در دهه‌های اخیر، حوزه پردازش زبان طبیعی (NLP) شاهد پیشرفت‌های چشمگیری بوده است. مدل‌های زبانی پیشرفته، به‌ویژه معماری‌های مبتنی بر ترنسفورمر، توانسته‌اند معیارهای جدیدی را در طیف وسیعی از کاربردها، از ترجمه ماشینی گرفته تا تحلیل احساسات، ثبت کنند. با این حال، یکی از بزرگترین چالش‌ها در این حوزه، کمبود داده‌های برچسب‌گذاری‌شده و استاندارد در حوزه‌های تخصصی است. هنگامی که پژوهشگران، وکلا، یا مورخان به تحلیل متون در زمینه‌هایی مانند اسناد حقوقی یا تاریخی می‌پردازند، اغلب با فقدان ابزارهای مناسب و مجموعه‌داده‌های آماده مواجه می‌شوند.

مقاله «مجموعه داده جدیدی برای طبقه‌بندی موضوعی پاراگراف‌ها در رونوشت‌های دادگاهی مرتبط با نسل‌کشی» نوشته میریام شیرمر، اودو کروشویتز و گرگور دوناباور، تلاشی ارزشمند برای پر کردن این خلاء در یکی از حساس‌ترین و مهم‌ترین حوزه‌های مطالعاتی، یعنی تحقیقات مرتبط با نسل‌کشی، است. اهمیت این مقاله در سه جنبه اصلی نهفته است:

• ارائه اولین پیکره مرجع: این مقاله برای نخستین بار یک پیکره متنی برچسب‌گذاری‌شده از رونوشت‌های دادگاه‌های نسل‌کشی به نام GTC (Genocide Transcript Corpus) را معرفی می‌کند که می‌تواند به عنوان یک منبع استاندارد برای تحقیقات آتی مورد استفاده قرار گیرد.
• ایجاد محک‌زنی (Benchmark): با استفاده از جدیدترین مدل‌های پردازش زبان طبیعی، نویسندگان یک عملکرد پایه برای وظیفه طبقه‌بندی پاراگراف‌ها (به‌ویژه شناسایی اظهارات شهود مرتبط با خشونت) ایجاد می‌کنند. این محک‌زنی به پژوهشگران آینده اجازه می‌دهد تا روش‌های خود را با یک استاندارد مشخص مقایسه کنند.
• هموارسازی مسیر برای کاربردهای عملی: این تحقیق، فناوری پیشرفته زبان را در دسترس متخصصانی مانند وکلا، قضات و مورخان قرار می‌دهد تا بتوانند حجم عظیمی از اسناد را به صورت کارآمد تحلیل و جستجو کنند. این امر به طور مستقیم به شعار «فناوری زبان برای همه» (Language Technology for All) کمک می‌کند.

نویسندگان این مقاله، میریام شیرمر، اودو کروشویتز و گرگور دوناباور، پژوهشگرانی فعال در حوزه تلاقی علوم کامپیوتر، زبان‌شناسی محاسباتی و بازیابی اطلاعات هستند. تخصص آن‌ها در استفاده از تکنیک‌های پیشرفته NLP برای حل مسائل در دامنه‌های خاص و کم‌منبع، در این مقاله به وضوح مشهود است. زمینه اصلی این تحقیق، پل زدن میان دنیای پیچیده اسناد حقوقی و تاریخی با قابلیت‌های هوش مصنوعی است. تحلیل رونوشت‌های دادگاهی مرتبط با جنایات علیه بشریت، به دلیل حجم بالا، زبان تخصصی و حساسیت محتوایی، چالشی بزرگ محسوب می‌شود که ابزارهای سنتی قادر به مدیریت آن نیستند. این مقاله تلاشی برای ارائه راهکارهای محاسباتی جهت تسهیل این فرآیند است.

مقاله حاضر به معرفی و ارزیابی پیکره GTC می‌پردازد؛ اولین مجموعه داده برچسب‌گذاری‌شده از رونوشت‌های دادگاه‌های مرتبط با نسل‌کشی. هدف اصلی این پیکره، فراهم آوردن یک منبع داده استاندارد برای آموزش و ارزیابی مدل‌های هوش مصنوعی است. نویسندگان وظیفه‌ای مشخص را تعریف کرده‌اند: طبقه‌بندی موضوعی پاراگراف‌ها. در این وظیفه، یک مدل NLP باید بتواند به طور خودکار تشخیص دهد که یک پاراگراف از متن رونوشت دادگاه به چه موضوعی تعلق دارد؛ به‌ویژه، آیا حاوی «اظهارات شاهد مرتبط با خشونت» است یا خیر.

برای این منظور، آن‌ها از پیشرفته‌ترین رویکردهای مبتنی بر ترنسفورمر (مانند مدل‌های خانواده BERT) استفاده کرده و عملکرد این مدل‌ها را بر روی پیکره GTC سنجیده‌اند تا یک معیار پایه (Benchmark) برای مقایسه‌های آتی ایجاد کنند. علاوه بر این، مقاله گام‌های اولیه در زمینه یادگیری انتقال (Transfer Learning) را در این حوزه بررسی می‌کند. یادگیری انتقال به این معناست که آیا می‌توان دانشی را که یک مدل از تحلیل یک مجموعه اسناد (مثلاً دادگاه نسل‌کشی رواندا) کسب کرده است، به مجموعه اسناد دیگری (مثلاً دادگاه یوگسلاوی سابق) منتقل کرد؟ این امر برای حوزه‌هایی که داده‌های برچسب‌گذاری‌شده کمیاب هستند، بسیار حیاتی است.

فرآیند تحقیق در این مقاله شامل چندین مرحله کلیدی است که با دقت طراحی و اجرا شده‌اند:

• جمع‌آوری و آماده‌سازی داده‌ها: اولین گام، جمع‌آوری رونوشت‌های عمومی دادگاه‌های بین‌المللی مرتبط با نسل‌کشی بود. این اسناد اغلب در فرمت‌های مختلف و با ساختارهای متفاوتی وجود دارند. تیم تحقیق این اسناد را پاکسازی کرده و به واحدهای معنادار (پاراگراف) تقسیم کرده است تا برای برچسب‌گذاری آماده شوند.
• فرآیند برچسب‌گذاری (Annotation): این مرحله حساس‌ترین و مهم‌ترین بخش کار است. در اینجا، متخصصان انسانی (احتمالاً حقوقدانان یا مورخان آشنا با موضوع) هر پاراگراف را مطالعه کرده و برچسب موضوعی مناسب را به آن اختصاص داده‌اند. به عنوان مثال، برچسب‌ها می‌توانستند شامل «اظهارات شاهد درباره خشونت»، «بحث‌های رویه‌ای و حقوقی»، «معرفی شواهد» یا «پیشینه تاریخی» باشند. این مجموعه داده برچسب‌گذاری‌شده، به عنوان «استاندارد طلایی» (Gold Standard) عمل می‌کند که مدل‌های هوش مصنوعی بر اساس آن آموزش دیده و ارزیابی می‌شوند.
• انتخاب و آموزش مدل: نویسندگان از مدل‌های ترنسفورمر که در درک زمینه و روابط معنایی کلمات در جملات بسیار قدرتمند هستند، استفاده کرده‌اند. این مدل‌ها ابتدا بر روی حجم عظیمی از متون عمومی (مانند ویکی‌پدیا) پیش‌آموزش دیده‌اند و سپس بر روی مجموعه داده تخصصی GTC «تنظیم دقیق» (Fine-tuning) شده‌اند. این فرآیند به مدل اجازه می‌دهد تا زبان و الگوهای خاص موجود در رونوشت‌های دادگاهی را بیاموزد.
• ارزیابی عملکرد: برای سنجش دقت مدل، از معیارهای استاندارد طبقه‌بندی مانند دقت (Accuracy)، بازیابی (Recall) و امتیاز F1 استفاده شده است. نتایج به دست آمده به عنوان یک «عملکرد مبنا» ثبت شده‌اند. این بدان معناست که هر پژوهشگر دیگری که در آینده روش جدیدی را پیشنهاد دهد، می‌تواند نتایج خود را با این معیار اولیه مقایسه کند تا میزان پیشرفت را بسنجد.

اگرچه مقاله کامل جزئیات بیشتری را ارائه می‌دهد، اما بر اساس چکیده می‌توان یافته‌های اصلی را به شرح زیر استنتاج کرد:

• اثربخشی مدل‌های ترنسفورمر: نتایج به احتمال زیاد نشان می‌دهند که مدل‌های مدرن NLP، حتی با وجود داده‌های محدود، قادر به انجام وظیفه طبقه‌بندی پاراگراف‌ها با دقت بالایی هستند. این امر پتانسیل بالای این فناوری‌ها را برای کاربرد در حوزه‌های تخصصی حقوقی و علوم انسانی تأیید می‌کند.
• ایجاد یک معیار قابل اتکا: مقاله با موفقیت یک معیار عملکرد پایه برای وظیفه شناسایی اظهارات مرتبط با خشونت در متون دادگاهی ایجاد کرده است. این دستاورد، زمینه را برای رقابت علمی و بهبود مستمر در آینده فراهم می‌سازد.
• چالش‌ها و فرصت‌ها در یادگیری انتقال: بررسی‌های اولیه در زمینه یادگیری انتقال احتمالاً نشان داده است که انتقال دانش بین دادگاه‌های مختلف (مثلاً از رواندا به کامبوج) ممکن است با چالش‌هایی همراه باشد، اما مسیرهای امیدوارکننده‌ای را برای تحقیقات آینده باز می‌کند. ممکن است زبان حقوقی، زمینه‌های فرهنگی و انواع خاص جنایات، نیازمند تنظیمات ویژه‌ای در مدل‌ها باشند.
• اهمیت پیکره GTC: مهم‌ترین یافته، خودِ پیکره GTC است. این منبع داده، به عنوان یک زیرساخت تحقیقاتی، ارزشی پایدار برای جامعه پژوهشی خواهد داشت.

دستاوردها و کاربردهای عملی این تحقیق بسیار گسترده و تأثیرگذار هستند:

• تسهیل کار حقوقدانان و دادستان‌ها: وکلا و محققان حقوقی اغلب با هزاران صفحه از رونوشت‌های دادگاهی روبرو هستند. یک ابزار مبتنی بر این مدل می‌تواند به سرعت تمام پاراگراف‌های مرتبط با یک موضوع خاص (مانند شهادت در مورد یک حمله مشخص) را استخراج کند. این امر فرآیند یافتن شواهد و آماده‌سازی پرونده را به شدت تسریع می‌بخشد.
• توانمندسازی مورخان و پژوهشگران علوم اجتماعی: مورخان می‌توانند از این فناوری برای تحلیل الگوهای روایی در شهادت‌ها، بررسی نحوه توصیف خشونت در دادگاه‌ها، و مطالعه کمی و کیفی حجم عظیمی از اسناد تاریخی که پیش از این غیرقابل مدیریت بود، استفاده کنند.
• افزایش دسترسی به عدالت و حقیقت: با پردازش سریع‌تر و دقیق‌تر اسناد، فرآیندهای قضایی می‌توانند کارآمدتر شوند. همچنین، این ابزارها به سازمان‌های حقوق بشری و روزنامه‌نگاران تحقیقی کمک می‌کنند تا شواهد مربوط به جنایات جنگی را در آرشیوهای بزرگ اسناد پیدا کنند.
• پیشرفت در حوزه NLP: این مقاله با تمرکز بر یک دامنه چالش‌برانگیز، مرزهای دانش در پردازش زبان طبیعی را گسترش می‌دهد و نشان می‌دهد که چگونه می‌توان این فناوری را برای حل مسائل مهم اجتماعی به کار گرفت. این تحقیق نمونه‌ای برجسته از هوش مصنوعی برای خیر اجتماعی (AI for Social Good) است.

مقاله «مجموعه داده جدیدی برای طبقه‌بندی موضوعی پاراگراف‌ها در رونوشت‌های دادگاهی مرتبط با نسل‌کشی» یک گام بنیادی و مهم در جهت استفاده از قدرت پردازش زبان طبیعی برای تحلیل اسناد حقوقی و تاریخی است. با ارائه پیکره GTC، نویسندگان نه تنها یک منبع داده ارزشمند را به جامعه علمی هدیه کرده‌اند، بلکه با ایجاد یک معیار عملکرد پایه، نقشه راهی برای تحقیقات آتی ترسیم نموده‌اند.

این پژوهش نشان می‌دهد که چگونه می‌توان با ترکیب تخصص دامنه‌ای (حقوق و تاریخ) و مهارت فنی (هوش مصنوعی)، ابزارهایی ساخت که به طور مستقیم به پیشبرد عدالت، حفظ حافظه تاریخی و توانمندسازی متخصصان در حوزه‌های علوم انسانی کمک می‌کنند. این کار تأکیدی است بر اینکه فناوری زبان نباید محدود به کاربردهای تجاری باقی بماند، بلکه می‌تواند و باید برای مواجهه با برخی از مهم‌ترین چالش‌های بشری به کار گرفته شود.