چالش های اثبات تقصیر در جرائم مرتبط با نرم افزارهای خودکار و هوش مصنوعی

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 25

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EBUCONF30_081

تاریخ نمایه سازی: 26 اردیبهشت 1405

چکیده مقاله:

با گسترش روزافزون کاربرد هوش مصنوعی (AI) و سیستم های خودکار در زیرساخت های حیاتی، پزشکی، مالی و حمل ونقل، ظهور جرایم سایبری و غیرسایبری ناشی از خطاهای الگوریتمی به یکی از بزرگترین چالش های نظام های قضایی مدرن تبدیل شده است. مسئله اصلی این پژوهش، دشواری ها و موانع موجود در مسیر «اثبات تقصیر» علیه طراحان الگوریتم ها، توسعه دهندگان نرم افزار و شرکت های فناوری در دعاوی کیفری است. در حقوق کیفری سنتی، اثبات جرم منوط به اثبات رابطه سببیت مستقیم میان عمل متهم و نتیجه مجرمانه، و همچنین اثبات وجود عنصر روانی (سوءنیت یا غفلت) است. اما در سیستم های هوش مصنوعی، به ویژه آن هایی که از یادگیری عمیق (Deep Learning) بهره می برند، ماهیت «جعبه سیاه» (Black Box)، غیرقابل تفسیر بودن تصمیمات ماشین، و پراکندگی زنجیره تولید (از جمع آوری داده تا استقرار مدل)، اثبات تقصیر را با بن بست های جدی مواجه کرده است. این مقاله با روش توصیفی-تحلیلی و با تکیه بر بررسی تطبیقی قوانین داخلی ایران و اسناد بین المللی، به واکاوی این موانع می پردازد. یافته ها نشان می دهد که سه مانع اصلی در مسیر اثبات تقصیر وجود دارد: اول، «پیچیدگی فنی و عدم شفافیت الگوریتمی» که دسترسی قضات و کارشناسان حقوقی به منطق تصمیم گیری ماشین را غیرممکن یا بسیار دشوار می سازد. دوم، «پراکندگی مسئولیت» (Diffused Responsibility) که در آن تعیین اینکه آیا خطا ناشی از داده های ورودی، کدنویسی ناقص، نقص در سخت افزار، یا استفاده نادرست کاربر بوده، بسیار پیچیده است. سوم، «عدم قطعیت در رابطه سببیت» که به دلیل ماهیت احتمالاتی هوش مصنوعی، اثبات اینکه «اگر الگوریتم متفاوت عمل می کرد، حادثه رخ نمی داد» نیازمند مدل سازی های پیچیده و غیرقطعی دارد. نتایج پژوهش حاکی از آن است که قواعد سنتی اثبات در حقوق کیفری، به ویژه اصل «شک به نفع متهم» (In dubio pro reo)، در مواجهه با پیچیدگی های فنی هوش مصنوعی ممکن است منجر به فرار مجرمان انسانی از مجازات شود یا برعکس، باعث محکومیت ناعادلانه توسعه دهندگانی شود که خطاهای غیرقابل پیش بینی رخ داده است. برای غلبه بر این چالش ها، این مقاله پیشنهاد می کند که قانون گذار با الزام به «قابلیت تفسیرپذیری الگوریتم ها» (Explainable AI - XAI)، ایجاد «سیستم های ثبت رویداد» (Data Logging) مشابه رکوردهای سفر در هواپیما، و تعریف استانداردهای فنی جدید برای «رعایت احتیاط»، بار اثبات را تعدیل کند. همچنین، استفاده از کارشناسان رسمی رایانه با تخصص عمیق در علوم داده و تغییر رویکرد از «اثبات تقصیر مستقیم» به «اثبات عدم رعایت استانداردهای ایمنی صنعتی» می تواند راهگشا باشد.

نویسندگان

معصومه اسفندیاری

۱- مسئول امور حقوقی شهرداری بروجرد