পাকিস্তানের আদালতের মামলায় দেখা গেল, আগে প্রশিক্ষণ থাকলে AI বিচারকদের মামলা-জট কমাতে সাহায্য করে

শুধু অ্যাক্সেস নয়, প্রশিক্ষণই ঠিক করেছে আদালতের AI ফল দেবে কি না

পাকিস্তানের বিচারব্যবস্থায় হওয়া একটি বড় র্যান্ডমাইজড মাঠপর্যায়ের পরীক্ষা ইঙ্গিত দিচ্ছে যে কৃত্রিম বুদ্ধিমত্তা সরকারি খাতের উৎপাদনশীলতা বাড়াতে পারে, তবে কেবল তখনই যখন প্রতিষ্ঠানগুলো মানুষকে এটি ভালোভাবে ব্যবহার করতে প্রশিক্ষণ দেওয়ার জন্য বিনিয়োগ করে। ETH Zurich, Imperial College London, এবং New Economic School-এর গবেষকদের পরিচালিত এই গবেষণায় JudgeGPT নামের একটি AI সহকারীকে 1,559 জন বিচারক এবং 118টি আদালতে পরীক্ষা করা হয়েছে, যা পাকিস্তানের ট্রায়াল কোর্ট বিচারকদের প্রায় অর্ধেক।

মূল ফলাফলটি শুধু এই ছিল না যে AI সাহায্য করেছে। আসল কথা ছিল, শুধুমাত্র অ্যাক্সেস খুব সামান্যই কাজ করেছে। যারা সিস্টেমে প্রবেশাধিকার পাওয়ার পাশাপাশি লক্ষ্যভিত্তিক প্রশিক্ষণও পেয়েছিলেন, তারা এটি অনেক বেশি ব্যবহার করেছেন এবং মামলার নিষ্পত্তিতে পরিমাপযোগ্য অগ্রগতির সঙ্গে যুক্ত ছিলেন। উৎস উপাদানে দেওয়া গবেষণা সারাংশ অনুযায়ী, প্রশিক্ষণপ্রাপ্ত বিচারকদের মাঝারি এক্সপোজার থাকা জেলাগুলো বছরে প্রায় 1,848টি অতিরিক্ত মামলা নিষ্পত্তি করেছে, যা 6.3 শতাংশ বৃদ্ধির সমান।

এটি পাকিস্তানের বাইরেও পরীক্ষাটিকে উল্লেখযোগ্য করে তোলে। বিশ্বের বিভিন্ন সরকার আইনি গবেষণা, মামলা ব্যবস্থাপনা, নথি খসড়া, এবং প্রশাসনিক সহায়তার জন্য বড় ভাষা মডেল পরীক্ষা করছে। এই ট্রায়াল যা যোগ করে তা হলো আরও স্পষ্ট একটি অপারেশনাল শিক্ষা: স্থাপন কৌশল মডেলটির মতোই গুরুত্বপূর্ণ।

চাপে থাকা বিচারব্যবস্থা একটি কঠিন পরীক্ষার ক্ষেত্র দিয়েছিল

পাকিস্তানের আদালত ব্যবস্থা এমন একটি পরিবেশ সরবরাহ করেছিল যেখানে সামান্য উৎপাদনশীলতা বৃদ্ধিও গুরুত্বপূর্ণ হতে পারত। গবেষকদের মতে, দেশটিতে প্রতি 100,000 জনে দুইজনেরও কম বিচারক রয়েছে, যেখানে ইউরোপীয় ইউনিয়নে 22 এবং ইংল্যান্ড ও ওয়েলসে 30। 2024 সালের শেষে 22.6 লাখ মামলা pending ছিল, যার 82 শতাংশ ছিল ট্রায়াল কোর্টে।

এই পরিসংখ্যানগুলো এমন একটি ব্যবস্থার দিকে ইঙ্গিত করে যা তীব্র চাপ, সীমিত জনবল, এবং অপ্রতুল প্রযুক্তিগত সহায়তার মধ্যে কাজ করছে। পরীক্ষার আগে, মাত্র প্রায় এক-চতুর্থাংশ বিচারক কখনও ChatGPT-এর মতো কোনও বড় ভাষা মডেল ব্যবহার করেছিলেন। এটি গুরুত্বপূর্ণ, কারণ এতে বোঝা যায় যে গবেষণাটি ডিজিটালি পরিণত কোনও আমলাতন্ত্রে পাওয়ার ইউজারদের মধ্যে AI পরীক্ষা করেনি। বরং এমন একটি বাস্তব আদালত ব্যবস্থায় পরীক্ষা করা হয়েছে, যেখানে সময়, জনবল, এবং প্রযুক্তিগত পরিচিতি - সবই সীমিত ছিল - একটি বিশেষায়িত সহকারী পার্থক্য গড়ে তুলতে পারে কি না।

JudgeGPT নিজেই OpenAI-এর GPT-4-এর ওপর নির্মিত ছিল এবং retrieval-augmented generation-এর মাধ্যমে পাকিস্তানি ট্রায়াল কোর্টের জন্য অভিযোজিত হয়েছিল। উৎস পাঠ অনুযায়ী, এটি 129,235টি নথির একটি ডাটাবেস অনুসন্ধান করেছিল, যার মধ্যে 128,292টি আদালতের রায় এবং 943টি পাকিস্তানি আইন ছিল। প্রতিটি প্রশ্নের জন্য সিস্টেমটি সবচেয়ে প্রাসঙ্গিক 10টি অংশ বেছে নিয়ে উদ্ধৃতিসহ উত্তর তৈরি করত।

এই নকশাটি গুরুত্বপূর্ণ, কারণ এটি মডেলের কাজকে সংকুচিত করে। সাধারণ উদ্দেশ্যের মডেলকে স্মৃতি থেকে আইনি বিশ্লেষণ বানাতে বলার বদলে, সিস্টেমটি উত্তরগুলোকে নির্ধারিত স্থানীয় আইনি উপকরণের সংগ্রহে ভিত্তি দিয়েছে। বাস্তবে, এর মানে এই টুলটি স্বয়ংসম্পূর্ণ বিচারক হিসেবে নয়, বরং গবেষণা ও খসড়া সহায়ক হিসেবে অবস্থান করেছিল।

সবচেয়ে বড় লাভ এসেছে কাঠামোবদ্ধ নির্দেশনা থেকে

গবেষকেরা বিচারকদের তিনটি দলে ভাগ করেন। একটি দল JudgeGPT অ্যাক্সেসের পাশাপাশি তিন সপ্তাহে ছয়টি 90-মিনিটের বক্তৃতা নিয়ে গঠিত লক্ষ্যভিত্তিক প্রশিক্ষণ পায়। ওই সেশনগুলোতে কোন কাজের জন্য টুলটি উপযুক্ত, এর সীমাবদ্ধতা কোথায়, এবং কীভাবে এর আউটপুট যাচাই করতে হয় তা আলোচনা করা হয়। দ্বিতীয় দল একই AI সিস্টেমে অ্যাক্সেস পায়, কিন্তু প্রযুক্তি ও আইন নিয়ে একটি সাধারণ সেমিনারই কেবল পায়। নিয়ন্ত্রণ দলটি JudgeGPT অ্যাক্সেস ছাড়াই সেই সেমিনারে অংশ নেয়।

এই দলগুলোর পার্থক্যই মূল আবিষ্কার। লক্ষ্যভিত্তিক প্রশিক্ষণ পাওয়া বিচারকেরা কেবল সাধারণ সেমিনার পাওয়া বিচারকদের তুলনায় প্রায় চার গুণ বেশি সিস্টেমটি ব্যবহার করেছেন। 40 সপ্তাহ পর, প্রশিক্ষিত দলের গড় লগইন ছিল প্রায় 60 এবং 200-এর বেশি prompts। তুলনামূলক দলের গড় ছিল প্রায় 20 লগইন এবং 50-এর কম prompts।

ব্যবহারের এই ব্যবধান সিস্টেম-স্তরের ফলাফলে রূপ নেয়। বেশি প্রশিক্ষণপ্রাপ্ত বিচারক থাকা জেলাগুলো উল্লেখযোগ্যভাবে বেশি মামলা নিষ্পত্তি করেছে। এমনকি এক্সপোজারের নিচের চতুর্থাংশে থাকা জেলাগুলোও, রিপোর্ট করা ফলাফল অনুযায়ী, বছরে প্রায় 616টি অতিরিক্ত মামলা নিষ্পত্তি করেছে।

এর তাৎপর্য সহজ। প্রতিষ্ঠানে AI গ্রহণ শুধু সফটওয়্যার রোলআউটের সমস্যা নয়। এটি workflow এবং সক্ষমতার সমস্যা। ব্যবহারিক নির্দেশনা ছাড়া ব্যবহারকারীরা সিস্টেমটি কম ব্যবহার করতে পারেন, কোথায় এটি সহায়ক তা ভুল বুঝতে পারেন, অথবা গুরুত্বপূর্ণ কাজে এর ওপর নির্ভর করা এড়িয়ে যেতে পারেন। প্রশিক্ষণের সঙ্গে, একই মডেল দৈনন্দিন সিদ্ধান্ত-সহায়তার অংশ হয়ে উঠতে পারে।

মানের অবনতি দেখা যায়নি

আদালতে উৎপাদনশীলতা বাড়লেও তা যদি বিচারমান বা ন্যায্যতার ক্ষতিতে হতো, তবে তার তেমন মূল্য থাকত না। উৎস পাঠ অনুযায়ী রায়ের মান স্থির ছিল বা সামান্য উন্নত হয়েছে। নিষ্পত্তিকৃত প্রতি 1,000 মামলায় আপিলের হার সামান্য কমেছে, আর বিচারকদের কাজের ঘণ্টা ও work-life balance-এ উল্লেখযোগ্য পরিবর্তন হয়নি।

এই ফলাফল বিচারিক AI-সম্পর্কিত সব উদ্বেগের সমাধান করে না, তবে একটি সাধারণ ভয়কে কিছুটা পরিষ্কার করে: দ্রুত আউটপুট মানেই নড়বড়ে সিদ্ধান্ত। এই পরীক্ষায়, রিপোর্ট করা লাভগুলো দীর্ঘ কর্মঘণ্টা বা স্পষ্ট মানহ্রাস থেকে আসেনি। বরং তা এসেছে আরও দক্ষ গবেষণা ও মামলা পরিচালনা থেকে।

যে নীতিনির্ধারকেরা অতিরিক্ত চাপগ্রস্ত আদালত, সংস্থা, বা public defender office-এ অনুরূপ টুল বিবেচনা করছেন, তাদের জন্য এই পার্থক্যটি গুরুত্বপূর্ণ। যদি AI প্রাসঙ্গিক precedent দেখাতে, নথি সংক্ষিপ্ত করতে, এবং সহায়ক উপাদান খসড়া করতে ব্যবহার হয়, তবে চূড়ান্ত আইনগত দায়িত্ব বিচারকদের কাছ থেকে সরিয়ে না দিয়েই bottleneck কমাতে পারে।

অর্থনৈতিক হিসাব এই ফলাফলকে উপেক্ষা করা কঠিন করে তোলে

গবেষণাটি অনুমান করেছে যে বিনিয়োগ করা প্রতিটি ডলারের জন্য প্রায় $38.50 সাশ্রয় হবে, যা একই পরিমাণ মামলা নিষ্পত্তি বৃদ্ধির জন্য অতিরিক্ত বিচারক নিয়োগের সমতুল্য ব্যয়ের ভিত্তিতে নির্ধারিত। এই সংখ্যাটিকে নিশ্চিত বাজেট ফলাফল নয়, বরং একটি অনুমান হিসেবে পড়া উচিত, তবে এটি ব্যাখ্যা করে কেন সরকারি প্রতিষ্ঠানগুলো এই ধরনের সিস্টেম পরীক্ষা চালিয়ে যেতে পারে।

অনেক দেশে বিচারক, কেরানি, বা আইনি গবেষক যোগ করা ব্যয়বহুল এবং ধীর। বিদ্যমান বিচারকদের একটি সীমিতভাবে নকশাকৃত AI সহকারী ব্যবহার করতে শেখানো সস্তা ও দ্রুত হতে পারে, বিশেষত যখন মামলার backlog রাজনৈতিকভাবে স্পর্শকাতর এবং প্রতিষ্ঠানগতভাবে ক্ষতিকর। এমন একটি টুল যা কাজের গতি বাড়ায় কিন্তু কাজের ঘণ্টা বাড়ায় না বা আপিলের মান খারাপ করে না, তা পাকিস্তানের বাইরেও নজর কাড়বে।

তবু, উৎস উপাদান একটি সতর্কতাও দেখায় যা সাধারণীকরণ করা যায়। এই হস্তক্ষেপ কাজ করেছে কারণ এতে মডেল অ্যাক্সেস, কিউরেটেড আইনি retrieval, এবং সীমাবদ্ধতা ও যাচাই নিয়ে সচেতন নির্দেশনা একত্রিত হয়েছিল। এই উপাদানগুলো বাদ দিলে উৎপাদনশীলতা বৃদ্ধির যুক্তি অনেক দুর্বল হয়ে যায়।

আদালতের বাইরেও গবেষণাটি কেন গুরুত্বপূর্ণ

এই পরীক্ষার বৃহত্তর তাৎপর্য এই নয় যে AI আইনগত বিচার প্রতিস্থাপন করতে পারে। বরং এটি দেখায় যে সুসংকুচিত AI সিস্টেমগুলো যথেষ্ট অপারেশনাল শৃঙ্খলার সঙ্গে চালু করা হলে চাপে থাকা প্রতিষ্ঠানগুলোর কর্মক্ষমতা উন্নত করতে পারে। এই শিক্ষা আদালতের ক্ষেত্রেই নয়, কর দপ্তর, সুবিধা ব্যবস্থা, হাসপাতাল, স্কুল, এবং নিয়ন্ত্রক সংস্থার ক্ষেত্রেও প্রযোজ্য: মানব গ্রহণ এখানে কেন্দ্রীয় ভেরিয়েবল, পরের চিন্তা নয়।

জেনারেটিভ AI নিয়ে জনআলোচনার বড় অংশ এখনও hype এবং dismissal-এর মধ্যে দুলছে। এই গবেষণা আরও কার্যকর একটি জায়গায় নেমে এসেছে। এটি ইঙ্গিত করে যে প্রযুক্তিটি কঠিন একটি সরকারি পরিবেশে বাস্তব লাভ দিতে পারে, তবে কেবল সেই শর্তে যা সেই লাভগুলোকে সম্ভব করে: domain-specific retrieval, স্পষ্ট সুরক্ষা, এবং এমন প্রশিক্ষণ যা ব্যবহারকারীদের শেখায় টুলটি কী করতে পারে এবং কী একা ভরসা করা উচিত নয়।

উচ্চ-ঝুঁকির প্রশাসনিক ব্যবস্থায় AI থাকা উচিত কি না, তা ভেবে দেখছে এমন সরকারের জন্য, এটিই সম্ভবত সবচেয়ে গুরুত্বপূর্ণ ফল। রিটার্নটি মডেল স্থাপন করে পরিবর্তনের অপেক্ষা থেকে আসেনি। এটি এসেছে AI-কে এমন একটি প্রতিষ্ঠানগত সক্ষমতা হিসেবে দেখার মাধ্যমে, যাকে শেখাতে, একীভূত করতে, এবং যাচাই করতে হয়।

এই নিবন্ধটি The Decoder-এর প্রতিবেদনের ওপর ভিত্তি করে। মূল নিবন্ধটি পড়ুন.