הודעה לעיתונות: מחקר מאוניברסיטת חיפה:
בינה מלאכותית מקבלת החלטות ענישה
אחידות ומדויקות יותר משופטים אנושיים

מחקר שהשווה בין 123 שופטים בדימוס למודלי בינה מלאכותית מצא כי החלטות האלגוריתמים קרובות יותר לממוצע השיפוטי ומפגינות עקביות גבוהה יותר בקביעת עונשי מאסר

במחקר חדש שנערך באוניברסיטת חיפה ופורסם בכתב העת Justice Quarterly, נמצא כי מודלים מתקדמים של בינה מלאכותית מקבלים החלטות ענישה אחידות יותר ומדויקות יותר משופטים אנושיים. מהמחקר עולה כי כאשר שופטים ומודלי בינה מלאכותית נדרשו להכריע במקרים פליליים זהים, החלטות המודלים סטו פחות מהממוצע של כלל השופטים ובכך הציגו רמת עקביות גבוהה יותר בקביעת עונשי מאסר. “לכאורה אין תשובה אחת נכונה לשאלה מה העונש המתאים למקרה מסוים, אבל מצאנו כי אם נניח שהעונש הממוצע שהשופטים האנושיים הטילו במקרה מסוים הוא העונש הנכון, לבינה המלאכותית יש יתרון. העונשים שהיא הציעה היו אחידים יותר וקרובים יותר לעונש הנכון.”, אמר פרופ’ אורן גזל־אייל, מהפקולטה למשפטים באוניברסיטת חיפה, המכהן כיום גם כסגן נשיא ודיקן למחקר באוניברסיטה ומעורכי המחקר.

המחקר הנוכחי מצטרף לדיון ארוך שנים סביב אחת הבעיות המרכזיות של מערכת המשפט הפלילי: פערים בולטים בין שופטים שונים בהחלטות ענישה, גם כאשר מדובר במקרים דומים מאוד. במחקרים שנערכו בעבר נמצא כי שיקול הדעת הרחב המוקנה לשופטים מוביל לעיתים לחוסר אחידות. שופטים שונים מטילים עונשים שונים מאוד בגין עבירות דומות. מציאות זו פוגעת בעקרון השוויון ובאמון הציבור במערכת המשפט. בישראל, שבה אין הנחיות ענישה מחייבות ורוב העבירות מוגדרות באמצעות עונשי מקסימום בלבד, יש קושי מיוחד להבטיח אחידות בענישה. במחקר הנוכחי בקשו פרופ’ אורן גזל-אייל מהפקולטה למשפטים, ד”ר זוהר אליוסף מהפקולטה לחינוך, וד”ר אדיר סלומון מהחוג למערכות מידע באוניברסיטת חיפה, לבדוק אם מודלים מתקדמים של בינה מלאכותית מצליחים להתמודד עם בעיית חוסר האחידות בענישה, ואם העונשים שאותם מודלים מציעים מדויקים יותר מאלו של שופטים אנושיים.

במסגרת המחקר התבקשו 123 שופטים ושופטות בדימוס לקבוע את עונש המאסר הראוי בשני תיקים פליליים מדומים, שנבנו במתכונת של תיקים אמתיים וכללו תיאור מלא של העובדות, סעיפי העבירה, תסקירי שירות מבחן וטיעוני תביעה והגנה. אחד התיקים עסק בעבירת אלימות חמורה והשני בעבירת מין. לאחר מכן, הוצגו אותם תיקים מדומים למספר מודלים מובילים של בינה מלאכותית, בהם: GPT, Gemini ו־Claude, תוך שימוש במספר טכניקות שונות להנדסת פרומפטים. כל מודל הופעל עשרות פעמים באופן עצמאי, כדי לבחון הן את רמת העקביות הפנימית של החלטותיו והן את מידת הקרבה שלהן לממוצע החלטות השופטים. המודלים הופעלו באופן שבו שיחות קודמות לא נשמרו בזיכרון כך שכל קביעה של המודל תהיה מנותקת מקביעה אחרת שתתבסס על אותם נתונים.

מהמחקר עולה כי מודלי הבינה המלאכותית הציגו יתרון מובהק ברמת האחידות של החלטות הענישה בהשוואה לשופטים אנושיים. בקרב השופטים נרשמה שונות רחבה במשך עונשי המאסר שנקבעו לאותם מקרים. כך, בעבירת האלימות העונשים שהטילו השופטים נעו בין חצי שנת מאסר לארבע שנות מאסר, אף שהעובדות שהוצגו לשופטים היו זהות. בעבירת המין העונשים נעו בין עשרה חודשי מאסר לשש שנות מאסר בפועל. לעומת זאת, החלטות המודלים היו אחידות ועקביות יותר וקרובות באופן שיטתי לממוצע הענישה של כלל השופטים. החוקרים מצאו כי בכל המודלים ובכל שיטות ההפעלה שנבחנו הייתה סטיית ההחלטות מהממוצע השיפוטי האנושי קטנה יותר מזו של השופטים עצמם.

החוקרים מדגישים כי הם אינם ממליצים על החלפת שופטים בבינה מלאכותית, אלא מצביעים על פוטנציאל לשימוש במודלים כאלה ככלי עזר שיכול לצמצם פערים אקראיים ולהגביר אחידות בהחלטות ענישה ודיוק בהחלטות שיפוטיות. לדבריהם, ממצאים אלה מעלים שאלות רחבות על שילוב טכנולוגיות מתקדמות במערכת המשפט ועל האופן שבו ניתן לשפר עקביות ושוויון מבלי לפגוע בשיקול הדעת השיפוטי. “כאשר בוחנים את ההחלטות שעליהן המליצו מודלי הבינה המלאכותית מול מדד שמרני במיוחד, המבוסס על ממוצע העונשים שקבעו השופטים עצמם, עולה כי החלטות הבינה המלאכותית אחידות יותר וקרובות יותר לענישה הממוצעת של שופטים אנושיים. המשמעות היא שלא מדובר רק בעקביות טכנית, אלא בהחלטות שמשתלבות בדפוסי הענישה הנהוגים במערכת המשפט. במציאות שבה שופטים שונים מגיעים לעיתים לתוצאות שונות מאוד באותם מקרים, המודלים מציעים דרך לצמצם פערים אקראיים מבלי לסטות מנורמות הענישה המקובלות”, סיכמו החוקרים.

קראו עוד על המחקר בכתבה שפורסמה באתר הארץ