تعتبر العدالة حقاً أساسياً، إلا أن أكثر من نصف سكان العالم يواجهون صعوبات في الحصول عليها بسبب نقص الموارد القانونية. في عصر تتسارع فيه تطورات الذكاء الاصطناعي، برزت نماذج اللغات الضخمة (Large Language Models) مثل GPT-4o كأدوات واعدة لتحسين هذا الوضع، لكن التحديات لا تزال قائمة، خاصة في المرحلة الأساسية من تحديد القضايا القانونية.

تم إنشاء مجموعة بيانات جديدة تتكون من 769 حالة قضائية حقيقية من قانون العقود الماليزية، حيث استخدم باحثون نمذجة GPT-4o لاستخراج الحقائق وتوليد قضايا قانونية مرشحة، تم تدقيقها من قبل خبراء قانونيين كبار. ومع ذلك، تبين أن النموذج يوفر دقة منخفضة تقدر بـ 62% في تحديد القضايا، مما يبرز قيود الذكاء الاصطناعي في هذا المجال.

لذلك، قدم الباحثون نظاماً جديداً يُدعى LePREC (تحفيز التصنيف المستند إلى العقل القانوني)، وهو إطار عصبي-رمزي يجمع بين توليد المعلومات العصبية مع التفكير الإحصائي المنظم. يتكون LePREC من:
1. **مكون عصبي**: يستفيد من نماذج اللغات الضخمة لتحويل الأوصاف القانونية إلى أزواج من الأسئلة والأجوبة تمثل عوامل تحليلية متنوعة.
2. **مكون رمزي**: يطبق نماذج خطية نادرة على هذه الميزات المميزة، مما يسمح بتعلم أوزان جبرية واضحة تساعد في تحديد العوامل الأكثر إبلاغاً.

على عكس النهج العصبي من النهاية إلى النهاية، يحقق LePREC قابلية التفسير من خلال وزن المميزات الشفافة مع الحفاظ على كفاءة البيانات من خلال التصنيف الإحصائي القائم على الارتباط. أظهرت التجارب تحسناً بنسبة 30-40% مقارنة بالنماذج المتقدمة مثل GPT-4o وClaude، مما يؤكد أن التحليل القائم على العوامل والمشكلات يقدم حلاً أكثر كفاءة لاتخاذ قرارات الصلة.

هل تتوقع أن تؤثر تقنيات مثل LePREC على مستقبل العدالة القانونية؟ شاركونا آرائكم في التعليقات!