دوفصلنامه تحقیق و توسعه در حقوق کیفری و جرم شناسی

دوفصلنامه تحقیق و توسعه در حقوق کیفری و جرم شناسی

ارزیابی دلیل با سامانه‌های هوش مصنوعی مبتنی بر NLP در نظام دادرسی ایران: امکان پذیری و اقناع کنندگی؟

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه حقوق، دانشکده الهیات و معارف اسلامی، دانشگاه میبد، میبد،ایران
2 استادیار گروه فقه و حقوق اسلامی، دانشکده الهیات و معارف اسلامی، دانشگاه میبد، میبد،ایران
3 استادیار، گروه حقوق و علوم اجتماعی، دانشگاه پیام نور،تهران،ایران
10.22034/jclc.2026.2088201.1335
چکیده
ارزیابی دلیل در نظام دادرسی، فرایندی چندمرحله‌ای مبتنی بر اعتبارسنجی، تفسیر و استنتاج است که هدف آن دستیابی به قضاوت عادلانه بر پایه قناعت وجدانی دادرس می‌باشد. با افزایش پیچیدگی دعاوی و حجم گسترده داده‌های پرونده، روش‌های سنتی تحلیل ادله با مشکلاتی نظیر کندی پردازش، دشواری تحلیل معنایی و خطای انسانی مواجه شده‌اند. در این میان، سامانه‌های هوش مصنوعی مبتنی بر پردازش زبان طبیعی (NLP) با قابلیت‌هایی همچون تحلیل متن، استخراج اطلاعات، شناسایی روابط معنایی و پشتیبانی استدلالی، به عنوان ابزارهای نوین در فرایند ارزیابی ادله مطرح شده‌اند. مقاله حاضر با رویکردی تحلیلی، امکان‌پذیری و میزان اقناع‌کنندگی این سامانه‌ها را در نظام قضایی ایران بررسی می‌کند. یافته‌ها نشان می‌دهد که سامانه‌های NLP می‌توانند از طریق تحلیل نحوی و معنایی، شناسایی موجودیت‌های نامدار، خلاصه‌سازی متون، طبقه‌بندی انواع دلیل و استخراج مدلول ادله، کیفیت و سرعت تحلیل پرونده‌ها را افزایش دهند. همچنین این سامانه‌ها قادرند با بهره‌گیری از مدل‌های استنتاج متنی و موتورهای استدلال حقوقی، آثار حقوقی مترتب بر ادله را شناسایی و میزان سازگاری آنها با ادعاهای مطروحه را ارزیابی کنند. افزون بر این، NLP در شناسایی تعارضات ظاهری و واقعی میان ادله و نیز پیشنهاد راهکارهای ترجیح یا جمع میان آنها، ظرفیت قابل توجهی دارد. مقاله سه رویکرد درباره میزان اقناع‌کنندگی هوش مصنوعی را بررسی می‌کند: نخست، نظریه «جایگزینی کامل» که هوش مصنوعی را قادر به انجام تمام مراحل ارزیابی و صدور رأی می‌داند؛ دوم، نظریه «اقناع مطلق» که خروجی سامانه را برای دادرس الزام‌آور تلقی می‌کند؛ و سوم، نظریه «اقناع نسبی» که بر نقش کمکی و مشورتی سامانه تأکید دارد. بررسی چالش‌های حقوقی، فنی و اخلاقی نشان می‌دهد که دو نظریه نخست با موانعی جدی روبه‌رو هستند. ناتوانی سامانه‌ها در درک کامل قصد انسانی، فقدان شفافیت الگوریتمی، امکان سوگیری داده‌ها، خطاهای استنتاجی و نبود مسئولیت‌پذیری قضایی، مانع از پذیرش قضاوت خودکار می‌شود. بر این اساس، مقاله نتیجه می‌گیرد که تنها نظریه اقناع نسبی با اصول دادرسی عادلانه و ساختار قضایی ایران سازگار است. در این چارچوب، هوش مصنوعی می‌تواند به عنوان ابزار کمکی در تحلیل ادله، سازماندهی اطلاعات، پیش‌بینی نتایج و تسهیل تصمیم‌گیری قضایی به کار رود، اما قضاوت نهایی و مسئولیت تصمیم همچنان باید بر عهده دادرس انسانی باقی بماند.
کلیدواژه‌ها
موضوعات

منابع فارسی
1.     اسمعیل‌پور، محمدامین؛ قناد، فاطمه و جعفری ندوشن، شهاب (1402)، «امکان‌سنجی به کارگیری هوش مصنوعی در ارزیابی ادله داوری از منظر فقه و حقوق»، مجله علمی پژوهشی حقوق پزشکی، ۱۷ (۵۸)، 1-15، قابل دسترس در:
2.     اصحابی،فاطمه؛ حمیداوی،علی؛ موسی زاده میخوش،رضا؛ (1404)، «هوش مصنوعی و بازاندیشی عدالت کیفری: تحلیل سزاگرایانه و فایده‌گرایانه»، دوفصلنامه تحقیق و توسعه در حقوق کیفری و جرم شناسی، 2(4)، 94- 125،
3.     اصحابی، فاطمه؛حسینخانی، عباداله؛(1404)،« فناوری هوش مصنوعی در محاکم با تاکید بر مراجع اختصاصی اداری: چشم‌انداز و چالش‌ها»، پژوهش های نوین حقوق اداری، 25،  195 تا 220 .
doi: 10.22034/mral.2025.2033283.1627
4.     تیموری،مهرداد؛ کاظمی،سید سجاد (1404)، «فرصت‌ها و چالش‌های هوش مصنوعی در حرفه حقوقی: بازنمایی از وکالت هوشمند»، دوفصلنامه تحقیق و توسعه در حقوق خصوصی، 2(4)، 41-74،
5.     حسینی احمد، عبدخدائی زهره، شریف خانی محمد،(1402)، «کاربرد هوش مصنوعی در رسیدگی های قضائی، چالش شفافیت و راهکارهای آن»، دیدگاه‌های حقوق قضایی، ۲۸ (۱۰۱)،  ۶۷-۹۰،
URL: http://jlviews۲.ujsas.ac.ir/article-۱-۲۱۳۹-fa.html
6.     خویی، سید ابوالقاسم (1314 ه.ق.) مصباح الاصول، ج 3، نشر داوری، قم،  372-376.
7.     دلیر، رضا و دلشاد معارف، ابراهیم و امینی، عیسی (1402). «ارزیابی دلیل و ضابطه‌های اثبات در داوری‌های تجاری بین‌­المللی»، دو فصلنامۀ علمی حقوق تطبیقی، 10(1)،  245-266. doi: 10.22096/law.2023.531944.1894
8.     دهقانی، علی؛ آشوری، محمد و رحمدل، منصور (1400). «اعتبارسنجی و ارزش‌گذاری شهادت شهود گمنام در قانون آیین دادرسی کیفری ایران و اساسنامه دیوان کیفری بین‌المللی»، فصلنامه دیدگاه‌های حقوق قضایی، 26(95)،  145-160.
9.     رهبری،ابراهیم؛شعبانپور،علی؛(1401)، « چالش‌های کاربرد هوش مصنوعی به‌عنوان قاضی در دادرسی‌های حقوقی»،مجله تحقیقات حقوقی، ویژه نامه حقوق و فناوری، 25، 419-444 ،10.52547/jlr.2022.228967.2335.
10.  زهرا عامری، زهرا؛ مقدسی، محمد باقر؛ حبیب نژاد، سید احمد، (1404)، « حق اعتراض به تصمیم‌گیری‌های خودکار مبتنی بر هوش مصنوعی: جلوه‌ای از الزامات حقوق بشری عصر فناوری»، پژوهش های نوین حقوق اداری، 7 (25)، 37-59،  10.22034/mral.2024.2013708.1531
11.  صالحی، رحمت؛ غلامحسینی، شهرام؛ عباسی، مجتبی؛(1404)،« چالش های تاثیر تکنولوژی هوش مصنوعی در قضاوت و جایگزینی شخص قاضی»، فصلنامه مطالعات حقوق، 50،  65 تا 73.
https://pantajournals.ir/buy.aspx?id=111699&t=1
12.  عمروانی، رحمان (1389)، «اصول حاکم بر تعارض ادلّه اثبات دعوا در امور مدنی»، پژوهشهای حقوقی، 9(17)،  145-176.
https://jlr.sdil.ac.ir/article_40933.html
13.  غمامی، مجید و آذین، سیّد محمّد (1388)، «نقش متقابل دادرس و اصحاب دعوا در اثبات و ارزیابی امور موضوعی در دادرسی مدنی»، مطالعات حقوق خصوصی، 39(2)،  257- 282.
https://journal.ut.ac.ir/article_20082.html
14.  کاشفی، علی (1399)، «ارزیابی ادله اثباتی در نظام حقوقی کامن لا»، گفتمان حقوقی، 9(18)،  51-74.
https://ild.journals.miu.ac.ir/article_6118.html
15.  گلدوست جویباری، رجب؛ فرهمند، حیدر (1396)، «مطالعه تطبیقی ادله علمی در نظام دادرسی کیفری ایران و انگلستان با تأکید بر جرائم علیه تمامیت جسمانی»، فصل نامه تحقیقات حقوقی، 20 (77)،  205 -227.
https://lawresearchmagazine.sbu.ac.ir/article_56512.html
16.  ولی زاده، رحمان،(1400)، «ارزیابی ادله اثبات دعوا با رویکرد بر اعتبار اقناع وجدان قاضی در صدور حکم»، مجله پژوهش های فقه و حقوق اسلامی، 17(64)،  163-184.
Doi:10.22034/ijrj.2021.684736
منابع انگلیسی
1. Abdollahi, B., & Nasraoui, O. (2016). Explainable restricted boltzmann machines for collaborative filtering. arXiv preprint arXiv:1606.07129, p 31-35.
2. Dovilė Barysė and Roee Sarel, ‘Algorithms in the court: does it matter which part of the judicial decision-making is automated?’ (2023) Artificial Intelligence and Law, p. 6.
3. Hirschberg, J., and C. D. Manning. 2015. “Advances in Natural Language Processing.” Science (New York, N.Y.) 349 (6245): 261–66 p .176
4. Howard, Ayanna & Zhang, Cha & Horvitz, Eric. (2017). Addressing bias in machine learning algorithms: A pilot study on emotion recognition for intelligent systems. 1-7. 10.1109/ARSO.2017.8025197.
5. JA Jolowicz, Adversarial and Inquisitorial Models of Civil Procedure, International and Comparative Law Quarterly, April 2003, 52(02):281 - 295 ; DOI:10.1093/iclq/52.2.281
6. Jenna Burrell, How the Machine ‘Thinks’: Understanding Opacity in Machine Learning Algorithms, 3 Big Data & Society 1 (2016).
7. Kouroupis, K., & Christofides, G. (2025). AI for justice or justice for AI? A critical analysis of algorithmic decision-making process in judicial systems. In XXII International Scientific Conference" Legal Days–Prof. Slavko Caric “-" Law and justice" (No. International law and the challenges of contemporary society, pp. 232-243). DOI: 10.5937/PDSC25232K.
8. Majeed, Nasir & Hilal, Amjad & Ilyas, Rabia. (2023). FROM EVIDENTIAL DATA TO EVIDENCE: PRODUCTION, ADMISSION AND EVALUATION OF EVIDENTIAL DATA IN THE JUDICIAL PROCESS OF PROOF. Pakistan Journal of Social Research. 05. 955-965. 10.52567/pjsr.v5i02.1208.
9. MacKenzie, Brian & Wallace, David. (2026), AI in the Criminal Courts: Balancing Innovation and Justice, Criminal Justice Magazine Spring 2026, https://www.americanbar.org/groups/criminal_justice/resources/magazine/2026-spring/ai-criminal-courts-balancing-innovation-justice/
10. Posner, Eric A. and Saran, Shivam and RPS Submitter. (2025), Judge AI: Assessing Large Language Models in Judicial Decision-Making (January 15, 2025). Chicago Law, University of Chicago Law School, Coase-Sandor Institute for Law & Economics Research Paper No. 25-03, Available at SSRN: https://ssrn.com/abstract=5098708 or http://dx.doi.org/10.2139/ssrn.5098708
11. Ray Worthy Campbell, ‘Artificial Intelligence In The Courtroom: The Delivery Of Justice In The Age Of Machine Learning’ (2020)18(2) Colorado Technology Law Journal 330–332 and 341–343.
12. Santosh T.y.s.s, Kevin Ashley, Katie Atkinson, and Matthias Grabmair. 2024. Towards Supporting Legal Argumentation with NLP: Is More Data Really All You Need?. In Proceedings of the Natural Legal Language Processing Workshop 2024, pages 404–421, Miami, FL, USA. Association for Computational Linguistics. URL: https://aclanthology.org/2024.nllp-1.36/  https://doi.org/10.18653/v1/2024.nllp-1.36 p.405.
13. Schwarcz, Daniel and Manning, Sam and Prescott, J.J. and Barry, Patrick James and Cleveland, David R. and Rich, Beverly.(2025), AI-Powered Lawyering: AI Reasoning Models, Retrieval Augmented Generation, and the Future of Legal Practice ,Journal of Law & Empirical Analysis, volume 3, issue 1, 2026[10.1177/2755323X261427048], Minnesota Legal Studies Research Paper No. 25-16, U of Michigan Public Law Research Paper No. 24-058 , Available at SSRN: https://ssrn.com/abstract=5162111 or http://dx.doi.org/10.1177/2755323X261427048
14. Shehroze Ali Akbar, Tabinda Mehdi, Seemab Azam. The Scope of Artificial Intelligence in Evidence Evaluation in Judicial Proceeding, Available Online: https://assajournal.com Vol. 04 No. 01. July-September 2025.Page#.3628-3641 Print ISSN: 3006-2497 Online ISSN: 3006-2500 Platform & Workflow by: Open Journal Systems https://doi.org/10.5281/zenodo.17067419
15. SHRUTHIKA S. The Use of Artificial Intelligence in Criminal Trials  International Journal of Legal Science and Innovation, Volume 7, Issue 2, Page 414 – 423   DOI: https://doij.org/10.10000/IJLSI.112545
16. Sroka, Tomasz. (2024). Artificial intelligence and the right to a fair trial October 2024 DOI:10.4337/9781035337934.00022 LicenseCC BY-NC-ND 4.0 In book: Artificial Intelligence and International Human Rights Law (pp.250-277)
17. Sun, Yufeng & Yang, Fengbao & Wang, Xiaoxia & Dong, Hongsong. (2021). Automatic Generation of the Draft Procuratorial Suggestions Based on an Extractive Summarization Method: BERTSLCA. Mathematical Problems in Engineering. 2021. p 1-12, https://doi.org/10.1155/2021/3591894
18. Undavia, Samir & Meyers, Adam & Ortega, John. (2018). A Comparative Study of Classifying Legal Documents with Neural Networks.. Conference: 2018 Federated Conference on Computer Science and Information Systems, p31-35 DOI:10.15439/2018F227.
19. Zhang, Z., Al Hamadi, H., Damiani, E., Yeun, C. Y., & Taher, F. (2022). Explainable artificial intelligence applications in cyber security: State-of-the-art in research. IEEE Access,10, 93104–93139.
20. Zichun Xu, ‘Human Judges in the Era of Artificial Intelligence: Challenges and Opportunities’ (2022) 36(1) Applied Artificial Intelligence p. 1025-1045.