نبرد روایت‌ها میان حقیقت و تحریف؛ چه‌گونه بات‌ها در شبکه‌های اجتماعی افکار عمومی را منحرف می‌کنند؟

در سال‌های اخیر، ربات‌های فضای مجازی در جوامعی که نهادهای‌شان مستحکم نیستند، بیش از پیش به پدیده‌ای تاثیرگذار بدل شده‌اند. این حساب‌های خودکار یا نیمه‌خودکار می‌توانند محتوا را با سرعت بالا تولید و توزیع کنند و گاه در مسیر تشدید اختلافات یا تضعیف گفت‌وگوهای سازنده به کار می‌روند^۱. در عین حال، اگر بخواهیم از منظر کاربردهای مثبت به این ربات‌ها نگاه کنیم، همین ابزار قادر است آگاهی عمومی و اطلاعات سودمند را نیز به‌سرعت در اختیار کاربران قرار دهد.

در کشورهای شکننده، نبود فضای امن برای تبادل نظر و ضعف نهادهای نظارتی، بستر مناسبی برای جولان این گونه حساب‌ها فراهم می‌آورد. به‌طور معمول، ربات‌ها با ارسال مکرر پیام‌ها و القای یک روایت خاص، ممکن است حس «هم‌صدایی» یا «تضاد جدی» را در میان کاربران تقویت کنند. برخی دولت‌ها یا گروه‌های ذی‌نفع، با آگاهی از ظرفیت ربات‌ها در شکل‌دهی گفتمان عمومی، تلاش می‌کنند که دیدگاه‌های موردنظرشان را به‌عنوان جریان غالب معرفی کنند یا فعالان مدنی را به حاشیه برانند^۲. در این موقعیت، درک سازوکار و اهداف این ربات‌ها برای ارزیابی میزان تخریب یا تسهیل گفت‌وگو در فضای عمومی، اهمیت راهبردی دارد.

ربات‌های فضای مجازی می‌توانند هم ایجاد قطبیت کنند و هم به مصالحه سرعت بخشند. در فضایی که کشمکش‌های قومی یا ایدیولوژیک شدت یافته، حضور انبوه ربات‌های هم‌سو می‌توانند شکاف‌ها را عمیق‌تر کنند. برای نمونه، تکرار مستمر روایت‌های تفرقه‌انگیز با زبان احساسی، ممکن است حس بی‌عدالتی یا خطر را در گروه‌های مختلف تشدید کنند و باعث شوند که کاربران نتوانند منبع اصلی این پیام‌ها را تشخیص دهند^۳. از سوی دیگر، اگر هدف از طراحی این حساب‌ها ارتقای همدلی یا تشویق گفتمان میان‌فرهنگی باشد، می‌توان از همین ابزار برای تبادل ایده‌های مثبت استفاده کرد. با این حال، در کشورهای شکننده که منابع خبری رسمی و معتبر محدودند، تمایل به استفاده منفی از این ربات‌ها غالباً دست بالاتر را دارد و شناسایی چنین رویکردهایی دشوار می‌شود.

در قضیه افغانستان وضعیت به مراتب شکننده‌تر می‌شود؛ زیرا حکومت مشروعی برای وضع قوانین عادلانه و دموکراتیک در افغانستان وجود ندارد. اعضای فعال دیاسپورای افغانستان در شبکه‌های اجتماعی هم هنوز نتوانسته‌اند که بعضی از موضوعات را تبدیل به هنجارهای اخلاقی کنند تا حداقلِ جریان‌هایی که از بات‌ها برای ترویج روایت خود استفاده می‌کنند، حتا برای موفق‌شدن در ترویج روایت خود، مجبور به رعایت بعضی از موازین اخلاقی شوند. از طرفی هم، متاسفانه در نظام آموزشی و تحصیلی افغانستان هیچ گونه درسی در مورد اخبار جعلی، پروپاگندا و اخبار دست‌کاری‌شده وجود ندارد تا شهروندان افغانستان به آسانی توان تشخیص این موضوع را داشته باشند.  بنابراین، فضای عمومی دیجیتال افغانستان در بالاترین سطح آسیب‌پذیری قرار دارد.

یکی از مهم‌ترین جنبه‌های اثرگذاری بات‌ها، شکل‌دادن به دستور کار گفت‌وگوهای آنلاین است. این حساب‌های خودکار، به‌واسطه ارسال همزمان و پرتعدادِ پُست‌ها درباره موضوعی حساس، می‌توانند مسیر بحث را عوض کنند یا حتا از یک پرسش منطقی، بحث را به سمت پیکار ایدیولوژیک بکشانند^۴. با افزایش حجم پیام‌ها یا کامنت‌های شدیداً احساسی، کاربران عادی در یک جریان اطلاعاتی گرفتار می‌شوند که شاید اصلاً خاستگاه انسانی نداشته باشد. همین مساله مخصوصاً در جوامعی با امکان پایین راستی‌آزمایی اطلاعات، بسیار تعیین‌کننده است. علاوه بر این، ربات‌های مجهز به هوش مصنوعی می‌توانند با تشخیص کلیدواژه‌ها و واکنش به آن‌ها، فضای گفتمان را هدایت کنند و نقش «کاربران دغدغه‌مند» را بر عهده بگیرند. اگرچه در نظریه می‌توان از این قابلیت به‌گونه‌ مثبت بهره برد و محتواهای آموزشی یا ترویجی تولید کرد، در عمل، بیش‌تر موارد شاهد دامن‌زدن به تنش یا تحریف واقعیت هستیم^۵. بسیاری از کاربران تشخیص نمی‌دهند که بخشی از گفت‌وگو را ربات‌ها پیش می‌برند و گمان می‌کنند یک گروه واقعی از انسان‌ها حامی یا مخالف ایده‌ای هستند. این تصور، هم به خشونت کلامی و قطبی‌ترشدن فضا دامن می‌زند و هم فرصت را برای کنش‌گرانی که به‌دنبال بهره‌برداری از احساسات جمعی‌اند، فراهم می‌کند.

ربات‌ها عموماً بر شکاف‌های اجتماعی متمرکز می‌شوند تا با تزریق پیام‌های منفی و متشنج، کاربران را وارد واکنش‌های عصبی کنند^۶. در چنین وضعیتی، با انبوهی از پاسخ‌های هیجانی روبه‌رو می‌شویم که ممکن است در مرحله بعد به تهدید یا خشونت واقعی بینجامد. این در حالی است که اگر نهادهای بی‌طرف از همین روش برای تزریق مداوم اطلاعات دقیق استفاده کنند، امکان دارد گفت‌وگو از موضع تخاصم به‌سمت درک متقابل حرکت کند. به‌ویژه در شرایطی که اختلاف‌ نظر درباره مسایل کلیدی بالا است، انتشار مستمر داده‌های علمی از طریق ربات‌هایی که نقش «اطلاع‌رسانی حقیقت‌محور» دارند، می‌تواند اثر تعدیل‌کننده داشته باشد^۷.

در جوامع شکننده، محدودبودن ظرفیت‌ها و ضعف نهادهای رسمی، اجازه کنترل و شفاف‌سازی ربات‌ها را دشوار می‌کند. برای مثال، ممکن است قانون‌گذاران خواهان تشریح هویت حساب‌های بات شوند؛ اما غالباً فاقد ابزار لازم برای اعمال این شفاف‌سازی‌اند. گاهی دولت‌ها نیز تمایلی به محدودکردن بات‌ها ندارند؛ چه بسا خودشان از این خلا بهره ببرند تا فضای آنلاین را مطابق منافع‌شان شکل دهند. همچنین محیط‌های تنش‌زا و نبود رسانه‌های آزاد، تلاش منتقدان مستقل را در رصد سیستماتیک الگوهای رفتاری بات‌ها کم‌اثر می‌کند^۸. در نتیجه، پروفایل‌های خودکار می‌توانند آزادانه روایت‌های تندروانه را تحمیل کنند یا با وانمودکردن حمایت گسترده از یک موضع، کاربران را درباره واقعیت پشت ‌پرده گمراه سازند.

اگر هم یک گروه مدنی تلاش کند از ربات‌ها برای پخش پیام‌های آشتی‌جویانه استفاده کند، غالباً با محدودیت‌های مالی و مشکلات زیرساختی روبه‌رو می‌شود. از دیدگاه فنی، بات‌های پیشرفته با تکیه بر مدل‌های زبانی، جمله‌بندی‌های احساسی و ظاهراً منطقی ارایه می‌دهند و خود را به شکل یک «کاربر پی‌گیر» جا می‌زنند ^۹. این قدرت فناوری، می‌تواند در تقویت یا تخریب مناسبات اجتماعی به‌کار گرفته شود. مثلاً همین مدل‌های زبانی، اگر در موقعیت صلح‌طلبانه و سازنده به‌کار روند، می‌توانند پیام‌های ترغیب به همکاری یا راهنمایی برای حل‌وفصل اختلافات را تکرار کنند و به کاربران در نقاط مختلف نشان دهند. در نتیجه، تنش‌های بالقوه به‌طور تدریجی کم‌رنگ‌تر می‌شوند و شاید فضا برای گفت‌وگوی منطقی باز شود. اما در اکثر موارد، شاهدیم که ربات‌ها رویکرد مخرب دارند و با ابزارهای روان‌شناختی و زبانی، کاربران را به رویارویی تشویق می‌کنند تا فضا ملتهب باقی بماند^۱۰. نبود سیاست‌های جامع و هماهنگ جهانی برای مدیریت بات‌ها، مزید بر علت شده است و هر پلتفرم قواعد اختصاصی خود را دارد که الزاماً توانایی مهار همه اشکال سوءاستفاده را در بر نمی‌گیرد.

برای خروج از آسیب‌های ناشی از بات‌های تفرقه‌افکن یا تهدیدکننده همبسته‌گی اجتماعی، باید سیاستی چندجانبه اتخاذ شود. نخستین گام، توسعه دستورالعمل شفاف در سطح منطقه‌ای یا فراملی است تا تشخیص حساب‌های خودکار و منشأ آن‌ها آسان‌تر گردد^۱۱. همچنین لازم است مکانیسم‌های نظارتی بتوانند در لحظه، برآوردی از شدت فعالیت بات‌ها و خط سیر محتوای‌شان داشته باشند و در صورتی که ورودشان به موضوعی حساس بالاتر از حد معقول باشند، هشداری صادر کنند یا اقدامات محدودکننده انجام دهند.

این نوع مدیریت پویا ممکن است شامل الزام پلتفرم‌ها به برچسب‌گذاری حساب‌های خودکار یا تعیین چارچوبی باشد که حساب‌های بات ملزم به اعلام هدف خود باشند. فراتر از آن، نباید فراموش کنیم که بات‌ها پتانسیل مثبت هم دارند. گروهی از کنش‌گران مدنی با ایجاد بات‌های خبری خوش‌نیت، تلاش می‌کنند که در موقعیت‌های بحرانی شفافیت ایجاد کنند و به جای تشدید تنش، همه را به همدلی دعوت کنند^۱۲. این تجربیات گرچه فراگیر نشده‌اند، اما نشان می‌دهند که ذات خودکاربودن حساب‌ها لزوماً مخرب نیست، بلکه اهداف و نیت کاربران اصلی است که مسیر کلی را مشخص می‌کنند.

یکی از راه‌کارهای مهم دیگر، افزایش سواد رسانه‌ای و آموزشی کاربران است. اگر افراد بدانند که محتوای به‌شدت احساسی یا تکرارشده می‌تواند نشانه فعالیت یک بات باشد، درگیرکردن‌شان در مباحثه تنش‌زا دشوارتر می‌شوند. برای نمونه، در برخی کلاس‌ها یا کارگاه‌های آموزشی، نحوه تشخیص زمان‌بندی غیرعادی ارسال پست‌ها، یا استفاده از کلیدواژه‌های تحریک‌آمیز به‌صورت پرتکرار آموزش داده می‌شود^۱۳. همچنین کاربران یاد می‌گیرند که پیش از به ‌اشتراک‌گذاری مطالبی که جنجالی به‌نظر می‌رسند، به منابع معتبر رجوع و از کارشناسان مستقل سوال کنند.

در جوامع شکننده نظیر افغانستان، که شایعات و اخبار غیرمعتبر به‌سرعت پخش می‌شوند، این سطح از هوشیاری و آموزش می‌تواند تا حدی اثرات بات‌های مخرب را خنثا کند. هرقدر هم که بات‌ها پیشرفته باشند، در صورت مواجهه با جمعی کاربر آگاه، که با هم هماهنگ هستند، اثربخشی آن کاهش خواهند یافت^۱۴. روی دیگر ماجرا، بهره‌گیری هوش‌مندانه از بات‌هاست تا در بستر یک گفتمان ملتهب، روزنه‌هایی برای همکاری و تبادل دیدگاه منطقی باز شود. تصور کنید درباره توزیع منابع شهری یا حل یک منازعه منطقه‌ای، مجموعه‌ای از بات‌ها طراحی شده باشند که داده‌های میدانی را گردآوری کرده و در نقاط مختلف به نمایش بگذارند یا پرسش‌های متداول را مطرح کنند تا کاربران و کارشناسان مستقیماً وارد بحث شوند^۱۵.

چنین ساختاری می‌تواند منجر به شکل‌گیری گفتمانی مبتنی بر واقعیت و دلیل‌های علمی شود و به‌جای تقابل شخصی، گفت‌وگو به سمت راه‌کار مشترک سوق یابد. هرچند پیاده‌سازی این ایده در کشورهای شکننده با چالش‌های مالی و فقدان پلتفرم‌های بومی روبه‌رو است، اما تجربه نشان داده که اگر همکاری لازم میان نهادهای مردمی و توسعه‌دهنده‌گان فناوری شکل بگیرند، امکان کاهش تنش از طریق بات‌ها وجود دارند.

با تمام این اوصاف، بات‌های فضای عمومی دیجیتال همچنان مقوله پیچیده و در حال پیشرفتند. از یک سو، سهولت دسترسی به ابزارهای تولید محتوا و هوش مصنوعی، دامنه فعالیت بات‌ها را گسترش می‌دهد و از سوی دیگر، اختلاف منافع میان دولت‌ها یا گروه‌های قدرت‌طلب مانع از شکل‌گیری توافقی عام برای مدیریت یا مهار این پدیده می‌شود^۱۶. در فضای عمومی دیجیتال، افغانستان به‌دلیل شرایط خاص فعلی، آسیب‌پذیر‌تر از هر محیط دیگر است. هیچ تحقیق جامعی در مورد تعداد و دسته‌بندی بات‌های موجود در فضای عمومی دیجیتال افغانستان وجود ندارد. اما با ملاحظه روند گفت‌وگو‌ها و همچنین شرایط خاص افغانستان پیش‌بینی می‌شود که تعداد بات‌های مخرب فراتر از تصورمان باشند. به‌دلیل وضعیت مستبدانه حاکم، وجود بات‌های صلح‌طلب و مثبت از داخل افغانستان غیر قابل تصور است. فعالین مدنی دیاسپورای افغانستان نیز تا حالا چنین ادعایی نداشته‌اند و احتمال داشتن چنین بات‌هایی به‌دلیل عدم دسترسی به امکانات و زیرساخت‌ها متصور نیست. در این گیرودار، ارتقای همزمان آگاهی جامعه، تعامل فعال رسانه‌های مستقل، ایجاد هنجار‌های قوی اخلاقی توسط فعالان مدنی و رسانه‌ای دیاسپورا و ارتقای مکانیسم‌های تشخیصی، می‌تواند دست‌کم، به مهار نسبی استفاده مخرب از بات‌ها منجر شود.

منابع:

1. Appling, S., & Briscoe, E. (2017). The Perception of Social Bots by Human and Machine. Florida Artificial Intelligence Research Society Conference.
2. Assenmacher, D., Clever, L., Frischlich, L., Quandt, T., Trautmann, H., & Grimme, C. (2020). Demystifying Social Bots: On the Intelligence of Automated Social Media Actors. Social Media + Society, 6(3).
3. Ng, L. H. X., & Carley, K. M. (2025). What is a Social Media Bot? A Global Comparison of Bot and Human Characteristics. arXiv:2501.00855 [cs.CY].
4. Ibid
5. Ferrara, E., Varol, O., Davis, C., Menczer, F., & Flammini, A. (2016). The rise of social bots. Communications of the ACM, 59(7).
6. Appling, S., & Briscoe, E. (2017). The Perception of Social Bots by Human and Machine. Florida Artificial Intelligence Research Society Conference.
7. Appling, S., & Briscoe, E. (2017). The Perception of Social Bots by Human and Machine. Florida Artificial Intelligence Research Society Conference.
8. Assenmacher, D., Clever, L., Frischlich, L., Quandt, T., Trautmann, H., & Grimme, C. (2020). Demystifying Social Bots: On the Intelligence of Automated Social Media Actors. Social Media + Society, 6(3).
9. Ng, L. H. X., & Carley, K. M. (2023). Botbuster: Multi-platform bot detection using a mixture of experts. Proceedings of the International AAAI Conference on Web and Social Media, 17.
10. Ng, L. H. X., & Carley, K. M. (2025). What is a Social Media Bot? A Global Comparison of Bot and Human Characteristics. arXiv:2501.00855 [cs.CY].
11. Ferrara, E. (2017). Disinformation and social bot operations in the run up to the 2017 French presidential election. First Monday, 22(8).
12. Cresci, S. (2020). Detecting malicious social bots: an overview. arXiv:2008.11363.
13. Ng, L. H. X., & Carley, K. M. (2023). Botbuster: Multi-platform bot detection using a mixture of experts. Proceedings of the International AAAI Conference on Web and Social Media, 17.
14. Radford, A., et al. (2019). Language Models are Unsupervised Multitask Learners.
15. O’Connor, C., & Weatherall, J. O. (2019). The misinformation age: How false beliefs spread. Yale University Press.