هوش مصنوعی؛ ناجی یا تهدید برای علوم انسانی؟

تهران- ایرنا- «علی شاکر» معتقد است: هوش مصنوعی می‌تواند ابزاری ارزشمند در بازسازی دیجیتال میراث فکری و فرهنگی ایران باشد. ما می‌توانیم با همین ابزار سنت‌های فکری‌مان را بازخوانی، مستندسازی و حتی تقویت کنیم. اگر هوشمندانه استفاده شود هوش مصنوعی نه ‌تنها تهدید نیست بلکه فرصتی بی‌نظیر برای نوسازی علوم انسانی است.

در سال‌های اخیر هوش مصنوعی نه ‌تنها در صنایع فناورانه و علوم مهندسی بلکه در عرصه‌های سنتی‌تر همچون علوم انسانی نیز حضوری چشمگیر یافته است. ابزارهایی که زمانی مختص تحلیل داده‌های عددی و پردازش زبان بودند اکنون به یاری پژوهشگران علوم انسانی آمده‌اند تا متون را تحلیل کنند، الگوها را کشف کنند و حتی فرضیه‌هایی نو خلق نمایند.

با این حال این ورود شتاب‌زده پرسش‌هایی بنیادین را نیز به همراه داشته است: آیا ماهیت علوم انسانی دگرگون خواهد شد؟ نقش انسان در تحلیل و تفسیر چه جایگاهی خواهد داشت؟ و چه تهدیدهایی در کمین این هم‌افزایی میان انسان و ماشین است؟ در همین راستا پژوهشگر ایرنا گفت‌وگویی با «علی شاکر» پژوهشگر حوزه ارتباطات و هوش مصنوعی انجام داده است تا چشم‌انداز این تحول را از منظر یک متخصص میان‌رشته‌ای بررسی کند.

هوش مصنوعی؛ کلید عبور از مرزهای سنتی در تحقیقات علوم انسانی

شاکر معتقد است که هوش مصنوعی صرفاً یک ابزار فناورانه نیست بلکه پدیده‌ای است که در حال بازآرایی بنیادین زیرساخت‌های فرهنگی، اجتماعی و شناختی بشر است.

او این تحول را عمیق و مرتبط با هستی‌شناسی نوین می‌داند و تأکید دارد که تغییر در شیوه فهم و درک جهان پیامد مستقیم ورود این فناوری به زندگی انسان‌هاست. علاقه‌مندان و پژوهشگران این حوزه باید هرچه سریع‌تر با ابزارهای نوین هوش مصنوعی آشنا شوند. اگرچه توجهاتی به این حوزه آغاز شده اما هنوز در مقیاس کلان چشم‌انداز آن به‌ درستی ترسیم نشده است.

پژوهشگر حوزه ارتباطات و هوش مصنوعی یکی از مهم‌ترین ظرفیت‌های هوش مصنوعی را در توانایی پردازش و تحلیل داده‌ها می‌بیند.

وی می‌گوید که مدل‌های زبانی بزرگ (LLMs) امکان تحلیل کیفی و کمی داده‌ها را در مقیاسی وسیع فراهم کرده‌اند و این امر می‌تواند به تحول بنیادین در روش‌شناسی پژوهش در علوم انسانی منجر شود. در عین حال نبود دسترسی به داده‌ست‌های ساخت‌یافته منظم و پاکیزه را یکی از موانع جدی در این مسیر می‌داند.

شاکر مجموعه متنوعی از منابع داده را در این زمینه دارای اهمیت می‌داند و توضیح می‌دهد: منابع داده از متون تاریخی و ادبی گرفته تا اسناد آرشیوی، محتوای رسانه‌ای، تعاملات دیجیتال در شبکه‌های اجتماعی و حتی داده‌های صوتی و تصویری هستند. دسترسی به این داده‌ها می‌تواند به پژوهشگران کمک کند تا سؤالات پیچیده‌تری طرح کرده و افق‌های تازه‌ای را در تحلیل‌های میان‌رشته‌ای بگشایند.

هوش مصنوعی در علوم انسانی عاملی برای عبور از محدودیت‌ های سنتی است. ابزارهای هوش مصنوعی امکان کشف الگوهای پنهان در کلان‌داده‌ها را فراهم می‌کند. از این‌رو می‌توان به طرح فرضیه‌های نو و بررسی پدیده‌های نوظهور پرداخت.

پژوهشگر حوزه ارتباطات و هوش مصنوعی در ادامه بر نقش هوش مصنوعی در گسترش دامنه و عمق تحقیقات علوم انسانی تأکید می‌کند و آن را عاملی برای عبور از محدودیت‌های سنتی می‌داند. ابزارهای هوش مصنوعی امکان کشف الگوهای پنهان در کلان‌داده‌ها را فراهم می‌کند و از این‌رو می‌توان به طرح فرضیه‌های نو و بررسی پدیده‌های نوظهور پرداخت.

وی یادآور می‌شود: یکی دیگر از نکات کلیدی ضرورت پیوند علوم انسانی با علوم پایه ریاضی و علوم داده است. عصر جدید پژوهشگران علوم انسانی را وادار می‌سازد که به مفاهیم و ابزارهای علوم محاسباتی مجهز شوند. این رویکرد به‌ ویژه در حوزه‌های میان ‌رشته‌ای همچون علوم اجتماعی، محاسباتی زبان‌شناسی، محاسباتی فلسفه، محاسباتی و علوم ارتباطات جایگاهی ویژه دارد. پارادایم پژوهشی در حال تغییر است. مسئله امروز دیگر یافتن پاسخ نیست زیرا بسیاری از پاسخ‌ها در دسترس‌اند بلکه هنر اصلی طراحی سؤالات درست و دقیق است؛ سؤالاتی که بتوانند پلی میان علوم انسانی و علوم داده برقرار کنند و افق‌های تازه‌ای در فهم جهان بگشایند.

اسب وحشی هوش مصنوعی را چه کسی باید کنترل کند؟

شاکر بر این باور است که هوش مصنوعی تنها یک ابزار فناورانه نیست بلکه نیرویی است که مرزهای سنتی میان علوم انسانی و دیگر شاخه‌های علمی را درهم می‌شکند. در عصر داده دیگر نمی‌توان مرزی مشخص میان علوم انسانی، علوم داده و علوم کامپیوتر قائل شد. همکاری میان این حوزه‌ها و رسیدن به یک زبان مشترک میان آن‌ها ضرورتی فوری است. زبان مشترکی که خودِ هوش مصنوعی می‌تواند در خلق آن نقش کلیدی ایفا کند.

وی با اشاره به تحول مفهومی در «تفسیر» می‌گوید: تفسیر دیگر فقط یک امر شخصی نیست. وقتی کلان‌داده‌ها الگوهایی متفاوت ارائه می‌دهند دیگر نمی‌توان به سادگی یک روایت فردی را معیار تحلیل قرار داد. ما باید تفسیرهای خود را با آن الگوهای داده‌ محور بازسازی کنیم. این نگاه داده‌ محور به معنای حذف خلاقیت یا روایت شاعرانه نیست بلکه توازن تازه‌ای میان شهود انسانی و شواهد آماری شکل گرفته است.

یکی از دغدغه‌های اساسی پرسشی است که ذهن بسیاری را مشغول کرده: «اگر ماشین همه‌ چیز را انجام می‌دهد پس نقش انسان چیست؟» شاکر در پاسخ به این پرسش می‌گوید: ما هنوز باید تصمیم بگیریم. ما سوار این اسب وحشی هستیم. اگر هدایتش نکنیم ما را با خود خواهد برد. نقش انسان نه تنها از بین نرفته بلکه مهم‌تر هم شده زیرا خلاقیت تفسیر و طراحی سؤال‌های نو حالا اهمیت مضاعف یافته‌اند.

پژوهشگر حوزه ارتباطات و هوش مصنوعی در ادامه بر ضرورت استفاده از روش‌های ترکیبی (Mixed Methods) در پژوهش‌های علوم انسانی تأکید می‌کند و اظهار می‌دارد که حوزه‌هایی همچون علوم اجتماعی محاسباتی، ارتباطات محاسباتی و حتی روزنامه‌نگاری محاسباتی به سرعت در حال گسترش‌اند و مسیر جدیدی را برای پژوهش‌گران این حوزه ترسیم کرده‌اند. توانایی آموزش ماشین برای انجام نوع خاصی از پژوهش یکی از هیجان‌انگیزترین قابلیت‌های امروز است. شما می‌توانید از طریق یادگیری ماشین و پردازش زبان طبیعی مدلی بسازید که به سبک دلخواه شما متون را تحلیل کند. حتی می‌توانید سیاست‌هایی که در ذهن دارید را در یک محیط مجازی شبیه‌سازی کنید و اثرات آن را تا حدی ارزیابی کنید. بله هنوز متغیرهای ناشناخته زیادی هست اما این امکان یک جهش پژوهشی به ‌شمار می‌آید.

ما سوار این اسب وحشی؛ یعنی هوش مصنوعی هستیم. اگر هدایتش نکنیم ما را با خود خواهد برد. نقش انسان نه تنها از بین نرفته بلکه مهم‌تر هم شده زیرا خلاقیت تفسیر و طراحی سؤال‌های نو حالا اهمیت مضاعف یافته‌اند.

شاکر همچنین به کاربردهای عملی هوش مصنوعی در پژوهش‌های کیفی اشاره می‌کند و توضیح می‌دهد: از جمله امکان واگذاری کارهای وقت‌گیر و تکراری به ماشین برای مثال پیاده‌سازی و کدگذاری مصاحبه‌های عمیق تا پژوهشگر بتواند تمرکز خود را بر تحلیل نظری و طراحی مسیرهای خلاقانه‌تر پژوهش حفظ کند. هوش مصنوعی می‌تواند ابزاری ارزشمند در بازسازی دیجیتال میراث فکری و فرهنگی ایران باشد. ما می‌توانیم با همین ابزار سنت‌های فکری‌مان را بازخوانی مستندسازی و حتی تقویت کنیم. اگر هوشمندانه استفاده شود هوش مصنوعی نه ‌تنها تهدید نیست بلکه فرصتی بی‌نظیر برای نوسازی علوم انسانی است.

آنچه ۶ ماه زمان می‌برد حالا در کمتر از یک روز ممکن شده است

پژوهشگر حوزه ارتباطات و هوش مصنوعی در پاسخ به این پرسش که مهم‌ترین نقاط قوت هوش مصنوعی در تقویت پژوهش‌های علوم انسانی چیست تصریح می‌کند: بی‌تردید یکی از مهم‌ترین ظرفیت‌های هوش مصنوعی توانایی آن در پردازش و تحلیل کلان‌داده‌هاست. این ابزار به ما امکان می‌دهد الگوهایی را تشخیص بدهیم که تا پیش از این در دل داده‌های حجیم و پراکنده پنهان مانده بودند.

شاکر با اشاره به تجربه شخصی‌اش ادامه می‌دهد: کاری که زمانی برای من به ‌عنوان پژوهشگر ۶ ماه زمان می‌برد امروز با کمک هوش مصنوعی در کمتر از یک روز انجام می‌شود. این یعنی ما با افزایش چشمگیر سرعت در فرآیند پژوهش مواجهه هستیم آن هم بدون اینکه الزاماً از دقت و عمق کاسته شود.

به باور او این صرفه‌جویی در زمان به پژوهشگران اجازه می‌دهد انرژی بیشتری صرف ارتقاء کیفیت تحلیل کنند. وقتی بار سنگین و زمان‌بر برخی از مراحل را ماشین به ‌عهده می‌گیرد ما می‌توانیم زمان بیشتری صرف دقت در تفسیرها بازبینی فرضیات و طراحی سؤالات عمیق‌تر کنیم. هوش مصنوعی امکان دسترسی گسترده‌تری به ابزارها و منابع مختلف را برای پژوهشگر فراهم می‌کند. شما می‌توانید از مجموعه‌ای متنوع از ابزارهای تحلیل زبان، تصویر صوت شبکه‌های اجتماعی و متون تاریخی بهره ببرید. این سطح از دسترسی پژوهش را هم دموکراتیک‌تر و هم عمیق‌تر کرده است.

اگر فکر کردن را هم به هوش مصنوعی واگذار کنیم خود را تسلیم کرده‌ایم

پژوهشگر ارتباطات و هوش مصنوعی در کنار بیان ظرفیت‌های چشمگیر هوش مصنوعی نسبت به برخی مخاطرات و نقاط منفی آن نیز هشدار می‌دهد. به گفته‌ او یکی از مهم‌ترین نگرانی‌ها موضوع تعصبات الگوریتمی یا همان Algorithmic Bias است. باید دقیق بررسی کنیم که این مدل‌ها و ماشین‌ها براساس چه داده‌هایی آموزش دیده‌اند. اگر این داده‌ها از پیش دچار تعصب یا نابرابری باشند هوش مصنوعی نیز همان ساختارهای ناعادلانه و تبعیض‌آمیز را بازتولید می‌کند. این یکی از خطرات جدی است.

شاکر ادامه می‌دهد: از طرف دیگر اگر ما هم کار فیزیکی (اصطلاحاً کار گل) و هم کار فکری را به ماشین‌ها بسپاریم در واقع داریم جایگاه انسانی‌مان را واگذار می‌کنیم. اینجاست که باید حتماً تأکید کنیم تفسیر انسانی همچنان حیاتی و غیرقابل جایگزین است.

وی تأکید می‌کند که هوش مصنوعی نباید جای انسان را بگیرد بلکه باید در خدمت انسان و خلاقیت او قرار بگیرد. اگر صرفاً به داده و پردازش عددی تکیه کنیم و عنصر انسانی را حذف کنیم از مسیر اصلی علوم انسانی دور می‌شویم. هنر ما این است که بتوانیم از این ابزار استفاده کنیم نه اینکه خود به ابزاری در دست آن تبدیل شویم.

از ردگیری کاربران تا توهم حقیقت

شاکر پیرامون چالش‌های استفاده‌ گسترده از هوش مصنوعی در علوم انسانی نخست به مسئله‌ نقض حریم خصوصی اشاره می‌کند و می‌گوید: نیاز به توضیح زیاد ندارد. کافی است موبایلتان روشن باشد و لوکیشن فعال؛ همین یعنی شما کاملاً قابل ردیابی هستید. شرکت‌ها می‌توانند مسیرهای حرکتی شما را تحلیل کنند بفهمند با چه کسانی در ارتباط هستید و از آن برای شناخت عمیق رفتاری و حتی شکل‌ دادن به تصمیم‌هایتان استفاده کنند.

او این مسئله را بخشی از یک فرآیند بزرگ‌تر می‌داند که به آن «جنگ شناختی» می‌گویند و ادامه می‌دهد: در این وضعیت کسی شما را مجبور به کاری نمی‌کند؛ شما خودتان تصمیم می‌گیرید همان کاری را بکنید که به نفع سیستم یا نهاد بالادست است بی‌آنکه متوجه باشید.

پژوهشگر ارتباطات و هوش مصنوعی در ادامه به یکی از جنبه‌های پیچیده و کمتر شفاف هوش مصنوعی می‌پردازد که همان پدیده‌ جعبه سیاه (Black Box) در مدل‌های یادگیری عمیق است و در ادامه هشدار می‌دهد: ما واقعاً نمی‌دانیم این مدل‌ها چگونه به پاسخ می‌رسند. فرآیند درونی آنها برای ما قابل درک نیست و همین ناشناختگی یک خطر بالقوه برای علوم انسانی است که بر پایه‌ تأمل و نقد بنا شده است.

وی یکی دیگر از چالش‌های مهم را توهم‌زایی هوش مصنوعی می‌داند و می‌گوید: گاهی این مدل‌ها پاسخ‌هایی تولید می‌کنند که قاطع دقیق و باورپذیر به نظر می‌رسند اما در واقع هیچ پایه‌ علمی یا واقعی ندارند. اگر کاربر حواسش نباشد به راحتی ممکن است این پاسخ‌ها را به ‌عنوان حقیقت بپذیرد. مسئولیت این محتوا در نهایت با انسان است نه ماشین. گر من دارم محتوایی را از طریق این ابزار منتشر می‌کنم منم که باید مسئولیت صحت و تبعاتش را بپذیرم نه هوش مصنوعی.

زیرساخت نداریم؛ هوش مصنوعی گاهی از کنترل خارج می‌شود

شاکر معتقد است که زیرساخت‌های لازم برای توسعه‌ بومی این فناوری در ایران هنوز فراهم نیست. در حالی که آمریکا تنها در ۱۰ سال گذشته بیش از ۵۰۰ میلیارد دلار در این حوزه سرمایه‌گذاری کرده و چین هم حدود ۱۹۶ میلیارد دلار ما هنوز در آغاز راه هستیم.

وی با تأکید بر ضرورت تدوین سیاست‌های روشن در استفاده از هوش مصنوعی در علوم انسانی می‌گوید: مسئله‌ اخلاق در هوش مصنوعی تازه است؛ خیلی تازه. ما هنوز تجربه‌ کافی نداریم. باید تجربه کنیم آزمون و خطا داشته باشیم و از تجربیات قبلی‌مان در مواجهه با فناوری‌های دیگر استفاده کنیم اما مسئله اینجاست که هیچ‌کدام از آن فناوری‌ها ویژگی منحصر به ‌فرد هوش مصنوعی را ندارند: این فناوری خودش می‌تواند اقدام کند. دیدیم که مدل آنتروپیک وقتی می‌خواستند تغییرش بدهند تهدید کرد که داده‌های خصوصی کاربران را افشا می‌کند. یا GPT گاهی از خاموش شدن سر باز می‌زند. این‌ها نشان می‌دهد که باید به سمت تقویت قابلیت توضیح‌پذیری (explainability) و شفافیت الگوریتمی برویم؛ یعنی بفهمیم این مدل‌ها دقیقاً چگونه تصمیم می‌گیرند.

پژوهشگر ارتباطات و هوش مصنوعی بر لزوم ورود جدی حقوقدانان به این حوزه تأکید می‌کند و اظهار می‌دارد: باید چارچوب‌های قانونی و مقرراتی مشخصی برای حفاظت از حریم خصوصی تدوین شود. نمی‌شود همه ‌چیز را به شرکت‌ها سپرد و فقط امیدوار بود که خوش‌اخلاق باشند.

یکی از سیاست‌های کلیدی پیشنهادی شاکر دسترسی عمومی به داده‌ها و رهایی آن از انحصار شرکت‌هاست و بیان می‌کند: در سطح جهانی نباید داده‌ها فقط در اختیار غول‌های فناوری باشند. باید به سمت شکل‌گیری پایگاه‌های داده‌ عمومی و مشارکتی برویم به شکلی که خود مردم هم نقش داشته باشند و بدانند داده‌هایشان چطور استفاده می‌شود.

نه تنها برنامه‌های درسی در رشته‌های علوم انسانی باید بازنگری شود بلکه شیوه آموزش و پرورش به طور کلی در آستانه تحولات اساسی است. دیگر روش‌های سنتی مکتبی پاسخگو نیستند و آینده آموزش بر پایه تعامل هوش مصنوعی با هر دانش‌آموز شکل می‌گیرد.

پژوهش بین‌رشته‌ای؛ دیگر نمی‌توان فقط متخصص یک چیز بود

شاکر می‌گوید: دیگر نمی‌توان گفت من فقط متخصص فلان رشته‌ام. ماشین‌ها الان کاری را که شما ۶ ماه برایش وقت می‌گذاشتید در یک روز انجام می‌دهند و حتی دقیق‌تر. پس اگر قرار است همچنان انسان در این میدان نقش داشته باشد باید یاد بگیریم تخصص‌ها را به ‌هم وصل کنیم و زبان مشترک بین علوم انسانی، حقوق، علوم داده و فناوری خلق کنیم.

پژوهشگر ارتباطات و هوش مصنوعی درباره مهارت‌های ضروری برای پژوهشگران علوم انسانی در دوران هوش مصنوعی می‌گوید: سواد داده و آشنایی با فناوری‌های نوین به ویژه برای روزنامه‌نگاران و پژوهشگران اهمیت بسیار زیادی دارد. اگر قبلاً لازم بود آمار و روش‌های تحلیل سنتی را بیاموزند امروز باید توانایی کار با داده‌های کلان (Big Data) را هم کسب کنند. سواد هوش مصنوعی یعنی درک منطق کارکرد این ابزارها؛ مثلاً چطور پردازش زبان طبیعی (NLP) انجام می‌شود یا بینایی کامپیوتری چه مفهومی دارد. هدف ما کدنویسی نیست بلکه فهم نحوه عملکرد این فناوری‌ها است.

وی همچنین به ضرورت گسترش تفکر محاسباتی اشاره می‌کند و توضیح می‌دهد: تفکر محاسباتی باید گسترش یابد و پژوهشگران باید با ابزارهای مختلف تحلیل داده آشنا شوند اما در کنار این مهم‌تر از همه حفظ و تقویت تفکر انتقادی است. اگر این بخش را از دست بدهیم در عمل به کارمندان شرکت‌های ارائه ‌دهنده هوش مصنوعی تبدیل می‌شویم. تفکر انتقادی به ما کمک می‌کند تا نه تنها پاسخ‌ها را دریافت کنیم بلکه سوالات جدید عمیق و خلاقانه‌ای مطرح کنیم. چراکه جواب‌ها امروز با این ابزارها قابل دسترسی است اما سوال‌های تازه و چالش ‌برانگیز همچنان نیازمند ذهن انسانی است.

همراهی با هوش مصنوعی برای آینده‌ای نو

شاکر تاکید می‌کند: نه تنها برنامه‌های درسی در رشته‌های علوم انسانی باید بازنگری شود بلکه شیوه آموزش و پرورش به طور کلی در آستانه تحولات اساسی است. دیگر روش‌های سنتی مکتبی پاسخگو نیستند و آینده آموزش بر پایه تعامل هوش مصنوعی با هر دانش‌آموز شکل می‌گیرد. هر کودک امروز به نوعی هوش مصنوعی اختصاصی دارد که بر مبنای سطح دانش و نیازهای او آموزش‌های شخصی‌سازی شده ارائه می‌دهد و در عین حال فرصتی برای یادگیری مهارت‌های ارتباطی کارآفرینی و حل مسئله فراهم می‌کند.

وی ادامه می‌دهد: در ایران هنوز این تحول شکل نگرفته و معلمان و نظام آموزشی باید آماده پذیرش این تغییرات باشند. به عنوان مثال دروس جدیدی مانند منطق داده‌ها، کاربردهای علوم انسانی در هوش مصنوعی و اخلاق فناوری باید وارد برنامه درسی شوند. توسعه تفکر انتقادی دانش‌آموزان و تشویق به پژوهش‌های میان‌رشته‌ای اهمیت زیادی دارد. این نیازمند استادانی است که در چند حوزه تخصص و علاقه داشته باشند هرچند چنین افرادی در ساختار آموزشی ما کم هستند.