Palisades തീപിടുത്തക്കേസിൽ തെളിവായി ഉപയോഗിച്ച ChatGPT ലോഗുകൾ വിചാരണ പാതിവഴിയിൽ നിലയ്ക്കാൻ കാരണമായി
AI-യും നിയമവ്യവസ്ഥയും തമ്മിലുള്ള സംഗമത്തിന്റെ ചരിത്രപരമായ ഒരു നിമിഷത്തിൽ, ജോനാഥൻ റിൻഡർനെക്റ്റിന്റെ (Jonathan Rinderknecht) വിചാരണയിൽ ChatGPT സംഭാഷണ ലോഗുകൾ പ്രധാന തെളിവായി ഉപയോഗിക്കാൻ പ്രോസിക്യൂട്ടർമാർ ശ്രമിച്ചു. ലോസ് ഏഞ്ചൽസിലെ 2025 ജനുവരി 1-ന് ഉണ്ടായ വിനാശകരമായ കാട്ടുതീയുമായി ബന്ധപ്പെട്ട തീപിടുത്ത കുറ്റങ്ങളാണ് പ്രതി നേരിടുന്നത്. കോടതിമുറിയിൽ ഡിജിറ്റൽ അടയാളങ്ങൾ (digital footprints) എങ്ങനെ വ്യാഖ്യാനിക്കപ്പെടുന്നു എന്നതിനെ സംബന്ധിച്ച ഒരു സുപ്രധാന നിമിഷമാണിത്.
തീപിടുത്തക്കേസിലെ ഡിജിറ്റൽ തെളിവുകൾ
പരമ്പരാഗത ഫോറൻസിക് രീതികളും ആധുനിക AI സംഭാഷണ ചരിത്രവും സംയോജിപ്പിച്ചുകൊണ്ടുള്ളതായിരുന്നു പ്രോസിക്യൂഷന്റെ തന്ത്രം. അന്വേഷണ ഉദ്യോഗസ്ഥർ iPhone ലൊക്കേഷൻ ഡാറ്റ, സെക്യൂരിറ്റി ക്യാമറ ദൃശ്യങ്ങൾ, സാക്ഷിമൊഴികൾ എന്നിവ ഉപയോഗിച്ച് സംഭവങ്ങളുടെ സമയക്രമം തയ്യാറാക്കിയപ്പോൾ, പ്രതിയുടെ ഉദ്ദേശ്യവും മാനസികാവസ്ഥയും തെളിയിക്കുന്നതിനായി റിൻഡർനെക്റ്റിന്റെ ChatGPT ലോഗുകളും അവർ ഉൾപ്പെടുത്തി.
കോടതി റിപ്പോർട്ടുകൾ പ്രകാരം, കുറ്റം മുൻകൂട്ടി പ്ലാൻ ചെയ്തതാണെന്നോ അല്ലെങ്കിൽ പ്രതിയുടെ മാനസികാവസ്ഥ അസ്ഥിരമാണെന്നോ സൂചിപ്പിക്കാനായി ചാറ്റ്ബോട്ടുമായുള്ള ചില പ്രത്യേക സംഭാഷണങ്ങൾ പ്രോസിക്യൂട്ടർമാർ ചൂണ്ടിക്കാട്ടി. തീപിടുത്തത്തിന്റെ ചിത്രങ്ങൾ നിർമ്മിക്കാൻ റിൻഡർനെക്റ്റ് ChatGPT ഉപയോഗിച്ചതായും, “എന്തുകൊണ്ടാണ് ഞാൻ എപ്പോഴും ഇത്ര ദേഷ്യത്തിലാകുന്നത്?” തുടങ്ങിയ വ്യക്തിപരമായ ചോദ്യങ്ങൾ AI-യോട് ചോദിച്ചതായും ആരോപണമുണ്ട്. കൂടാതെ, ഉപേക്ഷിച്ച സിഗരറ്റ് കത്തുന്നത് മൂലമുണ്ടാകുന്ന തീയിൽ ഒരാൾക്ക് ഉത്തരവാദിത്തം ഉണ്ടോ എന്ന് പ്രതി ചോദിച്ചതിന്റെ സ്ക്രീൻ റെക്കോർഡിംഗും പ്രോസിക്യൂട്ടർമാർ ചൂണ്ടിക്കാട്ടി. സമ്പന്നർ ലോകത്തെ നശിപ്പിക്കുന്നു എന്നതിനെക്കുറിച്ച് AI-യോട് പ്രതി നടത്തിയ പരാതികളും അവർ ഉദ്ധരിച്ചു.
ജൂറിയുടെ സംശയം തിരിച്ചും AI സംഭാഷണങ്ങളുടെ യാഥാർത്ഥ്യവും
AI പ്രോംപ്റ്റുകളിലൂടെ പ്രതി ഒരു അസ്വസ്ഥനായ വ്യക്തിയാണെന്ന് ചിത്രീകരിക്കാനുള്ള പ്രോസിക്യൂഷന്റെ ശ്രമങ്ങൾ ഫലിച്ചില്ല; ജൂറി അവയെ പൂർണ്ണമായും വിശ്വസിച്ചില്ല. "ജിജ്ഞാസ/വികാരങ്ങൾ പ്രകടിപ്പിക്കൽ" (curiosity/venting) എന്നതും "കുറ്റകൃത്യം ചെയ്യാനുള്ള ഉദ്ദേശ്യം" (criminal intent) എന്നതും തമ്മിലുള്ള വ്യത്യാസം തെളിയിക്കുന്നതിൽ ഈ തെളിവുകൾ പരാജയപ്പെട്ടു, ഇത് വിധി പ്രസ്താവിക്കുന്നതിൽ തടസ്സമുണ്ടാക്കി.
പ്രതിഭാഗത്തിന് അനുകൂലമായി 10-2 എന്ന വോട്ടെടുപ്പിലൂടെ ജൂറി തീരുമാനമെടുത്തതോടെ വിചാരണ പാതിവഴിയിൽ നിലയ്ക്കുകയായിരുന്നു (mistrial). നിയമപരമായ തന്ത്രങ്ങളും സാങ്കേതിക ഉപയോക്താക്കളുടെ ദൈനംദിന ജീവിതവും തമ്മിലുള്ള വലിയ വ്യത്യാസം വിധിക്ക് ശേഷമുള്ള ജൂറി അംഗങ്ങളുടെ മൊഴികളിൽ നിന്ന് വ്യക്തമായി. താൻ നിരന്തരം ChatGPT ഉപയോഗിക്കുന്ന ആളാണെന്നും, ലോഗുകൾ ഉപയോഗിച്ച് ഒരാളുടെ സ്വഭാവദൂഷ്യങ്ങൾ ആരോപിക്കുന്നത് യുക്തിരഹിതമാണെന്നും ഒരു ജൂറി അംഗം പ്രസ്താവിച്ചു. ഒരു ഉപയോക്താവും LLM-ഉം തമ്മിലുള്ള ബന്ധം പ്രോസിക്യൂട്ടർമാർ കരുതുന്നതിനേക്കാൾ സങ്കീർണ്ണമാണെന്ന് ഈ സംശയം സൂചിപ്പിക്കുന്നു.
AI-യും നിയമവ്യവസ്ഥയും നേരിടുന്ന വെല്ലുവിളികൾ
നിയമ-സാങ്കേതിക മേഖലകളിൽ ഈ കേസ് ഒരു പ്രധാന പഠനവിഷയമാണ്. LLM-കൾ ദൈനംദിന ജീവിതത്തിന്റെ ഭാഗമായി മാറുന്നതോടെ, അവ അവശേഷിപ്പിക്കുന്ന "സംഭാഷണ അടയാളങ്ങൾ" (conversational footprint) ഡിജിറ്റൽ ഫോറൻസിക്സിന്റെ പുതിയ മേഖലയായി മാറുകയാണ്.
ഡെവലപ്പർമാർക്കും നിയമവിദഗ്ധർക്കും ഈ വിചാരണ ഒരു വലിയ വെല്ലുവിളി ഉയർത്തുന്നു: മനുഷ്യനും AI-യും തമ്മിലുള്ള സർഗ്ഗാത്മകമോ, ജിജ്ഞാസയുള്ളതോ, അല്ലെങ്കിൽ വെറുതെ വികാരങ്ങൾ പ്രകടിപ്പിക്കാനോ ഉള്ള സംഭാഷണങ്ങളിൽ നിന്നും കുറ്റകൃത്യം മുൻകൂട്ടി പ്ലാൻ ചെയ്തതിന്റെ തെളിവുകളെ എങ്ങനെ വേർതിരിക്കാം എന്നതാണ് ഇത്. AI ഉപകരണങ്ങൾ വെറുമൊരു വിനോദത്തിൽ നിന്ന് അത്യന്താപേക്ഷിതമായ സേവനങ്ങളായി മാറുന്നതോടെ, "context collapse"—അഥവാ നിരുപദ്രവകരമായ പ്രോംപ്റ്റുകൾ നിയമപരമായ സാഹചര്യങ്ങളിൽ അവയുടെ യഥാർത്ഥ അർത്ഥം നഷ്ടപ്പെട്ട് തെറ്റായി വ്യാഖ്യാനിക്കപ്പെടാനുള്ള സാധ്യത—ഡിജിറ്റൽ സ്വകാര്യതയ്ക്കും നീതിനിർവ്വഹണത്തിനും വലിയ ആശങ്കയുണ്ടാക്കുന്നു.
പ്രധാന കാര്യങ്ങൾ
- തെളിവുകളുടെ സങ്കീർണ്ണത: തീപിടുത്തക്കേസിൽ കുറ്റകൃത്യം ചെയ്യാനുള്ള ഉദ്ദേശ്യം തെളിയിക്കാൻ AI നിർമ്മിച്ച ചിത്രങ്ങളും ദാർശനികമായ ചോദ്യങ്ങളും ഉപയോഗിക്കാൻ പ്രോസിക്യൂട്ടർമാർ ശ്രമിച്ചു.
- ജൂറിയും ഉപയോക്താക്കളും തമ്മിലുള്ള വ്യത്യാസം: പ്രതിയെ കുറ്റക്കാരനാക്കാൻ ജൂറിക്ക് സാധിക്കാത്തത്, AI ഉപയോക്താക്കൾ ചാറ്റ്ബോട്ട് സംഭാഷണങ്ങളെ സ്വഭാവം തെളിയിക്കാനുള്ള വിശ്വസനീയമായ തെളിവായി കാണുന്നില്ല എന്നതിനെ സൂചിപ്പിക്കുന്നു.
- നിയമപരമായ മുൻതൂക്കം: മനുഷ്യനും LLM-ഉം തമ്മിലുള്ള സംഭാഷണങ്ങളിലെ മനഃശാസ്ത്രപരമായ സൂക്ഷ്മതകൾ വ്യാഖ്യാനിക്കുന്നതിൽ നിയമവ്യവസ്ഥ നേരിടുന്ന വലിയ വെല്ലുവിളിയെ ഈ മിസ്ട്രയൽ അടിവരയിടുന്നു.
