شاید روزی دسترسی به ایمیل‌ها، فایل‌ها و حتی امکان خرج‌کردن پولت را به سیستمی بدهی که هنوز نمی‌دانی چقدر قابل‌اعتماد است؛ اما چون چشم‌های درشت دارد، صمیمی حرف می‌زند و شبیه موجودی کوچک و بی‌آزار است، احساس کنی می‌شناسی‌اش. فاصلهٔ میان «احساس اعتماد» و «دلیل برای اعتماد» همان چیزی است که مسکات‌های هوش مصنوعی را به موضوعی فراتر از طراحی لوگو تبدیل می‌کند.
مسکات شخصیت تصویریِ همراه یک برند یا محصول است؛ مثلاً یک موجود کارتونی که در صفحهٔ معرفی، اپ یا تبلیغات آن دیده می‌شود. این مقاله نمی‌گوید همهٔ هوش مصنوعی‌ها با گذشت زمان بامزه‌تر شده‌اند؛ برای چنین روندی دادهٔ مقایسه‌ای لازم است. پرسش این است که چرا بعضی محصولات، هم‌زمان با گرفتن نقش و دسترسی بیشتر در زندگی ما، چهره‌ای دوست‌داشتنی انتخاب می‌کنند و این انتخاب چه اثری می‌تواند داشته باشد؟
یک شخصیت کارتونی شاید فقط انتخابی برای برندینگ به نظر برسد. اما وقتی محصول قرار است وارد بخش‌های خصوصی زندگی ما شود، ظاهرش می‌تواند بر برداشت اولیه و تصمیم‌های ما اثر بگذارد. برای فهمیدن این ماجرا، باید نزدیک به یک قرن به عقب برگردیم؛ به زمانی که یک فناوری نامرئی دیگر برای خودش چهره پیدا کرد.
وقتی برق چهره پیدا کرد
در سال ۱۹۲۶، اشتون کالینز، مدیر تجاری شرکت آلاباما پاور، شخصیت «ردی کیلووات» را معرفی کرد: موجودی کارتونی با بدنی شبیه صاعقه که قرار بود خدمات برق را انسانی‌تر و قابل‌فهم‌تر نشان دهد. آرشیو مؤسسهٔ اسمیتسونین هدف ساخت این شخصیت را انسانی‌کردن خدمات برق در تبلیغات و ارتباطات شرکت توصیف می‌کند.
برق خودش چهره نداشت. ردی کیلووات به شرکت اجازه می‌داد این فناوری نامرئی را در قالب شخصیتی معرفی کند که می‌توانست دربارهٔ کاربردهای برق حرف بزند و در تبلیغات وسایل برقی ظاهر شود. این ایده به آلاباما محدود نماند: روایت تاریخی اسمیتسونین می‌گوید شمار استفاده‌کنندگان آن به حدود ۱۵۰ شرکت خصوصی برق در آمریکا و شرکت‌هایی در دست‌کم ۱۲ کشور دیگر رسید.
این سابقه نشان می‌دهد انسانی‌کردن فناوری اختراع شرکت‌های هوش مصنوعی نیست. البته فراگیرشدن یک مسکات، به‌تنهایی ثابت نمی‌کند افزایش مصرف برق نتیجهٔ حضور آن بوده است؛ چنین ادعایی به شواهد جداگانه نیاز دارد. آنچه مستند شده، هدف طراحی است: آشناتر نشان‌دادن یک فناوری نامرئی با کمک یک چهره.
امروز هم می‌توان همین منطق را در برخی محصولات هوش مصنوعی دید. یک سیستم محاسباتی پشت شخصیتی کوچک قرار می‌گیرد و برخورد اول ما با آن، رنگ عاطفی پیدا می‌کند. اما چرا چنین شخصیت‌هایی اغلب گرد، نرم و کودکانه‌اند؟
الگوی بامزگی چیست؟
کنراد لورنتس در سال ۱۹۴۳ مفهومی را مطرح کرد که به «طرحوارهٔ نوزادی» معروف شد: مجموعه‌ای از ویژگی‌ها مانند سر بزرگ، پیشانی بلند، چشم‌های درشت، گونه‌های پُر و بینی و دهان کوچک. او پیشنهاد کرد این ویژگی‌ها در انسان احساس مثبت و میل به مراقبت برمی‌انگیزند. مقالهٔ گلوکر و همکاران پیشینهٔ این نظریه را توضیح می‌دهد و آن را به‌صورت آزمایشی می‌سنجد.
در این پژوهشِ منتشرشده در سال ۲۰۰۹، عکس چهرهٔ نوزادان دست‌کاری شد تا از هر چهره، نسخه‌هایی با ویژگی‌های نوزادی بیشتر و کمتر ساخته شود؛ مثلاً با چشم بزرگ‌تر و صورت گردتر، یا برعکس. ۱۲۲ دانشجو در دو تکلیف جداگانه، بامزگی چهره‌ها یا میل خود به مراقبت از نوزاد در تصویر را ارزیابی کردند. چهره‌های دارای ویژگی‌های نوزادی بیشتر، امتیاز بالاتری در هر دو سنجه گرفتند.
پس بامزگی فقط یک سلیقهٔ مبهم نیست: تغییر کنترل‌شدهٔ چند ویژگی چهره، ارزیابی افراد را در این آزمایش تغییر داد. اما این یافته نمی‌گوید چشم‌های درشت «سیستم تشخیص خطر» مغز را خاموش می‌کنند. آزمایش ادراک بامزگی و میل گزارش‌شده به مراقبت از نوزاد را سنجیده بود، نه اعتماد به نرم‌افزار یا آمادگی برای سپردن اطلاعات خصوصی. این فاصله وقتی پای هوش مصنوعی وسط می‌آید، مهم است.
تصویر بامزه و رفتار بعدی
در سال ۲۰۱۲، هیروشی نیتونو و همکارانش در پژوهشی با سه آزمایش اثر دیدن تصاویر بامزه را بررسی کردند. در آزمایش اول، شرکت‌کنندگان پیش و پس از دیدن تصاویر حیوانات، کاری ظریف با ابزار انجام دادند که به دقت حرکتی نیاز داشت. گروهی تصاویر توله‌سگ‌ها و بچه‌گربه‌ها را دید و گروه دیگر تصاویر سگ‌ها و گربه‌های بالغ را.
در گروه اول، میانگین تعداد کوشش‌های موفق نسبت به مرحلهٔ قبل حدود ۴۴ درصد بیشتر شد؛ در گروه دوم حدود ۱۲ درصد. گروهی که تصاویر حیوانات کوچک را دیده بود، زمان بیشتری هم برای انجام کار صرف کرد. در آزمایش دیگری، این تصاویر با بهبود بیشتر در یک تکلیف جست‌وجوی بصری همراه بودند.
نکتهٔ جالب این است که بامزگی در این پژوهش با دقت بیشتر همراه بود. پس نمی‌توان نتیجه گرفت هر چیز بامزه‌ای ما را بی‌فکر یا ساده‌لوح می‌کند. اما می‌توان گفت چیزی که صرفاً تصویری دلنشین به نظر می‌رسد، ممکن است بر رفتار بعدی ما اثر بگذارد. ظاهر همیشه بیرون از تصمیم‌گیری باقی نمی‌ماند.
از بامزگی تا اعتماد به سیستم
برای بررسی اعتماد به هوش مصنوعی باید سراغ پژوهشی رفت که مستقیماً همین موضوع را سنجیده باشد. در پژوهشی منتشرشده در سال ۲۰۲۶ در مجلهٔ Collabra: Psychology، ۳۰۹ شرکت‌کننده در مطالعهٔ نخست با یکی از دو چت‌بات تعامل کردند: یکی خنثی و دیگری با زبان و واکنش‌های انسانی‌تر.
سپس در یک «بازی اعتماد» تصمیم گرفتند چه تعداد توکن به چت‌بات بسپارند. شرکت‌کنندگان به نسخهٔ انسانی‌تر، توکن بیشتری دادند و آن را در چند بُعد، از جمله قابل‌اتکابودن و صداقت، قابل‌اعتمادتر ارزیابی کردند. اندازهٔ اثرها کوچک بود و تفاوت در همهٔ بُعدها، از جمله ارزیابی اخلاقی‌بودن، معنادار نبود.
این آزمایش دربارهٔ چشم‌های درشت یا مسکات کارتونی نبود؛ شیوهٔ تعامل را تغییر داده بود. بااین‌حال، نشان می‌دهد رفتار انسانی‌تر می‌تواند اعتماد را تغییر دهد، بی‌آنکه این تغییر به‌خودی‌خود اثبات کند سیستم دقیق‌تر یا امن‌تر شده است.
از کنار هم گذاشتن این پژوهش‌ها می‌توان برداشتی محتاطانه داشت: چهرهٔ دوست‌داشتنی ممکن است شروع ارتباط را آسان‌تر کند و رفتار انسانی‌تر ممکن است اعتماد را افزایش دهد. ترکیب آن‌ها در تجربهٔ یک محصول احتمالاً اثرگذار است، اما این مطالعات اثر یک مسکات مشخص بر اعتماد به یک ایجنت را مستقیم اندازه نگرفته‌اند.
وقتی ایجنت می‌تواند اقدام کند
وقتی یک بات هوش مصنوعی فقط متنی پیشنهاد می‌دهد، معمولاً فرصت داری آن را بخوانی و رد کنی. اما یک ایجنت با مجوز مناسب ممکن است ایمیل بفرستد، فایل تغییر دهد یا خرید انجام دهد. برای نمونه، راهنمای OpenClaw نشان می‌دهد اتصال یک دستیار به ابزارها و پیام‌رسان‌ها چه تنظیمات و مسئولیت‌هایی به همراه دارد. در چنین محصولاتی، اعتماد تو به یک اقدام واقعی وصل می‌شود.
اینجا دو ارزیابی متفاوت ممکن است با هم قاطی شوند:
«کارکردن با این سیستم حس خوبی دارد.»
«این سیستم برای انجام این کار قابل‌اعتماد است.»
اولی می‌تواند از لحن، ظاهر و حس صمیمیت بیاید. دومی به عملکرد، محدودیت‌ها، سطح دسترسی و امکان بررسی تصمیم‌ها نیاز دارد. یک شخصیت کوچک و دوست‌داشتنی می‌تواند ورود به فناوری را آسان‌تر کند. مسئله زمانی شروع می‌شود که حس آشنایی جای شناخت واقعی را بگیرد؛ وقتی کمتر بپرسیم سیستم چه می‌داند، کجا اشتباه می‌کند و چه اختیاری به آن داده‌ایم.
لازم نیست فرض کنیم پشت هر مسکات نقشه‌ای برای فریب وجود دارد. همان طراحی که محصول را قابل‌فهم‌تر می‌کند، ممکن است ناخواسته اعتمادی بیش از آنچه عملکرد محصول توجیه می‌کند ایجاد کند.
چهار سؤال پیش از دادن دسترسی
- دامنهٔ دسترسی چیست؟ آن را به حساب، پوشه یا کار لازم محدود کن.
- کدام اقدام نیاز به تأیید دارد؟ برای ارسال ایمیل، تغییر فایل و پرداخت، پیش‌نمایش بخواه.
- اگر اشتباه کرد چه می‌شود؟ تاریخچهٔ اقدام‌ها، راه برگشت و قطع دسترسی را پیدا کن.
- اعتمادم از کجاست؟ از آزمون واقعی آمده است یا از لحن و ظاهر محصول؟
شاید مهم‌ترین پرسش همین باشد: وقتی به یک هوش مصنوعی اجازه می‌دهیم به‌جای ما تصمیم بگیرد، چه مقدار از اعتمادمان را از عملکردش گرفته‌ایم و چه مقدار را از احساسی که طراحی‌اش در ما ساخته است؟