भारत में आपराधिक न्याय में आर्टिफिशियल इंटेलिजेंस

आपराधिक न्याय में AI के लाभ

• दक्षता एवं गति में वृद्धि: केस टैगिंग, दस्तावेजीकरण, FIR पंजीकरण और रिकॉर्ड रखने जैसे नियमित कार्यों का स्वचालन संभव हो पाता है।
  • उदाहरण: AI-आधारित उपकरण कुछ ही सेकंड में हजारों पृष्ठों के साक्ष्य और निर्णयों को फिल्टर कर सकते हैं।
• उन्नत जाँच सटीकता: ‘फेस रिकॉग्निशन’ प्रणाली (AFRS) वीडियो निगरानी वाले बड़े डेटा से संदिग्धों या लापता व्यक्तियों की पहचान करने में मदद करती है।
  • डिजिटल फोरेंसिक में AI छिपे हुए पैटर्न के लिए ईमेल, फोन लॉग और सोशल मीडिया को स्कैन कर सकता है।
  • संदिग्धों, घटनाओं और आपराधिक नेटवर्क के बीच लिंक विश्लेषण को बढ़ाता है।
• डेटा-संचालित निर्णय लेना: AI उपकरण अपराध पूर्वानुमान, जमानत, सजा जोखिम आकलन और पैरोल निर्णयों के लिए वस्तुनिष्ठ इनपुट प्रदान करते हैं।
  • मनमाने निर्णयों को कम करते हुए, स्थिरता और साक्ष्य-आधारित पुलिसिंग सुनिश्चित करता है।
• CCTNS और ICJS  जैसे उपकरण पुलिस → न्यायालय → जेल → फोरेंसिक → अभियोजन के बीच निर्बाध डेटा साझा करने में सक्षम बनाते हैं।
  • AI केस ओवरलैप, मिस्ड लिंक और प्रक्रियागत देरी का पता लगाने के लिए बड़े क्रॉस-संस्थागत डेटासेट का विश्लेषण कर सकता है।
• निवारक पुलिसिंग एवं अपराध निवारण: संभावित अपराधियों या कमजोर स्थानों की पहचान करके पूर्वानुमानित पुलिसिंग अपराधों को रोक सकती है।
  • नियमित निगरानी में मानवीय पूर्वाग्रह को कम करता है और 24 घंटे स्वचालित सतर्कता सुनिश्चित करता है।
• कानून प्रवर्तन कर्मियों का सशक्तीकरण: स्वचालन के माध्यम से कार्यभार और संज्ञानात्मक दुर्बलता को कम करता है।
  • प्रशासनिक कार्यों के बजाय सामुदायिक जुड़ाव और रणनीतिक फील्डवर्क के लिए पुलिस अधिकारियों को मुक्त करता है।
• नीति मूल्यांकन और प्रणालीगत अंतर्दृष्टि: दीर्घकालिक अपराध डेटा का विश्लेषण आपराधिक न्याय सुधार, बजट और संसाधन आवंटन को सूचित कर सकता है।
  • सरकारों को संरचनात्मक मुद्दों की पहचान करने में मदद करता है, जैसे- परीक्षणों में देरी, या कम रिपोर्टिंग प्रवृत्तियाँ।

आपराधिक न्याय में AI की नैतिक चिंताएँ

• एल्गोरिदमिक पूर्वाग्रह और प्रणालीगत भेदभाव: पूर्ववर्ती डेटासेट के आधार पर प्रशिक्षित AI उपकरण जाति, धर्म, लैंगिक तथा स्थानीयता से संबंधित पूर्वाग्रहों को मजबूत करते हैं।
  • उदाहरण: NCRB के जेल संबंधी डेटा में दलितों, मुसलमानों और आदिवासियों का अनुपातहीन प्रतिनिधित्व है।
  • ‘फेस रिकॉग्निशन’ प्रणालियों में सांवली त्वचा वाली महिलाओं के लिए त्रुटि दर 34.7% तक है।
  • संरचनात्मक अन्याय सामने आता है, जो अनुच्छेद 14 और अनुच्छेद 15 का उल्लंघन करता है।
• हाशिए पर स्थित समूहों का डिजिटल बहिष्कार: AI उपकरण डिजिटल फुटप्रिंट पर निर्भर करते हैं, लेकिन केवल 31% ग्रामीण नागरिकों और 25% महिलाओं के पास इंटरनेट का उपयोग है।
  • डेटासेट में दलितों और आदिवासियों का प्रतिनिधित्व बहुत कम है, जिससे ‘एल्गोरिदमिक बहिष्कार’ का जोखिम है।
  • संरचनात्मक असमानता को मजबूत करता है और समावेशी शासन सिद्धांतों का उल्लंघन करता है।
• व्याख्यात्मकता और जवाबदेही का अभाव: पुलिसिंग और न्यायिक सहायता में उपयोग की जाने वाली AI प्रणालियाँ प्रायः ‘ब्लैक बॉक्स’ के समान होती हैं, जो परिणामों के पीछे कोई तर्क नहीं देती हैं।
  • एल्गोरिदमिक निर्णयों का ऑडिट करने के लिए कोई वैधानिक या संस्थागत तंत्र मौजूद नहीं है।
  • उचित प्रक्रिया, तर्कपूर्ण निर्णय के अधिकार और कानूनी पारदर्शिता को कमजोर करता है।
• सामूहिक निगरानी और गोपनीयता का अतिक्रमण: AFRS जैसी AI-सक्षम प्रणालियों का उपयोग बिना सहमति या कानूनी सीमाओं के सामूहिक निगरानी के लिए किया जा सकता है।
  • के.एस. पुट्टस्वामी बनाम भारत संघ (2017) मामले में बरकरार रखे गए गोपनीयता के अधिकार का उल्लंघन करता है।
  • व्यक्तिगत स्वायत्तता, आवागमन की स्वतंत्रता और डिजिटल गरिमा का उल्लंघन करता है।
• मानवीय निर्णय और विवेक का क्षरण: न्यायिक और पुलिस निर्णयों को निर्देशित करने के लिए AI का उपयोग तेजी से किया जा रहा है, लेकिन इसमें प्रासंगिक समझ, सहानुभूति या सूक्ष्म नैतिक तर्क का अभाव है।
  • यहाँ तक कि सर्वोच्च न्यायालय द्वारा उपयोग किए जाने वाले SUPACE जैसे उपकरण भी इन नैतिक सीमाओं के कारण शोध तक ही सीमित रह गए हैं।
  • डेटा मॉडल पर निर्भरता नैतिक निर्णय को मशीनों को आउटसोर्स करने का जोखिम उठाती है।
  • मानवीय हस्तक्षेप को कम करती है और अमानवीय न्याय वितरण की ओर ले जा सकती है।
• कोई कानूनी या नैतिक निरीक्षण ढाँचा न होना: भारत में कानून प्रवर्तन में AI के प्रयोग को विनियमित करने के लिए कोई विशिष्ट कानून नहीं है।
  • सहमति, लेखा परीक्षा, निष्पक्षता और निवारण जैसी नैतिक चिंताओं पर ध्यान नहीं दिया जाता है।

आपराधिक न्याय में AI के लिए चुनौतियाँ 

• खंडित और असमान डेटा पारिस्थितिकी तंत्र: भारत में आपराधिक रिकॉर्ड प्रायः भौतिक, असंगत या क्षेत्रीय भाषाओं में होते हैं, जिससे AI सिस्टम के लिए निम्न-गुणवत्ता वाली लागत प्राप्त होती है।
  • CCTNS और ICJS अभी भी डेटा बैकलॉग और लीगेसी फॉर्मेट से पीड़ित हैं।
• डेटा सुरक्षा और दुरुपयोग: CCTNS और ICJS जैसी केंद्रीकृत प्रणालियाँ अत्यधिक संवेदनशील व्यक्तिगत डेटा एकत्र करती हैं।
  • मजबूत एन्क्रिप्शन या कानूनी समाधान के अभाव में डेटा उल्लंघन, हैकिंग और हस्तक्षेप का जोखिम बना रहता है।
• कानूनी समर्थन की कमी-संवैधानिक नैतिकता की कमी: आपराधिक न्याय प्रणाली में AI उपकरणों का प्रयोग वैधानिक ढाँचे द्वारा समर्थित नहीं है, जो अनुच्छेद 21 के तहत ‘कानून द्वारा स्थापित प्रक्रिया’ की आवश्यकता का उल्लंघन करती है।
  • विधायी जाँच को दरकिनार करना संवैधानिक शासन और कानून के शासन की भावना के विपरीत है।
• कानून प्रवर्तन में कुशल जनशक्ति की कमी: पुलिस अधिकारियों और न्यायिक कर्मचारियों में प्रायः AI प्रणाली के प्रबंधन हेतु प्रशिक्षण की कमी होती है, जिससे स्वचालित उपकरणों का दुरुपयोग या उन पर अत्यधिक निर्भरता होती है।
  • क्षमता निर्माण कमजोर है; अधिकांश अधिकारी AI को एक रहस्यमय ‘ब्लैक बॉक्स’ के रूप में देखते हैं।
• निचली अदालतों और ग्रामीण क्षेत्रों में खराब बुनियादी ढाँचा: कई जिलों में स्थिर इंटरनेट, सुरक्षित सर्वर और डिवाइस की उपलब्धता जैसी डिजिटल बुनियादी संरचना मौजूद नहीं है, जिससे AI का प्रयोग असमान हो जाती है।
  • AI अभी भी शहर-केंद्रित है; 70% से अधिक जिला न्यायालयों में उन्नत डिजिटल सेटअप का अभाव है।
• अंतर-विभागीय समन्वय अंतराल: न्याय के पाँच स्तंभ (पुलिस, अदालतें, अभियोजन, जेल, फोरेंसिक) प्रायः अलग-अलग कार्य करते हैं, जिससे अंतर-संचालन योग्य AI का प्रयोग मंद हो जाता है।
  • ICJS  चरण II अभी भी डेटा मानकीकरण एवं एकीकरण के साथ संघर्ष कर रहा है।
• अन्य
  • पायलट परीक्षण और चरणबद्ध रोलआउट का अभाव है।
  • न्यायाधीश और मजिस्ट्रेट प्रायः एल्गोरिदमिक उपकरणों के प्रति संदेह जताते हैं, और मैन्युअल प्रक्रियाओं को प्राथमिकता देते हैं।

आपराधिक न्याय में AI का वैश्विक उदाहरण

देश	AI उपयोग
संयुक्त राज्य अमेरिका	वैकल्पिक प्रतिबंधों के लिए सुधारात्मक अपराधी प्रबंधन प्रोफाइलिंग (COMPAS): अपराधी के इतिहास और सामाजिक-आर्थिक कारकों का उपयोग करके पुनरावृत्ति की भविष्यवाणी करता है। चैटबॉट: न्यायालय प्रक्रियाओं और अनुसूचियों पर प्रायः पूछे जाने वाले प्रश्नों के उत्तर देना।
चीन	स्मार्ट कोर्ट: AI कानून, उदाहरण और यहाँ तक ​​कि सजा संबंधी सुझाव देता है।  चाइना जजमेंट ऑनलाइन: AI-आधारित कानूनी शोध मंच।
यूनाइटेड किंगडम	डिजिटल केस सिस्टम (2020): वास्तविक समय केस अपडेट, दूरस्थ भागीदारी और डिजिटल सबमिशन।

आगे की राह: भारत में आपराधिक न्याय के क्षेत्र में AI

• AI के उपयोग के लिए एक समर्पित कानूनी ढाँचा लागू करना: आपराधिक न्याय प्रणाली में AI का प्रयोग, निरीक्षण, लेखा परीक्षा और शिकायत निवारण को नियंत्रित करने वाला कानून प्रस्तुत करना।
  • इसमें पारदर्शिता, व्याख्या, जवाबदेही और अधिकार-आधारित सुरक्षा उपायों पर प्रावधान शामिल होने चाहिए।
• स्वतंत्र AI नैतिकता निरीक्षण प्राधिकरण की स्थापना करना: एक वैधानिक निकाय को विशेष रूप से निगरानी, पुलिसिंग, सजा, भर्ती, वित्त और सार्वजनिक सेवा वितरण जैसे संवेदनशील क्षेत्रों में प्रयुक्त एल्गोरिदम का स्वतंत्र प्रमाणन, लेखा परीक्षा और नैतिक मूल्यांकन करना चाहिए।
  • इसमें नागरिक समाज, हाशिए पर स्थित समूहों और कानूनी विशेषज्ञों का प्रतिनिधित्व शामिल होना चाहिए।
• समावेशी और प्रतिनिधि डेटासेट सुनिश्चित करना: AI सिस्टम को ऐसे डेटासेट पर प्रशिक्षित किया जाना चाहिए जो जाति, क्षेत्र, लिंग, भाषा और सामाजिक-आर्थिक स्थिति में भारत की विविधता को दर्शाते हों।
  • सरकार को पक्षपात प्रभाव आकलन को अनिवार्य करना चाहिए और अलग-अलग डेटा विश्लेषण की आवश्यकता होनी चाहिए।
• व्याख्या करने योग्य और व्याख्या करने योग्य AI सिस्टम विकसित करना: सुनिश्चित करना कि एल्गोरिदम अपने निर्णयों के लिए स्पष्ट, पता लगाने योग्य और कानूनी रूप से स्वीकार्य तर्क प्रदान करते हैं।
  • विशेष रूप से जमानत, सजा और जोखिम आकलन में आवश्यक है।
• संस्थागत क्षमता निर्माण और संवेदनशीलता: न्यायाधीशों, पुलिस और सुधार अधिकारियों को AI के उपयोग के नैतिक, तकनीकी और कानूनी आयामों में प्रशिक्षित करना।
  • पूर्वाग्रह का पता लगाने, डेटा नैतिकता और AI व्याख्या की सीमाओं पर जोर देना। 
• डेटा सुरक्षा और गोपनीयता कानून को मजबूत करना: कानून प्रवर्तन AI उपयोग के लिए विशिष्ट सुरक्षा उपायों के साथ एक व्यापक डिजिटल व्यक्तिगत डेटा सुरक्षा अधिनियम के पारित होने में तेजी लाना।
  • AI प्रणालियों और डेटा-आधारित निर्णयों के युग में नागरिकों को अपने व्यक्तिगत डेटा पर पूर्ण नियंत्रण और दुरुपयोग के मामलों में त्वरित कानूनी सहायता मिलनी चाहिए। यह डेटा अधिकार, गोपनीयता और न्याय का मूलभूत आधार होना चाहिए।
• सनसेट क्लॉज और समीक्षा तंत्र के साथ पायलट कार्यक्रम: किसी भी नए AI परिनियोजन को सनसेट क्लॉज के साथ पायलट कार्यक्रम के रूप में शुरू किया जाना चाहिए, इसके बाद पूर्ण पैमाने पर अपनाने से पहले स्वतंत्र मूल्यांकन किया जाना चाहिए।
  • इसका ध्यान पारदर्शिता, जवाबदेही और निवारण प्रभावशीलता पर होना चाहिए।

निष्कर्ष

AI भारत की आपराधिक न्याय प्रणाली को दक्षता एवं एकीकरण में सुधार करके बेहतर बनाता है, लेकिन विनियमन के बिना पूर्वाग्रहों और गोपनीयता के उल्लंघन का जोखिम है। न्यायसंगत न्याय के लिए नैतिक, समावेशी और कानूनी रूप से शासित AI को अपनाना आवश्यक है।

DOWNLOAD PDF