-BERT تحقيق دقة مذهلة تصل إلى 99.3%، مما يبرز أهمية التكيف مع المجال (Domain Adaptation) وضبط النماذج بشكل دقيق لتلبية احتياجات التصنيف، أكثر من أهمية حجم النموذج ذاته. كما تم استخدام تقنيات الذكاء الاصطناعي القابل للتفسير (Explainable AI) لتحليل التنبؤات التي قدمتها النماذج وحالات التصنيف الخاطئة. كشفت هذه التحليلات عن الميزات اللغوية التي تؤثر على قرارات النموذج، والقيود التي تواجهها في التقاط الإشارات النصية الدقيقة.

باستخدام بيانات KICS، التي تشبه سجلات القضايا القانونية الواقعية، تم تقييم قدرة النموذج على التعميم، إلا أن النموذج واجه صعوبة في تفسير الإشارات السياقية الضمنية. تبرز هذه النتائج أهمية الأداء والتفسير في الذكاء الاصطناعي القانوني، وتظهر كيف يمكن للذكاء الاصطناعي القابل للتفسير تحسين الشفافية في تصنيف النصوص القانونية.

أدوات الذكاء الاصطناعي المدعومة يمكن أن تدعم المحترفين القانونيين في مهام متعددة تشمل تصنيف الوثائق، استرجاع المعلومات القانونية، وتقييم القضايا.