مقدمه؛ وقتی یک سؤال شرعی را از ربات میپرسیم
تصور کنید نیمهشب است و سؤالی شرعی برایتان پیش آمده: حکمی مربوط به معامله، عبادت، ارث، پوشش، موسیقی، فناوری یا یک مسئله تازه در زندگی دیجیتال.
در گذشته، شاید به رساله عملیه مراجعه میکردید، از فردی آگاه میپرسیدید یا در ساعت مناسب با دفتر مرجع تقلید تماس میگرفتید. اما امروز، راه دیگری هم پیش روی شماست: سؤال را در یک چتبات هوش مصنوعی مینویسید و چند ثانیه بعد، پاسخی روان و ظاهراً دقیق دریافت میکنید.
همین تجربه ساده، یک پرسش بزرگ را پیش روی ما قرار میدهد:
آیا هوش مصنوعی میتواند در آینده جای مجتهد را بگیرد و فتوا صادر کند؟
پاسخ کوتاه این است: هوش مصنوعی میتواند دستیار بسیار قدرتمندی برای پژوهشهای فقهی و پاسخگویی دینی باشد، اما نمیتواند بهمعنای دقیق کلمه «مجتهد» یا «صاحب فتوا» باشد.
برای فهم این تفاوت، باید هم ماهیت اجتهاد را بشناسیم و هم بدانیم مدلهای زبانی بزرگ یا LLMها دقیقاً چگونه کار میکنند.
در هوش مصنوعی و اجتهاد، اجتهاد فقط پیدا کردن یک پاسخ در کتاب نیست
گاهی اجتهاد به اشتباه با پیدا کردن یک حکم در رساله یا جستوجو در کتابهای فقهی یکی گرفته میشود. اگر مسئله فقط جستوجوی متن بود، یک موتور جستوجوی سریع میتوانست جای فقیه را بگیرد.
اما اجتهاد، فرایندی بسیار پیچیدهتر است.
فقیه برای استنباط حکم شرعی، معمولاً با لایههای متعددی از دانش و تحلیل روبهروست؛ از جمله:
- فهم دقیق آیات قرآن و دلالتهای آنها؛
- بررسی روایات و تشخیص اعتبار سند و متن آنها؛
- شناخت علم رجال و ارزیابی راویان حدیث؛
- استفاده از اصول فقه برای استنباط حکم؛
- جمعکردن میان ادلهای که در ظاهر با هم تعارض دارند؛
- تمایز میان حکم اولیه، حکم ثانویه و حکم حکومتی؛
- شناخت موضوع مورد سؤال در جهان واقعی؛
- توجه به شرایط زمان، مکان و آثار اجتماعی یک فتوا؛
- پذیرش مسئولیت علمی و شرعیِ نظر ارائهشده.
پس اجتهاد، فقط انباشت داده نیست؛ بلکه ترکیبی از دانش، استدلال، تشخیص موضوع، قضاوت علمی و مسئولیتپذیری است
در هوش مصنوعی و اجتهاد، مدلهای زبانی بزرگ یا LLM چه هستند و چه نقشی دارند؟
مدل زبانی بزرگ یا Large Language Model (LLM) نوعی سامانه هوش مصنوعی است که با حجم بسیار زیادی از متن آموزش میبیند. این مدلها میتوانند متن تولید کنند، سؤالها را پاسخ دهند، خلاصه بنویسند، ترجمه کنند، کدنویسی کنند و میان مطالب مختلف ارتباط برقرار کنند.
در سطح ساده، یک مدل زبانی تلاش میکند با توجه به متن قبلی، محتملترین واژه یا بخش بعدی را پیشبینی کند.
برای مثال، اگر جملهای با این عبارت آغاز شود:
«برای تشخیص اعتبار یک روایت، باید به…»
مدل با توجه به الگوهایی که در دادههای آموزشی دیده، ممکن است واژههایی مانند «سند»، «راویان»، «منبع» یا «علم رجال» را پیشبینی کند.
این فرایند در مقیاس بسیار بزرگ و در میلیاردها نمونه متنی تکرار میشود. بهمرور، مدل میتواند روابط پیچیده میان واژهها، مفاهیم، ساختارهای زبانی و الگوهای استدلال را تا حدی بازنمایی کند.
اما یک نکته اساسی وجود دارد:
مدل زبانی، متن را بهصورت الگوهای محاسباتی پردازش میکند؛ نه اینکه مانند یک انسان صاحب آگاهی، نیت، تجربه زیسته یا مسئولیت اخلاقی باشد.
به همین دلیل، پاسخ روان و قانعکننده یک مدل، لزوماً به معنای پاسخ درست و مستند نیست.
چرا پاسخهای هوش مصنوعی گاهی بسیار مطمئن اما نادرستاند؟
یکی از چالشهای مهم مدلهای زبانی، پدیدهای است که معمولاً با عنوان توهم هوش مصنوعی یا Hallucination شناخته میشود.
در این وضعیت، مدل ممکن است:
- منبعی را نادرست نقل کند؛
- نام یک کتاب یا روایت را بسازد؛
- یک فتوا را به مرجعی اشتباه نسبت دهد؛
- میان چند دیدگاه متفاوت، جمعبندی نادرستی ارائه دهد؛
- پاسخی بسازد که از نظر زبانی کاملاً طبیعی است، اما پشتوانه معتبر ندارد.
این خطر در موضوعات عمومی هم مهم است؛ اما در حوزه دین، پزشکی و حقوق حساسیت بیشتری پیدا میکند. زیرا کاربر ممکن است بر اساس پاسخ سامانه، تصمیمی واقعی در زندگی خود بگیرد.
برای همین، یک سامانه پاسخگویی دینی نباید صرفاً به «روانی متن» افتخار کند؛ بلکه باید صحت، استنادپذیری، شفافیت و امکان بررسی پاسخ را در اولویت قرار دهد.
اگر یک هوش مصنوعی را با همه کتابهای فقهی آموزش دهیم، مجتهد میشود؟
فرض کنیم مجموعه بزرگی از منابع دینی را در اختیار یک مدل قرار دهیم:
- قرآن و تفاسیر؛
- منابع حدیثی؛
- کتابهای رجال؛
- منابع اصول فقه؛
- آثار فقهی فقهای مختلف؛
- رسالههای عملیه و استفتائات رسمی؛
- مقالات پژوهشی معتبر؛
- پرسشوپاسخهای تأییدشده مراکز دینی.
آیا نتیجه این کار، یک «مجتهد دیجیتال» خواهد بود؟
خیر. اما میتواند یک دستیار پژوهشی بسیار توانمند ایجاد کند.
چنین سامانهای ممکن است بتواند:
- منابع مرتبط با یک مسئله را در چند ثانیه پیدا کند؛
- پاسخهای رسمی موجود را دستهبندی کند؛
- آرای متفاوت فقها را کنار هم نشان دهد؛
- تفاوت دیدگاهها را خلاصه کند؛
- مسیر مطالعه و تحقیق را برای پژوهشگر پیشنهاد دهد؛
- پرسشهای کاربران را به زبان سادهتر بازنویسی کند؛
- میان سؤالهای روزمره مردم و متنهای تخصصی فقهی پل بزند.
اما هیچکدام از این قابلیتها، بهتنهایی برابر با اجتهاد نیستند.
تفاوت «بازیابی اطلاعات» با «استنباط حکم»
برای روشنترشدن مسئله، میتوان سه سطح را از هم جدا کرد:
| سطح | کارکرد | نمونه |
| بازیابی اطلاعات | یافتن یک متن یا پاسخ موجود | پیدا کردن فتوای یک مرجع درباره یک مسئله مشخص |
| توضیح و ساده سازی | تبدیل زبان تخصصی به زبان قابلفهم | توضیح یک مسئله فقهی برای کاربر غیرمتخصص |
| اجتهاد و استنباط | تحلیل ادله و استخراج حکم در مسئله جدید | بررسی حکم یک پدیده نوپدید که نص صریح درباره آن وجود ندارد |
هوش مصنوعی، بهویژه در دو سطح اول، ظرفیت بالایی دارد. اما سطح سوم، یعنی اجتهاد، نیازمند صلاحیت علمی، روششناسی معتبر، فهم موضوع و مسئولیتپذیری است.
یک مثال ملموس
فرض کنید کاربری میپرسد:
«آیا استفاده از یک اپلیکیشن سرمایهگذاری جدید شرعاً مجاز است؟»
یک سامانه ضعیف ممکن است فقط چند کلیدواژه مانند «سرمایهگذاری»، «سود» و «ربا» را تشخیص دهد و پاسخی کلی تولید کند.
اما برای پاسخ دقیق، باید مشخص شود:
- مدل درآمدی اپلیکیشن چیست؟
- قرارداد میان کاربر و پلتفرم چگونه تنظیم شده است؟
- سود از چه مسیری ایجاد میشود؟
- آیا پای قرض، بهره، غرر، قمار یا معامله صوری در میان است؟
- ریسک سرمایهگذاری چگونه توزیع میشود؟
- این خدمت در چه چارچوب حقوقی و اقتصادی فعالیت میکند؟
این مرحله، همان موضوعشناسی است؛ بخشی که در بسیاری از مسائل جدید، گاهی از پیدا کردن متن حکم نیز دشوارتر میشود.
دادههای دینی؛ چرا کیفیت از حجم مهمتر است؟
در پروژههای هوش مصنوعی، همیشه داده بیشتر به معنای نتیجه بهتر نیست. بهخصوص در حوزه دین، کیفیت، اعتبار و ساختار دادهها اهمیت بسیار بالایی دارد.
برای نمونه، اگر یک سامانه دینی بر اساس دادههای پراکنده اینترنت آموزش ببیند، ممکن است با مشکلات زیر روبهرو شود:
- نقل روایتهای ضعیف یا جعلی؛
- آمیختن دیدگاههای مذاهب و مکاتب مختلف بدون توضیح؛
- نسبتدادن نظر افراد غیرمتخصص به منابع معتبر؛
- استفاده از اطلاعات قدیمی یا تغییرکرده؛
- نادیدهگرفتن اختلاف فتوای مراجع؛
- تبدیل یک توصیه اخلاقی به حکم شرعی قطعی.
بنابراین، دادههای دینی باید پیش از ورود به سامانه، تا حد ممکن اعتبارسنجی، دستهبندی و برچسبگذاری شوند.
نمونهای از برچسبگذاری مفید دادههای دینی
هر سند یا پاسخ در پایگاه دانش میتواند اطلاعاتی مانند اینها داشته باشد:
- نام منبع؛
- نام مؤلف یا نهاد منتشرکننده؛
- تاریخ انتشار یا آخرین بهروزرسانی؛
- مذهب یا چارچوب فقهی؛
- مرجع تقلید یا فقیه صاحبنظر؛
- موضوع فقهی؛
- درجه اعتبار یا وضعیت تأیید؛
- لینک یا نشانی دقیق به متن اصلی.
این ساختار، باعث میشود پاسخ هوش مصنوعی از یک متن مبهم و غیرقابلپیگیری، به پاسخی شفافتر و قابل بررسی تبدیل شود.
تنظیم دقیق یا Fine-tuning؛ آیا راهحل اعتمادپذیری است؟
یکی از روشهای توسعه سامانههای تخصصی، تنظیم دقیق یا Fine-tuning است. در این روش، یک مدل زبانی پایه با مجموعهای از دادههای تخصصیتر آموزش تکمیلی میبیند تا با زبان، اصطلاحات و الگوهای یک حوزه خاص سازگارتر شود.
برای مثال، میتوان یک مدل را با مجموعهای از پرسشوپاسخهای دینیِ تأییدشده تنظیم دقیق کرد تا:
- اصطلاحات فقهی را بهتر بفهمد؛
- پاسخها را با ادبیات مناسبتری بنویسد؛
- ساختار پاسخهای دینی را رعایت کند؛
- کمتر به سراغ پاسخهای نامرتبط برود.
اما Fine-tuning بهتنهایی کافی نیست. چون:
- بهروزرسانی آن دشوارتر است. اگر فتوایی اصلاح یا پاسخ جدیدی منتشر شود، باید چرخه آموزش یا تنظیم مدل بازنگری شود.
- ارجاع دقیق به منبع را تضمین نمیکند. مدل ممکن است مطلبی را «به خاطر سپرده باشد»، اما نتواند دقیق و قابل اعتماد نشان دهد آن را از کجا آورده است.
- خطر ترکیب نادرست اطلاعات باقی میماند. مدل ممکن است از چند داده نزدیک، پاسخی بسازد که دقیقاً در هیچ منبعی وجود ندارد.
پس برای سامانههای حساس، Fine-tuning بیشتر یک ابزار کمکی است، نه راهحل نهایی اعتماد.
RAG چیست و چرا برای پاسخگویی دینی مناسبتر است؟
یکی از معماریهای مهم برای ساخت سامانههای تخصصی، تولید مبتنی بر بازیابی یا Retrieval-Augmented Generation است که به اختصار RAG نامیده میشود.
در این رویکرد، هوش مصنوعی بهجای اینکه صرفاً به دانش ذخیرهشده در مدل تکیه کند، ابتدا در یک پایگاه داده معتبر جستوجو میکند و سپس بر اساس اسناد پیداشده، پاسخ را تولید میکند.
فرایند ساده RAG را میتوان اینطور دید:
مثال کاربردی
کاربر میپرسد:
«نظر مرجع تقلید من درباره استفاده از موسیقی در یک ویدئوی آموزشی چیست؟»
یک سامانه استاندارد باید ابتدا چند نکته را روشن کند:
- مرجع تقلید کاربر چه کسی است؟
- منظور از موسیقی، چه نوع موسیقی و در چه زمینهای است؟
- منبع رسمی و بهروز آن مرجع درباره این موضوع چیست؟
بعد از بازیابی پاسخهای رسمی، مدل میتواند آنها را به زبان ساده بازنویسی کند؛ اما نباید از خودش حکمسازی کند.
مزیتهای RAG برای ابزار دینی
- بهروزرسانی سادهتر پایگاه منابع؛
- امکان نمایش منبع هر پاسخ؛
- کاهش پاسخهای بیپشتوانه؛
- تفکیک میان «متن منبع» و «توضیح هوش مصنوعی»؛
- امکان اعمال محدودیت بر پاسخگویی خارج از منابع تأییدشده؛
- افزایش قابلیت نظارت توسط کارشناسان دینی.
سامانه دینی مسئولانه چه ویژگیهایی دارد؟
یک ابزار هوش مصنوعی دینی خوب، فقط یک چتبات خوشصحبت نیست. باید در طراحی خود، اصول مشخصی را رعایت کند.
۱. شفافیت درباره نقش سامانه
سامانه باید صریح بگوید که:
- مرجع تقلید یا فقیه نیست؛
- پاسخها با هدف اطلاعرسانی و تسهیل دسترسی به منابع ارائه میشوند؛
- برای مسائل حساس یا مبهم، مراجعه به دفتر مرجع یا کارشناس لازم است.
۲. ذکر منبع دقیق
پاسخ باید تا حد امکان همراه با:
- نام منبع؛
- نشانی قابلمشاهده؛
- تاریخ یا نسخه منبع؛
- نام مرجع یا صاحبنظر؛
- و نقلقول دقیق در صورت لزوم،
ارائه شود.
۳. نمایش اختلافنظرها
در مسائل اختلافی، هوش مصنوعی نباید یک پاسخ واحد را بهعنوان «نظر اسلام» نمایش دهد. بلکه باید روشن کند:
- میان مراجع یا مکاتب فقهی اختلافنظر وجود دارد؛
- پاسخ ارائهشده مربوط به کدام دیدگاه است؛
- کاربر باید بر اساس مرجع تقلید خود عمل کند.
۴. پرسیدن سؤالهای تکمیلی
بسیاری از پرسشهای فقهی بدون جزئیات کافی قابل پاسخ نیستند.
مثلاً پرسش «آیا این معامله حلال است؟» مبهم است. سامانه مسئولانه باید بهجای پاسخ قطعی، بپرسد:
- نوع قرارداد چیست؟
- پرداخت چگونه انجام میشود؟
- سود از کجا تأمین میشود؟
- آیا طرفین از شرایط معامله آگاهاند؟
۵. ارجاع در موارد پرخطر
در موضوعاتی مثل طلاق، ارث، حقوق مالی، مسائل خانوادگی، سلامت روان، آسیبهای اجتماعی یا احکام بسیار پیچیده، سامانه باید کاربر را به منبع رسمی یا کارشناس واجد صلاحیت ارجاع دهد.
آیا هوش مصنوعی میتواند به فقیه در اجتهاد کمک کند؟
بله؛ و این شاید مهمترین و واقعبینانهترین فرصت پیشروی ما باشد.
هوش مصنوعی میتواند «دستیار پژوهشی» فقیه و پژوهشگر دینی باشد. برای مثال:
- جستوجوی سریع در حجم بزرگی از متون؛
- پیدا کردن همه موارد استعمال یک واژه در منابع؛
- مقایسه آرای فقها درباره یک مسئله؛
- دستهبندی استدلالهای موافق و مخالف؛
- ساخت نقشه مفهومی میان قواعد فقهی و مسائل جدید؛
- تشخیص تکرارها یا ارتباطهای پنهان میان متنها؛
- خلاصهسازی اولیه برای کاهش زمان پژوهش؛
- کمک به ترجمه و تحلیل متون عربی، فارسی و دیگر زبانها.
این تواناییها میتوانند زمان پژوهش را کاهش دهند؛ اما جایگزین بررسی نهایی، داوری علمی و استنباط فقیه نیستند.
یک تشبیه روشن؛ پزشک، دستگاه تشخیص و مسئولیت انسانی
نقش هوش مصنوعی در فقه را میتوان با نقش تجهیزات تشخیصی در پزشکی مقایسه کرد.
دستگاههای پیشرفته پزشکی میتوانند تصاویر دقیق تولید کنند، الگوهای غیرعادی را تشخیص دهند و احتمال برخی بیماریها را اعلام کنند. اما تشخیص و تصمیم درمانی نهایی معمولاً بر عهده پزشک است؛ زیرا او باید شرایط ویژه بیمار، سابقه درمان، ریسکها، گزینههای جایگزین و مسئولیت حرفهای را در نظر بگیرد.
در حوزه فقه نیز، هوش مصنوعی میتواند منابع را سریعتر ببیند و الگوها را بهتر نمایش دهد؛ اما صدور فتوا، مسئولیتی انسانی و علمی است که به صلاحیت اجتهادی وابسته است.
چالشهای اخلاقی و حقوقی هوش مصنوعی در دین
ورود هوش مصنوعی به عرصه پاسخگویی دینی، فقط یک مسئله فنی نیست. این حوزه با اعتماد، هویت، سبک زندگی و تصمیمهای شخصی مردم در ارتباط است. بنابراین، باید به چند چالش جدی توجه کرد.
مسئولیت خطا
اگر سامانه پاسخ اشتباه بدهد و کاربر بر اساس آن عمل کند، مسئولیت متوجه چه کسی است؟
- توسعهدهنده؟
- مالک پلتفرم؟
- نهاد تأییدکننده منابع؟
- کارشناس ناظر؟
- یا خود کاربر؟
پاسخ به این سؤال نیازمند چارچوب روشن حقوقی و اخلاقی است.
سوگیری در دادهها
هر سامانه بر اساس دادههای خود شکل میگیرد. اگر دادهها یکطرفه، ناقص یا بدون برچسب باشند، پاسخها نیز ممکن است سوگیرانه شوند.
برای مثال، ترکیب منابع متعلق به دیدگاههای متفاوت بدون بیان زمینه، میتواند کاربر را دچار سردرگمی کند.
توهمِ مرجعیت
یکی از خطرها این است که لحن قاطع و رسمی هوش مصنوعی باعث شود کاربران، آن را صاحب صلاحیت دینی تصور کنند.
بنابراین، طراحی رابط کاربری، شیوه بیان و هشدارهای سامانه به اندازه مدل فنی اهمیت دارد.
حریم خصوصی کاربران
سؤالهای دینی گاهی بسیار شخصیاند و ممکن است به روابط خانوادگی، مسائل مالی، سلامت روان یا وضعیت فردی کاربر مربوط شوند. سامانهای مانند ای که بخواهد هوش مصنوعی دینی به این روش را ارائه دهد باید از ابتدا اصل حداقلسازی داده، حفاظت از حریم خصوصی و شفافیت درباره نگهداری اطلاعات را جدی بگیرد.
آینده اجتهاد؛ رقابت انسان و ماشین نیست
بهترین تصویر از آینده، رقابت «فقیه در برابر هوش مصنوعی» نیست؛ بلکه همکاریِ هوشمندانه انسان و فناوری است.
در این الگو:
- هوش مصنوعی جستوجو را سریعتر میکند؛
- پایگاه دانش، منابع معتبر را منظم و قابلدسترسی نگه میدارد؛
- کارشناسان دینی، منابع و پاسخها را نظارت میکنند؛
- فقیه، استنباط و مسئولیت فتوا را بر عهده دارد؛
- کاربر، پاسخ روشنتر، سریعتر و مستندتری دریافت میکند.
این همکاری میتواند دسترسی عمومی به دانش دینی معتبر را آسانتر کند، فاصله زبان تخصصی و زبان مردم را کاهش دهد و از گسترش اطلاعات نادرست جلوگیری کند.
جمعبندی؛ هوش مصنوعی دستیار فقیه است، نه جایگزین او
هوش مصنوعی میتواند در آینده فقه و پژوهشهای دینی نقش مهمی ایفا کند؛ اما باید جایگاه آن را درست تعریف کنیم.
مدلهای زبانی بزرگ در بازیابی، دستهبندی، سادهسازی و توضیح دانش بسیار توانمندند. معماریهایی مانند RAG نیز میتوانند پاسخها را به منابع معتبر پیوند بزنند و میزان اعتمادپذیری سامانه را افزایش دهند.
با این حال، میان تولید یک پاسخ متنی و صدور فتوا فاصلهای اساسی وجود دارد. فتوا به دانش تخصصی، صلاحیت اجتهادی، تشخیص موضوع، مسئولیت شرعی و مرجعیت علمی نیاز دارد؛ ویژگیهایی که هوش مصنوعی ندارد.
پس آینده مطلوب، ساختن «رباتِ مجتهد» نیست؛ بلکه طراحی ابزارهایی است که به کمک منابع معتبر و نظارت انسانی، پاسخگویی دینی را دقیقتر، شفافتر، سریعتر و در دسترستر میکنند.
💬 حالا شما بگویید:
به نظر شما مهمترین ویژگی یک سامانه هوش مصنوعی دینی قابل اعتماد چیست؟
- ذکر منبع دقیق؟
- نظارت کارشناسان دینی؟
- شفافیت درباره محدودیتهای سامانه؟
- امکان انتخاب مرجع تقلید؟
- حفظ حریم خصوصی کاربران؟
نظرتان را در بخش دیدگاهها بنویسید. شاید پاسخ شما، بخشی از مسیر طراحی ابزارهای دینی مسئولانهتر در آینده باشد.