مقابلات
رودريك لوكاس، الشريك المؤسس والرئيس التنفيذي لشركة Moonlit – سلسلة مقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
رودريك لوكاس هو الشريك المؤسس والرئيس التنفيذي لشركة Moonlit، ويتمتع بخبرة في الذكاء الاصطناعي وعلوم البيانات والتكنولوجيا القانونية. أمضى ما يقرب من عقد في Deloitte، حيث شغل منصب مسؤول الذكاء الاصطناعي، كما درّس مقررات في التكنولوجيا في Vrije Universiteit Amsterdam وTilburg University. ويركز عمله على إتاحة البحوث القانونية لعدد أكبر من الناس من خلال البيانات المنظمة والمصادر القابلة للتحقق والذكاء الاصطناعي.
توفر Moonlit بنية تحتية للبيانات القانونية وأدوات بحث تربط بين التشريعات الرسمية وأحكام المحاكم والمعلومات التنظيمية في مختلف الأنظمة القانونية الأوروبية. وتتيح منصتها وواجهة Data API وخادم MCP للباحثين ومساعدي الذكاء الاصطناعي الوصول إلى مصادر قانونية منظمة، فيما تجمع مكتبة Commentaries بين التحليلات المُنشأة بالذكاء الاصطناعي ومراجعة خبراء قانونيين محددين بالاسم. وفي هذه المقابلة، يتحدث لوكاس عن الهلوسات القانونية، والبحوث العابرة للحدود، والتحقق على يد الخبراء، وإمكانية الوصول إلى معلومات قانونية موثوقة.
أمضيت ما يقرب من عقد في Deloitte، وشغلت في نهاية المطاف منصب مسؤول الذكاء الاصطناعي، إلى جانب تدريس مقررات في التكنولوجيا في Vrije Universiteit Amsterdam وTilburg University. نشأت Moonlit في الأصل كمشروع داخلي في Deloitte، قبل أن تصبح شركة مستقلة في عام 2024. ما الذي ألهمك لتطوير المنصة، وما الذي أقنعك بأن البحوث القانونية تحتاج إلى نهج مختلف جذريًا؟
مع ظهور النماذج اللغوية، اتضحت حقيقتان في آن واحد: إذ تمكنت النماذج من الاستدلال بشأن النصوص القانونية بدرجة تفوق كثيرًا ما توقعه أيٌّ منا، لكنها لم تجد ما يمكنها الاستدلال بشأنه على نحو موثوق. فاستخراج النصوص مباشرة من بوابات المحاكم العامة ينتج بيانات فوضوية وغير متسقة، بينما يقيّد ناشرو المحتوى القانوني التجاري الوصول الآلي إليها بموجب قيود الترخيص. ولم يكن لدى التكنولوجيا القانونية أساس مشترك: مصادر رسمية من أنظمة قانونية متعددة، موحّدة ضمن بنية بيانات نظيفة واحدة، ومترابطة فيما بينها، ومحدّثة يوميًا.
هذا هو المستوى الذي سعينا إلى بنائه، وهو السبب في أن Moonlit أصبحت شركة في عام 2024 بدلًا من أن تظل أداة لمؤسسة واحدة. وتزداد قيمة أساس كهذا مع كل شخص وكل نظام يطّلع عليه ويسهم فيه. ولم يتغير إيماننا الذي يستند إليه هذا العمل: القانون متاح للعامة، وينبغي أن تكون المعرفة المبنية عليه في متناول كل من يتعين عليه الامتثال له.
تأسست Moonlit انطلاقًا من الإيمان بأن الوصول إلى المعرفة القانونية ضرورة لتحقيق العدالة. ومع أن التشريعات وأحكام المحاكم متاحة للعامة في كثير من الأحيان، فإن الشروح المتخصصة التي تفسر دلالاتها تظل في الغالب خلف جدران دفع باهظة. كيف تسعى Moonlit إلى إتاحة هذا الجانب التفسيري للجميع، ولماذا يُعد ذلك مهمًا على نحو خاص لتطوير ذكاء اصطناعي قانوني موثوق؟
في هولندا، تذهب نحو 40 سنتًا من كل يورو تكسبه إلى الدولة، ويُموّل جزء من ذلك الجامعات العامة والنظام القانوني. ويكتب الأكاديميون الذين يتقاضون رواتبهم من المال العام قدرًا كبيرًا من الشروح التي تفسر القانون. ثم تجمع دور نشر تجارية مثل Wolters Kluwer وThomson Reuters هذه التحليلات وتبيعها مجددًا إلى المحاكم والوزارات والجامعات والممارسين الذين يحتاجون إليها. وتبلغ تكلفة الاشتراك في الشروح مئات اليوروهات لكل مستخدم شهريًا. ومع هذه الاشتراكات، يدفع الجمهور فعليًا ثمن القانون الذي يتعين عليه اتباعه مرتين. ولا ينبغي أن يكلف النظام القانوني العادل شهريًا أكثر من اشتراكك في Netflix.
أنشأنا Commentaries لتوفير بديل مفتوح: مكتبة للتحليلات القانونية، مادةً بمادة، يمكن الوصول إليها باستخدام حساب Moonlit مجاني. ويُنشأ كل شرح بالاستناد إلى المصادر الأولية باستخدام نماذج الذكاء الاصطناعي لدينا، ثم يراجعه متخصصون قانونيون قبل نشره. ويُتحقق من كل إحالة، مع رابط مباشر إلى السجل الرسمي للحكومة أو المحكمة. وإذا لاحظ أحد القراء تفصيلًا دقيقًا مفقودًا أو تطورًا حديثًا، فيمكنه اقتراح تعديل مباشرةً عبر النموذج الموجود على الصفحة لإحالته إلى المراجعة التحريرية. ويمكن للمحررين بعد ذلك مراجعته وإعادة نشر المحتوى. ولا نعلم ناشرًا آخر يقدم هذه المجموعة من المزايا. وعند الإطلاق، تركز الشروح المتاحة على الضرائب غير المباشرة (ضريبة القيمة المضافة، VAT)، فيما يجري إعداد شروح تتناول حماية البيانات.
وهذا الجانب التفسيري مهم بالقدر نفسه للذكاء الاصطناعي القانوني. تستطيع النماذج استيعاب القوانين العامة وأحكام المحاكم، لكنها لا تستطيع الاطلاع على الشروح القانونية التي تفسر كيفية تطبيق القاعدة عمليًا أو تحدد مواضع الاستثناءات. وعندما تُحرم النماذج من هذا السياق، تستقرئ وتولّد إجابات غير موثوقة. صممنا Commentaries بحيث يستند كل تصريح بوضوح إلى المادة التي يفسرها والحكم الذي يقوم عليه. ويمكن للممارس التحقق من المصدر بنقرة واحدة، كما يمكن لسير عمل قائم على الذكاء الاصطناعي الاستدلال بالاستناد إلى بيانات موثوقة عبر واجهة Moonlit Data API وموصل MCP.
أصبحت الهلوسات القانونية الناتجة عن الذكاء الاصطناعي مصدر قلق متزايد، إذ يواجه المحامون والمحاكم إحالات مختلقة إلى قضايا وتفسيرات غير دقيقة للقانون. لماذا تواجه حتى نماذج اللغة الكبيرة المتطورة صعوبة في تحقيق الدقة القانونية، وكيف يساعد توفير سياق قانوني منظم وموثّق على معالجة هذه القيود؟
تواجه نماذج اللغة صعوبة في التعامل مع القانون لأسباب لا ترتبط كثيرًا بالذكاء. فالاستدلال القانوني يعتمد كليًا على حجج قانونية يمكن التحقق منها. ولا يكون الاستنتاج أفضل من النص القانوني أو الحكم الذي يستند إليه، لكن النموذج يتعامل مع أرقام القضايا والإحالات إلى التشريعات بوصفها أنماطًا نصية احتمالية، لا سجلات موثوقة في قاعدة بيانات. ويُخرج إحالات تبدو مقنعة لأنه يتنبأ بالشكل الذي ينبغي أن تبدو عليه الإحالة، لا لأنه تحقّق من وجود وثيقة فعلية. ولهذا عواقب ملموسة جدًا: حتى وقت كتابة هذا النص، سُجّل أكثر من 2,100 قرار قضائي يتعلق بهلوسات الذكاء الاصطناعي، شمل أكثر من 800 منها ممارسين قانونيين مباشرةً.
يتغير القانون باستمرار أيضًا. فمعرفة النموذج تتوقف عند نهاية فترة تدريبه، في حين تُحدَّث الأحكام الضريبية وقرارات الاستئناف كل أسبوع. وعندما تكون التعليقات التي تشرح مدلول هذه القواعد خلف جدران الدفع التي تفرضها دور النشر، لا يتاح للنموذج سوى النص القانوني المجرد، من دون السياق العملي؛ فيختلق تفسيرات معقولة ظاهريًا لسد هذه الفجوة.
يغيّر السياق المنظم والموثّق طبيعة المهمة من أساسها. في Moonlit، يسترجع النموذج النصوص القانونية بدلًا من محاولة استحضارها من ذاكرته، ويعمل مباشرةً انطلاقًا من السجلات الرسمية. ويُظهر البحث وثائق من مصادر رسمية، لكل منها إحالتها ورابطها. ويوضح رسم الإحالات ما يستشهد به الحكم، وأي الوثائق اللاحقة تستشهد به. فإما أن تشير الإحالة إلى وثيقة أصلية في مستودعنا، وإما ألا تظهر. وهذا يقضي على الإحالات المختلقة. غير أن البيانات السليمة وحدها لا تحول دون إساءة الفهم، ولهذا تضع Commentaries خبيرًا قانونيًا محدد الاسم بين المسودة والقارئ.
تجمع Moonlit التشريعات والقرارات القضائية والمعلومات التنظيمية من عشرات الولايات القضائية، وتربط الوثائق القانونية من خلال رسم إحالات موسع. هل يمكنكم إطلاعنا على بنية الذكاء الاصطناعي والبيانات الأساسية، ولا سيما كيفية تحديد المنصة للعلاقات بين المصادر القانونية، والتوفيق بين اللغات والأنظمة القانونية المختلفة، وإتاحة هذه المعلومات لنماذج الذكاء الاصطناعي؟
تصوّروا الأمر على أنه سلسلة متصلة، تبدأ بالنشر الرسمي وتنتهي بإحالة موثّقة.
نتصل، في كل ولاية قضائية، مباشرةً بالبوابات الرسمية، بما فيها الجرائد الرسمية التشريعية، وقواعد بيانات المحاكم، والهيئات التنظيمية، وEUR-Lex فيما يتعلق بقانون الاتحاد الأوروبي. ولكل بوابة خصائصها وتنسيقاتها، وقد تتغير دون إنذار؛ لذلك يتركز جزء كبير من عملنا الهندسي على مراقبة كل بوابة واستعادة عملها آليًا. وتحتفظ كل وثيقة نستوردها ببيانات مصدرها ورابط دائم يعود إلى السجل الحكومي الرسمي. ويشكّل هذا الرابط أساس كل ما يأتي بعد ذلك.
تُجمع جميع البيانات في نموذج موحّد يشمل الولايات القضائية المختلفة، ويغطي التشريعات والسوابق القضائية والوثائق البرلمانية وقرارات الجهات المختصة والإرشادات. وتُقسّم التشريعات إلى مواد منفردة، كي يتسنى استرجاع نص قانوني بعينه والاستشهاد به بدقة. ويحتفظ الحكم الهولندي والقرار الألماني بالحقول المحددة التي تتطلبها أنظمة بلديهما، فيما نوحّد طريقة تحديد هوية هذه الوثائق وتصنيفها وربطها عبر الحدود.
تُحيل النصوص القانونية بعضها إلى بعض باستمرار. فالحكم يستشهد بالمواد التي يطبّقها والأحكام التي يتبعها، بينما يشير القانون إلى تشريعات أخرى. ويتعرف محركنا على هذه الإحالات، التي تختلف أشكالها كثيرًا باختلاف الولاية القضائية، ويطابقها مع وثائق أصلية في Data Layer، ثم يخزّن الروابط في الاتجاهين. ويتحقق مهندسو الشؤون القانونية من أنماط استخراج الإحالات. والنتيجة رسم إحالات يضم مئات الملايين من الروابط، ما يتيح لك معرفة ما يستشهد به أي مستند، وما يستشهد به.
أما اللغة، فنتعامل معها بإبقاء الوثائق الأصلية كما هي. لا نترجم النصوص القانونية الأصلية. فالحكم البلجيكي يظل بالفرنسية أو الهولندية، وتُجرى عمليات البحث باللغة الأصلية. ونجمع بين البحث بالكلمات المفتاحية والبحث الدلالي، ثم نعيد ترتيب النتائج ونحصر كل استعلام في الولاية القضائية المعنية. ويجيب Luna، مساعدنا البحثي، باللغة التي تختارها، مع الاستعلام عن كل مصدر أساسي بلغته الأصلية.
تستند منصة Moonlit وData API وخادم MCP جميعها إلى Data Layer نفسها. وتتيح واجهة API الوصول البرمجي إلى أنماط البحث لدينا ورسم الإحالات واسترجاع النصوص الكاملة، بينما يوفّر خادم MCP تسع أدوات للقراءة فقط لأي مساعد ذكاء اصطناعي خارجي. وعندما نحسّن البيانات الأساسية، يصل هذا التحسين إلى جميع الواجهات في آن واحد.
قدّمت Moonlit تعليقات قانونية مولّدة بالذكاء الاصطناعي يراجعها خبراء قانونيون محددو الاسم، فتجمع بين إعداد المسودات آليًا والتحقق البشري. كيف تجري هذه العملية عمليًا، وما الضمانات التي تكفل دقة التفسيرات المولّدة بالذكاء الاصطناعي وشفافيتها وإمكانية تتبعها إلى مصادر قانونية موثوقة؟
يبدأ الشرح القانوني بالقانون نفسه. تنشئ منصتنا مسودة استنادًا إلى المصادر الأولية في طبقة البيانات، بما فيها التشريعات والأحكام القضائية والتوجيهات والسجل البرلماني الذي يحيط بإقرار أي مادة. ولا يمكنها الاستشهاد إلا بالوثائق التي لدينا، لذا يرتبط كل استنتاج بالمادة التي يفسرها والمصدر الذي يستند إليه. فعلى سبيل المثال، يحيل أحد الشروح القانونية التي أطلقناها إلى 165 مصدرًا موثوقًا.
قبل نشر أي شرح قانوني، يراجعه خبير قانوني في المجال ويقارن مسودته بالمصادر الأولية. ومحررونا أكاديميون ومؤلفون ممارسون يتقاضون أجرًا مقابل عملهم. وتضم مجموعة الإطلاق خبراء من الجامعات والمحاكم والهيئات الحكومية والشركات الاستشارية ومكاتب المحاماة. يصححون المسودة، ويحذفون ما لا ينتمي إليها، ويضيفون ما ينقصها. وتظهر أسماؤهم بوضوح على الصفحة.
تُبيّن شارات المراجعة الموثوقة المقاطع التي تحقق منها أحد المحررين، بحيث يكون واضحًا دائمًا أي الأقسام يقرّ بها خبير بشري.
يذكر كل شرح قانوني أيضًا تاريخًا مرجعيًا يوضح الحالة الدقيقة للقانون الذي يتناوله. وتُحدَّث طبقة البيانات يوميًا، وتنبّه المحرر إلى الأحكام الجديدة ذات الصلة، ليُراجع المحرر النص بعد ذلك ويحدّث التاريخ المرجعي.
يكمن الضمان الأساسي في كل ذلك في الرابط. فإذا تعذّر عليك الانتقال بنقرة واحدة إلى الحكم الذي يستند إليه استنتاج ما، فأنت مطالب بقبوله على أساس الثقة. وقد أنشأنا Commentaries كي لا يضطر أحد إلى ذلك.
من خلال التكامل مع بروتوكول سياق النموذج (MCP)، تستطيع Moonlit إتاحة المعلومات القانونية مباشرةً للمساعدات الذكية، مثل ChatGPT وClaude وMicrosoft Copilot. ما الذي تتيحه هذه البنية ولا تستطيع أنظمة التوليد المعزز بالاسترجاع التقليدية تحقيقه بسهولة؟ وكيف تضمنون استخدام هذه المساعدات للمعلومات القانونية المسترجعة بمسؤولية؟
تأخذ أنظمة التوليد المعزز بالاسترجاع التقليدية لقطة من بعض الوثائق، وتجزئها إلى مقاطع، وتحولها إلى تضمينات، ثم تزود النموذج بما يحقق أعلى درجة من التشابه. لكن هذا النهج يفشل في المجال القانوني من ثلاث نواحٍ. فاللقطة تصبح قديمة. ولا يُعتمد على التشابه بما يكفي للعثور على مادة أو رقم قضية بعينه. كما أن المقطع لا يخبرك بشيء عما تستشهد به الوثيقة أو عما فعلته بها الأحكام اللاحقة.
مع خادم MCP، يُجري المساعد البحث بنفسه. ويمكنه البحث بحسب المعنى أو باستخدام المصطلحات والإحالات الدقيقة ومشغّلات بوليان، وتتبع الإحالات بين الوثائق، وقراءة النصوص كاملة، واسترجاع مواد بعينها من القوانين. كما يمكنه التحقق من الولايات القضائية والبوابات الرسمية المتاحة. ويحدد النموذج ما يحتاج إليه، ويقرأ النتائج، ثم يعاود البحث إلى أن يصمد الجواب أمام التدقيق. وهذه الحلقة هي ما يصنع الفرق. وانتقلت Luna إلى خادم MCP نفسه في سبتمبر، فأصبحت الإجابات أسرع وأفضل في الوقت ذاته. والبيانات مباشرة ومحدّثة أيضًا: إذ يطّلع المساعد على طبقة البيانات بحالتها الراهنة.
يبدأ الاستخدام المسؤول بوضع حدود واضحة. فأدواتنا مخصصة للقراءة فقط، وتُربط النتائج بالمصادر الرسمية. كما ننشر إرشادات بحث مبسطة يمكن للمساعدات اتباعها. وتوضح هذه الإرشادات كيفية البحث بلغة المصدر الأصلية، والتحقق من المقطع قبل الاستشهاد به، والتثبت من الإصدار، والتصريح بوضوح عندما تفتقر المصادر المتاحة إلى معلومات.
تعرض المساعدات المختلفة استدلالها بطرق مختلفة، وهذا أمر لا نتحكم فيه. لكن ما نستطيع فعله هو تسهيل التحقق من المصادر. فكل إحالة تقود إلى وثيقة، وكل وثيقة تقود إلى نشرها الرسمي.
تتطور المعلومات القانونية باستمرار مع صدور أحكام جديدة، وتغير اللوائح، والطعن في السوابق القائمة. كيف ترصد البنية التحتية للمراقبة الآلية لدى Moonlit هذه المستجدات وتدمجها؟ وكيف تمنع المنصة أنظمة الذكاء الاصطناعي من الاعتماد على تشريعات قديمة أو تفسيرات قانونية تجاوزها الزمن؟
يتوقف منع الذكاء الاصطناعي أو الباحث من الاستناد إلى قانون لم يعد ساريًا على الروابط بين الوثائق. فبمجرد إدراج حكم جديد أو تعديل تشريعي في النظام، تربطه شبكة الإحالات بالأحكام والمواد السابقة التي يستشهد بها. وإذا ألغت محكمة استئناف قرارًا سابقًا أو ضيّقت نطاقه، يُضاف هذا التطور مباشرةً إلى الحكم الأصلي بوصفه قرارًا يستشهد به. وعند تتبع النموذج للشبكة، يظهر له أثر المعالجة اللاحقة فورًا، بدلًا من التعامل مع سابقة متقادمة كما لو كانت لا تزال سارية. ويمكن للمستخدمين على المنصة تحويل تدفق المستجدات نفسه إلى أدوات Monitors نشطة، لمتابعة تشريعات أو محاكم أو موضوعات بعينها.
لطالما كان الحفاظ على حداثة الشروح القانونية نقطة ضعف كبيرة. فكثيرًا ما لا تُراجع سلاسل الشروح القانونية التجارية لتحديثها إلا مرة أو مرتين في السنة. وفي المجالات سريعة التغير، مثل الضرائب غير المباشرة أو حماية البيانات، ينشئ هذا التأخير مخاطر جسيمة على الامتثال. وبما أن طبقة البيانات لدينا تقيّم المنشورات الواردة وتقارنها بشروحنا يوميًا، تُحال الأحكام الجديدة فورًا إلى المحرر المسؤول عن إعداد الشرح. ويحدّث المحرر التحليل والتاريخ المرجعي، بحيث يستند الممارسون ونماذج الذكاء الاصطناعي إلى الحالة الفعلية للقانون، لا إلى تصور يعود إلى اثني عشر شهرًا.
ينطوي البحث القانوني العابر للحدود على تعقيدات تتجاوز ترجمة الوثائق، ولا سيما عندما تختلف البلدان في تفسير اللوائح المتشابهة أو تطبيقها. كيف يميز الذكاء الاصطناعي لدى Moonlit بين هذه الاختلافات القضائية؟ وكيف تتعامل المنصة عندما تبدو المصادر القانونية المعتمدة متعارضة؟
يُعدّ توجيه الاتحاد الأوروبي والقانون الوطني الذي ينفّذه وثيقتين مختلفتين، وترتبط إحداهما بالأخرى عند الاستشهاد بها. كذلك، يرتبط الحكم الوطني الذي يطبّق حكمًا صادرًا عن محكمة العدل بذلك الحكم. وهذا أيضًا هو سبب بدء Commentaries بضريبة القيمة المضافة. فالقواعد موحّدة إلى حد كبير على مستوى الاتحاد الأوروبي، ثم تُفسَّر في كل دولة عضو.
التناقضات أمر مألوف في القانون، ونحن لا نخفيها. عندما يبدو أن مصدرين موثوقين يختلفان، نعرضهما للقارئ كليهما. عندئذٍ، يحسم التسلسل الهرمي معظم المسألة: فالحكم الأحدث يُقدَّم على الأقدم، ومحكمة العدل تُقدَّم على محكمة وطنية عند النظر في مسألة تتعلق بقانون الاتحاد الأوروبي، ويُعتدّ بنص الحكم كما كان ساريًا في تاريخ الإحالة. وفي Commentaries، يعلن المحرر قراره بوضوح، وتُعرض المصادر إلى جانبه.
تستخدم مؤسسات، من بينها المحكمة العليا في هولندا وDeloitte وغيرها من المؤسسات القانونية والعامة، تقنية Moonlit. هل يمكنكم ذكر مثال عملي على كيفية إسهام المنصة في إحداث تحول في سير عمل البحث القانوني، وكيف تقيسون التحسّن في دقة البحث أو شموله أو كفاءته مقارنةً بالأساليب التقليدية؟
في مجال التكنولوجيا المالية، على سبيل المثال، ربط الفريق القانوني في Quantoz Payments خادم Moonlit MCP بـClaude، ودمجه مع مسارات عمل مخصصة لتنظيم المدفوعات العابرة للحدود. وهذا المسار يحل محل الأسلوب التقليدي المعتمد في أنحاء أوروبا. فعادةً ما يضطر المحامي إلى فتح بوابات إلكترونية في عدة بلدان، وإجراء عمليات بحث بلغات متعددة، ونسخ الاستشهادات إلى مذكرة، ثم يأمل ألا يكون قد أغفل سابقة قضائية محلية مهمة. أما الآن، فيُجري إعدادهم عمليات بحث متزامنة عبر ولايات قضائية مختلفة، ويتتبع شبكة الاستشهادات، ويعرض الوثائق الأصلية إلى جانب روابط مصادرها الرسمية. والأثر واضح بالنسبة إلى الفريق القانوني الداخلي: إذ يزيل النقطة العمياء التي قد تؤدي إلى تفويت أحكام قضائية أجنبية، ويوجّه الساعات التي كانت تُهدر في الجمع الآلي للمعلومات نحو التحليل القانوني الفعلي وتقييم المخاطر.
يتجلى نوع مختلف تمامًا من الكفاءة في جانب التطوير. فالفرق التي تطوّر منتجات قانونية قائمة على الذكاء الاصطناعي تقيس التحسّن بأشهر العمل الهندسي التي جرى توفيرها. احتاجت Eudia، وهي شركة متخصصة في الذكاء الاصطناعي القانوني، إلى بيانات قانونية أوروبية منظّمة لتشغيل منتجها، وأشار مدير منتجاتها إلى أن واجهة Data API الخاصة بنا وفّرت لها مجموعة بيانات أوروبية كاملة خلال أيام. ومن دون بنية تحتية أساسية للبيانات، يعني ذلك إنشاء أدوات استخراج بيانات مخصصة لكل بوابة وطنية وصيانتها إلى أجل غير مسمى. وتعتمد منصات أخرى، مثل Saga وLegal Mind، على هذه الأسس نفسها، وأصبح بإمكانها الآن أيضًا إتاحة Commentaries موثّقة مباشرةً لمستخدميها النهائيين.
مع تطلعنا إلى المستقبل، ومع تزايد قدرات النماذج الأساسية وتولّي وكلاء الذكاء الاصطناعي مهام بحث قانوني أكثر تطورًا، كيف ترون تطوّر العلاقة بين نماذج الذكاء الاصطناعي متعددة الأغراض والبنية التحتية المتخصصة للبيانات القانونية؟ وما رؤيتكم طويلة الأمد لـMoonlit، ولا سيما فيما يتعلق بإتاحة معلومات قانونية موثوقة للجميع، خارج نطاق مكاتب المحاماة والمؤسسات الكبرى؟
يستطيع النموذج الأقوى الاستدلال بصورة أفضل استنادًا إلى المصادر التي تزوّده بها، لكنه لا يستطيع استحضار سجلات أولية موثوقة من العدم. وكلما ازدادت قدرات النماذج الأساسية، ازدادت فعليًا قيمة طبقة البيانات الموثّقة. ومع انتشار قدرات الاستدلال، تصبح جودة البيانات هي العقبة الحقيقية، إذ لا يزال الوكيل بحاجة إلى قوانين دقيقة ومنظّمة كي يعمل عليها.
ستتولى النماذج متعددة الأغراض والوكلاء المستقلون مهام الصياغة والتوليف والتفاعل الحواري. أما البنية التحتية المتخصصة، مثل Moonlit، فستعالج مشكلة البيانات الجوهرية في الأساس، من خلال إبقاء القوانين محدّثة ومنظّمة وقابلة للتحقق، وإتاحتها مباشرةً عبر البروتوكولات التي تستخدمها تلك الوكلاء. وقد استعددنا لهذا التحول مبكرًا. يعمل مساعدنا الخاص على خادم MCP نفسه الذي تتصل به الوكلاء الخارجية، كما بدأت الفرق بالفعل بتشغيل وكلائها المخصصة فوقه.
وتشكّل هذه البنية أيضًا محورًا أساسيًا لرؤيتنا طويلة الأمد. لطالما كانت المعلومات القانونية الموثوقة العابرة للحدود خدمة باهظة لا تستطيع تحمل تكلفتها إلا أكبر مكاتب المحاماة والشركات متعددة الجنسيات، بفضل قدرتها على دفع اشتراكات مكلفة تغطي بلدانًا متعددة. ومن خلال إتاحة قراءة Commentaries مجانًا وفتح طبقة البيانات أمام أي مطوّر عبر واجهات برمجة التطبيقات والموصلات الحديثة، نريد تحقيق تكافؤ الفرص. وينبغي لممارس مستقل يقدم المشورة لشركة تعمل عبر الحدود، أو لمستشار قانوني داخلي في شركة ناشئة، أن يتمكّن من الوصول إلى مستوى الدقة البحثية والاستشهادات الموثّقة نفسه المتاح لشركة استشارات عالمية.
شكرًا لكم على هذا الحوار الرائع. ويمكن للقراء الراغبين في استكشاف البيانات القانونية الموثّقة والبحث العابر للحدود بمساعدة الذكاء الاصطناعي زيارة Moonlit.
