گسترش چت‌بات‌های هوش مصنوعی، مسئله دسترسی به پاسخ را تا اندازه زیادی دگرگون کرده است. پرسشی که پیش‌تر ممکن بود مستلزم جست‌وجوی چند منبع، مقایسه دیدگاه‌ها یا مراجعه به فرد متخصص باشد، اکنون می‌تواند در چند ثانیه پاسخی منسجم و مستقیم دریافت کند. این تحول در حوزه دین نیز امکان دسترسی سریع‌تر به اطلاعات، توضیح مفاهیم و پیگیری پرسش‌های متوالی را فراهم می‌کند. بااین‌حال، کاهش هزینه دستیابی به پاسخ الزاماً هزینه داوری درباره آن را کاهش نمی‌دهد. چه‌بسا مسئله معرفتی از «یافتن پاسخ» به «تشخیص اعتبار پاسخ حاضر» منتقل شود. در چنین وضعیتی، کمیابی اصلی، دیگر اطلاعات نیست؛ توانایی ارزیابی اطلاعاتی است که با سرعت و در قالبی آماده عرضه می‌شوند.

«پاسخ آماده» با دسترسی آسان به منبع تفاوت دارد. موتور جست‌وجو معمولاً کاربر را با مجموعه‌ای از صفحات و منابع روبه‌رو می‌کند و بخشی از کار گزینش، مقایسه و ترکیب اطلاعات بر عهده او باقی می‌ماند. چت‌بات مولد می‌تواند بخش قابل‌توجهی از این مراحل را پشت متنی واحد پنهان کند. نتیجه، تجربه‌ای کم‌اصطکاک‌تر است: پرسش مطرح می‌شود و محصول نهایی در همان محیط گفت‌وگو ظاهر می‌شود. این ویژگی فی‌نفسه نقص نیست؛ ارزش کاربردی هوش مصنوعی تا حد زیادی از همین توانایی ناشی می‌شود. مسئله آن است که با انتقال کار تولید و ترکیب پاسخ به ماشین، بخشی از فعالیت معرفتی کاربر نیز باید به نقطه دیگری منتقل شود.

شواهد تجربی از همین جابه‌جایی حکایت دارند. مطالعه‌ای بر ۳۱۹ کاربر حرفه‌ای هوش مصنوعی مولد، مبتنی بر ۹۳۶ نمونه واقعی استفاده، نشان داد اعتماد بیشتر افراد به توانایی هوش مصنوعی با فعالیت انتقادی کمتر همراه بوده است، درحالی‌که اعتماد بیشتر آنان به توانایی خود با فعالیت انتقادی بیشتر ارتباط داشت. یافته کیفی مهم‌تر این پژوهش آن بود که هوش مصنوعی الزاماً تفکر انتقادی را حذف نمی‌کند؛ ماهیت آن را به سمت راستی‌آزمایی اطلاعات، ادغام پاسخ و نظارت بر انجام کار سوق می‌دهد (Lee et al., 2025). بنابراین، مسئله را نمی‌توان با گزاره کلی «هوش مصنوعی انسان را کم‌فکر می‌کند» توضیح داد. کار انتقادی در محیط مولد صورت تازه‌ای پیدا می‌کند: کاربر کمتر درگیر ساخت اولیه پاسخ است و بیشتر باید درباره محصولی که پیش روی او قرار گرفته داوری کند.

همین انتقال، نوعی عدم‌تقارن ایجاد می‌کند. تولید پاسخ ممکن است چند ثانیه طول بکشد، اما بررسی منابع، تشخیص خطا، مقایسه دیدگاه‌ها و ارزیابی استدلال همچنان پرهزینه است. هرچه فاصله میان هزینه تولید و هزینه اعتبارسنجی بیشتر شود، احتمال آنکه پاسخ آماده عملاً نقطه پایان پرسشگری تلقی شود اهمیت بیشتری پیدا می‌کند. در آزمایشی درباره سوگیری ناخودآگاه از سمت هوش مصنوعی مولد، شرکت‌کنندگانی که پاسخ نادرست هوش مصنوعی در اختیارشان قرار گرفته بود، در آزمون بازتاب شناختی عملکردی به‌مراتب ضعیف‌تر از گروه بدون کمک هوش مصنوعی داشتند. افزودن یک هشدار در رابط کاربری بخشی از این اثر را کاهش داد، اما آن را کاملاً از میان نبرد؛ حتی سواد خوداظهاری درباره هوش مصنوعی نیز به‌تنهایی مانع سوگیری نشد (Wingerter, Straub & Schweitzer, 2025). این یافته را نمی‌توان مستقیماً به کاربران دینی تعمیم داد، اما سازوکاری عمومی را آشکار می‌کند: حضور پاسخ ماشینی می‌تواند خود بر نحوه داوری مستقل کاربر اثر بگذارد.

اعتماد در اینجا نقشی دوگانه دارد. بدون حدی از اعتماد، استفاده معنادار از ابزار ممکن نیست؛ اما اعتماد زمانی مسئله‌ساز می‌شود که از قابلیت واقعی سامانه فراتر رود. ادبیات سوگیری ناخودآگاه از همین رو میان اعتماد و «اتکای متناسب» تمایز می‌گذارد. مرور پژوهش‌های این حوزه نشان می‌دهد کاربران ممکن است حتی در حضور اطلاعات متناقض و دقیق‌تر، بیش از اندازه به پیشنهاد سامانه متکی شوند. توضیح‌پذیری نیز الزاماً مشکل را حل نمی‌کند؛ توضیح بسیار فنی، بیش از حد ساده یا صرفاً اقناع‌کننده می‌تواند بدون افزایش دقت تصمیم، پذیرش سامانه را بیشتر کند. در این میان، کوشش فعال برای بررسی و راستی‌آزمایی پاسخ یکی از عوامل مهم کاهش اتکای نابجا شناخته شده است (Romeo & Conti, 2026).

مسئله زمانی پیچیده‌تر می‌شود که پاسخ ماشینی از حیث زبان نیز متقاعدکننده باشد. چت‌بات می‌تواند گزاره‌های متفاوت را در متنی روان، بدون گسست آشکار و با لحنی مطمئن کنار هم قرار دهد. روانی، البته، دلیل نادرستی پاسخ نیست؛ همان‌گونه که دشواری متن نیز نشانه اعتبار آن نیست. مطالعات روان‌شناسی نشان داده‌اند سهولت پردازش می‌تواند یکی از نشانه‌های دخیل در داوری افراد درباره صدق باشد، اما رابطه میان «روانی» و «باور به صدق» یک‌سویه و ساده نیست. پنج آزمایش با مجموع ۷۱۲ شرکت‌کننده نشان داده‌اند خودِ باور به درست‌بودن اطلاعات نیز می‌تواند تجربه روان‌تر بودن آن را افزایش دهد (Nahon et al., 2021). بنابراین، نمی‌توان نتیجه گرفت هر پاسخ روانی باورپذیر تلقی خواهد شد. نکته محدودتر این است که کیفیت زبانی پاسخ یکی از نشانه‌هایی است که ممکن است در داوری مخاطب دخالت کند، حال آنکه اعتبار معرفتی به معیارهای دیگری وابسته است.

این تمایز در معرفت دینی اهمیت ویژه‌ای دارد، زیرا همه پرسش‌های دینی از یک سنخ نیستند. یافتن معنای یک اصطلاح، گزارش یک واقعه تاریخی، تفسیر یک آیه، پاسخ به مسئله‌ای اعتقادی و استنباط حکم فقهی، از حیث تخصص لازم، نوع منبع و معیار اعتبار متفاوت‌اند. در برخی مسائل نیز پاسخ واحدی وجود ندارد و اختلاف میان سنت‌های تفسیری یا فقهی بخشی از خود معرفت موضوع است. پاسخ منسجم چت‌بات ممکن است این اختلاف را توضیح دهد، اما می‌تواند آن را در روایتی واحد نیز مستحیل کند. از این جهت، تفکر انتقادی در مواجهه با پاسخ دینی صرفاً به معنای «شک‌کردن» نیست؛ شامل تشخیص سنخ پرسش، سطح تخصص لازم، وجود اختلاف معتبر، منشأ پاسخ و حدود قطعیت آن نیز می‌شود.

در حوزه فقه، تمایز دیگری نیز لازم است: اعتماد کاربر با حجیت پاسخ یکی نیست. پژوهشی درباره فتاوای استنباط‌شده توسط هوش مصنوعی، مسئله را مشخصاً از حیث امکان اعتماد شرعی و تقلید از چنین فتاوایی بررسی کرده‌اند (غفاری گوشه و اکبری، ۱۴۰۴). صرف‌نظر از نتیجه فقهی بحث، همین صورت‌بندی نشان می‌دهد «کاربر پاسخ را قابل اعتماد می‌داند» و «پاسخ از منظر نظام معرفتی مربوط واجد حجیت است» دو گزاره مستقل‌اند. سامانه ممکن است اعتماد روان‌شناختی ایجاد کند، بی‌آنکه شرایط اعتبار دینی فراهم باشد؛ همان‌گونه که فقدان جذابیت ارتباطی یک پاسخ نیز به‌خودی‌خود از حجیت آن نمی‌کاهد.

از اینجا مفهوم «اعتماد انتقادی» صورت دقیق‌تری پیدا می‌کند. اعتماد انتقادی، نه توصیه به بدگمانی دائمی است و نه پذیرش پیشینی پاسخ ماشین. مقصود، تنظیم میزان اتکا متناسب با سنخ مسئله، قابلیت سامانه و امکان بررسی مستقل است. کاربر برای تعریف یک اصطلاح یا یافتن سرنخ اولیه منابع می‌تواند سطحی از اتکا را بپذیرد که برای تصمیم فقهی یا مسئله‌ای اعتقادی و مناقشه‌برانگیز کافی نیست. در این چارچوب، مهارت اصلی فقط توانایی استفاده از هوش مصنوعی نیست؛ توانایی تشخیص لحظه‌ای است که پاسخ ماشینی دیگر برای سطح تصمیم مورد نظر کفایت نمی‌کند.

مسئولیت را نیز نمی‌توان یکسره بر دوش کاربر گذاشت. طراحی سامانه بر میزان درگیری انتقادی او اثر دارد. اگر رابط، پاسخ را همچون محصولی نهایی عرضه کند، منبع و عدم‌قطعیت را پنهان سازد و همه گزاره‌ها را با لحنی هم‌سطح ارائه دهد، از کاربر انتظار می‌رود با صرف نیروی شناختی اضافی آنچه را سامانه پوشانده است دوباره کشف کند. در مقابل، نمایش منابع، مشخص‌کردن اختلاف دیدگاه‌ها، علامت‌گذاری سطح اطمینان و ایجاد امکان بررسی ادعا می‌تواند پاسخ را از «محصول نهایی» به «موضوع ارزیابی» تبدیل کند. شواهد آزمایشی نیز نشان می‌دهند حتی مداخلات طراحی می‌توانند میزان اتکای بیش از حد را تغییر دهند، هرچند یک هشدار ساده برای رفع کامل مسئله کافی نیست (Wingerter, Straub & Schweitzer, 2025). پژوهش‌های دیگری درباره طراحی توضیحات هوش مصنوعی نیز نشان داده‌اند واداشتن کاربر به درگیری شناختی با بخشی از استدلال می‌تواند اتکای او به پیشنهاد نادرست ماشین را کاهش دهد.

از این منظر، مسئله اصلی در پاسخ‌گویی دینی هوش مصنوعی، صرفاً فراوانی پاسخ نادرست نیست؛ خطای معرفتی پیش از این فناوری نیز وجود داشته است. تغییر مهم‌تر در نسبت میان سرعت تولید پاسخ و دشواری ارزیابی آن رخ می‌دهد. سامانه مولد می‌تواند بسیاری از مراحل رسیدن به یک پاسخ را فشرده کند، اما اعتبار را نمی‌توان به همان نسبت فشرده کرد. منبع باید بررسی شود، اختلاف باید شناخته شود و میزان قطعیت باید با شواهد تناسب داشته باشد.

در نتیجه، توسعه هوش مصنوعی دینی زمانی از حیث معرفتی ثمربخش‌تر خواهد بود که معیار موفقیت آن از «توانایی ارائه پاسخ» فراتر رود. سامانه مناسب فقط سامانه‌ای نیست که سریع، روشن و منسجم جواب دهد؛ باید شرایطی فراهم کند که مخاطب بتواند، در صورت لزوم، همان پاسخ را باز کند، منشأ آن را ببیند، با بدیل‌ها مقایسه کند و حدود اتکا به آن را تشخیص دهد. در محیطی که تولید پاسخ روزبه‌روز آسان‌تر می‌شود، حفظ فاصله میان دریافت پاسخ و پذیرفتن پاسخ به یکی از عناصر اصلی سواد معرفتی تبدیل می‌شود. مسئله آینده شاید کمبود پاسخ نباشد؛ کمیابیِ داوری‌ای باشد که بتواند پاسخ آماده را دوباره به مسئله‌ای قابل پرسش تبدیل کند.

پی‌نوشت‌ها و منابع

  1. غفاری گوشه، منصور؛ اکبری، کمال. (۱۴۰۴). «حجیت فتاوای استنباط‌شده توسط هوش مصنوعی در فقه شیعه». مطالعات دینی رسانه، پیاپی ۲۷، صص. ۷–۳۳. مشخصات مقاله در مگیران
  2. Lee, H.-P. (Hank), Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.” Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Article 1121, 1–22. DOI: 10.1145/3706598.3713778. صفحه مقاله در ACM
  3. Nahon, L. S., Teige-Mocigemba, S., Reber, R., & Greifeneder, R. (2021). “Truth Feels Easy: Knowing Information Is True Enhances Experienced Processing Fluency.” Cognition, 215, 104819. DOI: 10.1016/j.cognition.2021.104819. مشخصات مقاله در PubMed
  4. Romeo, G., & Conti, D. (2026). “Exploring Automation Bias in Human–AI Collaboration: A Review and Implications for Explainable AI.” AI & Society, 41, 259–278. DOI: 10.1007/s00146-025-02422-7. نسخه آنلاین مقاله در ژوئیه ۲۰۲۵ منتشر شده است. صفحه رسمی مقاله در Springer Nature
  5. Wingerter, T. L., Straub, T., & Schweitzer, S. (2025). “Mitigating Automation Bias in Generative AI Through Nudges: A Cognitive Reflection Test Study.” Procedia Computer Science, 270, 2106–2114. DOI: 10.1016/j.procs.2025.09.331. صفحه مقاله در ScienceDirect