آیا هوش مصنوعی، پژوهش‌های دینی را ارتقاء داده است

به قلم حسین شجاعی؛ پژوهشگر جهاددانشگاهی 

چندی پیش با یکی از دوستان که مدعی تسلط تخصصی بر ابزارهای مختلف هوش مصنوعی در حوزه الهیات بود و به‌تازگی از پایان‌نامه‌اش دفاع کرده بود، گفت‌وگو می‌کردم. با شور و حرارت از قابلیت‌های شگفت‌انگیز این ابزارها سخن می‌گفت. معتقد بود در پژوهش خود توانسته از منابعی به زبان‌های مختلف استفاده کند، بدون آنکه اساساً با آن زبان‌ها آشنایی داشته باشد. حجم ارجاعات پایان‌نامه‌اش نیز به‌قدری افزایش یافته بود که به گفته خودش، تحسین استادان داور را برانگیخته بود. نکته جالب‌تر اینکه اعتراف می‌کرد ورقی از انبوه کتاب‌هایی که به آنها استناد کرده بود را کامل نخوانده بود.

او چنان شیفته هوش مصنوعی شده بود که معتقد بود چند سال دیگر اساساً بساط پژوهش و دانشگاه برچیده خواهد شد. از او خواستم پایان‌نامه‌اش را برایم بفرستد. با کمال میل پذیرفت. من نیز با توجه به توصیف‌هایی که از کار خود ارائه کرده بود، انتظار داشتم با اثری مواجه شوم که نشانه‌ای از یک جهش علمی باشد؛ اثری که دست‌کم در حوزه موضوعی خود، چیزی فراتر از پژوهش‌های متعارف ارائه کرده باشد. اما پس از مطالعه، با چنین اثری مواجه نشدم. برعکس، اشکالات کار در مواردی چنان جدی بود که اگر خودم داور آن پایان‌نامه بودم، به‌سادگی نمی‌توانستم از کنار آنها بگذرم.

این تجربه روشن کرد که هنوز در میان برخی از دانشگاهیان تفکیک میان نویسندگی و پژوهشگری به درستی روشن نشده است. به گمان من، بخشی از بیش برآوردی‌هایی که از قابلیت هوش مصنوعی می‌شود بیشتر معطوف به فریفتگی از قابلیت این ابزارها در تولید متن است. هوش مصنوعی می‌تواند در مدت کوتاهی متنی منسجم، پرارجاع و از نظر ظاهری علمی تولید کند؛ اما پژوهش علمی صرفاً تولید متن نیست. پژوهش، پیش از آنکه مسئله‌ای زبانی باشد، مسئله‌ای معرفتی است. پژوهشگر باید مسئله‌ای واقعی و معنادار را شناسایی کند، پرسش مناسب طرح کند، شواهد مرتبط را بیابد، اعتبار آنها را بسنجد، میان شواهد و مدعاها نسبت منطقی برقرار کند و در نهایت به یافته‌ای برسد که چیزی بر دانش موجود بیفزاید. به تعبیر دیگر، پژوهش در مرزهای دانش اتفاق می‌افتد، نه در مرزهای توانایی تولید متن.

هوش مصنوعی ممکن است نوشتن یک مقاله را از چند هفته به چند روز کاهش دهد، اما این امر به خودی خود به معنای کوتاه‌تر شدن مسیر رسیدن به یک ایده جدید نیست. حتی ممکن است برعکس، سرعت بالای تولید متن پژوهشگر را از تأمل، مطالعه و درگیری عمیق با مسئله بازدارد. پژوهشگر ممکن است پیش از آنکه واقعاً مسئله را فهمیده باشد، ده‌ها صفحه متن تولید کند؛ متنی که ظاهری علمی دارد، اما درون آن فاقد مسئله، استدلال و کشف تازه است.

آنچه من در سال‌های اخیر، در مقام مدرس دانشگاه و گاه داور آثار پژوهشی، مشاهده کرده‌ام نیز کمابیش مؤید همین نگرانی است. این البته یک پیمایش نظام‌مند و آماری نیست و نباید بیش از اندازه تعمیم داده شود؛ بلکه حاصل تجربه و مشاهده مستقیم است. بااین‌حال، این تجربه برای تأمل درباره یک روند فرهنگی و علمی کافی به نظر می‌رسد.

پیش از رواج گسترده ابزارهای هوش مصنوعی، یکی از ایرادهای رایج در برخی مقالاتی که برای داوری دریافت می‌کردم این بود که مقاله، پخته و حاصل مطالعه نسبتاً طولانی بود، اما نوآوری کافی نداشت. نویسنده موضوع را خوب می‌شناخت، منابع محدودی را دیده و درباره مسئله فکر کرده بود، اما نهایتاً نتوانسته بود گامی جدی فراتر از دانش موجود بردارد. امروز اما در کنار این مشکل، با مسئله دیگری نیز مواجهیم: گاه متن نه‌تنها فاقد نوآوری است، بلکه از آن پختگی و تسلطی که معمولاً حاصل صرف زمان و درگیری طولانی با موضوع است نیز برخوردار نیست. 

گاهی حتی خطاهای بسیار ابتدایی در این آثار دیده می‌شود. برای نمونه، در یکی از مقالات حوزه الهیات که توسط یکی از اساتید پرتألیف نوشته شده بود، تعداد رکعات نماز به‌اشتباه ذکر شده بود و این اشتباه در بخش‌های مختلف مقاله نیز تکرار شده بود. عجیب‌تر آنکه نویسنده، ظاهراً به دلیل اعتماد بیش از حد به خروجی هوش مصنوعی و شتاب در آماده‌سازی اثر، متوجه این خطای آشکار نشده بود.

مشکل دیگری که این سال‌ها در داوری‌ها متوجه آن شده‌ام، ماشینی شدن زبان پژوهش است. بسیاری از متونی که با اتکای به هوش مصنوعی نوشته می‌شوند، به‌تدریج به الگوهای زبانی مشابهی نزدیک می‌شوند: مقدمه‌های کلیشه‌ای، جمله‌بندی‌های تکراری، تقسیم‌بندی‌های قابل پیش‌بینی و تعابیری که گرچه در نگاه نخست علمی و منظم به نظر می‌رسند، اما از شخصیت فکری نویسنده تهی‌اند. متن علمی فقط مجموعه‌ای از گزاره‌های درست نیست؛ نحوه صورت‌بندی مسئله، انتخاب واژگان، سبک استدلال و حتی نوع مواجهه نویسنده با ابهام‌ها، بخشی از هویت فکری اوست. وقتی این فرایند به‌طور کامل به ماشین سپرده شود، ممکن است متن تولید شود، اما «صاحب فکر» آن به‌تدریج از متن غایب شود.

در مجموع آنچه در این یادداشت به بیان آمد به معنای ناکارآمد دانستن هوش مصنوعی در پژوهش نیست. اتفاقاً این فناوری می‌تواند بسیاری از موانع سنتی پژوهش را کاهش دهد. جست‌وجوی اولیه منابع، دسته‌بندی اطلاعات، تهیه گزارش از متون، مقایسه دیدگاه‌ها، ترجمه اولیه، سازمان‌دهی داده‌ها، ایده‌پردازی و حتی نقد اولیه یک استدلال، از جمله حوزه‌هایی هستند که هوش مصنوعی می‌تواند در آنها دستیار بسیار قدرتمندی باشد. برای پژوهشگرانی که با انبوهی از منابع مواجه‌اند، چنین قابلیتی می‌تواند واقعاً تحول‌آفرین باشد. اما نباید فراموش کرد که در یک پژوهش علمی مسئولیت اعتبارسنجی شواهد، تشخیص خطا، فهم بافت تاریخی و مفهومی منابع، سنجش اعتبار استنادها و مهم‌تر از همه، داوری درباره ارزش یک ایده همچنان بر عهده پژوهشگر است.

این مسئله در حوزه الهیات اهمیت بیشتری دارد. فهم گزاره‌های دینی نیازمند توجه به بافت تاریخی، سنت تفسیری، تحولات مفهومی، پیش‌فرض‌های کلامی و نسبت میان متون است. انباشت ارجاعات، حتی اگر همگی صحیح باشند، الزاماً به تولید معرفت منجر نمی‌شود.

ازاین‌رو، شاید لازم باشد در ارزیابی خود از هوش مصنوعی تجدیدنظر کنیم. نه آن‌قدر بدبین باشیم که ظرفیت‌های واقعی آن را نادیده بگیریم و نه آن‌قدر شیفته شویم که سرعت را با علم و حجم متن را با عمق پژوهش اشتباه بگیریم.

مسئله اصلی امروز دانشگاه، آموزش استفاده از هوش مصنوعی نیست؛ آموزش درستِ پژوهشگری در عصر هوش مصنوعی است. پژوهشگر باید بیاموزد که از ماشین برای بهتر پرسیدن، دقیق‌تر دیدن، گسترده‌تر جست‌وجو کردن و منظم‌تر نوشتن استفاده کند، نه اینکه اندیشیدن، مطالعه کردن و داوری علمی را به آن واگذار کند.

هوش مصنوعی می‌تواند زمان پژوهشگر را آزاد کند؛ اما اینکه این زمان آزادشده صرف مطالعه عمیق‌تر و اندیشیدن بیشتر شود یا صرفاً به تولید متن بیشتر بینجامد، به خود پژوهشگر بستگی دارد. آینده پژوهش احتمالاً نه در حذف انسان، بلکه در همکاری هوشمندانه انسان و ماشین رقم خواهد خورد؛ به شرط آنکه همچنان روشن بماند که در این همکاری، ماشین ابزار است و پژوهشگر صاحب مسئله، مسئول استدلال و داور نهایی حقیقت است.