هوش مصنوعی مولد در جوامع سالمند: خطر شکل‌گیری دو شکاف نابرابری
هوش مصنوعی مولد به‌سرعت در حال تبدیل شدن به بخشی از زیرساخت‌های روزمره زندگی است؛ از نوشتن ایمیل و خلاصه‌کردن اسناد گرفته تا پاسخ‌گویی به پرسش‌های پزشکی و مدیریت نخستین تعاملات افراد با سازمان‌ها. هم‌زمان، جمعیت بسیاری از کشورها با سرعتی بی‌سابقه در حال سالمند شدن است. این دو تحول مهم قرن بیست‌ویکم به‌ندرت در کنار یکدیگر بررسی می‌شوند؛ در حالی که به استدلال یک مقاله دیدگاهی تازه منتشرشده در مجله Frontiers in Artificial Intelligence، نادیده گرفتن ارتباط میان آن‌ها می‌تواند هزینه‌های سنگینی داشته باشد. الکساندر زایفرت از دانشگاه علوم کاربردی و هنر شمال‌غرب سوئیس چارچوبی ارائه کرده است که هشدار می‌دهد هوش مصنوعی مولد ممکن است در جوامع سالمند دو شکاف نابرابری ایجاد کند: یکی توانایی سالمندان برای مشارکت و کنشگری در محیط‌هایی که هوش مصنوعی در آن‌ها نقش واسطه را دارد محدود می‌کند و دیگری بر برداشت جامعه از سالمندی تأثیر می‌گذارد و تصویر آن را محدود می‌سازد.
چارچوب زایفرت بر پژوهش‌های تثبیت‌شده درباره شکاف دیجیتال، پدیده‌ای چندبعدی شامل نابرابری در دسترسی، مهارت‌های دیجیتال، الگوهای استفاده و پیامدهای حاصل از آن، و نیز پژوهش‌های مربوط به سالمندستیزی دیجیتال استوار است. سالمندستیزی دیجیتال به بررسی پیش‌فرض‌های مبتنی بر سن می‌پردازد که در فناوری‌های دیجیتال جای گرفته‌اند. چارچوب پیشنهادی دو شکل مرتبط از نابرابری را از یکدیگر متمایز می‌کند. نخست، «شکاف مشارکت در هوش مصنوعی» است؛ یعنی نابرابری در فرصت‌های سالمندان برای دسترسی به هوش مصنوعی مولد، استفاده از آن و تفسیر و ارزیابی انتقادی خروجی‌هایش. دوم، «شکاف بازنمایی در هوش مصنوعی» است؛ یعنی نابرابری در نحوه نمایش سالمندی و افراد مسن در متن‌ها، تصاویر و تصمیم‌های تولیدشده به کمک هوش مصنوعی. این دو شکاف در کنار هم می‌توانند تعیین کنند چه کسانی از مزایای هوش مصنوعی بهره‌مند می‌شوند و سالمندی چگونه درک می‌شود.
هوش مصنوعی مولد ظرفیت قابل‌توجهی برای بهبود زندگی سالمندان دارد. رابط‌های مبتنی بر زبان طبیعی ممکن است موانعی را کاهش دهند که استفاده از فناوری‌های دیجیتال پیشین را دشوار می‌کردند. فردی که در استفاده از موتورهای جست‌وجو، تکمیل فرم‌های آنلاین یا فهم زبان اداری مشکل دارد، می‌تواند از یک چت‌بات بخواهد نامه‌ای را توضیح دهد، پاسخی بنویسد، اطلاعاتی را ترجمه کند یا گزینه‌های مختلف را با یکدیگر مقایسه کند. برخلاف بسیاری از فناوری‌های دیجیتال پیشین، هوش مصنوعی مولد کاربران را ملزم نمی‌کند که در منوهای پیچیده یا دسته‌بندی‌های ازپیش‌تعیین‌شده حرکت کنند. قالب گفت‌وگومحور آن به سالمندان امکان می‌دهد پرسش‌های خود را با زبان و واژگان معمولشان مطرح کنند. در حوزه سلامت، ابزارهای مبتنی بر هوش مصنوعی می‌توانند به توضیح اطلاعات پزشکی، آماده شدن برای ملاقات با پزشک و فهم آسان‌تر دستورالعمل‌های پیچیده کمک کنند. برای سالمندانی که با محدودیت‌های حسی، اعتمادبه‌نفس پایین در استفاده از فناوری یا تحصیلات رسمی محدود روبه‌رو هستند، رابط‌های گفت‌وگومحور ممکن است در مقایسه با سامانه‌های مبتنی بر منو دسترس‌پذیرتر باشند. پژوهش‌های نوظهور درباره فناوری‌های سلامت مبتنی بر هوش مصنوعی نیز نشان می‌دهند که سالمندان اغلب برای این فناوری‌ها مزایای بالقوه‌ای قائل‌اند؛ به‌ویژه زمانی که ابزارها کاربردی، قابل‌فهم، قابل‌اعتماد و متناسب با زندگی روزمره آن‌ها باشند.
با این حال، صرف فراهم شدن ابزارها تضمین نمی‌کند که همه از مزایای آن‌ها بهره‌مند شوند. دسترسی به یک سامانه هوش مصنوعی لزوماً به این معنا نیست که افراد می‌دانند چه پرسشی مطرح کنند، پاسخ‌ها را چگونه تفسیر کنند یا دقت خروجی را چگونه بسنجند. شکاف نخست از همین‌جا آغاز می‌شود. زایفرت شکاف مشارکت را در چهار لایه توضیح می‌دهد.
لایه نخست به دسترسی و استفاده مربوط است. هوش مصنوعی مولد ممکن است از طریق موتورهای جست‌وجو، تلفن‌های هوشمند و اپلیکیشن‌ها به‌صورت رایگان در دسترس باشد، اما این به معنای توزیع برابر استفاده از آن نیست. شواهد مربوط به شایستگی‌های مرتبط با هوش مصنوعی نشان می‌دهد گروه‌های آسیب‌پذیری که دانش و مهارت کمتری در این زمینه دارند، بیشتر احتمال دارد سالمندتر باشند، تحصیلات پایین‌تری داشته باشند و در زمینه مهارت‌های حفاظت از حریم خصوصی توانمندی کمتری از خود نشان دهند. شواهد رفتاری درباره استفاده از ChatGPT نیز به تفاوت‌های نسلی و تحصیلی در پذیرش این فناوری اشاره دارد. این یافته‌ها حاکی از آن‌اند که هوش مصنوعی ممکن است نابرابری‌های تثبیت‌شده در مشارکت دیجیتال را گسترش دهد، نه اینکه آن‌ها را از میان ببرد.
لایه دوم، استفاده معنادار از هوش مصنوعی است. کار با هوش مصنوعی مولد به مجموعه تازه‌ای از مهارت‌های عملی نیاز دارد: کاربران باید بدانند این فناوری چه کارهایی انجام می‌دهد، برای چه وظایفی مناسب است، چگونه باید درخواست‌های خود را تنظیم کنند، چه زمانی لازم است زمینه و اطلاعات تکمیلی ارائه دهند و در چه شرایطی نباید اطلاعات حساس را افشا کنند. کسب این مهارت‌ها ساده نیست. آن‌ها از طریق آزمون‌وخطا، حمایت اجتماعی و اعتمادبه‌نفس حاصل از تجربه‌های قبلی در استفاده از فناوری شکل می‌گیرند. بنابراین، تجربه‌های دیجیتال پیشین می‌توانند بر رابطه افراد با هوش مصنوعی نیز اثر بگذارند. کسانی که در گذشته از فناوری‌های دیجیتال کنار گذاشته شده‌اند، ممکن است با اعتمادبه‌نفس کمتر، تجربه‌های مثبت محدودتر و اعتماد پایین‌تری به سراغ هوش مصنوعی بروند.
لایه سوم به تفسیر خروجی‌ها مربوط می‌شود. پاسخ‌های هوش مصنوعی اغلب روان، قاطع و معتبر به نظر می‌رسند، حتی زمانی که ناقص، سوگیرانه یا نادرست‌اند. سالمندان نیز مانند دیگر کاربران باید بدانند که هوش مصنوعی مولد پاسخ‌هایی محتمل و باورپذیر تولید می‌کند، نه اینکه لزوماً حقیقتی تأییدشده ارائه دهد. این تمایز هنگام استفاده از هوش مصنوعی برای دریافت اطلاعات سلامت، پرسش‌های مالی یا راهنمایی حقوقی اهمیت ویژه‌ای دارد. خطر فقط استفاده نکردن از این فناوری نیست؛ اعتماد بیش از حد به آن نیز می‌تواند مشکل‌ساز باشد. ممکن است فردی از هوش مصنوعی استفاده کند، اما به دلیل ناتوانی در تشخیص محدودیت‌های پاسخ‌ها همچنان در موقعیتی نابرابر قرار بگیرد.
لایه چهارم، یعنی ارزیابی، ممکن است به مهم‌ترین شایستگی دوران هوش مصنوعی مولد تبدیل شود. توانایی ارزیابی صرفاً به بررسی صحت واقعی یک گزاره محدود نیست. این توانایی همچنین مستلزم تشخیص این موضوع است که یک تصویر، صدا، پیشنهاد یا پیام شخصی‌سازی‌شده ممکن است به‌صورت مصنوعی تولید شده، دست‌کاری شده یا با هدف سوءاستفاده از اعتماد افراد طراحی شده باشد. این مهارت برای سالمندان به‌ویژه در حوزه‌هایی اهمیت دارد که روابط مبتنی بر اعتماد در آن‌ها نقش اساسی دارند؛ از جمله توصیه‌های پزشکی، ارتباطات اجتماعی، بانکداری و خدمات عمومی.
کاربران بیش از پیش باید بتوانند خطاهای ساختگی هوش مصنوعی، خلاصه‌های گمراه‌کننده، تصاویر دست‌کاری‌شده، صداهای مصنوعی، کلاهبرداری‌ها و محتوای جعلی تولیدشده با هوش مصنوعی را تشخیص دهند. سالمندان اغلب به‌عنوان افرادی معرفی می‌شوند که در برابر اطلاعات نادرست آنلاین آسیب‌پذیرند، اما زایفرت استدلال می‌کند که نباید مسئله را صرفاً به ضعف‌های فردی تقلیل داد. ارزیابی محیط اطلاعاتی به‌طور کلی دشوارتر شده است؛ به‌ویژه برای سالمندانی که آشنایی محدودی با هوش مصنوعی مولد دارند. با گسترش محتوای مصنوعی در خدمات، رسانه‌ها و ارتباطات میان‌فردی، توانایی ارزیابی انتقادی خروجی‌های هوش مصنوعی به شرطی اساسی برای مشارکت اجتماعی تبدیل می‌شود. در نتیجه، مسئله فقط شکاف مهارتی افراد نیست، بلکه شکافی اجتماعی در توانایی تشخیص اعتبار، اصالت و قابل‌اعتماد بودن اطلاعاتی است که از طریق هوش مصنوعی منتقل می‌شوند.
شکاف دوم به بازنمایی مربوط می‌شود: این خطر که تصاویر و توصیف‌های تولیدشده به کمک هوش مصنوعی نتوانند تنوع زندگی در دوران سالمندی را منعکس کنند. این شکاف از فاصله میان تنوع واقعی تجربه‌های سالمندی و مجموعه محدود الگوهایی ناشی می‌شود که سامانه‌های هوش مصنوعی برای نمایش آن در اختیار دارند. هنگامی که از این سامانه‌ها خواسته می‌شود سالمندان را توصیف کنند، برای جمعیت‌های سالمند خدمات طراحی کنند، تصاویری از دوران سالمندی بسازند یا معنای سالمند شدن را توضیح دهند، خروجی‌های آن‌ها در شکل‌گیری برداشت‌های فرهنگی از سن نقش پیدا می‌کنند و ممکن است به بازتولید سالمندستیزی بینجامند.
مرور پژوهش‌های مربوط به طراحی فناوری‌های دیجیتال نشان می‌دهد که سالمندان اغلب با پیش‌فرض‌هایی درباره افول توانایی‌ها، وابستگی و ناتوانی بازنمایی می‌شوند. پژوهش‌های مربوط به سالمندستیزی اجتماعی‌ـ‌فنی نیز نشان می‌دهند که هوش مصنوعی در حوزه مراقبت و سالمندی می‌تواند برداشت‌های محدودکننده‌ای را بازتولید کند که سالمندی را مشکلی می‌دانند که باید با راه‌حل‌های فناورانه مدیریت شود. همچنین، یک مرور دامنه‌ای درباره سوگیری سنی در هوش مصنوعی نشان می‌دهد که این سوگیری می‌تواند در مراحل مختلف، از داده‌ها و طراحی گرفته تا مدل‌سازی و به‌کارگیری سامانه‌ها، وارد آن‌ها شود. از جمله عوامل مؤثر می‌توان به حضور ناکافی سالمندان در داده‌ها و ارزیابی سوگیرانه عملکرد سامانه‌ها اشاره کرد.
هوش مصنوعی مولد این مسئله را تشدید می‌کند، زیرا امکان تولید و تکثیر بازنمایی‌ها را در مقیاسی گسترده فراهم می‌سازد. تکرار، به این تصاویر و توصیف‌ها وزن اجتماعی می‌دهد. هنگامی که چارچوب‌های سالمندستیزانه مشابه در چت‌بات‌ها، ابزارهای تولید تصویر، رابط‌های جست‌وجو و سامانه‌های اداری ظاهر می‌شوند، ممکن است به‌جای کلیشه‌هایی قابل‌تشخیص، به برداشت‌هایی بدیهی و پذیرفته‌شده تبدیل شوند. برای نمونه، تحلیل تصاویر تولیدشده با هوش مصنوعی در دو مقطع زمانی، تداوم عدم توازن در ویژگی‌های جمعیت‌شناختی افراد به‌تصویرکشیده‌شده را نشان داده است. همچنین، یک مطالعه تطبیقی طولی از بازتولید سالمندستیزی در تصاویر تولیدشده با هوش مصنوعی خبر داده است. این یافته‌ها به محتوای تصاویر تولیدشده مربوط‌اند و مشخص نمی‌کنند که این تصاویر تا چه اندازه در جامعه انتشار می‌یابند یا مواجهه با آن‌ها چه تأثیری بر نگرش عمومی یا برداشت سالمندان از خودشان دارد. با وجود این، تولید و انتشار مکرر تصاویر محدودکننده می‌تواند کلیشه‌های مربوط به سالمندی را تقویت کند.
اگر سامانه‌های هوش مصنوعی بارها سالمندی را با ضعف جسمانی، تنهایی، افت شناختی، سربار بودن یا وابستگی پیوند دهند، ممکن است روایتی محدودکننده را عادی جلوه دهند که سالمندی را صرفاً مجموعه‌ای از کاستی‌ها می‌بیند. در چنین شرایطی، سالمندی‌ای که با توانمندی، مشارکت سیاسی، اشتغال با دستمزد یا فعالیت بدون دستمزد، صمیمیت، خلاقیت و مشارکت اجتماعی همراه است، ممکن است از تصویر غالب حذف شود. به همین ترتیب، اگر شکل‌های متنوع سالمندی کمتر بازنمایی شوند، زندگی‌های گوناگون افراد مسن نامرئی خواهند شد.
از دیدگاه اقتصاد سیاسی، رابطه کنونی میان سالمندی و هوش مصنوعی را نباید صرفاً در چارچوب مداخله‌گرایانه‌ای بررسی کرد که هوش مصنوعی را عمدتاً راه‌حلی برای مشکلات فردی سالمندان می‌داند. این دیدگاه نشان می‌دهد که هوش مصنوعی در ساختارهای قدرت، بازارها، سیاست‌گذاری‌ها و زیرساخت‌های مادی جای گرفته است؛ ساختارهایی که بر معنای سالمندی اثر می‌گذارند. از این منظر، باید بررسی کرد که تصاویر و توصیف‌های تولیدشده با هوش مصنوعی چگونه ممکن است سالمندان را دریافت‌کنندگان مراقبت معرفی کنند، نه افرادی با نقش‌ها و توانایی‌های متنوع.
نکته مهم این است که شکاف بازنمایی می‌تواند شکاف مشارکت را نیز تقویت کند. اگر سالمندان به‌ندرت خود را در قالب کاربرانی توانمند، متنوع و برخوردار از قدرت انتخاب در تصاویر و توصیف‌های تولیدشده با هوش مصنوعی ببینند، ممکن است کمتر با این فناوری‌ها احساس ارتباط کنند. مشارکت کمتر سالمندان در سامانه‌های هوش مصنوعی نیز می‌تواند باعث شود ترجیحات، زبان و تجربه‌های آن‌ها در چرخه‌های بازخورد، داده‌های آموزشی و فرایندهای طراحی کمتر دیده شود. در این صورت، مشارکت پایین‌تر به بازنمایی ضعیف‌تر می‌انجامد و بازنمایی ضعیف‌تر نیز به نوبه خود می‌تواند طردشدگی را عمیق‌تر کند.
جلوگیری از شکل‌گیری این دو شکاف مستلزم چیزی فراتر از فراهم کردن دسترسی سالمندان به ابزارهای هوش مصنوعی است. زایفرت پنج پیشنهاد مطرح می‌کند.
برنامه‌های ارتقای سواد هوش مصنوعی برای سالمندان باید تفاوت‌های موجود در سطح تحصیلات، وضعیت سلامت، شرایط اقتصادی‌ـ‌اجتماعی و میزان مواجهه قبلی با فناوری را در نظر بگیرند. آموزش باید بر دانش و تجربه‌های موجود شرکت‌کنندگان تکیه کند و با سرعتی انعطاف‌پذیر، مطالب دسترس‌پذیر و حمایت متناسب با نیازهای آنان ارائه شود. محتوای آموزشی باید تنظیم درخواست‌ها، تفسیر عدم قطعیت، حفاظت از حریم خصوصی و ارزیابی انتقادی محتوای تولیدشده با هوش مصنوعی را در بر بگیرد؛ از جمله اطلاعات نادرست پزشکی، کلاهبرداری‌ها، دیپ‌فیک‌ها و رسانه‌های مصنوعی.
سامانه‌های هوش مصنوعی باید از نظر سوگیری‌های مرتبط با سن ارزیابی شوند؛ این ارزیابی نباید تنها عملکرد فنی را در بر بگیرد، بلکه باید روایت‌ها و تصاویری را نیز بررسی کند که این سامانه‌ها تولید می‌کنند.
سالمندان باید به‌عنوان همکاران در طراحی سامانه‌های هوش مصنوعی مشارکت داشته باشند، نه اینکه صرفاً به‌عنوان کاربران آزمایشی به کار گرفته شوند. فرایند جذب مشارکت‌کنندگان باید تنوع افراد سالمند را منعکس کند، گروه‌های متفاوت را در بر بگیرد و برای کاهش نابرابری‌های قدرت در فرایند طراحی نیز چاره‌اندیشی کند.
خدمات ضروری سلامت، رفاه اجتماعی، مالی و عمومی باید همچنان گزینه‌های دسترس‌پذیر غیرمبتنی بر هوش مصنوعی داشته باشند. هوش مصنوعی فراگیر برای همه سنین نباید به این معنا باشد که دسترسی به خدمات، مشروط به توانایی یا تمایل افراد برای تعامل با سامانه‌های خودکار شود.
حاکمیت و تنظیم‌گری هوش مصنوعی باید سن را یکی از ابعاد اصلی عدالت، فراگیری و بازنمایی به شمار آورد. این رویکرد شامل سازوکارهای حسابرسی و ارزیابی است که بررسی کنند آیا سامانه‌های هوش مصنوعی سالمندان را از مزایای این فناوری محروم می‌کنند یا در خروجی‌ها و تصمیم‌های خود، پیش‌فرض‌های سالمندستیزانه را بازتولید می‌کنند.
زایفرت تأکید می‌کند که این توصیه‌ها پیشنهادهایی هنجاری هستند که بر شواهد پیشین و تحلیل مفهومی تکیه دارند؛ اثربخشی آن‌ها باید از طریق پژوهش‌های تجربی در جمعیت‌ها، محیط‌ها و سامانه‌های مختلف هوش مصنوعی مولد بررسی شود.
بنابراین، هوش مصنوعی فراگیر برای همه سنین مستلزم فراهم کردن دو امکان است: توانایی کنشگری در محیط‌هایی که هوش مصنوعی در آن‌ها نقش واسطه دارد و برخورداری از حق بازنمایی به شیوه‌ای که تنوع، عاملیت و پیچیدگی دوران سالمندی را منعکس کند. بدون چنین اقداماتی، هوش مصنوعی مولد ممکن است دو شکاف نابرابری را در جوامع سالمند گسترش دهد؛ شکاف‌هایی که هم توانایی سالمندان برای فعالیت در محیط‌های مبتنی بر هوش مصنوعی را محدود می‌کنند و هم تصویر جامعه از سالمندی را تنگ‌تر می‌سازند.
با تبدیل شدن هوش مصنوعی مولد از یک فناوری نوظهور به زیرساختی روزمره، اهمیت این مسئله بیش از پیش افزایش می‌یابد. سالمندان گروهی حاشیه‌ای از کاربران نیستند؛ در بسیاری از کشورها سهم آن‌ها از جمعیت رو به افزایش است و انتظار می‌رود به‌طور فزاینده‌ای از طریق سامانه‌های دیجیتال رفاه اجتماعی، سلامت، خدمات مالی و ارتباطات، امور روزمره خود را پیگیری کنند. با این حال، در پژوهش‌ها و رویه‌های طراحی همچنان اغلب از سالمندان به‌عنوان افرادی که دیرتر فناوری را می‌پذیرند، کاربرانی آسیب‌پذیر یا دریافت‌کنندگان راه‌حل‌های فناورانه یاد می‌شود، نه شهروندانی که عاملیت، دانش و بازنمایی اجتماعی آن‌ها باید در آینده زیست‌بوم هوش مصنوعی اهمیت داشته باشد.
چارچوب دو شکاف هشداری به‌موقع در این زمینه مطرح می‌کند: هنگامی که دیدگاه‌های سالمندان در طراحی و ارزیابی هوش مصنوعی مولد به‌اندازه کافی لحاظ نشود، بازنمایی‌های کلیشه‌ای ممکن است بدون چالش باقی بمانند. این تصاویر و توصیف‌ها نیز می‌توانند تمایل سالمندان به تعامل با چنین سامانه‌هایی را کاهش دهند و در نهایت، طردشدگی را در جوامع سالمند تشدید کنند.
موضوع پژوهش: هوش مصنوعی مولد و جوامع سالمند
عنوان مقاله: هوش مصنوعی مولد در جوامع سالمند: خطر شکل‌گیری دو شکاف نابرابری
منبع علمی: Seifert, A. (2026). Generative AI in aging societies: the risk of a double divide. Frontiers in Artificial Intelligence, 9، مقاله شماره 1973907. https://doi.org/10.3389/frai.2026.1973907
اعتبار تصویر: تولیدشده با هوش مصنوعی
شناسه دیجیتال مقاله (DOI): 10.3389/frai.2026.1973907
کلیدواژه‌ها: هوش مصنوعی مولد، سالمندی، جوامع، خطر، دو شکاف نابرابری، پژوهش علمی
منبع خبر: بئاتریس استافورد، ۱۶ اکتبر ۲۰۲۶، «هوش مصنوعی مولد در جوامع سالمند: خطر شکل‌گیری دو شکاف نابرابری»، Scienmag.