في عالم تطبيقات الذكاء الاصطناعي، لم يعد الحديث عن نماذج اللغات الضخمة (Large Language Models) مجرد نص تقني، بل أصبح ضرورة ملحة خاصة في المجالات الحيوية مثل القانون. إلا أن هذه النماذج، رغم إمكانياتها الكبيرة، تواجه تحديات كبيرة في القدرة على تفسير reasoning والوقوع في الأخطاء أو ما يعرف بـ "الهلاوس". في سياق قانوني دقيق، يمكن أن تؤدي أي خطأ في مسببات القانون إلى عواقب وخيمة.

لتجاوز هذه العقبات، تم طرح إطار TRISM (نموذج موثوق، قابل للتفسير، وآمن) الذي يدمج بين مبادئ الذكاء الاصطناعي الرمزي (NeuroSymbolic AI) ونماذج اللغات الضخمة. يهدف هذا الإطار إلى تقديم حلول فعّالة لإدارة التحديات الحالية من خلال الاستفادة من القدرة على التعلم العميق والقدرة على التحليل الرمزي.

واحدة من المشاكل الرئيسية التي يتناولها TRISM هي تعزيز موثوقية النماذج من خلال تحسين دمج المعرفة القانونية الهيكلية خلال عملية التدريب والتعديل. كما يقدم أيضًا آليات تحقق فعالة لمحتوى القانون الناتج، مما يقلل من المخاطر المرتبطة بالسياقات القانونية.

يتضمن هذا الإطار أيضًا منهجيات واضحة لاستخراج المعرفة الرمزية من الوثائق القانونية، بالإضافة إلى مكون رئيسي يعرف بـ RAG (استرجاع مزود بالتوليد) والذي يساهم في تأمين مخرجات نماذج اللغات الضخمة عبر مصادر قانونية موثوقة.

في ورقتنا هذه، نعمل على:
1. تحليل النقاط الضعيفة للذكاء الاصطناعي في مجال القانون.
2. تقديم RASOR RAG كأساس للمعالجة الرمزية.
3. تصميم منهجية رسمية لإنشاء قواعد بيانات قانونية رمزية.
4. تطوير إطار TRISM الذي يدمج المعرفة القانونية الرمزية مع نماذج اللغات الضخمة.