"تشارلي" يقتحم عالم الأدلة الجنائية الرقمية بنظام وكلاء ذكاء متعددين... ويبقي الأدلة بعيدًا عن السحابة

تغرق فرق الأدلة الجنائية الرقمية يوميًا في بحر من المواد: أجهزة مصادرة، سجلات محادثات، بيانات مالية، ونصوص مستخرجة من كاميرات المراقبة، وكل هذا يحتاج إلى مطابقة وتحليل متبادل دون الإخلال بسلسلة حفظ الأدلة (Chain of Custody). وهنا يأتي نظام جديد يحمل اسم "تشارلي" (CHARLIE) ليقترح طريقة تتيح لوكلاء الذكاء الاصطناعي (AI Agents) القيام بهذه المطابقة دون أن تخرج أي مادة حساسة من أسوار المؤسسة.

الورقة البحثية التي تشرح تفاصيل النظام قُدّمت إلى أرشيف "آركايف" (arXiv) في الأول من يوليو 2026 برقم (arXiv:2607.05428)، وتصف "تشارلي" بأنه نظام توليد معزز بالاسترجاع (Retrieval-Augmented Generation - RAG) متعدد الوكلاء، صُمم خصيصًا لمعالجة الأدلة بطريقة منظمة في البيئات الجنائية. وقد عُرض العمل لأول مرة في ورشة "RELAF 2026"، وهي الورشة الافتتاحية للاستدلال بالأدلة في مجال إنفاذ القانون والطب الشرعي، والتي انعقدت بالتوازي مع مؤتمر "ICAIL 2026" في سنغافورة.

لماذا يهم أن يعمل النظام محليًا؟

الخيار التصميمي الأهم في "تشارلي" هو مكان تشغيله. فبدلًا من توجيه الاستعلامات عبر واجهات برمجية سحابية خارجية (Cloud APIs)، يعمل النظام بالكامل محليًا (On-Premise) داخل البنية التحتية الخاصة بالمؤسسة. وفي سياقات إنفاذ القانون والتحقيقات الجنائية، هذا ليس مجرد تفضيل تقني بسيط، بل شرط قانوني: فسلامة الأدلة والسيادة على البيانات (Data Sovereignty) مطلبان قانونيان لا رفاهية إضافية. فأي منظومة توليد معزز بالاسترجاع تعتمد على السحابة وتتواصل مع مزود نموذج خارجي، تفتح الباب أمام غموض في سلسلة حفظ الأدلة قد يؤدي إلى استبعاد دليل كامل أو الطعن في قضية بأكملها أمام المحكمة. ومن خلال إبقاء عمليات الاسترجاع والاستدلال والتخزين محلية بالكامل، يرى فريق "تشارلي" أن النظام يتجنب هذا الخطر من جذوره.

من "RAG" التقليدي إلى تنسيق الوكلاء

يمثل جوهر "تشارلي" التقني خروجًا مقصودًا عن الصيغة التقليدية لأنظمة التوليد المعزز بالاسترجاع. فبدلًا من الاعتماد على نموذج واحد يجمع السياق ويولّد الإجابة، تتبنى الورقة البحثية نموذج تنسيق قائم على الوكلاء (Agent-Based Orchestration)، حيث يُقسَّم العمل بين مكونات متخصصة: وحدات استرجاع محلية تستخرج المواد ذات الصلة من ملفات القضية، ومنطق تفكيك المهام (Task Decomposition) الذي يقسّم استعلامات التحقيق إلى مهام فرعية أصغر، وطبقة ذاكرة منظمة (Structured Memory) تتابع ما تم إثباته عبر المستندات، وآليات تحقق تراجع المخرجات قبل عرضها على المحقق.

هذا المزيج يستهدف مباشرة مشكلة تعاني منها روبوتات المحادثة العامة: الاستدلال عبر مجموعات مستندات ضخمة وغير منظمة، مع الحفاظ على إمكانية تتبع كل ادعاء إلى مصدره الأصلي. فقد صُمم "تشارلي" للتوسع في مهام استخراج البيانات من مستندات متعددة، ودعم ما يسميه الباحثون "الاستدلال الجنائي الطولي" (Longitudinal Forensic Intelligence)، أي معرفة تتراكم وتبقى متماسكة مع تطور القضية على مدى أسابيع أو شهور، بدل إعادة بنائها من الصفر مع كل استعلام جديد. وتُعامَل إمكانية التتبع والتدقيق (Traceability and Auditability) كمتطلب أساسي في كل مراحل النظام، لا كإضافة لاحقة على المخرجات.

ما الذي يعنيه هذا لمستقبل الذكاء الاصطناعي القانوني؟

يظهر "تشارلي" في لحظة تتزايد فيها شكوك المحاكم والجهات التنظيمية حول أدوات الذكاء الاصطناعي المغلقة (Black-box AI) التي تتعامل مع الأدلة. فنظام مصمم خصيصًا حول التدقيق والتحكم المحلي بالبيانات، بدل الاعتماد على فصاحة توليدية خالصة، يرسم ملامح الاتجاه المقبل لأدوات الذكاء الاصطناعي الجنائي: أقل تركيزًا على راحة المحادثة، وأكثر التزامًا بسلاسل استدلال قابلة للدفاع والفحص، تصمد أمام الاستجواب القانوني. وحتى وجود ورشة "RELAF" نفسها، المخصصة للاستدلال بالأدلة في إنفاذ القانون، يعكس تشكّل مجتمع بحثي متنام حول هذه القيود بالضبط.