هوش مصنوعی در حال تبدیل شدن به بخشی از حافظه بیرونی انسان است. ما بخشی از دانش، برنامه‌ریزی، نوشتن و حتی خاطرات خود را به آن می‌سپاریم. از منظر گادامری، حافظه و روایت نقش اساسی در خودفهمی و سنت شخصی دارند. اگر حافظه ما به سیستم‌هایی سپرده شود که منطق آن‌ها شفاف نیست، ممکن است روایت ما از خود نیز به‌صورت الگوریتمی بازسازی شود. این وضعیت می‌تواند خودفهمی را گسترش دهد، اما می‌تواند آن را به «خودفهمی مدیریت‌شده» تبدیل کند؛ خودفهمی‌ای که در آن انسان بیشتر مصرف‌کننده روایت‌های آماده است تا سازنده آن‌ها.
به‌قلم:هامون سلامتی
هوش مصنوعی، به‌ویژه مدل‌های زبانی بزرگ و سیستم‌های مولد، تنها یک فناوری اطلاعاتی نیست؛ پدیده‌ای است که در قلب تجربه معنایی انسان جای گرفته است. ما با ماشین «حرف می‌زنیم»، از آن می‌پرسیم، پاسخ می‌گیریم، متن می‌نویسیم، ترجمه می‌کنیم، تصویر می‌سازیم و حتی گاهی احساس می‌کنیم با چیزی «دیگری» مواجهیم. این وضعیت پرسش‌های فلسفی تازه‌ای پیش می‌آورد: آیا ماشین می‌فهمد؟ آیا می‌تواند طرف گفتگو باشد؟ آیا پاسخ‌های آن «معنا» دارند یا فقط بازتولید آماری نشانه‌ها هستند؟ و مهم‌تر از همه، این پدیده چه اثری بر تجربه انسان و جامعه دارد؟
در این نوشته می‌کوشم با تکیه بر هرمنوتیک فلسفی هانس-گئورگ گادامر، تأثیر هوش مصنوعی بر تجربه انسان و جامعه را تحلیل کنم. پرسش اصلی این است: از منظر گادامری، هوش مصنوعی چگونه شرایط امکان فهم، گفتگو و حیات اجتماعی را دگرگون می‌کند؟ ادعا این است که هوش مصنوعی را نباید صرفاً «ابزار» یا «سوژه‌ای فهمنده» دانست؛ بلکه باید آن را «رسانه‌ای هرمنوتیکی» فهمید که پیش‌فهم‌ها، افق‌های معنایی، اقتدار تفسیری و الگوهای گفتگوی انسان را بازآرایی می‌کند. هوش مصنوعی نه افق تاریخی زیسته دارد و نه می‌تواند مانند «دیگری» اصیل در گفتگو ریسک کند؛ اما خروجی‌های آن به‌صورت متن، تصویر و پاسخ در جهان-زیست ما عمل می‌کنند و می‌توانند افق‌ها را بگشایند یا ببندند. تأثیر اجتماعی آن نیز دووجهی است: از یک سو می‌تواند دسترسی، ترجمه، آموزش و پرسش‌گری را گسترش دهد؛ از سوی دیگر می‌تواند پیش‌داوری‌های الگوریتمی را طبیعی‌سازی کند، اقتدار تفسیری را به سیستم‌های غیرشفاف منتقل کند و گفتگو را به شبیه‌سازی گفتگو فروکاهد. به طور کلی مسئله اصلی نه «فهمیدن یا نفهمیدن» ماشین، بلکه حفظ و پرورش «سواد هرمنوتیکی» انسان و نهادهای اجتماعی است.
فهم به‌عنوان ادغام افق‌ها
گادامر در «حقیقت و روش» فهم را نه بازسازی نیت ذهنی مؤلف، بلکه رویدادی می‌داند که در آن افق فهمنده و افق متن به هم می‌رسند. «افق» در اینجا به معنای چارچوب بسته ذهنی نیست؛ بلکه گستره دیدی است که از موقعیت تاریخی، زبان، تجربه و سنت ما برمی‌خیزد. فهم زمانی رخ می‌دهد که افق ما با افق متن «ادغام» شود؛ یعنی چیزی از متن به ما گفته شود که پیش‌فهم‌های ما را به پرسش می‌کشد.
نکته مهم دیگر «پیش‌داوری» است. گادامر برخلاف سنت روشنگری، پیش‌داوری را صرفاً مانع فهم نمی‌داند؛ بلکه آن را شرط امکان فهم می‌شمارد. ما همیشه با مجموعه‌ای از پیش‌فهم‌ها به سراغ چیزها می‌رویم. مسئله این نیست که از پیش‌داوری رها شویم، بلکه این است که آن را در مواجهه با دیگری به آزمون بگذاریم. «تاریخ اثرگذار» نیز بیان می‌کند که ما همیشه درون سنتی هستیم که بر فهم ما اثر می‌گذارد و خودآگاهی کامل از آن ممکن نیست.
گادامر گفتگو را نیز هسته فهم می‌داند. در گفتگوی اصیل، طرفین نه فقط نظرات خود را بیان می‌کنند، بلکه اجازه می‌دهند موضوع گفتگو آن‌ها را هدایت کند. گفتگو نیازمند «گشودگی» به دیگری است؛ گشودگی‌ای که در آن دیگری می‌تواند چیزی به ما بگوید و ما را تغییر دهد. گادامر این وضعیت را با مفهوم «بازی» نیز پیوند می‌زند: فهم مانند بازی‌ای است که طرفین در آن غرق می‌شوند و منطق خود را دارد. همچنین مفهوم «کاربرد» نشان می‌دهد که فهم همیشه فهمی «برای منِ اینجا و اکنون» است؛ یعنی تفسیر بدون نسبت با موقعیت عملی و اخلاقی فهمنده ممکن نیست. در نهایت، زبان برای گادامر نه ابزار انتقال معنا، بلکه افق خودِ فهم است: «هستی‌ای که می‌تواند فهمیده شود، زبان است.»
این چارچوب، برای تحلیل هوش مصنوعی هم امکان‌هایی دارد و هم محدودیت‌هایی. امکان دارد چون نشان می‌دهد مواجهه با خروجی‌های هوش مصنوعی را باید در قالب مواجهه با «متن» و «گفتگو» فهمید. محدودیت دارد چون گادامر فیلسوف فناوری نیست و نمی‌توان مفاهیم او را بدون بازسازی به ماشین تعمیم داد. بنابراین باید پرسید: هوش مصنوعی چه نوع «متن» یا «دیگری» است که ما با آن مواجه می‌شویم؟
هوش مصنوعی به‌عنوان متن ماشینی یا شبه‌دیگری
اگر هوش مصنوعی را سوژه‌ای فهمنده بدانیم، به خطا رفته‌ایم. مدل‌های زبانی بزرگ افق تاریخی زیسته، بدن، تجربه آسیب‌پذیری و سنت شخصی ندارند. آن‌ها معنای کلمات را از طریق الگوهای آماری در داده‌های متنی بازتولید می‌کنند، نه از طریق مشارکت در جهان-زیست انسانی. بنابراین نمی‌توان گفت آن‌ها به معنای گادامری «می‌فهمند» یا «گفتگو می‌کنند». اما این به آن معنا نیست که خروجی آن‌ها بی‌اثر است. خروجی هوش مصنوعی برای ما به‌صورت متن، پاسخ، تصویر یا پیشنهاد ظاهر می‌شود و همین ظهور، آن را وارد چرخه فهم انسانی می‌کند.
می‌توان هوش مصنوعی را «متن ماشینی» نامید: متنی که مؤلف انسانی واحدی ندارد، اما از انبوهی از متون انسانی تغذیه شده است. این متن می‌تواند ما را مخاطب قرار دهد، شگفت‌زده کند، راهنمایی کند یا گمراه کند. در این معنا، نوعی «دیگریت» شبیه‌سازی‌شده دارد. اما «دیگری» آن اصیل نیست، زیرا نه می‌تواند در برابر ما مقاومت کند، نه از خود چیزی بخواهد، نه آسیب ببیند و نه مسئولیت پاسخ خود را بپذیرد. گفتگو با آن نامتقارن است: انسان تمام ریسک فهم را بر دوش می‌کشد، اما ماشین هیچ ریسکی ندارد.
با این حال، گادامر تأکید می‌کند که متن نیز می‌تواند «به ما چیزی بگوید». متن لازم نیست سوژه باشد تا ما را به پرسش بکشد. هوش مصنوعی هم می‌تواند چنین اثری داشته باشد: می‌تواند پرسشی را باز کند، پیش‌فرضی را آشکار کند یا افقی را بگشاید. اما تفاوت مهم این است که «دیگریت» ماشین کنترل‌شده و قابل پیش‌بینی‌تر است. ما می‌توانیم پرامپت را تغییر دهیم، پاسخ را دوباره تولید کنیم و ناسازگاری را حذف کنیم. این کنترل، گفتگو را از ریسک و مقاومت واقعی دیگری تهی می‌کند و آن را به شبیه‌سازی گفتگو بدل می‌سازد.
بنابراین، رابطه انسان و هوش مصنوعی را می‌توان هرمنوتیک شبه‌گفتگو نامید: فرایندی که در آن انسان با متنی تعامل می‌کند که وانمود می‌کند دیگری است، اما فاقد افق تاریخی و مسئولیت اخلاقی است. این وضعیت، تجربه فهم را دگرگون می‌کند، زیرا هم امکان گسترش افق را فراهم می‌کند و هم خطر فروبستگی را در پی دارد.
دگرگونی تجربه انسانی
هوش مصنوعی پیش‌فهم‌های ما را بازآرایی می‌کند. وقتی پاسخ یک مدل زبانی را می‌خوانیم، اغلب آن را به‌عنوان دانش آماده می‌پذیریم. این پذیرش می‌تواند پیش‌داوری‌های جدیدی بسازد: اینکه «پاسخ سریع» برابر با «فهم» است، اینکه «تولید متن» برابر با «تفکر» است، یا اینکه «اکثریت داده‌ها» برابر با «حقیقت» است. گادامر به ما یادآوری می‌کند که پیش‌داوری‌ها باید در مواجهه با دیگری به آزمون گذاشته شوند. اما در تعامل با هوش مصنوعی، دیگری اغلب به‌گونه‌ای طراحی شده که پیش‌داوری‌های ما را تأیید کند. این «آینه تأییدگر» می‌تواند پیش‌فهم‌ها را از آزمون بیرون ببرد و آن‌ها را طبیعی‌سازی کند.
گادامر گفتگوی اصیل را با گشودگی و ریسک پیوند می‌زد. در گفتگو با انسان دیگر، ممکن است فهم ما تغییر کند، ممکن است اشتباه خود را بپذیریم یا حتی هویت‌مان به چالش کشیده شود. اما در گفتگو با هوش مصنوعی، این ریسک کاهش می‌یابد. ما می‌توانیم پاسخ را نادیده بگیریم، دوباره بپرسیم یا پرامپت را تغییر دهیم. ماشین ما را قضاوت نمی‌کند، شرمنده نمی‌کند و در برابر ما مقاومت نمی‌کند. این وضعیت می‌تواند نوعی «گفتگوی راحت» ایجاد کند که د
