هوش مصنوعی با شناسایی خلأهای پنهان در قوانین، سیستم‌های حقوقی را به چالش می‌کشد

اگر هوش مصنوعی می‌تواند حفره‌های امنیتی را در کدهای برنامه‌نویسی پیدا کند، توانایی انجام همین کار را روی متون قانونی نیز دارد؛ موضوعی که می‌تواند مسیر را برای ایجاد هرج‌ومرج در سیستم‌های قضایی هموار سازد.

فلیکس رینگه (Felix Ringe)، پژوهشگر مهمان در آزمایشگاه liftlab دانشکده حقوق دانشگاه استنفورد، معتقد است که مدل‌های زبانی بزرگ (LLM) اکنون به اندازه‌ای توانمند شده‌اند که با شناسایی تناقض‌های قابل سوءاستفاده در مقیاس وسیع، ثبات سیستم‌های حقوقی را به خطر بیندازند.

رینگه و لینوس فولکرتس (Linus Folkerts)، همکار پژوهشی او، در مقاله‌ای تحلیلی استدلال کردند: «سیستم‌های حقوقی پایه‌های نظم اجتماعی را به زبان طبیعی کدگذاری می‌کنند. دقیقاً مانند سیستم‌های کامپیوتری، قوانین مکتوب نیز می‌توانند آسیب‌پذیری‌هایی داشته باشند که راه را برای سوءاستفاده هموار کند.»

رینگه تأکید می‌کند اگرچه دادگاه‌ها معمولاً این ضعف‌های متنی را با تفسیر قضایی پوشش می‌دهند، اما کشف خودکار و سازمان‌یافته خلأهای قانونی به کمک هوش مصنوعی می‌تواند توان نظام قضایی را برای پر کردن این شکاف‌ها فلج کند.

او برای تقویت نظریه خود به مطالعات اخیر سایر پژوهشگران حقوقی اشاره می‌کند که قانون را شبیه به کدی آسیب‌پذیر توصیف کرده‌اند؛ آثاری مانند پژوهش «روز صفرهای حقوقی: بردار ریسک نوین برای سیستم‌های پیشرفته هوش مصنوعی» و مقاله «باگ‌های نرم‌افزاری و سخت‌افزاری در سیستم حقوقی».

این مقایسه دست‌کم به سال ۱۹۹۹ و آثار لارنس لسیگ با عنوان‌های «کد و دیگر قوانین فضای سایبری» و «کد همان قانون است: درباره آزادی در فضای سایبری» بازمی‌گردد. لسیگ ریشه این دیدگاه را که کد همان قانون فضای مجازی است، به کتاب سال ۱۹۹۵ ویلیام جی. میچل با نام «شهر بیت‌ها: فضا، مکان و بزرگراه اطلاعاتی» نسبت می‌دهد و یادآور می‌شود که این استعاره از دیگران نیز الهام گرفته شده است.

رینگه اکنون این معادله را دگرگون کرده و این ایده را مطرح ساخته که خودِ قانون نوعی کد برنامه‌نویسی است.

قیاس بین کدهای برنامه‌نویسی و متون قانونی تا حد زیادی درست کار می‌کند؛ زیرا هر دو حوزه تابع قواعد صوری و چارچوب‌های نگارشی بسیار دقیقی هستند. با این حال، تفاوت اساسی زمانی آشکار می‌شود که بخواهیم دادگاه‌ها را به‌عنوان محیط اجرای کد (Runtime) در نظر بگیریم؛ چراکه نتایج غیرقطعی و پیش‌بینی‌ناپذیر دادگاه‌ها هرگز در برنامه‌های کاربردی نرم‌افزاری پذیرفته نخواهد شد.

با کنار گذاشتن این تفاوت‌ها، نکته اساسی رینگه این است که مدل‌های هوش مصنوعی می‌توانند خلأهای قانونی را در چنان ابعادی برملا کنند که هرج‌ومرج و چالش‌های دنیای امنیت نرم‌افزار، به دنیای حقوق نیز کشیده شود.

رینگه و فولکرتس برای اثبات این موضوع، به چندین روزنه بالقوه در قوانین آلمان اشاره کردند که به کمک مدل‌های زبانی کشف شده‌اند؛ هرچند یادآور شدند که تنها مواردی از این خلأهای حقوقی را به اشتراک گذاشته‌اند که آسیب جدی به دنبال ندارند.

به‌عنوان نمونه، اصلاحیه‌ای در آیین‌نامه بیماری‌های شغلی آلمان (BKV) طبق قانون اساسی باید به اختیارات قانونی مشخصی استناد می‌کرد، اما پژوهشگران نشان دادند که این ارجاع قانونی در متن اصلاحیه حذف شده است. بنابراین، در تئوری یک روزنامه‌نگار می‌تواند با استناد به قوانین دسترسی آزاد به اطلاعات، بیانیه‌ای محرمانه را از شورای بیماری‌های شغلی آلمان مطالبه کند و بند محرمانگی آن را به‌دلیل نقص در متن قانون به چالش بکشد.

نمونه دیگری که مطرح شده، قانون مربوط به ویزای ترانزیت است که احتمالاً به‌دلیل مشخص نکردن مرجع قانونی تصویب آن، از نظر حقوقی باطل و غیرقابل استناد باشد.

آنها در بخشی از تحلیل خود نوشتند: «ما معتقدیم با گسترش تحلیل‌های حقوقی سریع و ارزان، سیستم‌های هوش مصنوعی می‌توانند کارکرد نظام‌های قضایی امروزی را به خطر بیندازند. در چنین شرایطی، قانون‌گذاران باید فرآیند قانون‌نویسی را نفوذناپذیرتر کنند؛ به‌عنوان مثال با بهره‌گیری از مدل‌های پیشرفته هوش مصنوعی در تدوین متون قانونی.»

وندی ماسل (Wendy Musell)، وکیل متخصص حقوق کار در سان‌فرانسیسکو، اشاره می‌کند که کاربرد هوش مصنوعی در حوزه حقوق به‌سرعت رو به گسترش است.

ماسل می‌گوید: «برخی از دادگاه‌های کالیفرنیا، از جمله دادگاه عالی لس‌آنجلس، در حال آزمایش هوش مصنوعی به‌عنوان دستیار قضایی هستند. دستیاران قضایی معمولاً با تحقیق و تنظیم پیش‌نویس آرا به قضات کمک می‌کنند؛ این یعنی هوش مصنوعی در حال حاضر چنین نقشی را در دادگاه‌ها بر عهده گرفته است. در نتیجه، وکلای دعاوی اکنون باید چگونگی تحلیل لوایح و پرونده‌ها توسط هوش مصنوعی را مد نظر قرار دهند.»

او در ادامه افزود: «این تحول در حالی اتفاق می‌افتد که شخصاً متوجه سوگیری و ناتوانی ابزارهای مختلف هوش مصنوعی در تحلیل دقیق مسائل حقوقی شده‌ام. با این حال، ورود هوش مصنوعی به فرآیند قانون‌گذاری تنها مسئله زمان بود.»

اریک گلدمن (Eric Goldman)، معاون پژوهشی و استاد حقوق در دانشکده حقوق دانشگاه سانتا کلارا، معتقد است که دیدگاه رینگه تا حدودی معتبر و قابل تأمل است.

گلدمن می‌گوید: «به باور من استفاده از هوش مصنوعی برای شناسایی خلأهای قانونی رویکردی منطقی است؛ هرچند برای تأیید اینکه آیا موارد مشخص‌شده واقعاً روزنه حقوقی هستند یا نه، بررسی دقیق متخصصان انسانی ضرورت دارد. هم‌چنین بسیاری از این خلأها ممکن است تبعات حقوقی جدی نداشته باشند و نهادهای قانون‌گذار معمولاً پس از کشف ایرادهای اساسی، نسبت به اصلاح قوانین اقدام می‌کنند.»

گلدمن پیشنهاد استفاده قانون‌گذاران از هوش مصنوعی هنگام تدوین لوایح را، دست‌کم در کوتاه‌مدت، بلندپروازانه می‌داند. او توضیح می‌دهد: «سیاست‌گذاران هنگام نگارش قوانین اولویت‌ها و اهداف گوناگونی دارند و پیش‌گیری از شکاف‌های قانونی به‌ندرت اولویت نخست آنهاست. اما بسیاری از مجالس قانون‌گذاری دارای مشاوران حقوقی هستند که مسئولیت تبدیل پیش‌نویس طرح‌ها به متون نهایی قانون را دارند؛ این مشاوران می‌توانند از هوش مصنوعی به‌عنوان بخشی از دستورالعمل استاندارد بازبینی برای رفع ایرادهای نگارشی و قانونی بهره ببرند.»