قضاوت با هوش مصنوعی در دادگاه‌های اینترنتی

هوش مصنوعی (Artificial Intelligence) شاخه‌ای از علوم کامپیوتر است که به شبیه‌سازی هوش در کامپیوتر می‌پردازد؛ به این معنی که می‌تواند به‌عنوان هوش انسانی عمل کند. هدف آن، ایجاد ماشینی است که بتواند به همان روشی که انسان‌ها انجام می‌دهند، فکر کند، واکنش نشان دهد و یاد بگیرد. شما می‌توانید آن را یک هوش غیرطبیعی بنامید که توانایی درک، تفکر و خودآگاهی را دارد.

«استیون هاوکینگ»، فیزیک‌دان مشهور بریتانیایی، در مصاحبه‌ای با بی‌بی‌سی در دسامبر ۲۰۱۴، اولین بیانیه خود درباره فناوری هوش مصنوعی را ارائه کرد. او گفت: «اگر بخواهید یک ماشین فکر ایجاد کنید، وجود ما را تهدید خواهد کرد». طبق اظهارات استیون هاوکینگ ‌یک برنامه هوش مصنوعی از این جهت که بسیار توسعه‌یافته است، مفید است، اما این ترس وجود دارد که اگر روزی یک برنامه هوش مصنوعی ایجاد شود که بتواند با هوشیاری سطح انسان رقابت کند، آنگاه می‌تواند از انسان‌ها پیشی بگیرد و قدرتمند شود. موفقیت در ایجاد هوش مصنوعی مؤثر می‌تواند بزرگ‌ترین رویداد در تاریخ تمدن ما یا بدترین اتفاق باشد. شاید همه ما باید برای لحظه‌ای توقف کنیم و نه‌تنها بر روی بهتر و موفق‌ترکردن هوش مصنوعی خود تمرکز کنیم، بلکه بر منافع بشریت نیز تمرکز کنیم. از نظر استیون هاوکینگ، زمان‌بندی ممکن است سریع‌تر از آن چیزی باشد که فکر می‌کنیم.

هوش مصنوعی می‌تواند ظرف چند دهه از ما پیشی بگیرد. استیون هاوکینگ و ایلان ماسک ادعا کرده‌اند که هوش مصنوعی می‌تواند تهدیدی برای بشریت در آینده باشد. آیا آنها درباره هوش مصنوعی درست می‌گویند؟ آیا هوش مصنوعی واقعا تهدیدی برای بشریت است؟ ما هر روز از هوش مصنوعی استفاده می‌کنیم. مثلا وقتی چیزی را در اینترنت جست‌وجو می‌کنید، نتایج مرتبط و بهترین نتایج را با توجه به کلمات کلیدی جست‌وجوی خود می‌بینید. نتایجی که می‌بینید توسط هوش مصنوعی تعیین می‌شود.

بسیاری از بخش‌های دیگر (تجارت الکترونیک، بازاریابی و پزشکی) وجود دارد که هوش مصنوعی به طرق مختلف به ما کمک می‌کند. شاید اشتباه باشد که بگوییم فناوری هوش مصنوعی می‌تواند تهدیدی برای بشریت باشد، اما حقیقت این است که اگر از این فناوری به‌درستی استفاده شود، این بهترین دستاورد برای ما خواهد بود؛ ولی به این معنی نیست که نمی‌توان از این فناوری سوءاستفاده کرد. هوش مصنوعی به دلیل پیشرفت در قدرت محاسباتی، حجم، سرعت و تنوع داده‌ها و همچنین پیشرفت در شبکه‌های عصبی عمیق، می‌تواند در آینده از مخل‌ترین فناوری‌ها باشد.

انسان و هوش مصنوعی

برای استفاده کامل از همکاری بین انسان و هوش مصنوعی، انسان‌ها باید قابلیت‌هایی را توسعه دهند که به ایجاد همکاری کمک کند. آنها باید یاد بگیرند که چگونه هوش مصنوعی را برای ترسیم تصمیمات و فرایندهای تصمیم‌گیری انسان، آموزش دهند. انسان‌ها باید راه‌هایی برای درک منطق تصمیم‌گیری‌شده توسط دستگاه هوش مصنوعی بیابند و اطمینان حاصل کنند که دستگاه به‌گونه‌ای عمل نمی‌کند که به انسان آسیب برساند‌ یا اصول بازی جوانمردانه را نقض نکند. به عبارت دیگر، در فرایندهای تصمیم‌گیری عقلانی، هوش مصنوعی باید با شیوه تصمیم‌گیری انسانی همسو باشد تا بتواند تصمیمات خود را در جامعه انسانی اجرا کند.

از این‌رو اولین قدم برای استفاده از قدرت پردازش اطلاعات ماشین به روشی که انسان انجام می‌دهد، آموزش ماشین است. الگوریتم‌های یادگیری ماشینی که فرایندهای تصمیم‌گیری انسانی را تقلید می‌کنند، باید توسعه یابند. حجم وسیعی از داده‌ها باید برای تقلید از پایگاه ‌داده‌ای که انسان در هنگام تصمیم‌گیری به آن تکیه می‌کند، گردآوری شود. برای مثال، یک برنامه پردازش و ترجمه زبان باید با عبارات و اصطلاحات مورد استفاده توسط انسان در هنگام برقراری ارتباط، تغذیه شود تا از ترجمه تحت‌اللفظی جلوگیری شود.

در برنامه‌های کاربردی تشخیص پزشکی، باید داده‌های مربوط به علائم یک بیماری، روش‌های تشخیصی و پیش‌آگهی را دریافت کنند. برنامه‌های تصمیم‌گیری مالی باید از داده‌های شاخص‌های مالی برای تصمیم‌گیری، منطق تصمیم‌گیری و تصمیم‌های واقعی که توسط انسان‌ در هزاران موقعیت گرفته می‌شود، تغذیه شود. هوش مصنوعی این پتانسیل را دارد که هر شکلی از تلاش انسان را به طرز چشمگیری دگرگون کند. هوش مصنوعی پتانسیل خود را درک نکرده است.

امکاناتی که می‌تواند ایجاد کند، به‌خوبی قدردانی نمی‌شود و اکثریت قریب به اتفاق سازمان‌ها از نقشی که می‌تواند در هر شکلی از تلاش‌های انسانی ایفا کند، کاملا بی‌اطلاع هستند. آنچه مورد نیاز است، مبشرانی است که به انتشار دانش توانایی‌های هوش مصنوعی و متخصصان برنامه‌های فناوری برای ایجاد پل بین کاربران بالقوه و توسعه‌دهندگان برنامه‌های کاربردی هوش مصنوعی کمک کنند.

هوش مصنوعی در تصمیم‌گیری

پیچیدگی همراه با سرعت فزاینده تغییر، چالش‌های بزرگی هستند که امروزه شرکت‌ها با آن مواجه بوده و فناوری‌هایی مانند هوش مصنوعی می‌توانند به غلبه بر این چالش‌ها کمک کنند؛ پیش‌بینی تقاضا، قیمت‌گذاری پویا، پیش‌بینی ریزش، زنجیره تأمین هوشمندتر، تشخیص پزشکی، امور مالی دیجیتال، تولید خودکار و... . پیشرفت‌های فناوری خودکارسازی، تقویت و ترکیب هوش انسانی و قدرت هوش تصمیم‌گیری برای فعال‌کردن فرایندهای تصمیم‌گیری، دقیق‌تر و کارآمدتر است.

کسب‌وکارها باید نسبت به شرایط در حال تغییر و سناریوهای دنیای واقعی آگاهی بیشتری داشته باشند، این دیدگاه‌ها و اطلاعات را تجزیه‌وتحلیل کنند و با زمان‌بندی عمل کنند. برای قدرت‌بخشیدن، هوش تصمیم‌گیری اینجاست تا به آینده دیجیتال ما وارد شود. هوش تصمیم‌گیری عمل پشتیبانی، تقویت و در آخرین مرحله، خودکارسازی تصمیم‌گیری انسانی با فناوری است.

فناوری‌هایی مانند هوش مصنوعی و یادگیری ماشینی می‌توانند الگوهای پیچیده و روابط متقابل در داده‌ها را به هم متصل کنند، اما این خلاقیت و هوش انسان است که بینش‌های هوش مصنوعی را تفسیر و آنها را به اهداف و مقاصد مرتبط کرده و تصمیم‌گیری را تا حد زیادی توانمند می‌کند.

چگونه هوش مصنوعی نحوه تصمیم‌گیری ما را تغییر خواهد داد؟

با انفجار اخیر در هوش مصنوعی، نگرانی قابل درکی درباره تأثیر بالقوه آن بر کار انسان وجود دارد. افراد زیادی سعی کرده‌اند پیش‌بینی کنند که کدام صنایع و مشاغل بیشتر تحت تأثیر قرار خواهند گرفت و کدام مهارت‌ها، بیشترین تقاضا را خواهند داشت. آیا باید کدنویسی را یاد بگیرید؟ یا هوش مصنوعی جایگزین کدگذارها می‌شود؟ تئوری اقتصادی نشان می‌دهد که هوش مصنوعی ارزش قضاوت انسان را به میزان قابل توجهی افزایش می‌دهد.

افرادی که قضاوت خوبی از خود نشان می‌دهند، ارزشمندتر می‌شوند، نه کمتر. پیشرفت‌های اخیر در هوش مصنوعی بهتر است به‌عنوان کاهش هزینه پیش‌بینی در نظر گرفته شود. منظور ما از پیش‌بینی، فقط آینده نیست؛ پیش‌بینی، استفاده از داده‌هایی است که ندارید و باید تولید کنید و اغلب با ترجمه مقادیر زیادی از داده‌ها به مقادیر کوچک و قابل مدیریت. به‌عنوان مثال، استفاده از تصاویر تقسیم‌شده به بخش‌هایی برای تشخیص اینکه آیا تصویر حاوی چهره انسان است یا خیر، یک مشکل کلاسیک پیش‌بینی است.

تئوری اقتصادی به ما می‌گوید که با کاهش هزینه پیش‌بینی ماشین، ماشین‌ها پیش‌بینی‌های بیشتری انجام می‌دهند. پیش‌بینی مفید است؛ زیرا به بهبود تصمیم‌ها کمک می‌کند. بااین‌حال، این تنها ورودی به تصمیم‌گیری نیست؛ کلید ورودی دیگر قضاوت است. مثالی از یک شبکه کارت اعتباری را در نظر بگیرید که تصمیم می‌گیرد هر تراکنش را تأیید کند یا نه. آنها می‌خواهند به معاملات قانونی اجازه دهند و کلاهبرداری را رد کنند. برای این کار از هوش مصنوعی جهت پیش‌بینی تقلبی‌بودن هر تراکنش استفاده می‌کنند.

اگر چنین پیش‌بینی‌هایی کامل بودند که فرایند تصمیم‌گیری شبکه آسان می‌شد. با‌این‌حال، حتی بهترین هوش مصنوعی نیز اشتباه می‌کند و بعید است ‌به این زودی تغییر کند. افرادی که شبکه‌های کارت اعتباری را اجرا می‌کنند، به تجربه می‌دانند که بین کشف هر مورد کلاهبرداری و ایجاد مزاحمت برای کاربر، تعادل وجود دارد و از آنجایی که استفاده از تجارت‌کارت اعتباری آسان است، این مبادله چیزی نیست که بتوان نادیده گرفت. به آن‌ معنا که برای تصمیم‌گیری درباره تأیید یک تراکنش، شبکه کارت اعتباری باید هزینه اشتباهات را بداند. رد‌کردن یک معامله قانونی چقدر بد خواهد بود؟ و چقدر بد است که یک معامله تقلبی را مجاز کنیم؟ شخصی در انجمن کارت اعتباری باید ارزیابی کند که وقتی یک تراکنش قانونی رد می‌شود، چگونه کل سازمان تحت تأثیر قرار می‌گیرد و باید آن را با اثرات مجاز دادن به معامله‌ای که تقلبی است، معاوضه کنند.

و این مبادله ممکن است برای افراد دارای ارزش خالص بالا نسبت به کاربران معمولی کارت، متفاوت باشد. هیچ هوش مصنوعی نمی‌تواند آن تماس را برقرار کند. انسان‌ها باید این کار را انجام دهند و این تصمیم همان چیزی است که ما آن را قضاوت می‌نامیم.

آیا هوش مصنوعی قضاوت انسان را بهبود می‌بخشد؟

تصمیم‌گیری، بیشتر حول محور یادگیری از اشتباهات و ایجاد پیشرفت‌های تدریجی و پیوسته بوده است. برای چندین قرن، تجربیات تکاملی در تصمیم‌گیری به‌خوبی به انسان‌ها کمک کرده است؛ بنابراین به‌جرئت می‌توان گفت که اکثر تصمیماتی که انسان‌ها می‌گیرند، براساس آزمون و خطاست.

علاوه‌براین انسان‌ها برای تصمیم‌گیری‌های کلیدی به‌شدت به داده‌ها متکی هستند. هرچه مقدار داده‌های با یکپارچگی بالا در دسترس باشد، تصمیمات آنها متعادل‌تر و منطقی‌تر خواهد بود. با این حال در عصر تجزیه و تحلیل داده‌های بزرگ، کسب‌وکارها و دولت‌ها در سراسر جهان تمایلی به استفاده از غریزه و دانش اولیه انسانی برای تصمیم‌گیری‌های مهم ندارند. از نظر آماری، درصد زیادی از شرکت‌ها در سراسر جهان از داده‌های بزرگ برای این منظور استفاده می‌کنند؛ بنابراین استفاده از هوش مصنوعی در تصمیم‌گیری، ایده‌ای است که امروزه بیش از گذشته مورد پذیرش قرار می‌گیرد.

با این حال چندین جنبه قابل بحث، برای استفاده از هوش مصنوعی در تصمیم‌گیری وجود دارد. اولا، آیا تمام تصمیماتی که با ورودی‌های الگوریتم‌های هوش مصنوعی گرفته می‌شود، صحیح است؟ و آیا دخالت هوش مصنوعی در تصمیم‌گیری باعث مشکلات غیرقابل اجتناب می‌شود؟

  استدلال برای هوش مصنوعی در تصمیم‌گیری

بیان فردا | دانش | قبل از ظهور کلان‌داده‌ها، انسان‌ها برای تصمیم‌گیری خلاقانه درمورد کمپین‌های بازاریابی، مدیریت موجودی و سرمایه‌گذاری‌های مالی، به شهود و تجربه متکی بودند. با این حال، این وابستگی به غریزه و اکتشافات ساده، ایدئال نیست؛ زیرا سوگیری‌های انسانی در تصمیم‌گیری‌ها دخالت می‌کند. از‌این‌رو گنجاندن هوش مصنوعی در تصمیم‌گیری‌های سراسری، به‌ویژه در بخش‌های خاصی مانند بازاریابی، مالی و تدارکات، به دلیل مزیت‌هایی که به همراه داشته، کسب‌وکارها را ترغیب کرده تا از این فناوری به شیوه‌های مختلف در تصمیم‌گیری بهره بگیرند.

نظرکاوی، یک روش مبتنی بر پردازش زبان طبیعی (NLP) است که به کسب‌وکارها و دولت‌ها اجازه می‌دهد تا از تجزیه و تحلیل برای درک احساسات، نیازهای مشتریان یا شهروندان خود استفاده کنند. ابزارهای نرم‌افزاری مبتنی بر NLP به کسب‌وکارها این امکان را می‌دهند که بینش‌های معناداری را از پست‌های رسانه‌های اجتماعی و تعامل‌شان با مشتریان به دست آورند. اساسا نظرکاوی سازمان‌ها را قادر می‌کند تا در هزینه و زمان صرف‌شده در پردازش اطلاعات صرفه‌جویی کنند.

  استدلال علیه هوش مصنوعی در تصمیم‌گیری

همان‌طور که هوش مصنوعی به‌ طور گسترده در تدوین استراتژی کسب‌وکار حضور پیدا می‌کند، برخی از مسائل وجود دارد که باید مورد توجه قرار گیرد. اولین مورد از این مشکلات، معمای منحصربه‌فرد جعبه سیاه هوش مصنوعی است. مشکل جعبه سیاه، ماهیت پیچیده و غیرشفاف هوش مصنوعی را شامل می‌شود که ممکن است مشکلات بیشتری را برای شهروندان یا سازمان‌های شهر هوشمند ایجاد کند. علاوه‌براین بعضی کشورها مقررات مبتنی بر هوش مصنوعی ندارند. این ممکن است شرکت‌های بزرگ در سراسر جهان را قادر کند تا داده‌های مربوط به سلامت، پزشکی، رتبه‌بندی اعتباری، استخدام و عدالت کیفری را در میان سایر موارد، بدون توجه به حریم خصوصی کاربر و یکپارچگی داده‌ها و محرمانه‌بودن، جمع‌آوری کنند.

اگر به نحوی، یک تصمیم مبتنی بر هوش مصنوعی منجر به آسیب‌های مالی و اعتباری هنگفت از طریق دادخواهی و انتقاد در مطبوعات شود، کسب‌وکارها در بخش‌هایی مانند امور مالی و بهداشت و درمان ضرر زیادی خواهند کرد. مواردی وجود داشته است که کسب‌وکارها یا سازمان‌های دولتی به دلیل شکست هوش مصنوعی، تصمیمات ضعیفی گرفته‌اند. مشکل جعبه سیاه مانع از آن می‌شود که کسب‌وکارها بدانند چگونه یک الگوریتم هوش مصنوعی، بینش خاصی را از مقدار زیادی داده به دست آورده است.

این یک محاصره بزرگ در تحقیقات انجام‌شده پس از وضعیتی است که در آن تصمیمات نادرست مبتنی بر هوش مصنوعی، گروه‌هایی را تحت تأثیر قرار داده است. به‌عنوان مثال، نبود شفافیت در اطلاعات، استفاده از هوش مصنوعی در تصمیم‌گیری برای وام‌دهی را برای بانک‌ها دشوارتر می‌کند؛ بنابراین بسیاری از بانک‌ها و سایر مؤسسات مالی ممکن است این فناوری را به‌آسانی که برخی از شرکت‌ها در بخش‌های دیگر انجام می‌دهند، استفاده نکنند. شاید بزرگ‌ترین مشکل استفاده از هوش مصنوعی در تصمیم‌گیری، تصمیم‌گیری مغرضانه باشد. بارها، سیستم‌ها یا برنامه‌های مبتنی بر هوش مصنوعی در بینش‌ها و تصمیم‌گیری‌ها یا کارکرد خود، چشمک‌های تبعیض‌آمیزی نشان داده‌اند. یکی از بزرگ‌ترین نمونه‌ها، پروژه ناموفق استخدام آمازون مبتنی بر هوش مصنوعی است.

این پروژه برای خودکارسازی فرایند تحلیل رزومه متقاضی به کمک هوش مصنوعی و NLP ایجاد شد. با این حال، پس از یک‌سری اجرا، مشخص شد که این ابزار به‌وضوح مردان بیشتری را در مقایسه با متقاضیان زن در فهرست نهایی قرار داده است. یا ابزارهای مبتنی بر هوش مصنوعی که به‌ طور ناعادلانه مجرمان سفیدپوست را بیشتر از مجرمان سیاه‌پوست برای آزادی مشروط، انتخاب می‌کنند؛ بنابراین استفاده از مجموعه‌ داده‌های گسترده‌تر و متنوع‌تر برای آموزش هوش مصنوعی یکی از راه‌حل‌های مشکل سوگیری‌های هوش مصنوعی است؛ بنابراین آیا هوش مصنوعی قضاوت انسان را بهبود می‌بخشد؟ درحالی‌که مطمئنا نمی‌توان مزایای مشارکت هوش مصنوعی را در تصمیم‌گیری نادیده گرفت، بخش‌های خاصی وجود دارد -ازجمله مشکل جعبه سیاه و تعصبات هوش مصنوعی- که باید از طرف توسعه‌دهندگان فناوری برای تقویت بیشتر مورد استفاده گسترده از هوش مصنوعی برای تصمیم‌گیری مورد توجه قرار گیرد.

هوش مصنوعی جایگزین پیش‌بینی

امروزه هوش مصنوعی با ترس دیده می‌شود؛ به‌ویژه وقتی صحبت از آینده مشاغل می‌شود. این واقعا مهم است؛ زیرا بسیاری از مردم از آن احساس خطر می‌کنند؛ اما هوش مصنوعی، جایگزین تنها یک چیز است و آن پیش‌بینی انسان است. تمام پیش‌بینی‌های انسانی، مستعد جایگزین‌شدن با ماشین‌ها هستند؛ اما کارهای ارزشمند دیگری وجود دارد که انسان انجام می‌دهد و مکمل پیش‌بینی هستند، نه جایگزینی. یکی از این موارد، حوزه قضاوت است.

هرجا که انسان‌ها قضاوت را به کار می‌گیرند، ارزش آن قضاوت بالا می‌رود؛ زیرا ما می‌توانیم آن را در پیش‌بینی‌ها با وفاداری بیشتر به کار ببریم. استفاده از هوش مصنوعی در سیستم‌های قضائی از سوی قوه قضائیه، خدمات دادستانی و سایر نهادهای قضائی خاص در سراسر جهان بررسی شده است. به‌عنوان مثال، در زمینه عدالت کیفری، استفاده از سیستم‌های هوش مصنوعی برای ارائه کمک‌های تحقیقاتی و خودکارسازی فرایندهای تصمیم‌گیری در‌حال‌حاضر در بسیاری از سیستم‌های قضائی جهان وجود دارد. حال این سؤال مطرح می‌شود که آیا این ربات‌های مبتنی بر هوش مصنوعی می‌توانند به‌ طور بالقوه جایگزین یک قاضی شوند.

هوش مصنوعی در قضاوت

در‌حال‌حاضر اجماع گسترده‌ای وجود دارد که تحقیقات هوش مصنوعی به‌ طور پیوسته در حال پیشرفت است و احتمالا تأثیر آن بر جامعه افزایش می‌یابد. به دلیل پتانسیل بالای هوش مصنوعی، مهم است که درمورد چگونگی بهره‌مندی از مزایای آن و در‌عین‌حال اجتناب از دام‌های احتمالی تحقیق شود. «آلن تورینگ»، دانشمند کامپیوتر، فیلسوف و پدر هوش مصنوعی، در سال ۱۹۵۰ «آزمون تورینگ» را توسعه داد. این آزمایشی برای تعیین توانایی ماشین برای نشان‌دادن رفتار هوشمندانه مشابه با انسان بود.

امروزه هوش مصنوعی خطوط را در یکی از پیچیده‌ترین حوزه‌های فعالیت انسانی یعنی قضاوت، محو می‌کند. هوش مصنوعی دادگاه‌های اینترنتی هوشمند را مدیریت می‌کند، دادخواست‌ها و شواهد را دریافت و تجزیه و تحلیل می‌کند و احکام صادر می‌کند. هانگژو، شهری در شمال چین، قدرت انقلاب تکنولوژیکی پیشرفته این کشور را به همراه دارد. در اینجا بود که اولین سیستم اجرای عدالت به واسطه هوش مصنوعی در سال ۲۰۱۷ معرفی شد. پکن و گوانگژو به‌سرعت از آن پیروی کردند.

سه دادگاه اینترنتی هوش مصنوعی در چین درمورد اختلافات مربوط به معاملات آنلاین فروش کالاها و خدمات، کپی‌رایت و علامت تجاری، مالکیت و نقض دامنه‌ها، اختلافات تجاری و ادعاهای مسئولیت محصولات تجارت الکترونیک، قضاوت می‌کنند. پرونده‌هایی که دادگاه‌های هوش مصنوعی به آنها رسیدگی می‌کنند، به‌شدت به شواهد بلاک‌چین متکی هستند. بلاک‌چین به معنای واقعی کلمه، زنجیره‌ای از بلوک‌های دیجیتال است. این سیستم، ذخیره اطلاعات دیجیتال (بلوک) در یک پایگاه داده عمومی (زنجیره) است. بلاک‌چین اطلاعات مربوط به تراکنش‌ها مانند تاریخ، زمان و مبلغ خرید و... را حفظ می‌کند. یک تصویر کلاسیک خرید در آمازون است. این شامل یک‌سری تراکنش است که در یک پلتفرم دیجیتال ثبت و نگهداری می‌شود. سؤال مهم این است که آیا بلاک‌چین ضد دستکاری است؟ آیا تغییر داده‌های آن با دخالت انسان غیرممکن است؟ آیا داده‌های بلاک‌چین تغییرناپذیر و دارای مهر زمانی هستند و آیا می‌توان از آن به‌عنوان یک مسیر قابل بازرسی استفاده کرد؟

قضاوت در زمانه ماشین‌های هوشمند

زمان یک عامل مهم در عصر دیجیتال مدرن امروزی است. داوری هوش مصنوعی به نسلی بی‌حوصله، راه‌حل می‌دهد که دیگر وقت برای چرخاندن بی‌پایان چرخ‌های عدالت را ندارد. اما سؤالاتی باقی می‌ماند. آیا داوران هوش مصنوعی می‌توانند با قضاوت انسان مطابقت داشته باشند؟ یا هوش مصنوعی سازگارتر خواهد بود؟ در سال ۱۹۵۰، آلن تورینگ این سؤال اساسی را مطرح کرد: «آیا کامپیوترها می‌توانند فکر کنند؟» تقریبا هفت دهه بعد، استیون هاوکینگ هیچ شکی نداشت.

درواقع، او در مورد هوش مصنوعی در حال تکامل، هشدار داد. با توجه به استفاده از هوش مصنوعی نه صرفا در غربال‌کردن داده‌ها، بلکه برای توسعه مهارت‌های شناختی و یادگیری از رویدادها و پرونده‌های گذشته، سناریوی آینده برای دادگاه‌ها بسیار شوم است -اینکه آیا روزی هوش مصنوعی بهتر از انسان‌ها تصمیم می‌گیرد. از آنجایی که تصمیمات انسانی اغلب مستعد تعصب و سوگیری هستند اما اغلب به صورت ناخودآگاه، الگوریتم‌ها می‌توانند بر چنین عواملی غلبه کنند.

در صورت ملاحظات برای قضات در اعطای وثیقه و احتمال وقوع جرم مکرر، الگوریتم‌ها می‌توانند به تجزیه و تحلیل مبتنی بر شواهد خطرات پرداخته و فورا راه‌حل‌هایی ارائه دهند. در این سناریو، تصمیم‌گیری ذهنی قضات فردی، با راه‌حل‌های مبتنی بر هوش مصنوعی جایگزین می‌شود. با این حال، برخی از ناظران هشدار می‌دهند که هوش مصنوعی ممکن است از مخترعان انسانی خود یا داده‌هایی که با آنها آموزش دیده‌اند، تعصب بیاموزند و تقلید کنند. درحالی‌که تیم NIST روش‌های اصلاحی را در سطح منبع داده‌ها توصیه می‌کند، جامعه حقوقی مکانیسم بررسی همه تصمیمات اتخاذشده توسط هوش مصنوعی را احتمالا در سطح یک قاضی تجدیدنظر، پیشنهاد می‌کند.

در غیر این صورت، هوش مصنوعی می‌تواند به حل سریع جرایم، بدون دخالت قاضی در پرونده‌های مربوط به جرایم کوچک با نیاز محدود به شواهد کمک کند. پس دور نیست روزی که تکنولوژی، قاضیِ رفتار خوب و بد انسان شود و مجازات‌های مناسب را تعیین کند. این بستگی دارد که دولت‌ها و قوه قضائیه مختلف چگونه ربات‌ها و استفاده از آنها را نظارت کنند.

از قضاوت‌های پیش‌ماشینی تا تصمیمات هوش مصنوعی در آینده

دیجیتالی‌شدن، در تمام عرصه‌های زندگی ما از جمله قوه قضائیه هجوم آورده است. تصور زندگی حقوقی روزمره، بدون تراکنش‌های حقوقی الکترونیکی، ثبت اراضی و شرکت‌های تحت مدیریت الکترونیکی، پرونده حکم یا امکان ارسال به دادگاه‌ها به صورت الکترونیکی غیرممکن است. در آینده، دسترسی عمومی به اطلاعات و ارتباطات الکترونیکی همچنان بیشتر خواهد شد. برای ایجاد کمک‌های دیجیتالی، ادغام هوش مصنوعی افزایش خواهد یافت. هوش مصنوعی به عنوان فناوری کلیدی آینده، در نظر گرفته می‌شود؛ بنابراین درهای جدیدی را باز می‌کند. در حال حاضر، موارد استفاده بالقوه از هوش مصنوعی در دادگستری اتریش، بر حمایت از قضات متمرکز است، برای مثال از طریق تحقیقات حقوقی واقعی با هوش مصنوعی یا ایجاد صورت‌جلسه خودکار در طول جلسات با استفاده از تشخیص گفتار.

علاوه‌ بر این، برای بهینه‌سازی جریان‌های کاری دادگاه داخلی، هوش مصنوعی می‌تواند برای شناسایی اسناد و استخراج ابرداده و همچنین شناسایی مسئولیت‌های داخلی قضائی استفاده شود.

  محدودیت‌هایی برای تصمیمات قضائی ساخته‌شده توسط هوش مصنوعی! به‌راستی چه کسی مسئول است؟

هر تصمیم قضائی باید توسط انسان گرفته شود نه ربات. در این زمینه، باید بر قانون اساسی که استقلال قاضی را تضمین می‌کند، تأکید ویژه شود. هوش مصنوعی داده‌ها را به هم پیوند می‌دهد و براساس الگوریتم‌ها و احتمالات، تصمیم می‌گیرد. اما الگوریتم‌های تقویت‌کننده هوش مصنوعی، توسط مهندسان برنامه‌ریزی شده‌اند. پس چه کسی مسئول تصمیمات هوش مصنوعی است؟ قاضی؟ مهندس؟ به‌خصوص اگر الگوریتم فاش نشود درک، سؤال، بررسی یا کنترل تصمیمی که صرفا توسط هوش مصنوعی صادر شده است دشوار یا غیرممکن خواهد بود. حتی اگر یک قاضی صرفا از ابزار هوش مصنوعی در یک ظرفیت حمایتی استفاده کند، چگونه می‌تواند نتایج هوش مصنوعی را ارزیابی کند اگر متوجه نشود که برنامه‌ هوش مصنوعی چگونه به این تصمیم رسیده است؟ علاوه‌براین، هوش مصنوعی عمدتا یک سیستم خودآموز و در نتیجه دائما در حال تکامل است، اما سیستمی است که به اندازه داده‌های آموزشی زیربنایی آن، خوب است.

اگر هوش مصنوعی براساس دیدگاه‌های نادرست یا تصمیمات اشتباه دادگاه گذشته یاد بگیرد، این اشتباهات سیستماتیک در تصمیمات هوش مصنوعی آینده، منعکس خواهد شد. برای مثال، هوش مصنوعی ممکن است اعتبار شهود را براساس ویژگی‌های عینی مانند حالت‌های ریزِ چهره تشخیص دهد و بنابراین احتمال کمتری دارد که توسط برداشت‌های ذهنی هدایت شود، اما جدای از ایجاد مسائل جدید بالقوه حفاظت از داده‌ها، قضاوت‌های ارزشی بخش‌های اساسی و قانونی نظام حقوقی فعلی ما هستند. بر این اساس ارزیابی رایگان شواهد توسط قاضی در دادرسی مدنی از ارزش بالایی برخوردار است. اگر صلاحیت تصمیم‌گیری قضائی به‌طورکامل به هوش مصنوعی منتقل می‌شد، فردگرایی لازم برای تصمیم‌گیری موردی از بین می‌رفت و توسعه حقوقی متوقف می‌شد.

جایگزینی قاضی با هوش مصنوعی تنها در رسیدگی‌های استانداردشده قابل تصور است که قاضی مسئولیت نهایی را بر عهده دارد و ممکن است تصمیم هوش مصنوعی را بررسی، اصلاح، ویرایش و رد کند. در دعاوی مدنی، این می‌تواند شامل تصمیم‌گیری هزینه یا محاسبه خودکار نفقه باشد. هوش مصنوعی همچنین می‌تواند در دادرسی با مبالغ پایین دعاوی، مورد استفاده قرار گیرد، جایی که دستور پرداخت، بدون بررسی دقیق قضائی صادر می‌شود و پرونده فقط با اعتراض متهم رسیدگی می‌شود. اگر تصمیم قضائی صرفا مبتنی بر شواهد مستند استانداردشده باشد که نیازی به تفسیر یا حل یک سؤال ناب از قانون ندارد، هوش مصنوعی می‌تواند بیشتر برای کمک به قضات و افزایش ظرفیت برای مشکلات حقوقی پیچیده‌تر مورد استفاده قرار گیرد. با این حال، چنین تصمیمی باید قابل اعتراض و بررسی توسط قاضی باشد.

به‌طور خلاصه، استفاده از هوش مصنوعی در فعالیت‌های معمول و پیشینه قضائی و همچنین برای حمایت از قوه قضائیه در رسیدگی‌های کوچک‌تر استانداردشده در آینده، از نظر افزایش کارایی، کوتاه‌ترکردن مدت رسیدگی دادگاه و صرفه‌جویی در هزینه‌ها، مورد استقبال قرار می‌گیرد. فراتر از آن، قضات مجبور نیستند از شغل خود هراس داشته باشند. هوش مصنوعی به هر شکلی از تلاش انسان، ارزش بیشتری می‌افزاید. فرایندهای کاری را به‌شدت متحول می‌کند. درجات بالایی از کارایی عملیاتی ایجاد می‌کند. هنر پیش‌بینی سریع‌تر، بهتر و ارزان‌ترشده، جای خود را به تصمیم‌گیری‌های بیشتری می‌دهد. لازم است تأکید کنم که پیش‌بینی تنها یک تکه از پازل است، ارزش قضاوت را فراموش نکنیم.

زمانی که هوش مصنوعی به حداکثر توانایی‌های خود می‌رسد، قضاوت انسان وارد عمل می‌شود. هوش مصنوعی به قضاوت انسان کمک می‌کند تا ارزش فوق‌العاده‌ای ایجاد کند. فرصت‌های بیشتری برای قضاوت فراهم می‌کند. شایستگی قضاوت انسان و تفکر خلاق را افزایش می‌دهد. هوش مصنوعی جای انسان‌ها را نمی‌گیرد، بلکه به انسان‌ها قدرت می‌دهد تا بر نقش قضاوت، بیشتر تمرکز کنند. هوش مصنوعی به کارکنان دانش بشری این فرصت را می‌دهد که کارهای پیش‌پاافتاده مانند ورود داده‌ها را کنار بگذارند تا بر کارهای استراتژیک‌تر، معنادارتر و باارزش‌تر تمرکز کنند.

مریم مرامی، کارشناس ارشد علوم شناختی، رسانه