منح القضاة في إنجلترا وويلز إذنا لاستخدام الذكاء الاصطناعي بحذر في كتاباتهم القانونية
تاريخ النشر: 8th, January 2024 GMT
يبلغ عمر النظام القضائي في إنجلترا ألف عام، ولا يزال غارقا في التقاليد التي تشمل ارتداء الشعر المستعار والعباءات. واليوم يفكر الباحثون والخبراء القانونيون في مستقبل، يمكن فيه للذكاء الاصطناعي أن يحل مكان المحامين أو يساعد في اختيار المحلفين أو حتى البت في قضايا.
حصل القضاة في إنجلترا وويلز على إذن لاستخدام الذكاء الاصطناعي بحذر، في كتابة الآراء القانونية والمساعدة في إصدار الأحكام.
وقالت المحاكم والهيئات القضائية الشهر الماضي، إن الذكاء الاصطناعي يمكن أن يساعد في كتابة الآراء، ولكنها أكدت أنه لا يمكن استخدامه للبحث أو التحليلات القانونية، لأن التكنولوجيا يمكن أن تلفق معلومات، وتقود إلى التضليل والمعلومات غير الدقيقة والمغرضة.
يقول أستاذ القانون في جامعة "سيريه" (University of Surrey) ريان أبوت، إنه هناك جدل عام قوي حاليا، بشأن كيفية تنظيم الذكاء الاصطناعي وإذا ما كان ينبغي تنظيمه.
من جانبه يقول القاضي جيفري فوس بشأن علاقة القضاة بالذكاء الاصطناعي، إنه ينبغي عليهم المحافظة على السرية، وتحمل المسئولية الشخصية إزاء أي شيء ينتجونه.
انقسام إزاء مقاربة عالميةفي أوروبا أصدرت المفوضية الأوروبية لكفاءة العدالة التابعة لمجلس أوروبا ميثاقا أخلاقيا، بشأن الذكاء الاصطناعي في أنظمة المحاكم قبل خمس سنوات، وتناولت الوثيقة مبادئ أساسية مثل المساءلة والتقليل من المخاطر، التي يتعين على القضاة الالتزام بها.
أما في الولايات المتحدة فإن نظام المحاكم الفدرالية لم يضع دليلا توجيهيا بعد بشأن الذكاء الاصطناعي، فيما محاكم الولايات والمقاطعات منقسمة جدا بخصوص مقاربة عالمية، ولكن المحاكم الفردية والقضاة في المستويات المحلية والفدرالية وضعوا قواعدهم الخاصة، وفق أستاذ القانون في جامعة بنسلفانيا كاري كوغليانيزي.
بوتين يطالب الروس بالمنافسة في مجال الذكاء الاصطناعي خوفاً من برامج الغرب "الخطيرة"شاهد: بيانو يعمل بالذكاء الاصطناعي يساعد يابانيات من ذوات الاحتياجات الخاصة على عزف مقطوعة لبيتهوفنمع نظام "حبسورا" قد تصيب وقد تخيب.. إسرائيل تستخدم الذكاء الاصطناعي لتنفيذ "اغتيالات جماعية" في غزةويرى خبراء أن الدليل التوجيهي يظهر قبول المحاكم للتكنولوجيا، ولكن ليس احتضانها بالكامل، وتبدو التوجيهات مليئة بالتحذيرات الخاصة بقيود التكنولوجيا، والمشاكل التي قد تنجر عنها إذا لم يكن المستخدم على دراية بطريقة عملها.
"هراء قانوني"و توجد تحذيرات متعلقة ببرامج "تشات جي بي تي" (ChatGPT)، القادرة على التأليف بسرعة بدءا من وثائق الفصل الدراسي وصولا إلى الأغاني وتسويق المواد. ولأن تلك البرامج لها القدرة على الاحتفاظ بالمعلومات وتذكر الأسئلة التي توجه إليها، طلب من قضاة إنجلترا وويلز عدم الكشف عن أي شيء خاص أو سري
لقد أضحت مخاطر التكنولوجيا في المحكمة سيئة السمعة بالفعل، إثر اعتماد محاميين في نيويورك على "تشات جي بي تي" لكتابة ملخص قانوني يستشهد بقضايا خيالية. وقد تم تغريم المحاميين على يد قاض وصف عملهما "بالهراء القانوني".
لكن بعض المحاكم تقول، رجال القانون الذين لديهم عدد كبير من القضايا، يمكنهم استخدام الذكاء الاصطناعي كأداة ثانوية، كتلخيص المعلومات يعرفونها بالفعل.
المصادر الإضافية • أ ب
شارك هذا المقالمحادثة مواضيع إضافية بعد بنك الجلد: المركز الأورومتوسطي يكشف أن إسرائيل تنبش المقابر في غزة وحماس تتهمها بسرقة 150 جثة إسرائيليون يتمنون العودة إلى منازلهم وسط مواجهات مع حزب الله "أوقفوا تسليح إسرائيل".. مظاهرة حاشدة تغلق جسراً أمام البرلمان البريطاني محكمة ويلز المملكة المتحدة العدالة الذكاء الاصطناعي إنجلتراالمصدر: euronews
كلمات دلالية: محكمة ويلز المملكة المتحدة العدالة الذكاء الاصطناعي إنجلترا الصراع الإسرائيلي الفلسطيني حركة حماس إسرائيل قطاع غزة غزة بنيامين نتنياهو الشرق الأوسط قصف تقاليد جو بايدن الصراع الإسرائيلي الفلسطيني حركة حماس إسرائيل قطاع غزة غزة بنيامين نتنياهو الذکاء الاصطناعی یعرض الآن Next فی غزة
إقرأ أيضاً:
بدعم من الذكاء الاصطناعي.. هل تقودنا الروبوتات إلى وداع الأعمال المنزلية؟
كجزء كبير من التطور التكنولوجي، تلعب الروبوتات دورا مهما في المجالات الصناعية، كالمساعدة في تحسين الإنتاجية والجودة، واللوجيستية كالتغليف والتعبئة بشكل أسرع ودقة أكثر، والطبية كمساعدة الأطباء والجراحين في إجراء العمليات الدقيقة وتقديم الرعاية الصحية للمرضى الذين يحتاجون إلى الرعاية الخاصة، والبيئية المحدودة كجمع النفايات وتنظيف الشوارع.
ولكن على عكس الباحثين الذين يعملون على نماذج الذكاء الاصطناعي مثل شات جي بي تي ويواجهون كميات هائلة من نصوص الإنترنت والصور ومقاطع الفيديو لتدريب الأنظمة، فإن الروبوتيين يواجهون تحديات أثناء تدريب الآلات الفيزيائية، لأن البيانات الخاصة بالروبوتات مكلفة، وبسبب عدم وجود أساطيل من الروبوتات تجوب العالم، فليس هنالك بيانات كافية ومتاحة بسهولة لتجعلها تؤدي بشكل جيد في البيئات الديناميكية مثل منازل الناس، وبالرغم من أن بعض الباحثين توجهوا إلى المحاكاة لتدريب الروبوتات، فإن هذه العملية التي غالبا ما تتطلب مصمم جرافيك أو مهندسا، تحتاج كثيرا من الجهد والتكلفة العالية.
وفي هذا السياق قدم فريق من الباحثين من جامعة واشنطن دراستين جديدتين عن أنظمة ذكاء اصطناعي تستخدم إما الفيديو أو الصور لإنشاء محاكاة يمكن أن تدرب الروبوتات على العمل في بيئات حقيقية، حيث ستمكن هذه الأنظمة من خفض كبير في تكاليف تدريب الروبوتات على العمل في بيئات معقدة، وقد تمّ تقديم الدراسة الأولى في 16 يوليو/تموز الماضي، والدراسة الثانية في الـ19 من الشهر نفسه خلال مؤتمر "علوم وأنظمة الروبوتات" في دلفت في هولندا.
نظام ريل توكشفت الدراسة الأولى عن نظام الذكاء الاصطناعي "ريل تو" (RialTo) الذي أنشأه "أبهيشيك غوبتا" وهو أستاذ مساعد في كلية "بول جي ألين" لعلوم وهندسة الحاسوب والمؤلف المشارك في كلا الورقتين مع فريق في معهد "ماساتشوستس" للتكنولوجيا.
ويساعد النظام المستخدم في تسجيل فيديو لهندسة هذه البيئة وأجزائها المتحركة عن طريق هاتفه الذكي، على سبيل المثال في المطبخ سيسجل المستخدم كيفية فتح الخزائن والثلاجة، ثم يستخدم النظام نماذج الذكاء الاصطناعي الموجودة، ويقوم إنسان ببعض العمل السريع من خلال واجهة مستخدم رسومية لإظهار كيفية تحرك الأشياء.
ولإنشاء نسخة محاكاة من المطبخ المعروض في الفيديو يتدرب روبوت افتراضي عن طريق التجربة والخطأ في البيئة الافتراضية من خلال محاولاته المتكررة لأداء مهام مثل فتح الخزانة أو المحمصة.
وتعرف هذه الطريقة بـ"التعلم المعزز"، ويتحسن أداء الروبوت في تلك المهمة من خلال المرور بهذه العملية التعليمية، ويتكيف مع الاضطرابات أو التغيرات في البيئة التي يوجَد فيها، مثل وجود كوب بجانب المحمصة، حيث يمكن للروبوت بعد ذلك نقل تلك المعرفة إلى البيئة الفيزيائية، وأن يكون دقيقا تقريبا مثل الروبوت المدرب في المطبخ الحقيقي.
وقال غوبتا "نحاول تعليم الأنظمة على العالم الحقيقي من خلال المحاكاة".
ويمكن للأنظمة بعد ذلك تدريب الروبوتات في مشاهد المحاكاة هذه، حتى يتمكن الروبوت من العمل بشكل أكثر فعالية في الفضاء المادي، هذا مفيد للسلامة، ويرى غوبتا أنه لا يمكن أن يكون لديك روبوتات سيئة التدريب تكسر الأشياء وتؤذي الناس.
ويمضي فريق ريل تو قدما في رغبته لنشر نظامه في منازل الناس بعد أن تمّ اختباره بشكل كبير في المختبر، وقال غوبتا أنه يريد دمج كميات صغيرة من بيانات التدريب الواقعية مع الأنظمة لتحسين معدلات نجاحها.
في الدراسة الثانية، قام الفريق ببناء نظام يسمى يو آر دي فورمر (URD Former)، وهو نظام يركز بشكل أقل على الدقة العالية في مطبخ واحد، ويقوم بسرعة وبشكل رخيص بإنشاء مئات من المحاكاة العامة للمطابخ، حيث يمسح النظام الصور من الإنترنت، ثم بربطها بالنماذج الموجودة حول كيفية تحرك تلك الأدراج والخزائن في المطبخ مثلا، وبعد ذلك يتنبأ بمحاكاة من الصورة الحقيقية الأولية، الأمر الذي يسمح للباحثين بتدريب الروبوتات بسرعة وبتكلفة منخفضة في مجموعة واسعة من البيئات.
وقالت "زوي تشين" المؤلفة الرئيسية لدراسة يو آر دي فورمر "في مصنع على سبيل المثال هنالك الكثير من التكرار" وأضافت "قد تكون المهام صعبة التنفيذ، ولكن بمجرد برمجة الروبوت يمكنه الاستمرار في أداء المهمة مرارا وتكرارا. بينما المنازل فريدة ومتغيرة باستمرار، هنالك تنوع في الأشياء والمهام وتصاميم الأرضيات، بالإضافة إلى الأشخاص الذين يتحركون من خلالها، وهنا يصبح الذكاء الاصطناعي مفيدا حقا لتدريب الروبوتات".
في سياق متصل، نبهت ورقة الدراسة إلى أن هذه المحاكاة أقل دقة بشكل ملحوظ من تلك التي تنتجها "ريل تو"، وقد قال الباحث "غوبتا" الذي أنشأ هذا الأخير "يمكن أن تكمل الطريقتان بعضهما البعض، يو آر دي فورمر مفيد حقا للتدريب المسبق على مئات السيناريوهات، في حين "ريل تو" مفيد بشكل خاص إذا كنت قد قمت بالفعل بتدريب روبوت، والآن تريد نشره في منزل شخص ما وتحقيق نجاح بنسبة 95%".
ما التعلم المعزز حسب المنظور الآلي؟يعرف التعلم المعزز "آر إل" (RL) كفرع من فروع تعلم الآلة الذي يدرب البرامج على اتخاذ القرارات لتحقيق أفضل النتائج، عن طريق استخدام أسلوب التعلم بالمحاولة والخطأ الذي يستخدمه البشر لتحقيق أهدافهم.
وهذا يعني أن البرامج التي تعمل على تحقيق الهدف يتمّ تعزيزها، أمّا الإجراءات التي تنتقص من الهدف فيتمّ تجاهلها، وتشبه هذه العمليّة التعلم المعزز للإنسان والحيوان في مجال علم النفس السلوكي، مثل الطفل الذي يكتشف أنه يتلقى الثناء من والديه عندما يساعد شقيقه مثلا، ويتلقى ردود فعل سلبية عندما يصرخ أو يرمي ألعابه، ثم سرعان ما يتعلم مجموعة الأنشطة التي تؤدي إلى المكافأة النهائيّة.
وتقوم عملية التعلم المعزز على 3 خطوات مهمة:
1- البيئة
تبدأ الخطوة الأولى في التعلم المعزز في إعداد بيئة التدريب، وغالبا ما تكون بيئة محاكاة بمواصفات للملاحظات، والإجراءات (وهي خطوة يتخذها النظام الذاتي للتنقل في البيئة)، والمكافآت (وهي القيمة الإيجابية أو السلبية أو الصفرية بمعنى أوضح المكافأة أو العقاب لاتخاذ الإجراء).
وتشير مساحة الملاحظة عادة إلى مصادر المستشعر المتاحة على النظام الروبوتي الحقيقي ومدخلات التحكم المرغوبة، بينما توجد مساحات إجراءات منفصلة في تطبيقات التعلم المعزز الأخرى، إذ يفضل في الروبوتات عادة الإجراءات المستمرة التي تغطي على سبيل المثال أهداف موضع أو سرعة المفاصل، نظرا لأن المهام الروبوتية غالبا ما تتضمن قيودا إمّا على النظام الفيزيائي (مثل حدود المفاصل)، أو بعض أنماط السلوك المرغوبة، وتستخدم عادة وظائف المكافأة الكثيفة لتشفير بعض مواصفات الأهداف بشكل صريح.
2- التدريب
تشمل الخطوة الثانية من التعلم المعزز في الروبوتات تحديد نظام التدريب الفعلي للوكيل (وهو خوارزمية ما يسمى بالنظام الذاتي)، وعلى الرغم من وجود طرق مختلفة لتمثيل السياسة النهائية، فإنه يتمّ اعتماد الشبكات العصبية العميقة لتحديد العلاقة بين الحالة والإجراء (هو خطوة يتخذها وكيل "آر إل" للتنقل في البيئة) بسبب قدرتها على التعامل مع انعدام الرتابة، وأيضا يتمّ اقتراح مجموعة واسعة من الخوارزميات المحتملة على مدى السنوات الماضية.
وأما بالنسبة للتحكم في الروبوتات، فيتم عادة اعتماد خوارزميات التعلم المعزز غير المعتمدة على النموذج، لأنها لا تتطلب نموذجا حقيقيا للبيئة، والذي غالبا ما يكون غير متاح للروبوت، وهي مثالية عندما تكون البيئة غير معلومة ومتغيرة، بعكس خوارزميات التعلم المعزز المعتمدة على النموذج، التي تستخدم عادة عندما تكون البيئات محددة جيدا وغير متغيرة حيث يكون اختبار بيئة العالم الحقيقي صعبا.
3- النشر
بعد تقييم السياسات المدربة بنجاح في بيئات التدريب الافتراضية، يتمّ نشرها في النظام الروبوتي الحقيقي، ويعتمد نجاح النشر على عدة عوامل منها الفجوة بين العالم الافتراضي والعالم الحقيقي، وصعوبة المهمة التعليمية المقبلة، أو تعقيد منصة الروبوت نفسها.
فقدان 250 مهاجراً بعد غرق 3 قوارب في جيبوتي ونيجيريا