Kiolesura cha binadamu–mashine (human-machine interface, HMI) katika Viwanda 4.0 ni safu ya mwingiliano ambamo vitendo vya opereta wa binadamu, vihisi vya roboti, algorithimu za udhibiti, programu ya uzalishaji na usanidi wa mfumo huzalisha kwa pamoja matokeo yale yale ya kimwili. Utafiti huu unasema kuwa modeli ya pande mbili ya sheria ya jadi ya dhima, inayotenganisha uzembe wa binadamu na kasoro ya bidhaa, inaweza kutotosha katika kesi za aina hii za usababishaji wa pamoja. Kupitia ulinganisho wa Umoja wa Ulaya, Ujerumani, Marekani, Japani, Korea Kusini na China, sheria zilizopo kuhusu dhima ya bidhaa, uzembe na usalama wa mashine zimechunguzwa; hasa kuondolewa kwa AI Liability Directive mwaka 2025 katika Umoja wa Ulaya kumetathminiwa pamoja na Product Liability Directive iliyorekebishwa na Machinery Regulation. Badala ya kumfanya binadamu au mashine pekee kuwa kitengo cha uchunguzi wa kisheria, mwandishi anapendekeza mfumo wa utawala na dhima uitwao Human-Machine Interface Accountability Standard (HMIAS), unaoweka kiolesura chenyewe katikati ya uchunguzi wa wajibu, kasoro na usababishaji. HMIAS inajumuisha tathmini ya hatari ya mwingiliano inayoweza kutabirika katika hatua ya usanifu, kiwango cha kasoro katika ngazi ya kiolesura, mkabala wa NESS kwa usababishaji wenye wahusika wengi, kukubalika kwa ushahidi usio wa moja kwa moja ulio mzito na thabiti, ufichuaji wa ushahidi wa kiufundi uliosambazwa, na uboreshaji wa rekodi za matukio/matukio yaliyokaribia kutokea. Hata hivyo, HMIAS si kanuni huru ya sheria iliyo katika nguvu; ni modeli ya kidoktrini inayopendekezwa na utafiti.

Kwa nini Viwanda 4.0 vinaitia changamoto modeli ya kawaida ya dhima?

Katika mfumo wa jadi wa uzalishaji, dhima ya kisheria kwa kawaida ilidhania muundo unaoweza kutenganishwa kwa urahisi zaidi: binadamu hutumia mashine; binadamu akikosea huzingatiwa uzembe, na mashine ikiwa na kasoro huzingatiwa dhima ya bidhaa.

Katika mstari wa uzalishaji wa Viwanda 4.0, tofauti hii huwa hafifu. Kitendo kilekile cha viwandani kinaweza kutokea kutokana na mwingiliano wa pamoja wa vipengele vifuatavyo:

• opereta wa binadamu,
• roboti shirikishi au cobot,
• roboti huru inayotembea (AMR),
• vihisi vya ukaribu na picha,
• algorithimu ya muunganiko wa vihisi,
• mfumo wa matengenezo ya kutabiri,
• programu ya ufuatiliaji wa mbali,
• usanifu wa udhibiti wa mtengenezaji wa roboti,
• ukalibishaji wa kiunganishi cha mfumo,
• usanidi wa uendeshaji wa mwajiri au kituo.

Huenda hakuna mhusika mmoja kati ya hawa aliyezalisha matokeo peke yake. Madhara yanaweza kutokea hasa katika kiolesura ambako vipengele hivi vinaunganishwa.

Kwa Nini Kiolesura cha Binadamu–Mashine Kinaweza Kuwa Kitengo Tofauti cha Uchunguzi wa Kisheria?

Kwa mujibu wa hoja kuu ya chanzo, madhara ya kisasa ya viwandani katika baadhi ya hali hayawezi kupunguzwa kuwa kosa la binadamu pekee wala kasoro ya bidhaa pekee; madhara yanaweza kutokana na jinsi ingizo la binadamu na mwitikio wa mashine vilivyoundwa na kuunganishwa. Kwa hiyo HMI yenyewe inapaswa kuchukuliwa kama kitu tofauti cha kisheria cha kuchunguza wajibu wa usanifu, kasoro na usababishaji.

Mfano wa roboti shirikishi

Mfano unaorahisisha mkabala wa kinadharia wa makala ni huu: kishikio cha cobot chenyewe huenda kisiwe hatari. Lakini kama kishikio hicho kinafanya kazi katika eneo la pamoja na binadamu chini ya vizingiti vya kihisi cha ukaribu vilivyowekwa kwa kazi tofauti, hatari inaweza kutokana zaidi na usanifu wa mwingiliano kati ya binadamu na roboti kuliko sehemu ya mitambo ya roboti yenyewe.

Katika hali hii, maswali yafuatayo ni tofauti:

• Je, roboti ilikuwa na kasoro ya kimakanika?
• Je, opereta alitenda vibaya?
• Je, vizingiti vya vihisi vilifaa kazi husika?
• Je, kiunganishi cha mfumo kilifanya ukalibishaji usio sahihi?
• Je, mfumo wa udhibiti wa roboti uliundwa kwa namna ya kugundua usanidi usio sahihi?
• Je, mwajiri alipanga eneo la kazi kulingana na dhana za mfumo?

HMIAS inajaribu kushughulikia maswali manne ya mwisho ndani ya uchunguzi mmoja wa “usanifu wa kiolesura”.

Tatizo la “sanduku jeusi” na “tatizo la kiolesura” si kitu kimoja

Makala inatenganisha tatizo la HMI na tatizo la “black box” linalojadiliwa mara nyingi katika sheria ya akili bandia. Tatizo la sanduku jeusi linahusu ugumu wa kuelewa au kueleza utendaji wa ndani wa algorithimu.

Tatizo la kiolesura linaweza kutokea hata mfumo unapoweza kuelezwa kikamilifu. Kitendo cha binadamu, usomaji wa kihisi, mpangilio wa kimwili wa eneo la kazi na mwitikio wa programu ya udhibiti vinaweza kuwa sahihi au vya busara kila kimoja peke yake; lakini mchanganyiko wake unaweza kuwa hatari.

Kwa hiyo tatizo si kila mara “kwa nini algorithimu ilifanya uamuzi huu?” Wakati mwingine swali kuu ni “kwa nini tabia ya binadamu na mwitikio wa algorithimu na mashine havikufanya kazi pamoja kwa usalama?”

Tofauti kati ya tatizo la udhibiti na tatizo la kiolesura

Katika sheria ya magari huru, swali la udhibiti linalotumiwa mara nyingi huzingatia kama binadamu alikuwa bado na wajibu wa kuingilia kati. Hata hivyo katika Viwanda 4.0, binadamu na mashine wanaweza kuwa sehemu ya mchakato uleule kwa kuendelea. Huenda kusiwe na “handoff” ya wakati mmoja ambapo udhibiti huhamishwa kutoka upande mmoja kwenda mwingine.

Kwa hiyo, kwa mujibu wa dai la makala, katika kesi nyingi za HMI swali sahihi halipaswi kuwa “udhibiti ulikuwa kwa nani?” bali “ni miundo na usanidi gani uliotengeneza mwingiliano wa pamoja?”

Usababishaji uliosambazwa

Chanzo kinatumia dhana ya nadharia ya mtandao wa wahusika kuhusu kitendo kilichosambazwa kati ya wahusika binadamu na wasio binadamu. Tatizo la kisheria ni kwamba sababu zimesambazwa katika sehemu nyingi.

Katika tukio moja, hali zifuatazo zinaweza kuhitajika kwa wakati mmoja:

• kitendo fulani cha opereta,
• usomaji fulani wa kihisi,
• uainishaji fulani wa algorithimu,
• mpangilio fulani wa kizingiti wa kiunganishi,
• mpangilio wa trafiki au eneo la kazi ndani ya kituo.

Ukiondoa kimoja, tukio huenda lisitokee; lakini hakuna kimoja kinachoweza kuwa “sababu kuu” peke yake.

Jaribio la Usababishaji la NESS Linatoa Nini Katika Ajali za HMI?

Mkabala wa NESS huangalia kama kipengele ni sehemu ya lazima ya mkusanyiko wa masharti ambao kwa pamoja unatosha kutoa matokeo. Kwa njia hii, michango mingi kama kitendo cha binadamu, data ya kihisi, mwitikio wa programu na usanidi wa mfumo inaweza kutathminiwa kama sababu zenye maana ya kisheria kwa tukio lilelile; ulazima wa kuchagua “sababu halisi” moja unapungua.

Kikomo cha mkabala wa but-for

Jaribio la kawaida la “but-for” kwa ujumla hutegemea swali “je, madhara yangetokea kama kipengele hiki kisingekuwapo?” Katika mifumo ya kiteknolojia yenye wahusika wengi, wakati kuna masharti kadhaa ya lazima au ya kutosha kwa matokeo yale yale, jaribio hili linaweza kurahisisha kupita kiasi muundo wa tukio.

Makala hutumia NESS kwa sababu hii: badala ya kutenganisha vipengele, huvichanganua ndani ya mkusanyiko wa masharti ambayo kwa pamoja yanatosha.

Kikomo cha modeli ya dhima ya bidhaa

Uainishaji unaotumika sana katika sheria ya dhima ya bidhaa ni:

• kasoro ya utengenezaji,
• kasoro ya usanifu,
• kasoro ya onyo au utoaji wa taarifa.

Lakini kama vipengele vya roboti vinatimiza vipimo kila kimoja peke yake na hatari hutokea tu katika usanidi fulani wa binadamu–mashine, jibu la swali “ni bidhaa gani yenye kasoro?” linaweza kuwa lisilo wazi.

HMIAS inapendekeza dhana ya “kasoro ya kiolesura” katika hatua hii.

Kasoro ya Kiolesura ni Nini?

Katika pendekezo la HMIAS, kasoro ya kiolesura ni hali ambapo mantiki ya mwingiliano kati ya ingizo la binadamu na mwitikio wa mashine huzalisha hatari inayoweza kutabirika, na muundo mbadala wa kiolesura unaoweza kutekelezeka unaweza kuzuia au kupunguza kwa kiasi kikubwa hatari hiyo. Hivyo kasoro haitafutwi tu katika sehemu ya kimwili ya roboti au tabia ya binadamu, bali katika usanifu unaoamua jinsi vinavyofanya kazi pamoja.

Swali la usanifu mbadala

Chanzo kinafananisha kwa sehemu jaribio la kasoro ya kiolesura la HMIAS na mkabala wa reasonable-alternative-design katika sheria ya dhima ya bidhaa ya Marekani.

Swali la msingi ni hili:

Je, wakati wa tukio kulikuwa na muundo salama zaidi wa mwingiliano wa binadamu–mashine ambao ungeweza kutekelezwa kitaalamu na kiuchumi?

Kwa mfano:

• kizingiti salama zaidi cha ukaribu,
• mantiki ya udhibiti inayogundua ukalibishaji wa kazi usio sahihi,
• kizingiti cha onyo kwa opereta,
• uthibitishaji wa kihisi cha pili,
• hali salama zaidi ya chaguo-msingi wakati wa hitilafu,
• utenganishaji bora kati ya njia ya binadamu na njia ya AMR

vinaweza kuwa mada ya uchunguzi wa usanifu mbadala.

Wajibu katika hatua ya usanifu

HMIAS inapendekeza kuwa mtengenezaji, kiunganishi cha mfumo au katika baadhi ya hali mwendeshaji wa kituo mwenye udhibiti wa mwisho wa usanidi wa kiolesura atathmini hatari za mwingiliano zinazoweza kutabirika.

Tathmini hii ya hatari inapaswa kujumuisha si tabia bora ya opereta tu, bali pia makosa halisi ya binadamu.

Kwa mfano, kama mfumo ni salama tu kwa opereta anayefuata maelekezo kikamilifu lakini unazalisha hatari kubwa wakati wa ucheleweshaji unaoweza kutabirika, kitendo kisicho sahihi au kosa la kawaida la zamu, utoshelevu wa usanifu wa kiolesura unaweza kutiliwa shaka chini ya kiwango kinachopendekezwa na chanzo.

Kiwango cha matumizi ya roboti za viwandani

Chanzo, kikitumia data ya International Federation of Robotics, kinaripoti kuwa mwaka 2024 takribani roboti mpya 542.000 za viwandani ziliwekwa duniani, na jumla ya roboti zinazofanya kazi ilifikia takribani vitengo milioni 4,664 .

Thamani hizi zinaonyesha ukubwa wa uotomatishaji wa viwandani; hazitoi taarifa ya moja kwa moja kuhusu kiwango cha ajali kwa roboti au utendaji wa usalama wa HMI.

Je, Kuongezeka kwa Idadi ya Roboti Kunathibitisha Kuongezeka kwa Ajali za HMI?

Hapana. Uwekaji mpya 542.000 na roboti milioni 4,664 zinazofanya kazi zilizotolewa katika chanzo zinaonyesha tu ukubwa wa matumizi ya teknolojia. Kwa kuwa utafiti wenyewe unasisitiza kuwa hakuna mfumo uliosawazishwa wa kurekodi matukio ya HMI, data hizi haziwezi kutumiwa kuhesabu kiwango cha ajali, ongezeko la hatari au kiwango cha usalama kwa kila roboti.

ISO 10218 na ISO/TS 15066

Chanzo kinatoa umuhimu maalum kwa viwango viwili vya kiufundi katika usalama wa roboti za viwandani.

ISO 10218, inahusu mahitaji ya usalama ya roboti za viwandani na mifumo ya roboti.

ISO/TS 15066 hutoa mfumo wa kiufundi wa kina zaidi kuhusu mipaka ya nguvu, shinikizo na mwingiliano kwa matumizi ya ushirikiano ambapo binadamu na roboti hushiriki eneo moja la kazi.

Ukosoaji wa kisheria wa makala si kwamba viwango havina maana ya kihandisi. Tatizo ni kwamba ufuataji wa viwango vya kiufundi unaweza kwa vitendo kuwa kiashiria cha “state of the art” katika utetezi dhidi ya madai ya kasoro ya usanifu, na hivyo viwango kuanza kufafanua kwa njia isiyo ya moja kwa moja wajibu wa kisheria wa uangalifu.

Je, Kufuata Kiwango cha Kiufundi Huondoa Dhima ya Kisheria Moja kwa Moja?

Kwa mujibu wa mkabala wa chanzo, hapana. Kufuata viwango kama ISO 10218 au ISO/TS 15066 kunaweza kuwa kiashiria kikubwa cha usalama, lakini ufuataji wa kiufundi katika ngazi ya kipengele hauthibitishi moja kwa moja kuwa mwingiliano wote halisi wa binadamu–mashine ni salama. HMIAS inapendekeza kiolesura kitathminiwe pia katika hali halisi za matumizi, pamoja na kuzingatia ufuataji wa viwango.

Hatua ya mgeuko ya 2025 katika Umoja wa Ulaya

Tume ya Ulaya iliwasilisha pendekezo la AI Liability Directive mwaka 2022 pamoja na marekebisho ya Product Liability Directive.

Kwa mujibu wa maelezo ya chanzo, kanuni hizo mbili zililenga kukamilishana katika maeneo tofauti:

• Product Liability Directive: mfumo wa dhima kali kwa bidhaa zenye kasoro, ikijumuisha programu na akili bandia,
• AI Liability Directive: mifumo ya ufichuaji wa ushahidi na dhana za kisheria ambazo zingepunguza ugumu wa kuthibitisha usababishaji katika baadhi ya madhara ya akili bandia.

Hata hivyo, AI Liability Directive iliwekwa kwenye orodha ya mafaili ya kuondolewa katika mpango wa kazi wa Tume ya Ulaya wa 11 Februari 2025, na kuondolewa huko kulichapishwa katika Jarida Rasmi la Umoja wa Ulaya tarehe 6 Oktoba 2025.

Umuhimu wa kuondolewa kwa AI Liability Directive

Kwa mujibu wa tafsiri ya chanzo, matokeo yake ni usanifu wa kisheria usio na ulinganifu kwa HMI: ingawa udhibiti wa kasoro za bidhaa umeimarishwa, hakuna dhana maalum ya usababishaji katika ngazi ya Umoja wa Ulaya kwa usababishaji wa pamoja wa binadamu–mashine ambao hauwezi kupunguzwa kwa urahisi kuwa kasoro ya bidhaa.

Kwa hiyo kesi nyingi zinaachwa tena chini ya sheria za kitaifa za ushahidi na usababishaji.

Product Liability Directive mpya

Directive (EU) 2024/2853, kwa mujibu wa tathmini ya chanzo, inaleta mabadiliko muhimu:

• kujumuisha wazi programu na mifumo ya akili bandia katika dhana ya bidhaa,
• kurahisisha ufichuaji wa ushahidi wa kiufundi chini ya hali fulani,
• kuwezesha dhana ya kasoro kuanzishwa ikiwa mshtakiwa hatatoa ushahidi wa kiufundi unaohitajika,
• kukubali kwamba tabia ya self-learning ya bidhaa baada ya kuingia sokoni inaweza pia kuchunguzwa katika tathmini ya dhima.

Hata hivyo, utafiti unasema kuwa mfumo huu bado umejikita hasa katika “kasoro ya bidhaa”.

Machinery Regulation

Regulation (EU) 2023/1230 inachukuliwa kama kanuni yenye majukumu ya moja kwa moja zaidi ya ex ante kuhusu usanifu kwa upande wa mwingiliano wa binadamu–mashine.

Hasa ustahimilivu wa mifumo ya udhibiti dhidi ya makosa ya binadamu yanayoweza kutabirika, na kutathmini mashine si katika hali zake za kawaida tu bali katika wigo mpana wa uendeshaji, vinaunganishwa na mkabala wa HMIAS wa hatua ya usanifu.

Kwa kuwa chanzo kinaeleza kwamba, kufikia tarehe ya uandishi wake, utekelezaji wa moja kwa moja wa baadhi ya mahitaji muhimu kuhusu mashine zenye tabia ya kujiboresha utaanza Januari 2027, kinakubali wazi kwamba tathmini yake ya kanuni hii ni kwa kiasi fulani ya kuangalia mbele.

Mbinu na Matokeo ya Utafiti

Mbinu zilizotumika

Utafiti unaunganisha mikabala minne ya kimetodolojia:

1. Uchambuzi wa kidoktrini: mafundisho kuhusu uzembe, dhima ya bidhaa, usalama wa mashine, wajibu, kasoro na usababishaji.
2. Sheria linganishi: Umoja wa Ulaya, Ujerumani, Marekani, Japani, Korea Kusini na China.
3. Uchambuzi wa kitaasisi: mchakato wa pendekezo na kuondolewa kwa AI Liability Directive kati ya 2022–2025.
4. Uchambuzi wa kesi na maamuzi: Boston Scientific, Sanofi Pasteur, tukio la gari huru la Tempe mwaka 2018 na tukio la kihistoria la roboti ya viwandani Michigan mwaka 1979.

Makala haitengenezi hifadhidata asilia ya ajali za HMI na inakubali ukosefu wa data za kimataifa zilizosanifishwa kuhusu matukio kuwa mojawapo ya mipaka yake muhimu.

Umoja wa Ulaya

Katika Umoja wa Ulaya, Product Liability Directive iliyorekebishwa na Machinery Regulation kwa pamoja huunda mfumo wenye nguvu wa usalama na usanifu wa bidhaa, lakini chanzo kinasema kuwa bado hakuna kitengo maalum cha ushahidi kwa usababishaji wa pamoja wa binadamu–mashine.

Ujerumani

Nchini Ujerumani, dhima ya bidhaa inasimamiwa kupitia Produkthaftungsgesetz na dhima ya jumla kwa kosa kupitia Bürgerliches Gesetzbuch. Katika usalama kazini, Berufsgenossenschaften zina jukumu muhimu la kitaasisi.

Kwa mujibu wa chanzo, mkabala wa sheria ya Ujerumani kwamba mtengenezaji anapaswa kuzingatia makosa ya opereta yanayoweza kutabirika katika usanifu unatoa mantiki iliyo karibu zaidi na HMIAS kuliko mifumo mingine. Hata hivyo, hakuna doktrini tofauti na ya kimfumo iitwayo “dhima ya HMI”.

Marekani

Dhima ya bidhaa nchini Marekani inategemea sheria ya kila jimbo. Restatement (Third) of Torts ni rejea yenye ushawishi lakini isiyofunga katika kutenganisha kasoro ya utengenezaji, kasoro ya usanifu na kasoro ya onyo.

Mojawapo ya matatizo muhimu katika kesi za HMI ni kwamba jaribio la reasonable-alternative-design linaweza kumtaka mdai aonyeshe muundo mbadala unaowezekana kitaalamu na kiuchumi. Kiolesura kinapojumuisha vipengele kutoka kwa watengenezaji na waunganishi wengi, hili linaweza kuwa mzigo mzito sana wa uthibitisho.

Utafiti pia unasisitiza kwamba, kutokana na workers' compensation exclusivity, uwezo wa mfanyakazi kumwajibisha mwajiri moja kwa moja kwa madai ya tort unaweza kuwa mdogo katika majimbo mengi, jambo linaloweza kuhamisha mzigo wa madai kwa mtengenezaji au kiunganishi.

Japani

Nchini Japani, usalama wa roboti na uotomatishaji, kwa mujibu wa tathmini ya mwandishi, umeendelea kwa kiasi kikubwa kupitia miongozo ya kiutawala na viwango vya kiufundi. Mkabala wa usalama wa taasisi kama Ministry of Economy, Trade and Industry na Japan Robot Association unaweza kuwa na ushawishi mkubwa kuliko sheria ya kesi.

Ingawa Japan Product Liability Act hutoa msingi wa dhima kali, utafiti unasema kwamba kesi za mahakamani za dhima ya bidhaa ni chache ikilinganishwa na idadi ya roboti zilizowekwa, na utawala wa kiutawala wa usalama una nafasi kubwa zaidi.

Korea Kusini

Nchini Korea Kusini, Act on Intelligent Robots Development and Distribution Promotion imeunda kitengo tofauti cha sheria za robotiki.

Hata hivyo, chanzo kinaeleza kwamba sheria hii inalenga hasa maendeleo ya viwanda, usanifishaji na uenezaji; kwa madhara ya HMI, dhima ya kiraia bado iko chini ya Product Liability Act na Civil Act za jumla.

Mwandishi anasema kwamba, kutokana na miundombinu iliyopo ya sheria za robotiki, Korea Kusini inaweza kufaa zaidi kuongeza kanuni maalum za HMI kwenye mfumo uliopo badala ya kutunga sheria mpya kabisa.

China

Ingawa China ndiyo soko kubwa zaidi la roboti za viwandani duniani, kulingana na ulinganisho wa makala, doktrini zilizochapishwa za kisheria zinazohusu mahsusi usababishaji wa pamoja wa HMI ni chache.

Madhara yatokanayo na bidhaa hushughulikiwa hasa chini ya masharti ya dhima ya bidhaa ya Civil Code, huku sera pana za uotomatishaji zikiongozwa na 2017 New Generation Artificial Intelligence Development Plan pamoja na kanuni mbalimbali za data na usalama wa mtandao.

Chanzo kinasema kuwa kipaumbele cha kitaasisi nchini China kimeelekea zaidi kwenye upanuzi wa viwanda, huku doktrini ya dhima ya HMI haijaendelea kwa kasi hiyo hiyo.

Tatizo la ushahidi uliosambazwa

Ushahidi wa ajali ya kawaida ya HMI huenda usiwe mikononi mwa mhusika mmoja:

Kwa hiyo kuweka wajibu wa kufichua ushahidi wa kiufundi kwa “mshtakiwa” mmoja pekee kunaweza kutotosha.

Kwa Nini Ushahidi Katika Ajali ya HMI Huenda Usipatikane Katika Kampuni Moja Pekee?

Kwa sababu katika mifumo ya kisasa ya uotomatishaji, vifaa vya roboti, programu ya udhibiti, uunganishaji, ukalibishaji na uendeshaji wa ndani ya kituo mara nyingi husimamiwa na wahusika tofauti. Data ya kihisi ya tukio moja inaweza kuwa kwa mtengenezaji, rekodi ya ukalibishaji kwa kiunganishi, na rekodi ya hali za kazi kwa mwajiri; kwa hiyo kujenga upya usababishaji wa pamoja kunaweza kuhitaji ufichuaji wa ushahidi kutoka kwa pande nyingi.

Analojia ya Boston Scientific

Katika kesi zilizounganishwa za Boston Scientific, Mahakama ya Haki ya Umoja wa Ulaya ilikubali kwamba ikiwa hatari isiyo ya kawaida ya hitilafu imeonyeshwa katika kundi fulani la vifaa vya matibabu vinavyopandikizwa, huenda isiwe lazima kila wakati kuthibitisha tofauti kasoro binafsi ya kila kifaa.

Makala inahamisha mkabala huu kwenda HMI kama analojia ya kimuundo.

Kwa mfano, ikiwa inaweza kuonyeshwa kwamba ukalibishaji uleule wa kihisi umeendelea kusababisha matukio ya uainishaji usio sahihi katika vituo vingi, inasemekana kwamba badala ya kumtaka mdai kujenga upya mlolongo wote wa hitilafu ndogondogo katika ajali moja, muundo wa matukio katika darasa hilo la usanidi unaweza kusaidia tathmini ya kasoro.

Hili ni pendekezo la kisheria la chanzo; Boston Scientific si uamuzi wa moja kwa moja kuhusu HMI ya robotiki.

Analojia ya Sanofi Pasteur

Katika uamuzi wa Sanofi Pasteur, Mahakama ya Haki ya Umoja wa Ulaya ilikubali kwamba katika baadhi ya mazingira ya dhima ya bidhaa ambako hakuna makubaliano thabiti ya kisayansi, ushahidi wa mazingira ulio “mzito, mahsusi na thabiti” unaweza kutumika katika tathmini ya usababishaji.

Makala inaunganisha hili na matumizi ya pamoja ya aina zifuatazo za ushahidi katika matukio ya HMI:

• matukio ya awali yaliyokaribia kutokea katika usanidi uleule wa kiolesura,
• udhaifu wa maelezo mbadala,
• ujenzi upya wa rekodi za kihisi na udhibiti na mtaalamu,
• muundo thabiti wa matukio katika darasa lilelile la usanidi.

Kiwango kinachopendekezwa na chanzo hakilengi kugeuza kabisa mzigo wa mwisho wa uthibitisho, bali kumwezesha mdai asiyeweza kuthibitisha kwa njia ya kimitambo kasoro ya kipengele kimoja kuonyesha usababishaji kwa ushahidi wa mazingira.

Tukio la gari huru la Tempe

Makala hutumia tukio la mwaka 2018 huko Tempe, Arizona, ambapo gari la majaribio la Uber Advanced Technologies Group lilimgonga mtembea kwa miguu, si kama precedenti ya moja kwa moja ya roboti ya viwandani bali kama analojia inayoonyesha jinsi usababishaji wa pamoja wa binadamu–mashine unavyoweza kubinafsishwa kisheria.

Chanzo kinasisitiza kwamba mchakato wa jinai ulielekezwa kwa opereta wa usalama wa binadamu, huku mchango wa pamoja wa mfumo wa kujiendesha haukugeuka kuwa precedenti iliyochapishwa ya dhima ya kiraia.

Funzo analopata mwandishi ni kwamba mfumo wa sheria mara nyingi humlenga mhusika ambaye ni rahisi zaidi kuthibitisha kosa lake na unaweza kuacha usanifu tata zaidi wa kiolesura bila kuchunguzwa.

Tukio la roboti la Michigan la 1979

Chanzo pia kinataja tukio la kihistoria la mwaka 1979 katika kiwanda cha kutengeneza kwa kuyeyusha chuma huko Michigan ambapo mkono wa roboti ulimuua mfanyakazi.

Kesi iliendeshwa chini ya nadharia ya kasoro ya usanifu wa bidhaa. Hata hivyo, mwandishi anasema kwamba kwa kuwa mojawapo ya matatizo makuu ilikuwa kufungwa kwa usalama kusikotosha kati ya eneo ambalo binadamu angeweza kuingia na eneo la kazi la roboti, tukio hilo leo linaweza pia kusomwa kama “kasoro ya usanifu wa kiolesura”.

HMIAS ni Nini?

Human-Machine Interface Accountability Standard (HMIAS) ni modeli ya dhima na utawala inayopendekezwa na utafiti wa chanzo, ambayo katika madhara yanayotokana na mwingiliano wa pamoja wa binadamu–mashine huweka usanifu wa kiolesura kuwa kitengo kikuu cha uchunguzi wa kisheria badala ya kumtwika binadamu au mashine pekee dhima.

1. Wajibu wa mwingiliano unaoweza kutabirika katika hatua ya usanifu

Kwa mujibu wa HMIAS, mhusika anayeamua vigezo vya mwisho vya uendeshaji wa kiolesura anapaswa kufanya tathmini ya hatari ya mwingiliano unaoweza kutabirika inayojumuisha si tabia ya mfumo katika hali bora tu bali pia makosa halisi ya binadamu.

Mifano ya vigezo:

• vizingiti vya ukaribu,
• mantiki ya kutatua migongano katika muunganiko wa vihisi,
• mamlaka ya binadamu ya override,
• tabia chaguo-msingi wakati wa hitilafu,
• vizingiti vya onyo.

2. Kasoro katika ngazi ya kiolesura

Ikiwa mdai anaweza kuonyesha kwamba mantiki ya mwingiliano kati ya ingizo la binadamu na mwitikio wa mashine hutengeneza hatari inayoweza kutabirika, na muundo mbadala wa kiolesura ulio salama zaidi na unaoweza kutekelezwa ungeweza kuizuia au kuipunguza, madai ya kasoro ya kiolesura yanaweza kutolewa.

3. Usababishaji wa pamoja unaotegemea NESS

HMIAS inapunguza ulazima wa kupata sababu moja kuu. Wahusika au usanidi ambao ni sehemu ya lazima ya mkusanyiko wa masharti yanayotosha kwa pamoja kuzalisha madhara wanaweza kutathminiwa katika mlolongo wa usababishaji wa kisheria.

4. Dhima ya pamoja na ya mshikamano pamoja na mgawanyo wa mchango wa ndani

Chanzo kinapendekeza kuwa aliyeathiriwa aweze kuendelea na madai ya fidia dhidi ya mtengenezaji, kiunganishi au mmoja wa wahusika wengine wenye wajibu, na baadaye wahusika hao wagawane kati yao kwa mujibu wa mchango wao katika usanifu/usanidi.

Ni wazi kwamba pendekezo hili haliwezi kutumika kwa namna ileile katika kila mfumo wa sheria; hasa mifumo ya fidia kwa wafanyakazi na sheria za eneo kuhusu dhima ya mshikamano zinapaswa kuzingatiwa tofauti.

5. Ushahidi wa mazingira wa usababishaji

HMIAS, ikichochewa na mkabala wa Sanofi Pasteur, inapendekeza kukubaliwa kwa ushahidi wa mazingira ulio mzito, mahsusi na thabiti.

Kwa mfano:

• matukio ya awali yaliyokaribia kutokea katika usanidi uleule,
• logi za vihisi,
• rekodi za udhibiti,
• ujenzi upya wa kitaalamu,
• kuondoa sababu mbadala.

6. Ufichuaji wa ushahidi kutoka kwa pande nyingi

Kwa kuwa mtengenezaji wa roboti, kiunganishi na mwajiri anayefanya usanidi hudhibiti sehemu tofauti, HMIAS inapendekeza wajibu wa kufichua ushahidi wa kiufundi uenezwe kwa wahusika wote husika wa kiolesura.

7. Mfumo wa kurekodi matukio na matukio yaliyokaribia kutokea

Mojawapo ya mapendekezo muhimu ya kitaasisi ya makala ni utaratibu wa kiwango cha sekta wa kurekodi kwa namna isiyotambulisha watu matukio ya HMI na matukio yaliyokaribia kutokea.

Lengo lake ni:

• kutambua matatizo ya kiolesura yanayojirudia,
• kuona mifumo ya matukio katika ukalibishaji uleule,
• kusasisha viwango vya kiufundi,
• kuweka bei ya hatari ya bima kwa usahihi zaidi,
• kutoa data kwa dhana za kasoro katika ngazi ya kundi.

Je, HMIAS Humfanya Mtengenezaji Awajibike Moja kwa Moja Katika Kila Ajali?

Hapana. Pendekezo si mfumo wa dhima kali wa moja kwa moja au usio na kikomo. Mdai lazima atoe ushahidi fulani kuhusu hatari ya mwingiliano inayoweza kutabirika, usanifu wa kiolesura, usanifu mbadala unaoweza kutekelezeka na usababishaji; lengo la HMIAS ni kupunguza mzigo wa lazima wa kutenga kasoro ya kipengele kimoja na kuingiza mwingiliano halisi wenye wahusika wengi katika uchambuzi wa kisheria.

Mifano mitatu ya hali za HMIAS

Pendekezo la utekelezaji wa kitaasisi

Chanzo hakipendekezi sheria moja ya kimataifa ya HMIAS. Badala yake, kinapendekeza kila mfumo wa sheria utumie muundo wake wa kitaasisi uliopo.

Athari ya bima

Mwandishi anakubali kwamba mfumo unaorahisisha madai yanayotokana na kiolesura kufikia mtengenezaji au kiunganishi unaweza kuongeza malipo ya bima mwanzoni.

Anatafsiri hili si kama athari hasi ya pendekezo, bali kama uingizaji wa ndani wa kiuchumi wa hatari ya kiolesura ambayo kwa sasa haiakisiwi vya kutosha katika bei ya bidhaa au uunganishaji kwa sababu ni vigumu kufikiwa kisheria.

Hata hivyo, makala haifanyi modeli ya kiasi ya gharama hii ya bima.

Kushindwa kwa taasisi 1: viwango vya kiufundi kuamua kwa vitendo wajibu wa kisheria

Kwa mujibu wa chanzo, mashirika binafsi ya viwango vya kiufundi kama ISO ni muhimu kwa utaalamu wa kihandisi, lakini hayakuundwa kutatua masuala ya fidia ya kisheria na haki ya ugawaji.

Ikiwa ufuataji wa kiwango utageuka kwa vitendo kuwa bandari salama, wajibu wa uangalifu ambao sheria inapaswa kuamua kwa kujitegemea unaweza kuwa umehamishiwa kwa njia isiyo ya moja kwa moja kwa mashirika ya viwango vya kiufundi.

Kushindwa kwa taasisi 2: kuporomoka kwa ulinganifu wa Umoja wa Ulaya

Kuondolewa kwa AI Liability Directive, katika uchambuzi wa chanzo, ni kushindwa kwa jaribio la kutoa suluhisho lililosawazishwa katika ngazi ya Umoja wa Ulaya kwa tatizo la pamoja la usababishaji wa akili bandia.

Matokeo yake ni kuongezeka kwa umuhimu wa sheria za kitaifa za ushahidi na usababishaji miongoni mwa nchi wanachama.

Kushindwa kwa taasisi 3: njia ya fidia kuondoka kwenye kiolesura

Nchini Marekani, workers' compensation exclusivity; na nchini Japani na Korea Kusini, mkabala unaozingatia utawala/viwango vya kiufundi unaweza kwa njia tofauti kusogeza matatizo ya HMI mbali na madai binafsi ya dhima ya usanifu wa kiolesura.

Kushindwa kwa taasisi 4: upungufu wa kipimo

Kutokuwepo kwa mfumo uliosawazishwa wa kurekodi matukio maalum ya HMI katika mifumo ya sheria iliyochunguzwa hufanya iwe vigumu kuona ni madarasa gani ya kiolesura yanayozalisha hatari zinazojirudia.

Hili si tatizo la utafiti pekee; pia huathiri usasishaji wa viwango, upangaji bei wa bima na uthibitishaji wa mifumo ya kasoro katika ngazi ya kundi mahakamani.

Mambo yanayoungwa mkono na utafiti

• Unatoa mfumo wa kisheria unaokubali kwamba katika Viwanda 4.0 baadhi ya madhara yanaweza kutokea kutokana na mwingiliano wa binadamu–mashine wenye wahusika wengi.
• Unasema kuwa mgawanyiko wa jadi wa uzembe wa binadamu / kasoro ya bidhaa unaweza kuwa na ugumu wa kueleza kesi zote za aina hii.
• Unafikia hitimisho kwamba Umoja wa Ulaya, Ujerumani, Marekani, Japani, Korea Kusini na China hazina doktrini tofauti ya dhima mahususi kwa HMI.
• Unadai kwamba kuondolewa kwa AI Liability Directive kumeacha pengo fulani la ushahidi katika madai ya usababishaji wa pamoja.
• Unasisitiza jukumu kubwa la viwango vya ISO katika kiwango cha uangalifu kinachotumika kwa vitendo.
• Unatoa analojia za kimuundo kutoka maamuzi ya Boston Scientific na Sanofi Pasteur ambazo zinaweza kutumika kwa usababishaji wa kiolesura.
• Unapendekeza modeli ya dhima inayolenga kiolesura inayoitwa HMIAS.
• Unasema kuwa kuanzisha mfumo wa kurekodi matukio ya HMI na matukio yaliyokaribia kutokea kutakuwa na manufaa ya kisheria na kihandisi.

Mambo ambayo utafiti hauungi mkono

• Hauonyeshi kwamba ajali zote za roboti za viwandani husababishwa na kasoro ya kiolesura.
• Haithibitishi kwa njia ya kiempiria kwamba matumizi ya roboti huongeza viwango vya ajali.
• Hauonyeshi kwamba HMIAS ni sheria inayofunga katika nchi yoyote leo.
• Haudai kwamba mifumo inayofuata viwango vya ISO si salama.
• Haudai kwamba mtengenezaji anapaswa kuwajibika moja kwa moja katika kila ajali ya HMI.
• Haudai kwamba maamuzi ya Boston Scientific au Sanofi Pasteur ni precedenti zilizotumika moja kwa moja kwa roboti za viwandani.
• Hauhitimishi kwa uhakika wa kisababishi kwamba kuondolewa kwa AI Liability Directive kulisababishwa tu na ushawishi wa sekta.

Vikwazo vikuu

Kizuizi cha kwanza ni kutokuwepo kwa hifadhidata iliyosawazishwa ya kimataifa kuhusu matukio ya HMI. Data za IFR zinazotumiwa na chanzo zinaonyesha ukubwa wa uwekaji wa roboti lakini hazipimi viwango vya majeraha au ajali.

Pili, utafiti haujumuishi uchumi muhimu wa viwanda kama India, Mexico na Italia. Hii inatokana na mipaka ya utafiti, si kutokuwa muhimu kinadharia.

Tatu, utafiti unalenga HMI za viwandani na uzalishaji pekee. Roboti za watumiaji, roboti za tiba na magari huru kwenye barabara za umma zina historia tofauti za udhibiti.

Nne, kwa sababu baadhi ya masharti ya Machinery Regulation yataanza kutumika moja kwa moja kuanzia Januari 2027, tathmini ya kanuni hii ni zaidi uchambuzi wa kisheria unaotazama mbele kuliko tathmini ya utekelezaji na mazoea ya mahakama yaliyokwisha kutokea.

Tano, kesi za Boston Scientific, Sanofi Pasteur na Tempe si precedenti za moja kwa moja za roboti za viwandani za HMI; makala huzitumia kama analojia za kimuundo.

Mwisho, gharama ya bima ya HMIAS, madai ya mchango katika minyororo ya kimataifa ya ugavi, na jinsi itakavyofanya kazi katika mifumo huru isiyo na binadamu kabisa yameachwa kuwa mada za utafiti wa baadaye.

Maelezo ya Chanzo na Mbinu

Kichwa asilia:Reconstructing Legal Responsibility in Industry 4.0: Human-Machine Interfaces, Autonomous Systems, and the Limits of Traditional Liability Doctrines

Mwandishi: Northon Salomão de Oliveira.

ORCID: 0009-0007-4038-0609.

Utambulisho wa kitaasisi/kitaaluma: OAB São Paulo, Brazil.

Tarehe ya uandishi: 4 Agosti 2026.

Aina ya chanzo: Utafiti wa sheria wa kidoktrini, linganishi na kitaasisi.

Jarida / DOI / mchapishaji: Haijabainishwa katika chanzo kilichopakiwa.

Hali ya mapitio ya wenzao: Hati ya chanzo haina taarifa inayothibitisha hali ya uchapishaji uliopitiwa na wenzao.

Mifumo ya sheria iliyochunguzwa: Umoja wa Ulaya, Ujerumani, Marekani, Japani, Korea Kusini na China.

Vyanzo vikuu vya sheria na sera: Directive (EU) 2024/2853, Regulation (EU) 2023/1230, Restatement (Third) of Torts: Products Liability, Japan Product Liability Act, South Korea Act on Intelligent Robots Development and Distribution Promotion, masharti ya dhima ya bidhaa ya Civil Code ya China na sera husika za akili bandia ya viwandani.

Viwango vya kiufundi: ISO 10218-1/-2 na ISO/TS 15066.

Uchambuzi mkuu wa maamuzi na matukio: Boston Scientific, Sanofi Pasteur, tukio la gari huru la Tempe Arizona mwaka 2018 na tukio la roboti ya viwandani Michigan mwaka 1979.

Pendekezo asilia: Human-Machine Interface Accountability Standard (HMIAS).

Vipengele vikuu vya HMIAS: wajibu wa mwingiliano unaoweza kutabirika katika hatua ya usanifu; kasoro ya kiolesura; usababishaji wa pamoja unaotegemea NESS; dhima ya pamoja na mgawanyo wa mchango; ushahidi wa mazingira; ufichuaji wa ushahidi wa kiufundi kutoka kwa pande nyingi; mfumo wa kurekodi matukio na matukio yaliyokaribia kutokea.

Taarifa ya matumizi ya akili bandia: Mwandishi ameeleza kwamba alitumia zana zinazotegemea akili bandia kusaidia rasimu, upangaji wa utafiti na uhariri wa lugha wakati wa kuandaa makala; yeye mwenyewe aliongoza na kudhibiti uchambuzi wa sheria, uteuzi wa vyanzo na matokeo yote.

Kizuizi kikuu cha kimetodolojia: HMIAS si kanuni ya sheria inayofunga kwa sasa; ni kiwango cha dhima kinachopendekezwa ambacho utafiti umeunda kutokana na uchambuzi wa sheria linganishi na taasisi.