Nini kilitokea
Watafiti katika HAI na RegLab za Stanford walichapisha utafiti unaoonyesha kuwa mfumo wa AI unaweza kusaidia katika kutambua sheria za kienyeji za kibaguzi. Mfumo huo uliwasaidia wakaguzi wa kibinadamu kuripoti maelfu ya sheria za manispaa zinazowatendea watu kwa njia tofauti kulingana na sifa zinazolindwa. Utafiti ulithibitisha usahihi wa AI kwa 98% dhidi ya mikusanyo ya kisheria ya kihistoria na ukabainisha kuwa ingawa AI inafaa katika kutambua matibabu ya wazi tofauti, inaweza kuwa na hamu kubwa ya kuweka kipaumbele uainishaji fulani unaozingatia jinsia ikilinganishwa na wakaguzi wa kibinadamu.
Watafiti katika Taasisi ya Stanford ya AI Iliyozingatia Binadamu (HAI) na RegLab ya chuo kikuu walichapisha utafiti unaoonyesha manufaa ya modeli za lugha kubwa katika kutambua sheria za kienyeji za kibaguzi. Mfumo wa AI uliundwa ili kuwasaidia wakaguzi wa kibinadamu katika kuchuja misimbo mikubwa ya manispaa ili kupata sheria zinazowatendea watu tofauti kulingana na rangi, jinsia au uraia.
Utafiti huo uliangazia ukubwa wa tatizo, ukibainisha kuwa kanuni ya manispaa ya San Francisco na maazimio yake yanayohusiana yana takriban maneno milioni 16. Kitabu hiki kinafanya mapitio ya mwongozo na wataalamu wa sheria, kama vile juhudi za kihistoria za Pauli Murray na Ruth Bader Ginsburg, kuwa vigumu sana kuiga katika ngazi ya ndani bila usaidizi wa kimahesabu.
Ili kudhibitisha mfumo huo, watafiti walitumia seti iliyoratibiwa ya mkusanyiko wa kisheria wa kihistoria, ikiwa ni pamoja na mkusanyiko wa Pauli Murray wa sheria za Jim Crow na hati zinazohusiana na madai ya ndoa za mashoga. Mfumo wa AI ulipata kiwango cha usahihi cha 98% katika kutambua masharti haya yanayojulikana ya kibaguzi. Wakaguzi wa kibinadamu kisha walifanya kazi pamoja na AI ili kutanguliza nguvu ya madai ya kisheria.
Utafiti ulibainisha mapungufu katika uamuzi wa AI. Ingawa ilikuwa na ufanisi katika kutambua unyanyasaji wa wazi, mfumo huo wakati mwingine ulikuwa na 'hamu kupita kiasi' katika kuashiria uainishaji unaozingatia jinsia, kama vile vifaa tofauti katika jela za kaunti, ambazo mara nyingi zina sababu halali za kisheria ambazo mahakama hulipa. Watafiti walifafanua kuwa mfumo huo kwa sasa unazingatia matibabu tofauti badala ya athari tofauti, kwani mwisho huo unahitaji uchanganuzi mgumu wa sababu ambayo ni zaidi ya uwezo wa sasa wa zana.
Maelezo ya chanzo: politico.com ↗
Kwa nini ni muhimu
Maendeleo haya yanashughulikia changamoto kubwa ya utiifu wa sheria na utekelezaji wa haki za kiraia. Misimbo ya manispaa ya eneo ni kubwa, huku baadhi ya miji kama San Francisco ikiwa na misimbo inayozidi maneno milioni 16, hivyo kufanya ukaguzi wa mwongozo wa wataalamu wa kibinadamu kutowezekana kwa ukaguzi wa kina. Kwa kufanyia uchunguzi wa awali wa sheria kiotomatiki kwa lugha chafu ya ubaguzi, zana za AI zinaweza kupunguza kwa kiasi kikubwa muda na gharama inayohitajika kutambua ukiukaji wa kisheria unaoweza kutokea. Hili huruhusu timu za kisheria na mashirika ya kutetea haki za kiraia kuelekeza rasilimali zao chache katika kuthibitisha na kupinga vifungu vyenye matatizo zaidi, jambo linaloweza kusababisha usuluhishi wa haraka wa sheria za kibaguzi zinazoathiri mamilioni ya wakazi.
Umuhimu mkuu wa utafiti huu ni uwezo wa kuhalalisha ukaguzi wa kisheria. Kihistoria, kubainisha sheria za kibaguzi kulihitaji kazi kubwa ya mikono na wasomi maalumu wa sheria. Kwa kutumia AI kushughulikia uchunguzi wa awali wa mamilioni ya maneno ya msimbo wa manispaa, timu za kisheria zinaweza kufikia chanjo ya kina ambayo hapo awali haikuwezekana.
Chombo hiki kina athari za vitendo kwa utekelezaji wa haki za kiraia. Kwa kutambua maelfu ya sheria zinazoweza kuwa za kibaguzi katika maeneo mbalimbali ya mamlaka, utafiti hutoa ramani ya changamoto za kisheria zinazolengwa. Hii inaweza kusababisha kuondolewa au marekebisho ya sheria ambayo yamepuuzwa kutokana na wingi wa kanuni za mitaa.
Kiwango cha usahihi cha 98% katika seti za uthibitishaji kinapendekeza kwamba AI inaweza kuwa kichujio cha kutegemewa cha pasi ya kwanza kwa kufuata sheria. Hii hupunguza mzigo wa utambuzi kwa wakaguzi wa kibinadamu, na kuwaruhusu kuzingatia hoja za kisheria badala ya kuchanganua maandishi ya kimsingi. Faida hii ya ufanisi ni muhimu kwa mashirika yenye rasilimali chache ambayo yanalenga kutekeleza sheria za kupinga ubaguzi katika ngazi ya ndani.
Mbinu shirikishi: Jinsi Inavyofanya Kazi Kweli
Chunguza teknolojia msingi nyuma ya ukuzaji huu kwa maingiliano.
Why can ethical evaluation not be reduced to one model score?
Nini cha kutazama baadaye
Fuatilia ikiwa makampuni ya teknolojia ya kisheria au mashirika ya serikali yanatumia zana sawa za ukaguzi zinazoendeshwa na AI kwa misimbo ya manispaa. Tazama masasisho kuhusu mbinu ya utafiti kuhusu athari tofauti, kwani mfumo wa sasa unaangazia matibabu tofauti. Zaidi ya hayo, angalia ikiwa mbinu hii inapanuka hadi maeneo mengine ya utiifu wa udhibiti ambapo kiasi kikubwa cha maandishi kinahitaji kuchunguzwa kwa vigezo maalum vya kisheria.
Marudio ya siku zijazo ya mfumo huu yanaweza kujaribu kushughulikia athari tofauti, ambayo inahusisha kuchanganua athari za ulimwengu halisi za sheria zisizoegemea usoni. Hili ni kazi ngumu zaidi inayohitaji uelekezaji wa sababu, na maendeleo katika eneo hili yangepanua kwa kiasi kikubwa matumizi ya zana.
Kupitishwa na serikali za manispaa au mashirika ya serikali kunaweza kusababisha juhudi za kufuata kwa uangalifu. Ikiwa serikali za mitaa zitatumia zana kama hizo kukagua misimbo yao wenyewe, inaweza kusababisha kujisahihisha kabla ya changamoto za kisheria kuwasilishwa.
Jumuiya ya wanasheria inaweza kujadili juu ya kukubalika au kutegemewa kwa ukaguzi wa kisheria unaozalishwa na AI mahakamani. Kuweka viwango vya jinsi utafiti wa kisheria unaosaidiwa na AI unavyofanywa na kuthibitishwa itakuwa muhimu kwa kukubalika zaidi kwa zana hizi katika mazoezi ya kisheria.