كيف نبني بيان

الأسماء خارج الفهرس

كيف نُخفي هوية الأطراف في الأحكام قبل فهرستها.

[التاريخ] · [الكاتب] · قراءة في 5 دقائق

الحكم القضائي يُقرأ لمبدئه، لا لأسماء أطرافه. والمحامي الذي يبحث عن حكم في التعويض الاتفاقي يحتاج إلى ما قررته المحكمة، لا إلى اسم المدعي وعنوانه. لذلك نُخرج الأسماء من الأحكام قبل أن تدخل مكتبة بيان.

لماذا نفعل ذلك

  • لأن البحث القانوني لا يحتاج إلى هوية الناس.
  • لأن الخصوصية التزام قبل أن تكون شرطًا قانونيًا. وقانون حماية البيانات الشخصية يستبعد في مادته الثالثة بعض البيانات المتعلقة بالدعاوى من نطاقه، ونحن نُخفي الأسماء أيًا كان مدى هذا الاستبعاد.
  • لأن ما يدخل نظامًا يعمل بالذكاء الاصطناعي قد يخرج منه بطرق لا تتوقعها، كما سيأتي.

ما الذي نُخفيه

[يؤكد شريف القائمة قبل النشر.] أسماء الأطراف والشهود، والعناوين، والأرقام القومية، وأرقام الهواتف، وأرقام السيارات، وكل تفصيل آخر يدل على شخص بعينه. ونضع مكان الاسم صفته في الدعوى: «المدعي»، «المدعى عليه»، «الطاعن»، «المطعون ضده»، مع الحفاظ على التمييز بين الأشخاص داخل الحكم الواحد.

لماذا الأسماء العربية صعبة

  • كثير من الأسماء كلمات عادية: «سعيد»، «أمل»، «كريم»، «عادل»، «منصور». فالبرنامج لا يعرف هل «سعيد» اسم رجل أم صفة.
  • لا توجد حروف كبيرة في العربية. في الإنجليزية يدل الحرف الكبير على الاسم، وفي العربية لا شيء يميزه في الكتابة.
  • الأسماء المركبة والملتصقة: «عبد الرحمن»، «أبو بكر»، «وسعيد» بواو العطف.
  • الأحكام نفسها تختلف: بعضها يكتب الأسماء كاملة، وبعضها يكتفي بالصفات.

لماذا يخطئ النموذج العام هنا

هنا مشكلتان علميتان. الأولى أن أدوات التعرف على الأسماء تتعلم من نصوص موسومة أغلبها إنجليزية، فتعتمد على إشارات كالحروف الكبيرة لا توجد في العربية، فتخطئ أكثر في الأسماء العربية التي تشبه الكلمات العادية. والثانية أخطر: النماذج اللغوية الكبيرة قد تحفظ نصوصًا نادرة رأتها في التدريب ثم تعيدها حرفيًا. وقد بيّن باحثون سنة 2021 أنهم استخرجوا من نموذج لغوي منشور نصوصًا حفظها من بيانات تدريبه، فيها أسماء وأرقام هواتف وعناوين بريد إلكتروني لأشخاص حقيقيين. فالاسم الذي يدخل نظامًا يعمل بالذكاء الاصطناعي قد يخرج منه في إجابة لا علاقة لها بصاحبه. لذلك نُخرج الأسماء قبل أن يراها أي نموذج، لا بعد.

كيف نفعل ذلك

[يؤكد شريف قبل النشر.]

  • كشف آلي للأسماء والبيانات المعرِّفة، مضبوط على النصوص القضائية العربية.
  • قواعد خاصة بصيغ الأحكام المصرية، كالمواضع التي تُذكر فيها الأطراف عادة.
  • مراجعة بشرية لعينات من كل دفعة قبل الفهرسة.
  • لا يُفهرَس الحكم، ولا يراه نموذج، إلا بعد إخفاء الأسماء.

المراجع. Carlini وآخرون، «Extracting Training Data from Large Language Models»، USENIX Security 2021.

شارك
XLinkedInWhatsApp

أهم التحديثات التشريعية، وما الجديد في بيان، مرة واحدة في الشهر.

اسأل بيان سؤالك الأول.

أو احجز عرضًا لفريقك وأحضر عقدًا حقيقيًا: ثلاثون دقيقة تكفي لتعرف إن كان بيان يناسب عملك.

احجز عرضًا لفريقك