إعادة تصور معايير العدالة القانونية: كيف يمكن للذكاء الاصطناعي تحسين الوصول إلى العدالة للمستفيدين من الذات؟

في عالم يتسارع فيه تطور الذكاء الاصطناعي (AI)، تتزايد الانتقادات حول مدى فعالية النماذج اللغوية الضخمة (Large Language Models) في تقديم الدعم القانوني للأفراد الذين لا يمكنهم الوصول إلى المحامين. وفقاً لدراسة جديدة نشرت على منصة arXiv، فإن الفرضية الشائعة بأن نماذج الذكاء الاصطناعي يمكن أن تسهم في تحسين الوصول إلى العدالة ليست مبنية على أسس قوية.

تعتقد الدراسة أن المعايير الحالية المستخدمة في تقييم الأداء القانوني لهذه النماذج تركز على المدخلات التي تم إعدادها مسبقاً من قبل خبراء قانونيين، مما يؤدي إلى قياس الأداء في أفضل حالاته (upper bound). لكن الوصول إلى العدالة يعتمد على الجانب الأقل، أي كيفية أداء هذه النماذج عندما تأتي المدخلات من الأفراد الذين يمثلون أنفسهم (pro se litigants)، الذين قد يقدمون نصوصاً تحتوي على اخطاء، أو حقائق ناقصة، أو افتراضات قانونية غير موثوقة.

تتداخل هذه التحديات مع المشاكل المعروفة التي تعاني منها النماذج في مجال التعلم الآلي، مثل الحساسية للسياق الطويل، والتحديدات الناقصة، والوهم، والأخطاء المطبعية.

لإثبات هذه الفجوة في الأداء، أجرت الدراسة تجربة تحديد صغيرة على LEXam، وهو معيار قانوني، لتوضيح الفجوة بين الأداء المثالي والشروط التي يواجهها المستفيدون من الذات. تشدد الدراسة على أهمية تطوير معايير قانونية تعكس واقع الظروف التي يواجهها الأفراد، مما يجعل الادعاءات حول الذكاء الاصطناعي في الوصول إلى العدالة قابلة للاختبار بشكل تجريبي.

وهكذا، يدعو الباحثون كافة المعنيين في صناعة القانون والتكنولوجيا إلى إعادة التفكير في كيفية بناء معايير أكثر صلابة، تركز على تمكين الأفراد من حقوقهم القانونية والفهم الصحيح لقضاياهم.