هوش مصنوعی و بحران مشروعیت معرفتی در پژوهش‌های مدیریت فرهنگی

به گزارش خبرنگار سرویس فرهنگی و اجتماعی خبرگزاری رسا، دکتر محمدمهدی حکیمیان، پژوهشگر مدیریت فرهنگی و دانشجوی دکتری مدیریت و برنامه‌ریزی فرهنگی دانشگاه علوم و تحقیقات تهران، ظهر پنجشنبه 27 آذر در پانزدهمین پیش‌‎‌نشست علمی همایش «دین، فرهنگ و فناوری» که در این دانشگاه با موضوع «چالش‌های روش شناختی پژوهشگران در کاربست هوش مصنوعی؛ از صحت داده تا اتکاپذیری نتایج» برگزار شد، به بررسی چالش‌های روش‌شناختی کاربست هوش مصنوعی در پژوهش‌های مدیریت فرهنگی پرداخت.

وی در ابتدای سخنان خود ضمن قدردانی از برگزارکنندگان این نشست، بر اهمیت گرامیداشت روز وحدت حوزه و دانشگاه و نقش تاریخی شهید آیت‌الله دکتر مفتح در بنیان‌گذاری این سنت تأکید کرد و این نشست را مصداقی از تحقق عینی این وحدت دانست.

وی با معرفی اجمالی سوابق تحصیلی خود، تصریح کرد: رویکرد ارائه حاضر، برخلاف نگاه‌های کلان و تجویزی، ناظر به سطح خرد و مبتنی بر واقعیت‌های رشته مدیریت فرهنگی است؛ این رشته همچنان با کمبود ادبیات نظری منسجم در کشور مواجه است.

دکتر حکیمیان افزود: مطالب ارائه‌شده، حاصل جمع‌بندی گفت‌وگو با بیش از بیست نفر از اساتید و پژوهشگران دانشگاهی و چکیده‌ای از دو مقاله علمی در دست تدوین است که بخشی از آن‌ها در آینده منتشر خواهد شد و می‌تواند در توسعه ادبیات مدیریت فرهنگی مؤثر باشد.

این پژوهشگر مدیریت فرهنگی ساختار بحث خود را در سه بخش معرفی کرد و گفت: بخش نخست به بیان مسئله و تبیین چالش‌های روش‌شناختی اختصاص دارد، در بخش دوم این چالش‌ها ذیل یک الگوی سه‌لایه صورت‌بندی می‌شود و در بخش پایانی نیز تلاش خواهد شد با رویکردی عملیاتی، به نتایج و پیشنهادهایی در سطح خرد دست یابیم.

وی تأکید کرد: ورود به بحث هوش مصنوعی در پژوهش‌های فرهنگی، بدون توجه به مبانی معرفتی، می‌تواند به تقلیل مسئله و تولید نتایج غیرقابل اتکا منجر شود.

گذار از «پژوهشگر-مولف» به «پژوهشگر-کیوریتور»

دکتر حکیمیان با اشاره به تلقی رایج از هوش مصنوعی به‌عنوان ابزاری برای افزایش سرعت، دقت و صرفه‌جویی در زمان پژوهش، اظهار داشت: هرچند این نگاه برای پژوهشگران قابل درک است، اما مسئله اصلی را تقلیل می‌دهد. چالش بنیادین، گذار از پارادایم «پژوهشگر به مثابه مولف» به «پژوهشگر به مثابه متصدی و کیوریتور» است؛ تغییری که منطق تولید دانش را به‌طور اساسی دگرگون می‌کند.

وی افزود: در روش‌شناسی سنتی، پژوهشگر داده را گردآوری، پردازش و تحلیل می‌کرد و نهایتاً به نتیجه می‌رسید، اما در هوش‌های مصنوعی مولد، با یک «جعبه سیاه» مواجه هستیم که در آن، پرامپت وارد می‌شود و خروجی تولید می‌گردد، بی‌آنکه منطق درونی این فرآیند برای پژوهشگر شفاف باشد. دکتر حکیمیان تأکید کرد: در مدیریت فرهنگی، مسئله اصلی نه سرعت و نه حجم خروجی، بلکه «مشروعیت معرفتی» دانشی است که از این مسیر تولید می‌شود.

این پژوهشگر تصریح کرد: هوش مصنوعی برخلاف تصور رایج، ابزاری خنثی و بی‌طرف نیست، بلکه محصول یک جهان معرفتی خاص، با پیش‌فرض‌های انسان‌شناختی، زبانی و فرهنگی مشخص است که عمدتاً ریشه در نظام معرفتی غرب دارد. وقتی پژوهشگر در یک بستر دینی، اسلامی و ایرانی از این ابزار استفاده می‌کند، ناخواسته یک واسطه معرفتی را وارد فرآیند تولید معنا می‌سازد که می‌تواند به ایجاد نویز روش‌شناختی منجر شود.

چالش صحت داده و اتکاپذیری نتایج در پژوهش فرهنگی

این پژوهشگر مدیریت فرهنگی نخستین چالش اساسی را «صحت داده» دانست و گفت: داده‌های مدیریت فرهنگی ماهیتی کیفی، زمان‌مند و مفهومی دارند، در حالی که مدل‌های زبانی بزرگ بر اساس داده‌های جهانی و عمدتاً غربی آموزش دیده‌اند.

وی افزود: پرسش اصلی این است که آیا این مدل‌ها می‌توانند فرهنگ ایرانی ـ اسلامی را به‌درستی تحلیل کنند یا ناخواسته مفاهیم بومی را مخدوش می‌سازند.

دکتر حکیمیان با اشاره به پدیده «استعمار روش‌شناختی» اظهار داشت: در پژوهش‌های فرهنگی، مسئله صرفاً غلط بودن آمار نیست، بلکه تهی شدن مفاهیم از معانی بومی و ارزشی است. استفاده افراطی از هوش مصنوعی، پژوهشگر را از معنا و ارزش دور کرده و به سمت الگوریتم، توکن و عدد سوق می‌دهد؛ مسیری که با ذات فرهنگ و مدیریت فرهنگی ناسازگار است.

وی دومین چالش را «اتکاپذیری» یا پایایی نتایج دانست و تصریح کرد: هوش مصنوعی ذاتاً احتمالی و غیردترمینیستی است و همین ویژگی، تکرارپذیری نتایج را کاهش می‌دهد. یک پرسش واحد می‌تواند در زمان‌ها یا برای افراد مختلف، پاسخ‌های متفاوتی تولید کند و این مسئله، پژوهشگر را با خطای پارادایمی مواجه می‌سازد؛ خطایی که نتایج آن بر بنیان فرهنگی صحیح استوار نیست.

سوگیری هستی‌شناختی و تقلیل‌گرایی فرهنگی

دکتر حکیمیان در ادامه، به سه چالش بنیادین در کاربست هوش مصنوعی در مدیریت فرهنگی اشاره کرد و نخستین آن را «سوگیری هستی‌شناختی داده‌ها» دانست و سپس افزود: مدل‌های زبانی بزرگ بر پایه کلان‌داده‌های اینترنتی آموزش دیده‌اند و سهم محتوای فارسی، شیعی و ایرانی در آن‌ها بسیار محدود است. این مسئله موجب می‌شود وزن‌دهی فرهنگی به نفع رویکردهای سکولار و لیبرال شکل بگیرد و صحت داده‌های فرهنگی زیر سؤال برود.

وی با ذکر مثالی از جعل ناخواسته متون منسوب به نهج‌البلاغه، هشدار داد: پژوهشگر مدیریت فرهنگی اگر بدون دقت از این ابزارها استفاده کند، ممکن است به داده‌هایی استناد کند که ظاهری معتبر اما محتوایی نادرست دارند. این امر نه‌تنها اعتبار پژوهش، بلکه اعتماد علمی را نیز تضعیف می‌کند.

این پژوهشگر، «تقلیل‌گرایی در تحلیل فرهنگی» را دومین چالش اساسی دانست و گفت: فرهنگ امری پیچیده، چندلایه و مبتنی بر تجربه زیسته است، در حالی که هوش مصنوعی ناگزیر آن را به الگوهای زبانی و عددی فرو می‌کاهد. حتی پیشرفته‌ترین مدل‌ها نیز فاقد تجربه زیسته فرهنگی‌اند و در نتیجه، فهمی مکانیکی و غیرارگانیک از فرهنگ ارائه می‌دهند که پژوهش را به «شبه‌پژوهش» تبدیل می‌کند.

اهمیت زمینه و طرح سؤال سیاست‌گذاری

دکتر حکیمیان سومین چالش را «فقدان فهم زمینه» دانست و تصریح کرد: در مدیریت فرهنگی، یک توصیه یا سیاست ممکن است در دو بستر اجتماعی کاملاً متفاوت، نتایج متضادی به همراه داشته باشد. هوش مصنوعی می‌تواند متنی منسجم تولید کند، اما قادر به درک تفاوت‌های زمینه‌ای میان جوامعی مانند قم و کالیفرنیا نیست و همین مسئله، اعتبار توصیه‌های فرهنگی را مخدوش می‌کند.

در میانه این نشست، یکی از حاضران سؤالی را از منظر سیاست‌گذاری علم و حکمرانی علوم انسانی مطرح کرد و پرسید: «آیا با ورود هوش مصنوعی، مرزهای حکمرانی علمی تضعیف شده است و حاکمیت چگونه می‌تواند اراده خود را در این عرصه اعمال کند؟» دکتر حکیمیان در پاسخ، ضمن پرهیز از ورود غیرتخصصی به حوزه حکمرانی، تأکید کرد: پاسخ به این سؤال در گرو تبیین الگوی روش‌شناختی مشخص در استفاده از هوش مصنوعی است.

الگوی سه‌لایه اتکاپذیری پژوهش فرهنگی

وی در ادامه، الگوی سه‌لایه اتکاپذیری پژوهش‌های مدیریت فرهنگی با کمک هوش مصنوعی را تشریح کرد و گفت: هدف این الگو، مدیریت ریسک معرفتی و کاهش نویز روش‌شناختی است، نه حذف کامل خطا. لایه نخست، «اتکاپذیری داده‌ای» است که در آن، هوش مصنوعی مجاز به تولید داده جدید نیست و صرفاً می‌تواند داده‌های بومی، انسانی و نهادی را بازآرایی، دسته‌بندی و خلاصه‌سازی کند.

لایه دوم، «اتکاپذیری تفسیری» است که در آن، هوش مصنوعی می‌تواند به شناسایی الگوها، مقایسه مفاهیم و برجسته‌سازی تفاوت‌های گفتمانی کمک کند، اما حق تفسیر فرهنگی، تبیین چرایی کنش‌ها و ارائه راهبرد فرهنگی را ندارد. به گفته دکتر حکیمیان، مسئولیت تفسیر و معناپردازی باید مطلقاً بر عهده پژوهشگر فرهنگی باقی بماند.

وی لایه سوم را «اتکاپذیری تجویزی» دانست و هشدار داد: خطرناک‌ترین سطح ورود هوش مصنوعی، عرصه تجویز و سیاست‌گذاری فرهنگی است. تجویز فرهنگی مبتنی بر ارزش‌ها و حکمت بومی است و اگر این وظیفه به هوش مصنوعی واگذار شود، مدیریت فرهنگی جای خود را به مهندسی رفتار فرهنگی خواهد داد.

تأکید بر نقش محوری پژوهشگر انسانی

دکتر حکیمیان در جمع‌بندی سخنان خود تأکید کرد: هوش مصنوعی نباید منبع داده فرهنگی باشد و داده فرهنگی باید میدانی، زیسته و انسانی باقی بماند. وی افزود: در لایه تفسیر، مرز میان تحلیل الگویی و تفسیر فرهنگی باید حفظ شود و در لایه تجویزی، تصمیم نهایی باید به‌طور کامل در اختیار پژوهشگر و سیاست‌گذار فرهنگی قرار گیرد.

وی در پایان با قدردانی از دانشگاه باقرالعلوم(ع) و مرکز تحقیقات اسلامی مجلس، اظهار داشت: استفاده مسئولانه از هوش مصنوعی در مدیریت فرهنگی، نیازمند هوشیاری معرفتی، التزام اخلاقی و پایبندی به هویت ایرانی ـ اسلامی است؛ در غیر این صورت، پژوهش‌های فرهنگی با خطر تهی‌شدن از معنا و اعتبار علمی مواجه خواهند شد.