همگام سازی ابزارهای هوش مصنوعی بر پایه قوانین پنجگانه رانگاناتان

(لیزنا؛گاهی دور/گاهی نزدیک 424) : حسن اشرفی ریزی، استاد گروه کتابداری و اطلاع رسانی پزشکی و ژورنالیسم پزشکی دانشگاه علوم پزشکی اصفهان:

مقدمه

شیالی رانگاناتان به عنوان یکی از متخصصان کتابداری و اطلاع رسانی مشهور در سطح جهان و پدر علم کتابداری هند قوانین پنجگانه شامل کتاب ها برای استفاده‌است، هر خواننده‌ای کتابش، هر کتابی خواننده اش، در وقت خواننده صرفه جویی کنید و کتابخانه ارگانیسمی زنده و پویاست، را ارائه کردند» (شعبانی و میرحسینی، 1394). وی قوانین پنجگانه را برای کتابخانه ها زمانی مطرح کردند که کتابخانه ها به شکل فیزیکی و حضوری فعالیت می کردند؛ اما اگر نیک بنگریم کتابخانه های دیجیتال و استفاده کنندگان آن نیز از این قوانین همچنان بهره مند هستند. علاوه بر این، امروزه این قوانین همچنان در نظام‌های اطلاعاتی مانند ابزارهای هوش مصنوعی قابل استفاده و اقتباس هستند و با کمی تغییرات و اصلاحات و استفاده از روح این قوانین، کاربران این ابزارها با اطمینان می توانند از آنها استفاده نمایند. قوانین پنجگانه رانگاناتان چارچوب انسانی و کاربر محور دارد و تمرکز آن بر تعامل کاربران با کتابخانه است. ابزارهای هوش مصنوعی نیز مانند کتابخانه باید بر چارچوب انسانی، کاربر محور و قابل اعتماد استوار باشند. لذا بر پایه این قوانین ارزشمند می‌توان اصول ویژه برای استفاده از ابزارهای هوش مصنوعی طراحی و توسعه داد.

اصول هفتگانه برای ابزارهای هوش مصنوعی

اصل اول: دسترسی به اطلاعات برای همه یک حق اجتناب ناپذیر است.

 ابزارهای هوش مصنوعی نظیر کتابخانه ها باید در دسترس همگان باشند و این بخشی از عدالت اطلاعاتی و عدالت فناورانه می‌باشد؛ بدین معنی که هر فرد متناسب با نیاز به این ابزارها دسترسی داشته باشد. در عین حال، طراحان این ابزارها به جای پیچیده کردن دسترسی به اطلاعات، استفاده آسان از این ابزارها را فراهم نمایند (اطرج، اشرفی ریزی و امینی، 1405). در واقع، استفاده از هر نظام اطلاعاتی با رعایت دو شرط آسانی استفاده و در دسترس قرار دادن اطلاعات مرتبط ارزش بیشتری برای آن نظام اطلاعاتی فراهم می کند.

اصل دوم: پرامپت ها باید جامع و مانع باشد.

«پرامپت‌ نویسی به فرایند ایجاد و ارائه‌ مجموعه‌ای از کلمات، عبارات، یا دستورات گفته می‌شود که جهت راهنمایی و هدایت مدل‌های زبانی مورد استفاده قرار می‌گیرند. یک پرامپت دقیق و حرفه ای رمز استفاده بهینه از تمامی ابزارهای هوش مصنوعی است. با تنظیم دقیق این پرامپت‌ها، می‌توان هوش مصنوعی را برای انجام وظایف مختلفی نظیر تولید محتوا، ترجمه، پردازش زبان طبیعی و پاسخگویی به سؤالات تخصصی هدایت کرد. در پرامپت نویسی تعیین هدف، مسیر هدف، زمینه و نوع خروجی  باید برای ابزار مربوطه مشخص شود» (تیم محتوای کارلنسر، 1403). به عبارت ساده تر، پرامت ها همان شیوه پرسش کاربران از ابزارهای هوش مصنوعی است. بنابراین این سؤال ها باید جوانب آن پرسش یعنی جامعیت را در نظر گرفته و مطالب نامرتبط نیز در سوال مطرح شده نباید لحاظ شود (مانعیت و دقت). لذا به هر میزان سؤال با استراتژی جستجو درست طراحی و  تنظیم شود، پاسخ نیز به همان میزان دقیق تر و مرتبط تر خواهد بود.

اصل سوم: هر ابزار هوش مصنوعی کارکرد ویژه دارد.

امروزه ابزارهای هوش مصنوعی از نظر کاربرد به مواردی مانند ابزارهای ویرایش تصویر، صوت، ویدیوها (اکیکول و دمیر[1]، 1405)، «به عنوان ابزار تولید محتوا» (گاوران و دیگران  ، 2025)، ابزار جستجو (فیترستون[2]، 2026)، «بازار ترجمه متون به زبان های مختلف (شاهمردوناوا[3]، 2026)، چت باتها  جهت گفتگو، پرسش و پاسخ (بردا[4]، 2025)، دستیارهوشمند و ابزارهای خودکار سازی (دوتا و میشرا[5] ، 2025)، »ابزار برنامه نویسی» (اومر، دیانا و سایرا[6]، 2025) کمک در انجام کارها، باز نویسی متن ها، خلاصه سازی متن ها وتهیه ایمیل رسمی و غیر رسمی (مکاتبه) تقسیم می‌شوند. و هر کدام کارکرد ویژه ای دارند؟ اما برخی از آنها ممکن است کارکرد چندگانه داشته باشند و به کاربران در پاسخ به نیازهای مختلف کمک نمایند. بنابراین متناسب با نوع طراحی، کارکرد آن و شیوه پرامپت، کاربران باید انتظار پاسخ مناسب داشته باشند. بر این اساس، آموزش کاربران این ابزارها یک ضرورت به ویژه برای متولیان و متخصصان از جمله متخصصان علم اطلاعات و دانش شناسی و کتابداران و اطلاع رسانان (مدیران اطلاع رسانی پزشکی) می باشد.

اصل چهارم:  حفظ حریم خصوصی کاربران ضرورت دارد.

کاربران هنگام استفاده از ابزارهای هوش مصنوعی باید حریم خصوصی کاربران در جنبه هایی مانند محرمانگی داده های آنها مانند شماره تلفن، تصاویر، محتوای گفتگو  و غیره در برابر دسترسی غیر مجاز محافظت شوند. لازم است کاربر بداند چه داده هایی از وی اخذ و چه مدت نگهداری می شود.  همچنین اگر قرار است از داده ها استفاده شود رضایت کاربر نیز دریافت گردد. همچنین این ابزارها از استفاده نادرست از اطلاعات جهت تبلیغات، آموزش، فروش داده و غیره پرهیز  نمایند. در واقع کاربر باید بداند آیا اطلاعات وی محرمانه است یا نه. همچنین کاربر امکان کنترل و مدیریت بر داده‌های خود را داشته باشد. «به نظر می رسد شرکت های سازنده این ابزارها و نهادهای نظارتی باید به دنبال تدوین قوانین و پروتکل های مشترک برای این طراحی و استفاده از این ابزارها باشند تا بخشی از دغدغه های کاربران در هنگام استفاده از آنها رفع گردد» (هانلین و کاپلان، 1402)؛ هر چند مسولیت نهایی با استفاده کنندگان نهایی است». در ایران در «سند ملی هوش مصنوعی جمهوری اسلامی ایران» (1403) بر رعایت حفظ حریم خصوص کاربران تاکید شده است.

اصل پنجم: شخصی سازی ابزارهای هوش مصنوعی حق کاربران است.

 امروزه یکی از ویژگی های نظام اطلاعاتی بر محور «شخصی سازی» استوار است.  شخصی سازی یعنی تنظیم و هماهنگی ابزارهای هوش مصنوعی بر اساس نیازها، علایق، شرایط و شیوه کار هر کاربر تا امکان پرسش و پاسخ برای آن فرد مناسب تر باشد. برای مثال این ابزارها مطابق با زبان، علایق، ترجیحات و سبک پاسخ دهی (رسمی و غیررسمی)  کاربر پاسخ  مناسب دهند. در عین حال این امکان فراهم شود که تنظیمات متناسب با بافت و فرهنگ آن جامعه تنظیم شود.

اصل ششم: ابزارهای هوش مصنوعی در حال تکامل هستند.

 بر اساس اصل پنجم رانگاناتان، کتابخانه نهادی پویا و زنده است، لذا ابزارهای هوش مصنوعی نیز باید در حال رشد بوده و آمادگی لازم را برای پاسخ سریع و روزآمد به پرسش های کاربران را داشته باشند. این اصل از این جهت مهم است که کاربران امروزی به دلیل تنوع ابزارهای هوش مصنوعی این امکان را دارند که به راحتی ابزارهایی که نتوانند نیازهای آنها را برآورده کنند به کنار نهند و آنها را از چرخه استفاده و در نهایت رقابت خارج نمایند.

اصل هفتم: خروجی ابزارهای هوش معنوی باید راستی آزمایی شوند.

همه ما طی سال هایی که از ابزارهای هوش مصنوعی استفاده کردیم به این مطلب رسیده ایم که خروجی ابزارهای هوش مصنوعی گاهی اطلاعات اشتباه و یا ناقص است. گاهی استنادها یا منابع نادرست هستند، برخی اطلاعات قدیمی است، در موضوع های حساس مانند پزشکی و حقوق دچار خطاهای آشکار می‌شوند. به طور کلی گاهی این ابزارها جعل، تحریف و داده سازی نیز می کنند. در این حالت وظیفۀ کاربر و استفاده کننده چیست؟. مطابق با رهنمودهای سازمان های متولی مانند «دستورالعمل استفاده از ابزارهای هوش مصنوعی در پژوهش» (از بنیاد علم ایران)، «توصیه نامه یونسکو در مورد اخلاق پژوهش»، «راهنمای اتحادیه اروپا برای استفاده مسئولانه از هوش مصنوعی مولد»، «گزارش شورای تحقیقات جهانی»[7]، راستی آزمایی این اطلاعات وظیفه کاربر است و هیچ مسئولیتی برای صاحبان این ابزارها وجود ندارد (بنیاد علم ایران، 1405)؛ هر چند آنها باید یک مجموعه پروتکل ها را تدوین کرده و پای­ بند به آن باشند. لذا کاربر باید این محتواها را در متون علمی و تخصصی بررسی و ارزیابی نماید و یا آنها را با متخصصان و مشاوران آن حوزه در میان بگذارد تا صحت و سقم آنها مشخص شود. در واقع راستی آزمایی یعنی اینکه هر آنچه هوش مصنوعی به ما می دهد بدون بررسی و ارزیابی، درست فرض نکنیم و کاربر تا اطمینان از صحت آن اطلاعات نداشته باشد نباید از آن محتوا استفاده نماید. استفاده از دانش و مهارت کتابداران و اطلاع رسانان پزشکی و متخصصان علم اطلاعات و دانش شناسی در این صحت سنجی و راستی آزمایی بسیار کمک کننده خواهد بود. به عبارت دیگر، حضور این ابزارها نیاز به کتابخانه ها به عنوان تضمین کنندگان صحت اطلاعات را دو چندان می کند.

جمع بندی و نتیجه گیری

نظام های اطلاعاتی مانند کتابخانه و ابزارهای هوش مصنوعی هر کدام به نوعی وظیفه ذخیره، سازماندهی، پردازش و اشاعه اطلاعات را بر عهده دارند. ابزارهای هوش مصنوعی با دستور کاربر به تولید محتوا می پردازند؛ اما کتابخانه ها به خودی خود تولید کننده محتوا نیستند. در واقع، این کاربران کتابخانه هستند که با مطالعه متون و تحلیل آنها به تولید محتوا می پردازند. از طرف دیگر، منابع کتابخانه ها قابل اعتماد و موثق هستند،  اما بروندادهای ابزارهای هوش مصنوعی باید توسط انسان به ویژه متخصصان مربوطه راستی آزمایی شوند. بنابراین هر چند سرعت پاسخ دهی این ابزارها به سوالات به نسبت کتابخانه بالاتر است؛ اما خروجی آنها باید ارزیابی و بررسی گردد. امروزه ابزارهای هوش مصنوعی همانند کتابخانه ها در دسترسی به اطلاعات، کمک به یادگیری و سهولت و بهبود پژوهش استفاده می شوند. اما استفاده بی محابا از ابزارهای هوش مصنوعی به دلیل ارائه اطلاعات ناقص و نادرست (البته گاهی) همچنان محل تردید هستند و نیاز به صحت سنجی دارند. با این حال، مقاومت در برابر فناوری کاری عبث بوده و وظیفه متولیان فراهم کردن زیرساخت ها، تدوین پروتکل ها و فرهنگ سازی و وظیفه مردم استفاده درست از این ابزارها و صحت سنجی اطلاعات هنگام استفاده می باشد. اصول هفتگانه برای ابزارهای هوش مصنوعی، چارچوبی را برای کاربران در مواجهه با این فناوری نوظهور و پرکاربرد بر اساس یکی از مهم ترین قوانین مرتبط با استفاده از نظام های اطلاعاتی یعنی قوانین پنجگانه رانگاناتان فراهم می کند.

 منابع

1. اطرج، زهرا؛ اشرفی ریزی، حسن؛ امینی، مصطفی (1405). ارائه مدل مفهومی عدالت اطلاعاتی در سلامت در ایران. اصفهان، رساله دکتری تخصصی، دانشگاه علوم پزشکی اصفهان، گروه کتابداری و اطلاع رسانی پزشکی.

2. بنیاد علم ایران (1404). توصیه نامه یونسکو در مورد اخلاق پژوهش. تهران: بنیاد علم ایران.

3. تیم محتوای کارلنسر (1403). پرامپت نویسی چیست. قابل دسترس در: https://www.karlancer.com/blog/prompt-writing/

4. شعبانی، احمد و میرحسینی، زهره (1394). مقدمه ای بر علم اطلاعات و دانش شناسی. تهران: سمت.

5. شورای عالی انقلاب فرهنگی (1403). سند ملی هوش مصنوعی ایران. قابل دسترس در: https://rc.majlis.ir/fa/law/show/1811432

6. هانلین، مایکل و کاپلان، آندریاس (1402).  تاریخچه مختصری از هوش مصنوعی:گذشته، حال و آینده. ترجمه امین حاجی وند،  علی خوش منظر و صابر سیاری. فصلنامه تمدن حقوقی: ویژه نامه هوش مصنوعی. شماره 18. قابل دسترس در: https://sid.ir/paper/1145779/fa#pointx

7. Akikol, R., & Demir, B. A. (2025). Artificial Intelligence Tools Used in Editing and the Editing Profession. Etkileşim, (15), 150-169.

8. Barreda, M., Cantarero-Prieto, D., Coca, D., Delgado, A., Lanza-León, P., Lera, J., ... & Pérez, F. (2025). Transforming healthcare with chatbots: Uses and applications—A scoping review. Digital health, 11, 20552076251319174.

9. Dutta, D., & Mishra, S. K. (2025). Artificial intelligence-based virtual assistant and employee engagement: an empirical investigation. Personnel Review, 54(3), 913-934.

10. Featherstone, R. (2026). Evaluating automated or artificial intelligence search tools for evidence synthesis. Journal of the Medical Library Association: JMLA, 114(2), 171.

11. Gavran, I., Honcharuk, S., Mykhalov, V., Stepanenko, K., & Tsimokh, N. (2025). The impact of artificial intelligence on the production and editing of audiovisual content. Preservation, Digital Technology & Culture, 54(3), 223-235.

12. Shahmerdanova, R. (2025). Artificial intelligence in translation: Challenges and opportunities. Acta Globalis Humanitatis et Linguarum, 2(1), 62-70

12. Umer, F., Dianna, M., & Saira, A. (2026). AI Code Assistants in Programming Education: A Narrative Literature Review. Education Sciences, 16(6), 961.