پاسخ به پرسش های متداول در ارزشگذاری داراییهای نامشهود (بخش اول)
پرسش ۱) چه داراییهایی به عنوان داراییهای نامشهود شناخته میشوند؟
پاسخ:
داراییهای نامشهود، داراییهایی هستند که فاقد ماهیت فیزیکی بوده ولی میتوانند برای مالک یا استفادهکننده منافع اقتصادی ایجاد کنند. این داراییها شامل:
- داراییهای قابل ثبت مانند:
- داراییهای غیرقابل ثبت ولی ارزشآفرین مانند:
- برند و شهرت تجاری
- اطلاعات مشتریان، دانش فنی، مدل کسبوکار
- دادههای تجمیعی، الگوریتمها، پلتفرمهای نرمافزاری اختصاصی
- داراییهای فناورانه نوین مانند:
- مدلهای یادگیری ماشین و هوش مصنوعی
- پایگاه داده و سامانههای تحلیلگر رفتار مشتریان
دارایی نامشهود معمولاً یا قابل شناسایی قانونی است، یا قابل جدا شدن و انتقال به دیگری، و یا منبعی برای درآمد و ارزش افزوده در آینده میباشد.
پرسش ۲) آیا تمامی برندها دارایی نامشهود به حساب میآیند؟
پاسخ:
برندها در صورتی که دارای ارزش تجاری و نقش در ایجاد منافع اقتصادی آتی باشند، دارایی نامشهود محسوب میشوند.
اما برای شناسایی رسمی برند بهعنوان دارایی نامشهود در صورتهای مالی یا گزارش کارشناسی، شرایط زیر باید بررسی شود:
- برند ثبتشده نزد مراجع رسمی یا دارای استفاده مستمر و شهرت عمومی باشد؛
- قابلیت انتقال (مثلاً واگذاری حق استفاده از برند یا لایسنس برند) وجود داشته باشد؛
- نقش برند در جذب مشتری، حفظ بازار و افزایش درآمد قابل اثبات باشد؛
- در برخی موارد، برندهای محلی یا استفادهشده در حوزه خاص نیز با احراز شرایط فوق، به عنوان دارایی نامشهود شناسایی میشوند.
پرسش ۳) تفاوت بین داراییهای مشهود و نامشهود چیست؟
پاسخ:
ویژگی | دارایی نامشهود | دارایی مشهود |
ماهیت | غیر فیزیکی و نامرئی | فیزیکی و قابل لمس |
قابلیت اندازهگیری مستقیم | نیازمند مدلهای مالی یا درآمدی برای ارزشگذاری | اغلب براساس بازار یا هزینه قابلبرآورد |
استهلاکپذیری | اقتصادی یا فناورانه (برند، نرمافزار) | فیزیکی و ملموس (ماشینآلات، ساختمان) |
مستندات مالکیت | ثبت رسمی، قرارداد، توافقنامههای مالکیت فکری | سند مالکیت، قبض خرید، لیست اموال |
ثبت در حسابداری | پیچیدهتر، وابسته به مستندسازی و گزارش کارشناسی | شفافتر، قابل استناد بیشتر |
پرسش ۴) یا همیشه باید از یک روش خاص برای ارزیابی استفاده شود؟
پاسخ:
خیر. در ارزشگذاری داراییهای نامشهود، هیچ روش واحدی برای همه موارد وجود ندارد. انتخاب روش باید بر اساس نوع دارایی، هدف ارزیابی، سطح دسترسی به اطلاعات، وضعیت بهرهبرداری، و شرایط حقوقی صورت گیرد. در بسیاری از موارد، استفاده از روش ترکیبی یا تحلیل سناریویی برای رسیدن به عدد منصفانه و قابل دفاع توصیه میشود.
پرسش ۵) روشهای مناسب برای داراییهایی که فاقد درآمد مستقیم هستند کداماند؟
پاسخ:
برای داراییهایی مانند دادهها، الگوریتمها، دانش فنی، یا نرمافزارهایی که درآمد مستقیم ندارند، میتوان از روشهای زیر استفاده کرد:
- روش هزینهای: تخمین هزینه توسعه، نیروی انسانی، زیرساخت و مستندسازی
- روش اجرتالمثل: در صورت استفاده غیرمجاز یا فرض بهرهبرداری توسط دیگران
- روش امتیازدهی یا ترکیبی: با توجه به نقش دارایی در کل زنجیره ارزش پروژه
- تحلیل صرفهجویی یا افزایش بهرهوری (در درآمد غیرمستقیم)
پرسش ۶) اگر دارایی ثبت نشده باشد، آیا قابل ارزیابی است؟
پاسخ:
بله. بسیاری از داراییهای نامشهود، حتی بدون ثبت رسمی، قابل شناسایی و ارزیابی هستند، بهویژه اگر دارای شواهد بهرهبرداری، مستندات فنی، گزارشهای توسعه، یا عرف استفاده در صنعت باشند. در این موارد، کارشناس باید با دقت بیشتری به مستندسازی، تحلیل نقش دارایی و مقایسه با نمونههای مشابه بپردازد.
پرسش ۷) در صورت اختلاف بین نتایج حاصل از روشهای مختلف، کدام روش ملاک قرار میگیرد؟
پاسخ:
در چنین شرایطی، کارشناس باید:
- دلایل اختلاف بین روشها را تحلیل کند (مثلاً تفاوت در فرضیات، دادهها، یا افق زمانی)
- اعتبار هر روش را براساس هدف ارزیابی و کیفیت دادهها بررسی کند
- در صورت امکان، از وزندهی به روشها یا تحلیل دامنهای استفاده نماید
- نتیجه نهایی را با ذکر دلایل و فرضیات روشن مستند کند
هیچ روش الزاماً بر دیگری برتری مطلق ندارد؛ منطق تطبیقی و شفافیت در انتخاب روش معیار اصلی است.
پرسش ۸) چگونه مفروضات گزارش کارشناسی باید مستند شوند؟
پاسخ:
مفروضات، بخش حیاتی گزارش کارشناسی هستند و باید:
- بهصورت صریح در متن گزارش ذکر شوند
- بر اساس منابع معتبر (قانون، عرف صنعتی، دادههای تاریخی، گزارشهای بازار) انتخاب شوند
- در صورت فرض محافظهکارانه یا خوشبینانه، سناریوی جایگزین نیز ذکر شود
- هر عدد کلیدی مانند نرخ تنزیل، عمر مفید، نرخ رشد یا سهم بازار باید با دلیل مشخص ارائه شود
در دادگاه یا داوری، مستند بودن مفروضات، مهمترین ابزار دفاع از گزارش خواهد بود.
پرسش ۹) آیا میتوان از گزارشهای مشابه قبلی یا قراردادهای مشابه برای ارزیابی استفاده کرد؟
پاسخ:
بله، به شرطی که:
- شباهت قابلقبول بین پروندهها وجود داشته باشد (نوع دارایی، صنعت، هدف ارزیابی)
- دادههای مورد استناد بهروز و مرتبط باشند
- اختلاف در دامنه استفاده یا ویژگی فنی بین دو مورد، بهدرستی تعدیل و لحاظ شود
کاربرد گزارشهای قبلی میتواند به استنادپذیری کمک کند، اما جایگزین تحلیل مستقل کارشناسی نمیشود.
پرسش ۱۰) در گزارش ارزشگذاری، آیا باید دامنه ارزش نیز ارائه شود یا تنها یک عدد قطعی کفایت میکند؟
پاسخ:
در شرایطی که عدم قطعیت بالا است (مانند استارتاپها، داراییهای فاقد داده مالی یا بازار ناپایدار)، توصیه میشود:
- دامنهای از ارزش (حداقل – حداکثر) بهصورت تحلیلی ارائه شود
- یا میانگین وزنی چند سناریو بهعنوان عدد نهایی پیشنهاد گردد
- عدد قطعی تنها زمانی معتبر است که مفروضات، دادهها و روش از دقت کافی برخوردار باشند
دامنه ارزش، شفافیت گزارش را افزایش داده و ریسک اختلاف در استناد را کاهش میدهد.
[۱] Patent
[2] Trademark
[3] Copyright
پاسخ به پرسشهای متداول ارزشگذاری داراییهای
نامشهود (بخش دو)
چرا در بسیاری از کسبوکارهای نوین،
داراییهای نامشهود بیش از داراییهای مشهود در ایجاد ارزش نقش دارند؟
پاسخ:
در اقتصاد دانشی،
ارزش شرکتها بیشتر از دانش، برند، داده، الگوریتم و روابط مشتری ناشی میشود تا
از داراییهای فیزیکی. داراییهای نامشهود مزیت رقابتی پایدار ایجاد میکنند و میتوانند
مقیاسپذیری و بازده فزاینده داشته باشند، در حالیکه داراییهای مشهود محدود به
ظرفیت فیزیکیاند.
منابع:
OECD (2012)، IVSC Perspective Paper on Intangible Assets (2021)
چه تفاوتی میان “دارایی نامشهود
شناساییشده” و “دارایی نامشهود غیرقابلشناسایی” (مانند سرقفلی) وجود دارد؟
پاسخ:
دارایی نامشهود
شناساییشده مانند برند، پتنت یا نرمافزار، بهطور مستقل قابل اندازهگیری و
انتقال است. در مقابل، سرقفلی (Goodwill)
ماهیتی ترکیبی و
غیرقابل تفکیک دارد و فقط در نتیجه ترکیب تجاری شناسایی میشود. سرقفلی بازتاب
تفاوت بین ارزش منصفانه داراییها و بهای تمامشده سرمایهگذاری است.
منابع:
استاندارد حسابداری
ایران شماره ۱۷ بند ۳۷؛ IFRS 3؛ IVS
210؛ PwC Business Combinations Guide (2023)
چگونه میتوان بین سرمایه فکری (Intellectual
Property) و
دارایی نامشهود تمایز قائل شد؟
پاسخ:
سرمایه فکری مفهومی
گستردهتر از دارایی نامشهود است و شامل سه جزء اصلی است: سرمایه انسانی، سرمایه
ساختاری، و سرمایه ارتباطی. اما تنها بخشی از این عناصر (در صورت وجود معیارهای
شناسایی و قابلیت کنترل) میتواند بهعنوان دارایی نامشهود در صورتهای مالی ثبت
شود.
منابع:
OECD (2012) ؛ IVSC
(Intangible Assets Framework 2020)؛ استاندارد حسابداری ۱۷
در فرآیند کارشناسی رسمی، شناسایی
دارایی نامشهود چه اهمیتی در تعیین دامنه ارزیابی دارد؟
پاسخ:
در کارشناسی رسمی،
نخستین گام تشخیص نوع و محدوده داراییهای نامشهود است تا مشخص شود کدام داراییها
موضوع ارزیابی هستند و کدامیک ارزش اقتصادی مستقل ندارند. تعیین دامنه ارزیابی از
خطاهای تکراری مانند ارزشگذاری داراییهای تکراری یا غیرقابل انتقال جلوگیری میکند.
منابع:
IVS 105 (Scope of Work)؛ آییننامه ارزیابی شرکتهای
دانشبنیان (مصوب ۱۳۹۹)؛ RICS Valuation of Intangibles Guidance Note
کدام گروه از داراییهای نامشهود
معمولاً در تمامی صنایع حضور دارند و چرا عمر مفید متفاوتی دارند؟
پاسخ:
برند، نرمافزار،
دانش فنی، و روابط مشتری از جمله داراییهایی هستند که تقریباً در تمام صنایع وجود
دارند. عمر مفید آنها بسته به پویایی فناوری، نرخ جایگزینی، و دوام روابط بازار
متغیر است. مثلاً برند پایدار ممکن است عمر نامعین داشته باشد، در حالیکه نرمافزار
ممکن است در چند سال منقضی شود.
منابع:
PwC Business Combinations Guide (2023) ؛
ISO 10668؛ IAS 38
چه رابطهای بین نوآوری، دانش فنی (Know-how) و ایجاد دارایی نامشهود
برقرار است؟
پاسخ:
نوآوری نتیجه تبدیل
دانش فنی به کاربرد اقتصادی است. زمانی که دانش فنی به محصول، خدمت یا فرآیند قابل
بهرهبرداری تبدیل شود و کنترل آن در اختیار واحد تجاری باشد، به دارایی نامشهود
تبدیل میشود. این ارتباط، اساس شکلگیری سرمایه فکری و مزیت رقابتی است.
منابع:
WIPO (2023) High-Level
Paper on Intangibles؛OECD (2012) ؛
آییننامه ارزیابی شرکتهای دانشبنیان.
چرا برخی داراییهای نامشهود قابل
استهلاک و برخی دیگر دارای عمر مفید نامعین (Indefinite life) هستند؟
پاسخ:
اگر منافع اقتصادی
دارایی در دورهای قابل پیشبینی محدود تحقق یابد (مثل پتنت یا نرمافزار)، عمر
مفید معین بوده و دارایی مستهلک میشود. اما اگر دارایی بتواند بدون محدودیت زمانی
ارزش ایجاد کند (مثل برند پایدار یا مجوز دائمی)، عمر مفید نامعین تلقی میشود و
بهجای استهلاک، آزمون کاهش ارزش انجام میگیرد.
منابع:
استاندارد حسابداری
۱۷؛ IAS 38 ؛ IVS 210
چگونه میتوان ارزش اقتصادی یک
دارایی نامشهود را در غیاب درآمد مستقیم از آن توجیه کرد؟
پاسخ:
در چنین مواردی
ارزش دارایی نامشهود از منافع غیرمستقیم آن مانند افزایش فروش، کاهش هزینه، حفظ
مشتریان یا مزیت رقابتی استخراج میشود. ارزشگذاری میتواند با روشهای ترکیبی
مانند «Relief from Royalty»،
«Excess Earnings» یا
تحلیل صرفهجویی هزینه
(Cost Avoidance) انجام گیرد.
منابع:
IVS 210؛ ISO 10668؛ OECD
(2012)؛ RICS Valuation Standards (GN 4.4).
داراییهای نامشهود بر اساس منشأ
ایجاد به چند دسته اصلی تقسیم میشوند؟
پاسخ:
از منظر منشأ،
داراییهای نامشهود به دو گروه تقسیم میشوند:
۱)
داراییهای خریداریشده یا تحصیلشده (در قالب قرارداد، مجوز، ترکیب تجاری و غیره)،
۲) داراییهای
ایجادشده در داخل واحد تجاری (مانند دانش فنی،
نرمافزار توسعهیافته یا برند داخلی).
تحصیل دارایی از
طریق خرید معمولاً مستند به مدارک و قرارداد است، در حالیکه ایجاد درونی نیازمند
مستندسازی فرآیند تحقیق و توسعه است.
منابع:
استاندارد حسابداری
۱۷؛IAS 38 ؛ PwC Business Combinations Guide (2023)
مهمترین معیار در طبقهبندی داراییهای
نامشهود بر اساس «قابلیت جداسازی یا انتقال» چیست؟
پاسخ:
اگر دارایی بتواند
بهصورت مستقل از سایر داراییها فروخته، منتقل یا لیسانس شود، جداشدنی (Separable) محسوب میشود و قابل شناسایی است. در مقابل، داراییهایی مانند سرقفلی یا
روابط تیمی غیرقابلانتقال، قابل شناسایی مستقل نیستند.
منابع:
IAS 38 ؛ استاندارد حسابداری ۱۷؛ IVS 210
پاسخ به پرسشهای متداول ادله ی الکترونیکی و تحلیل فضای سایبری برای کارشناسان رسمی دادگستری (بخش اول)
پرسش ۱) آیا همه دادههای دیجیتال، دلیل محسوب میشوند؟
پاسخ:
خیر. همه دادههای دیجیتال قابلیت “دلیل شدن” ندارند. تنها دادههایی که دارای شرایط زیر باشند، قابلیت استناد در دادگاه را خواهند داشت:
- مرتبط با موضوع دعوی باشند
- اصالت و تمامیت آنها قابل اثبات باشد
- بهصورت قانونی و مستند گردآوری شده باشند
- توسط کارشناس رسمی صلاحیتدار تحلیل شده باشند
مثال: پیامک سادهای که بدون تحلیل فنی و بدون متادیتا ارائه شود، صرفاً قرینه است نه دلیل.
پرسش ۲) آیا پرینت پیام واتساپ یا ایمیل، دلیل قانونی محسوب میشود؟
پاسخ:
صرف پرینت از محتوای دیجیتال، فاقد اعتبار فنی و قانونی لازم برای استناد است، مگر اینکه:
- نسخه اصلی داده قابل دسترسی باشد
- با ابزار قانونی تحلیل و اصالت آن تأیید شده باشد
- متادیتا، اطلاعات دستگاه، IP، زمان ارسال و هش داده ارائه شده باشد
- توسط کارشناس رسمی دارای صلاحیت بررسی و گزارش شده باشد
نتیجه: پرینت بهتنهایی فاقد اصالت است، اما همراه با تحلیل کارشناسی میتواند دلیل باشد.
پرسش ۳) چه تفاوتی میان دادهپیام و ادله دیجیتال وجود دارد؟
پاسخ:
| معیار | دادهپیام | ادله دیجیتال |
| تعریف | هر اطلاعات الکترونیکی که منتقل یا ذخیره میشود | دادهای که دارای قابلیت اثباتی در دادرسی است |
| مبنای قانونی | قانون تجارت الکترونیکی (ماده ۶ و ۷) | قانون جرائم رایانهای و آییننامه ادله الکترونیکی |
| اعتبار اثباتی | در صورت شرایط خاص | نیازمند بررسی فنی و حقوقی |
| مثال | ایمیل خام در Gmail | همان ایمیل با متادیتا، هش، و تأیید اصالت توسط کارشناس رسمی |
پرسش ۴) اگر دادهای تغییر کرده باشد، آیا قابل استناد است؟
پاسخ:
در صورتی که تغییر داده اثبات شود، اصل تمامیت نقض شده و داده بیاعتبار خواهد بود. اما اگر نسخه اولیه دارای هش یا بکآپ موجود باشد، همان نسخه میتواند مبنای کارشناسی قرار گیرد.
مثال: فایل قرارداد PDF که متادیتای آن نشاندهنده تغییر است، اگر نسخه قبل از تغییر در آرشیو یا ابزار قانونی موجود باشد، میتوان نسخه اصلی را مبنا قرار داد.
پرسش ۵) اگر داده بهصورت غیرقانونی بهدست آمده باشد، آیا قابلیت استناد دارد؟
پاسخ:
مطابق قانون آیین دادرسی کیفری (ماده ۱۶۹) و آییننامه ادله دیجیتال، دادهای که با نقض حریم خصوصی یا بدون دستور مقام قضایی بهدست آمده باشد، فاقد مشروعیت بوده و معمولاً در دادگاه پذیرفته نمیشود.
استثنا: گاهی ممکن است قاضی داده را بهعنوان قرینه بپذیرد، اما فاقد اعتبار اثباتی مستقیم خواهد بود.
پرسش ۶) آیا کارشناس رسمی میتواند دادههای خارج از موضوع کارشناسی را بررسی کند؟
پاسخ:
خیر. کارشناس فقط در محدوده دستور مقام قضایی و موضوع کارشناسی میتواند به دادهها دسترسی پیدا کند. بررسی دادههای نامرتبط یا شخصی، حتی اگر مفید باشند، نقض قانون و حریم خصوصی است و ممکن است باعث مردود شدن گزارش شود.
پرسش ۷) آیا همه جرائم رایانهای بهصراحت در قانون جرائم رایانهای مصوب ۱۳۸۸ آمدهاند؟
پاسخ:
خیر. اگرچه قانون جرائم رایانهای مصوب ۱۳۸۸ گام مهمی در شناسایی و جرمانگاری رفتارهای غیرقانونی در بستر دیجیتال بوده است، اما با توجه به پیشرفت فناوری، بسیاری از جرائم نوظهور از جمله Deepfake، هک با هوش مصنوعی، جعل هویت دیجیتال، جرائم رمزارزی، حملات سایبری مبتنی بر رباتیک و… هنوز در آن بهصراحت ذکر نشدهاند.
رویکرد کارشناسی: در چنین مواردی، میتوان با استفاده از تفسیر موسّع از مواد قانونی موجود و ارجاع به اصول کلی مانند جرمانگاری تهدید، کلاهبرداری، جعل، یا ورود غیرمجاز، رفتار مجرمانه را تحلیل کرد.
پرسش ۸) اگر شخصی از طریق صفحه جعلی در اینستاگرام مرتکب جرم شود، آیا میتوان او را شناسایی و تحت تعقیب قرار داد؟
پاسخ:
بله، اگرچه پلتفرمهایی مانند اینستاگرام خارج از کشور هستند، اما از طریق تحلیل IP، بررسی دستگاههای مورد استفاده، مقایسه محتوای صفحه با دادههای موجود در گوشی یا رایانه شخص متهم و بررسی شبکههای بانکی یا مخابراتی، میتوان شواهد فنی کافی برای شناسایی عامل ارائه کرد.
ابزارهای کارشناسی: OSINT tools، تحلیل متادیتا، ابزارهای بازیابی اطلاعات از گوشی (مثلUFED)، بررسی رفتار دیجیتال (Digital Footprint)
پرسش ۹) چگونه میتوان در پروندههای تهدید و اخاذی، اثبات کرد که متهم واقعاً ارسالکننده پیام بوده است؟
پاسخ:
با استفاده از روشهای زیر:
- تطبیق شماره و حساب کاربری با اطلاعات بانکی، تماسها و پیامها
- بررسی دستگاههای الکترونیکی متهم (با ابزارهایی چون Cellebrite یا XRY)
- تحلیل فایلهای صوتی (Voice Comparison)
- بررسی لاگهای اپراتور تلفن همراه و زمان ارسال پیامها
توجه: انکار ساده متهم کفایت نمیکند. در صورتی که مستندات فنی وجود داشته باشد، دادگاه معمولاً نظر کارشناسی مستند را میپذیرد.
پرسش ۱۰) در پروندههای فیشینگ، اگر اطلاعات بانکی توسط کاربر وارد صفحه جعلی شده باشد، آیا مسئولیت متوجه بانک است؟
پاسخ:
در اغلب موارد، خیر. وقتی مشخص میشود که حمله از طریق طراحی صفحه جعلی و فریب کاربران صورت گرفته، بانک مسئول نیست مگر اینکه:
- سامانه هشداردهنده نداشته باشد
- در اطلاعرسانی و آموزش کوتاهی کرده باشد
- نقص امنیتی در سامانه اصلی وجود داشته باشد
کارشناسی این موضوع نیاز به بررسی رفتار سامانه اصلی، لاگها، نحوه هدایت قربانیان و کدهای صفحه دارد.
پرسش ۱۱) آیا کارشناسان رسمی میتوانند محتوای حذفشده از گوشی یا رایانه را بازیابی و در گزارش خود استفاده کنند؟
پاسخ:
بله، به شرط آنکه بازیابی با ابزارهای قانونی و مطابق آییننامه جمعآوری ادله الکترونیکی انجام شود و زنجیره سلامت مستندسازی شده باشد.
ابزارهای معتبر: Magnet AXIOM، FTK Imager، Autopsy، Cellebrite، Belka soft
هش فایلهای بازیابیشده، تاریخ ساخت و آخرین دسترسی، و توضیح روش بازیابی باید در گزارش ذکر شوند.
پرسش ۱۲) اگر کاربر از VPN یا شماره مجازی استفاده کرده باشد، آیا باز هم میتوان او را شناسایی کرد؟
پاسخ:
در مواردی، بله. هرچند استفاده از ابزارهای ناشناسساز ( VPN، Tor، شماره مجازی) فرآیند شناسایی را دشوار میکند، اما:
- تطبیق زمان، رفتار کاربری و دستگاه
- تحلیل Session IDها، کوکیها و Device ID
- بررسی ارتباطات ثانویه مانند پیامهای درونبرنامهای
- بازسازی رفتار دیجیتال
همگی ابزارهایی برای شناسایی متهم هستند.
پاسخ به پرسشهای متداول هوش مصنوعی در کارشناسی رسمی دادگستری (بخش اول)
هوش مصنوعی (Artificial Intelligence) چیست و چه تفاوتی با اتوماسیون ساده دارد؟
پاسخ:
هوش مصنوعی شاخهای از علوم رایانه است که هدف آن طراحی سامانههایی است که بتوانند همانند انسان یاد بگیرند، استدلال کنند، تصمیم بگیرند و با محیط تعامل هوشمندانه داشته باشند. در حالیکه «اتوماسیون» (Automation) به اجرای خودکار دستورات از پیش تعیینشده اشاره دارد، هوش مصنوعی توانایی تطبیق با شرایط جدید و یادگیری از تجربه را دارد.
بهطور مثال، یک نرمافزار حسابداری که فقط فرمولهای ثابت را اجرا میکند، اتوماسیون است، اما سامانهای که بتواند الگوی خطا یا کلاهبرداری را از دادههای قبلی بیاموزد، هوش مصنوعی محسوب میشود.
منابع:
- Russell & Norvig, Artificial Intelligence: A Modern Approach, 4th Ed. (2021)
- استاندارد ISO/IEC 22989:2022 – AI Concepts and Terminology
چه زمانی و توسط چه افرادی اصطلاح »Artificial Intelligence» برای نخستین بار به کار رفت؟
پاسخ:
اصطلاح «هوش مصنوعی» برای نخستین بار در سال ۱۹۵۶ توسط جان مککارتی (John McCarthy) در کنفرانس معروف Dartmouth مطرح شد.
در این کنفرانس، پژوهشگرانی همچون آلن نیوول، هربرت سایمون و ماروین مینسکی شرکت داشتند.
هدف آنان بررسی این بود که آیا میتوان “ماشینهایی ساخت که مانند انسان بیندیشند”. این رویداد، آغاز رسمی علم AI بود.
منابع:
- John McCarthy et al., Dartmouth Conference Proposal, 1956
- Nils Nilsson, The Quest for Artificial Intelligence, Cambridge Press (2010)
شاخههای اصلی هوش مصنوعی کداماند؟
پاسخ:
هوش مصنوعی مجموعهای از شاخههای تخصصی دارد که هرکدام کاربردهای متفاوتی دارند، از جمله:
۱) یادگیری ماشین (Machine Learning)
۲) یادگیری عمیق (Deep Learning)
۳) پردازش زبان طبیعی (Natural Language Processing -NLP)
۴) بینایی ماشین (Computer Vision)
۵) سیستمهای خبره (Expert Systems)
۶) رباتیک (Robotics)
۷) منطق فازی و تصمیمیارها (Fuzzy Logic & DSS)
در کارشناسی رسمی، سه شاخهی اول بیشترین کاربرد را در تحلیل دادهها و کشف ادله دیجیتال دارند.
منابع:
- Stuart Russell, AI: A Modern Approach, Pearson (2021)
- OECD Framework for Classification of AI Systems (2022)
تفاوت میان هوش مصنوعی محدود (Narrow AI) و هوش مصنوعی عمومی (General AI) چیست؟
پاسخ:
- هوش مصنوعی محدود (Weak/Narrow AI): برای انجام یک وظیفه خاص طراحی شده است (مانند تشخیص چهره یا پیشبینی قیمت سهام).
- هوش مصنوعی عمومی (Strong/General AI): میتواند مانند انسان در حوزههای مختلف فکر کند و تطبیق یابد (هنوز بهصورت عملی تحقق نیافته است).
تمام سامانههای فعلی — از جمله ChatGPT، رباتهای قضایی و سیستمهای کارشناسی هوشمند — در دسته AI محدود قرار دارند.
منابع:
- European Commission: Ethics Guidelines for Trustworthy AI (2019)
- IBM AI Taxonomy Report (2023)
آیا میتوان گفت هوش مصنوعی ادامهای از علم منطق و ریاضیات است؟
پاسخ:
بله. بنیان نظری هوش مصنوعی بر پایهی منطق ریاضی (Mathematical Logic) و نظریه احتمالات (Probability Theory) است.
مفاهیمی چون استنتاج منطقی، شبکههای بیزی، آمار شرطی، و نظریه بازیها مستقیماً از علوم ریاضی و منطق وارد AI شدهاند.
در واقع، بسیاری از الگوریتمهای تصمیمگیری یا استنتاج در سامانههای کارشناسی، از همان قواعد منطق گزارهای و فازی استفاده میکنند.
منابع:
- Judea Pearl, Probabilistic Reasoning in Intelligent Systems (1988)
- ISO/IEC TR 24028:2020 – AI Trustworthiness Overview
نقش داده (Data) در هوش مصنوعی چیست و چرا به آن «سوخت AI» گفته میشود؟
پاسخ:
هوش مصنوعی بدون داده معنایی ندارد.
داده، مادهی اولیهای است که الگوریتمها از طریق آن الگوهای رفتاری و روابط پنهان را یاد میگیرند.
به همین دلیل، به داده لقب Fuel of AI (سوخت هوش مصنوعی) دادهاند.
دادهی ناقص یا تحریفشده منجر به خطای تحلیلی یا سوگیری (Bias) میشود، که در گزارشهای کارشناسی میتواند پیامدهای حقوقی مهمی داشته باشد.
منابع:
- OECD AI Principles (2019)
- ISO/IEC 5259 – Data Quality for AI Systems
چه ارتباطی میان هوش مصنوعی و کارشناسی رسمی دادگستری وجود دارد؟
پاسخ:
کارشناس رسمی دادگستری در عصر دیجیتال با دادههای عظیم، شواهد الکترونیکی و تحلیلهای پیچیده مواجه است.
هوش مصنوعی در اینجا ابزار کمکی برای:
۱) تحلیل خودکار دادههای دیجیتال (Forensic Analysis)
۲) تشخیص ناهنجاریها یا جعل داده (Anomaly/Deepfake Detection)
۳) استخراج الگوها از سوابق پروندهها
۴)تهیه گزارش کارشناسی هوشمند (AI-Assisted Reports) بهشمار میرود.
منابع:
- European AI Act (2024)
- آییننامه استفاده از فناوریهای نوین در فرآیندهای قضایی (قوه قضائیه ایران، ۱۴۰۲)
چه تفاوتی میان یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) وجود دارد؟
پاسخ:
- یادگیری ماشین (ML): از الگوریتمهایی مانند درخت تصمیم، رگرسیون و SVM برای استخراج الگوها از داده استفاده میکند.
- یادگیری عمیق (DL): زیرشاخهای از یادگیری ماشین است که از شبکههای عصبی چندلایه (Neural Networks) برای شناسایی ویژگیهای پیچیده مانند تصویر، صوت یا زبان بهره میگیرد.
DL برای تحلیل ویدیو، تشخیص جعل چهره یا صدا در پروندههای سایبری کاربرد بیشتری دارد.
منابع:
- Goodfellow et al., Deep Learning, MIT Press (2016)
- IEEE Std 7000-2021: AI System Design – Ethical Considerations
آیا هوش مصنوعی میتواند جایگزین قاضی یا کارشناس رسمی شود؟
پاسخ:
خیر. هوش مصنوعی ابزار تصمیمیار (Decision Support) است نه جایگزین تصمیمگیرنده.
مسئولیت قانونی و اخلاقی همچنان بر عهده انسان است.
در فرآیند کارشناسی، AI میتواند سرعت، دقت و تحلیل داده را افزایش دهد، ولی تفسیر نهایی و اظهار نظر رسمی باید توسط کارشناس انسانی صورت گیرد.
منابع:
- UNESCO Recommendation on the Ethics of AI (2021)
- European Court of Human Rights, AI and Judicial Decision-Making (2022)
چرا آشنایی کارشناسان رسمی با مبانی هوش مصنوعی ضروری است؟
پاسخ:
زیرا هوش مصنوعی بهسرعت در دادرسیهای دیجیتال، کشف جرم، ارزیابی ادله الکترونیکی و تحلیل اقتصادی وارد شده است.
کارشناس رسمی با آگاهی از مبانی AI میتواند:
- تحلیل دادههای پیچیده را دقیقتر انجام دهد،
- گزارشهای فنی مستندتر بنویسد،
- خطاهای ناشی از استفاده نادرست از الگوریتمها را تشخیص دهد،
- و در دعاوی مرتبط با فناوریهای نوین، نقش کلیدی ایفا کند.
منابع:
- OECD AI Literacy Framework (2023)
- سند ملی هوش مصنوعی جمهوری اسلامی ایران (۱۴۰۳)