في عصر التكنولوجيا الحديثة، تزايد الاعتماد على أنظمة الأهلية الذاتية (Automated Eligibility Systems) في تحديد الوصول إلى المنافع العامة كبرنامج كاليفورنيا للمساعدات الغذائية (CalFresh). ومع ذلك، غالبًا ما تفتقر التبريرات التي ينتجها هذا النوع من الأنظمة إلى توافق واضح مع القواعد القانونية التي تنظّم تلك القرارات.

في هذا السياق، يطرح بحث جديد إطارًا عصبيًّا-رمزيًّا (Neuro-Symbolic Framework) مصممًا لتعزيز الشفافية والمساءلة في الذكاء الاصطناعي (AI) بالقطاع العام. يربط هذا الإطار بين تبريرات القرارات التي تنتجها الأنظمة وقيود قانونية موثقة، مما يوفر قاعدة قانونية قوية لفهم كيفية اتخاذ القرارات.

يعتمد هذا الإطار على أصول مستندة إلى سياسة الأهلية (Eligibility Requirements) من دليل السياسات والإجراءات في كاليفورنيا (Manual of Policies and Procedures)، حيث يتضمن عملية استخراج القواعد التي تعكس المنطق القانوني في تمثيل يمكن التحقق منه.

كما يعزز وجود طبقة من التفكير القائم على الحلول (Solver-Based Reasoning Layer) لتقييم ما إذا كانت التبريرات المقدمة تتماشى مع القوانين السارية. وبفضل دراسات الحالة، أظهر هذا الإطار قدرته على اكتشاف التبريرات غير المتوافقة قانونيًا، وتسليط الضوء على قواعد الأهلية المنتهكة، ودعم المساءلة الإجرائية من خلال جعل أساس القرارات الذاتية قابلاً للتتبع والنقاش.

إن هذا البحث لا يُعتبر مجرد مساهمة أكاديمية، بل هو خطوة فارقة نحو إخضاع أنظمة الذكاء الاصطناعي للمساءلة القانونية، مما يسهم في رفع مستوى الشفافية والثقة في هذه الأنظمة.