فهرست نشریات علمی دسترسی آزاد ایران

در دنیای معاصر، پارادایم فقاهت با پدیده‌ای روبروست که می‌توان آن را تورم موضوعات نوپدید نامید. سرعت پیدایش مسائل مستحدثه -از پیچیدگی‌های فنی رمزارزها و قراردادهای هوشمند گرفته تا ابعاد اخلاقی و حقوقی متاورس، مهندسی ژنتیک و عاملیت حقوقی ربات‌ها- به قدری فزاینده است که مکانیزم‌های سنتی استنباط را با چالش زمان‌ مواجه کرده است. روش‌های اجتهادی مبتنی بر تتبع دستی در نصوص، بررسی سندی فیزیکی و تحلیل‌های فردی، اساساً برای جهانی با حجم محدودی از داده‌ها طراحی شده بود. امروزه، فقیه نه تنها با انبوهی از تراث مانند هزاران جلد کتاب فقهی و روایی، روبروست، بلکه با موضوعاتی مواجه است که فهم فنی آن‌ها خود مستلزم تخصصی هم‌تراز با اجتهاد است. واکاوی پیوندهای پنهان در تراث فقهی نخستین و ملموس‌ترین ساحت تجلی هوش مصنوعی در فقه، تحول در فرآیند تتبع است. در سنت اجتهادی، تتبع به معنای جستجوی حداکثری در منابع برای یافتن ادله، اقوال و اشباه و نظایر است. این فرآیند به‌طور سنتی متکی بر حافظه فقیه و استفاده از فهارس و نرم‌افزارهای کلیدواژه‌محور بود. اما در پارادایم پیوندگرایی و با ظهور مدل‌های زبانی بزرگ، تتبع از یک جستجوی خطی به یک تجميع شبکه‌ای بدل شده است. مکانیسم توجه در این مدل‌ها به ماشین اجازه می‌دهد تا برخلاف موتورهای جستجوی قدیمی، نه تنها خود واژه، بلکه بافتار و روابط میان مفاهیم را درک کند. برای مثال، در بررسی یک مسأله مستحدثه، ماشین می‌تواند پیوندهای پنهان میان یک روایت در باب بیع کالی به کالی را با ساختار فنی قراردادهای آتی در اقتصاد مدرن بازشناسی کند، حتی اگر اشتراک لفظی مستقیمی میان آن‌ها وجود نداشته باشد. هوش مصنوعی با تکیه بر کلان‌داده‌ها می‌تواند جامعیت تتبع را به شکلی تضمین کند که از توان یک پژوهشگر یا حتی یک تیم استفتائی خارج است. این تجميع سیستماتیک، منجر به کاهش خطای ندیدن دلیل و عدم‌الفحص می‌شود که یکی از ارکان اعتبار اجتهاد است. ماشین در اینجا با تحلیل بردارهای معنایی، خانواده‌های حدیثی و منظومه‌های فتوایی را به صورت خودکار ترسیم می‌کند. این فرآیند با مبانی روان‌سنجی دقت همخوانی دارد؛ چرا که ضریب اطمینان در گردآوری مقدمات استنباط را به شدت بالا می‌برد. در واقع، ماشین با تجميع اطلاعات، زیرساخت پویایی را فراهم می‌کند؛ فقه زمانی پویا می‌شود که تمام ظرفیت‌های نصوص گذشته در پیش روی فقیه حاضر باشد تا بتواند از دل آن‌ها برای امروز پاسخ استخراج کند. مسئله اصلی اینجاست که در فرآیند سنتی، تتبع در جمع‌آوری ادله و موضوع‌شناسی یا درک ماهیت مسئله، بیشترین زمان را از مجتهد سلب می‌کند. هوش مصنوعی مولد که بر پایه شبکه‌های عصبی عمیق و مدل‌های زبانی بزرگ بنا شده است، مدعی تغییری بنیادین در این فرآیند است. این فناوری با تکیه بر رویکرد پیوندگرایی، توانایی استخراج الگوهای معنایی پنهان در لایه‌های عمیق داده‌های فقهی را دارد. استنتاج بر پایه بازشناسی الگوهاچالش‌برانگیزترین بخش اجتهاد در مسائل مستحدثه، فرآیند تسرّی حکم از موضوعات منصوص به موضوعات غیرمنصوص است. در اصول فقه، این فرآیند از طریق روش‌هایی چون تنقیح ملاک، تخریج مناط و الغای خصوصیت انجام می‌شود. در اینجاست که هوش مصنوعی پیوندگرا، فراتر از یک مخزن داده عمل کرده و وارد ساحت شبیه‌سازی استدلال می‌شود.مدل‌های زبانی بزرگ به دلیل آموزش بر روی ساختار استدلالی هزاران جلد کتاب اصولی، یاد گرفته‌اند که چگونه فقیهان از یک علت به یک حکم می‌رسند. ماشین با استفاده از تحلیل شباهت ، می‌تواند تشخیص دهد که آیا خصوصیات ذاتی یک مسأله جدید همانند تلقیح مصنوعی، با ملاکات احکام موجود در باب نسب و نکاح همخوانی دارد یا خیر. این توانمندی، در واقع نوعی اجتهاد احتمالی است. ماشین با تحلیل الگوهای استنتاجی، می‌تواند پیشنهاد دهد که بر اساس مذاق فقهی مشهور، فلان ملاک در فلان مسأله مستحدثه نیز جاری است. هیوبرت دریفوس اگرچه نسبت به فهم واقعی ماشین تردید داشت، اما اذعان می‌کرد که ماشین‌ها در بازشناسی الگوهای پیچیده به شکلی عمل می‌کنند که مرز میان رفتار غریزی و رفتار هوشمندانه را کمرنگ می‌سازد در فقه، این بازشناسی الگو به معنای یافتن روح حکم در میان انبوه نصوص است. برای مثال، ماشین می‌تواند الگوهای حاکم بر «قاعده لاضرر» را در کل تراث تحلیل کرده و آن را بر فضای سایبر و مسائل تجاوز به حریم خصوصی تطبیق دهد. با این حال، این تطبیق، محصول فهم ملاک نیست، بلکه محصول جابه‌جایی نمادها در لایه‌های پنهان شبکه عصبی است . ماشین نمی‌داند ضرر چیست، اما می‌داند که بردار واژه‌ی ضرر در چه مختصاتی از فضای معنایی قرار دارد و چه پیوندهایی با حرمت دارد. این شبیه‌سازی، اگرچه حجیت ندارد، اما افق‌های احتمالی را برای فقیه روشن می‌کند و او را در تخریج مناط یاری می‌رساند. پرسش بنیادین پژوهش این است: مدل‌های بزرگ زبانی چگونه می‌توانند از طریق تجميع سیستماتیک و تحلیل احتمالی پیوندها، به عنوان یک بازوی اجرایی و استنتاجی در کنار فقیه قرار گیرند؟ و آیا این تغییر ابزار، منجر به تحولی در ماهیت پویایی فقه خواهد شد یا صرفاً یک سرعت‌بخش مکانیکی است؟ ما با این مسئله روبرو هستیم که آیا هوش مصنوعی می‌تواند شکاف میان نص ثابت و موضوع سیال را از طریق مدل‌سازی‌های آماری پیشرفته پر کند؟