واکاوی پیامدهای حقوقی و بشردوستانه کاربرد هوش مصنوعی در جنگ آمریکا و رژیم اسرائیل علیه ایران

مهدی بعیدی نژاد

دانشجوی دکتری روابط بین‌الملل، دانشگاه اصفهان

مقدمه

جنگی که از ۲۸ فوریه ۲۰۲۶ آغاز شد، در گزارش‌های رسمی به‌عنوان مجموعه‌ای از حملات آمریکا و اسرائیل علیه ایران توصیف شده است که با هدف تغییر رژیم و تضعیف قابلیت‌های هسته‌ای و موشک‌های بالستیک انجام شد و سپس با ضدحملات ایران در سراسر منطقه خاورمیانه همراه گردید. صرف‌نظر از این‌که هر خواننده یا پژوهشگری این جنگ را از منظر سیاسی و حقوقی چگونه ارزیابی می‌کند، این منازعه به‌سرعت به نقطه کانونی یک پرسش متمایز در مطالعات امنیتی معاصر بدل شد: هوش مصنوعی چگونه چرخه هدف‌گیری را دگرگون می‌کند و این دگرگونی چه اثری بر مسئولیت‌پذیری، قابلیت بازبینی و حفاظت از جان غیرنظامیان می‌گذارد؟

دو عامل اصلی باعث شده‌اند پرسش مربوط به هوش مصنوعی در این جنگ به‌طور خاص برجسته شود. نخست، گزارش‌ها از حجم بالای حملات، شتاب زیاد عملیات و تعداد بسیار زیاد اهداف سخن می‌گویند؛ وضعیتی که حفظ آن در مقیاس وسیع، اگر صرفاً بر عاملیت و توان تحلیلی نیروی انسانی تکیه شود، به‌لحاظ عملی بسیار دشوار به نظر می‌رسد. دوم، این جنگ هم‌زمان شده است با تلاش نظام‌مند ساختار دفاعی آمریکا برای استقرار مدل‌های پیشرفته هوش مصنوعی، از جمله مدل‌های زبانی بزرگ در محیط‌های طبقه‌بندی‌شده و به‌کارگیری آن‌ها در جریان‌های کاری مرتبط با برنامه‌ریزی مأموریت‌ها و عملیات رزمی، آن هم در شرایطی که خود مقام‌های دفاعی آمریکا هم‌زمان هشدار داده‌اند که خطاهای چنین مدل‌هایی می‌تواند پیامدهای مرگبار داشته باشد. همین هم‌زمانی میان نیاز عملیاتی به سرعت، تمایل به ادغام مدل‌های پیشرفته و نگرانی از خطاهای مرگبار، موضوع را از سطح یک نوآوری فناورانه فراتر می‌برد و آن را به مسئله‌ای در قلب جنگ مدرن بدل می‌کند.

دامنه این مقاله بر همین اساس و از ساختاری مشخص پیروی می‌کند. نخست، میان پشتیبانی تصمیم‌گیری مبتنی بر هوش مصنوعی و سامانه‌های تسلیحاتی خودمختار تمایز گذاشته می‌شود. سپس، ابزارها و مسیرهای نهادی و عملیاتی مدل‌های هوش مصنوعی در آمریکا ارزیابی می‌شود؛ پس از آن، ادعاهای مربوط به نظارت مبتنی بر هوش مصنوعی و هدف‌گیری بر پایه «الگوی زندگی» در سوی اسرائیل بررسی می‌گردد. در ادامه، یک معماری فنی محتمل از حسگرها تا حمله ترسیم می‌شود؛ سپس اکوسیستم شرکتی و محدودیت‌های قراردادی بازخوانی می‌شود و در پایان، با اتکا به حقوق بین‌الملل بشردوستانه و تحلیل پاسخ‌گویی، خلأهای اصلی حکمرانی و سیاست‌گذاری در حوزه هوش مصنوعی شناسایی خواهد شد. چنین ساختاری از آن جهت ضروری است که موضوع مورد بحث، هم‌زمان تکنیکی، نهادی، حقوقی و راهبردی است و نمی‌توان آن را تنها از خلال یکی از این ابعاد فهم کرد.

بحث و ایده اصلی این مقاله آن است که جنگ آمریکا و رژیم اسرائیل علیه ایران نشان می‌دهدکه هوش مصنوعی چگونه می‌تواند مسئله پاسخ‌گویی را از این پرسش که آیا «ماشین ماشه را کشید» به پرسشی به‌مراتب بنیادی‌تر منتقل کند: آیا سامانه‌های اجتماعی و فنی که شامل مدل‌ها، پایگاه‌های داده، رابط‌ها، زیرساخت‌های ابری و دکترین‌های مبتنی بر فشار زمانی می‌شوند، قضاوت انسانی را بازشکل داده‌اند، آن هم در شرایطی که هم‌زمان ردّ شواهد لازم برای بازبینی قانونی و پاسخ‌گویی پسینی نیز تضعیف می‌شود؟  به‌عبارت دیگر، خطر اصلی فقط در خودکار شدن کاربرد زور نیست، بلکه در این است که منطق، سرعت و صورت‌بندی شناختی تصمیم انسانی نیز تحت تأثیر سامانه‌هایی قرار گیرد که امکان نظارت مؤثر بر آن‌ها محدود است.

اهمیت این مسئله از آن رو دوچندان است که در این جنگ، هوش مصنوعی صرفاً به‌عنوان یک ابزار کمکی فنی ظاهر نشده، بلکه به بخشی از زیرساخت ادراکی و عملیاتی جنگ تبدیل شده است؛ زیرساختی که بر نحوه تشخیص تهدید، اولویت‌بندی اهداف، ارزیابی زمان واکنش و حتی فهم حدود مسئولیت انسانی اثر می‌گذارد. از این منظر، بررسی نقش هوش مصنوعی در این منازعه صرفاً مطالعه یک فناوری نوظهور نیست، بلکه تلاشی برای فهم دگرگونی عمیق‌تر در منطق جنگ، نسبت میان انسان و ماشین و آینده پاسخ‌گویی حقوقی و اخلاقی در منازعات مسلحانه معاصر است. این یادداشت در گام نخست، چارچوب مفهومی بحث را با تمرکز بر فشرده‌سازی زنجیره کشتار و تمایز میان پشتیبانی تصمیم‌گیری مبتنی بر هوش مصنوعی و تسلیحات خودمختار تبیین می‌کند. سپس، با بررسی مورد آمریکا و نقش سامانه‌هایی مانند «میون» (Maven)، به نحوه نهادینه‌شدن هوش مصنوعی در بسترهای فرماندهی، داده و قراردادهای دفاعی می‌پردازد. در ادامه، با تمرکز بر مورد اسرائیل، ابعاد مربوط به سکوی گزارش‌شده هوش مصنوعی، نفوذهای سایبری، نظارت داده‌محور و زیرساخت‌های ابری را تحلیل می‌کند. در بخش‌های پایانی نیز، دلالت‌های حقوقی، اخلاقی و راهبردی این تحولات بررسی شده و در نهایت، مهم‌ترین شکاف‌های پاسخ‌گویی و برخی پیشنهادهای سیاستی مطرح می‌شود.

از پشتیبانی تصمیم‌گیری تا فشرده‌سازی زنجیره کشتار

برای تحلیل دقیق نقش هوش مصنوعی در جنگ آمریکا و اسرائیل علیه ایران، لازم است نخست برخی تمایزهای مفهومی و تحلیلی روشن شود، زیرا بدون این تمهید نظری، ارزیابی ابعاد حقوقی، عملیاتی و راهبردی این پدیده با خلط مفاهیم و ابهام تحلیلی همراه خواهد شد. اولین تمایز آن است که دانسته شود پشتیبانی تصمیم مبتنی بر هوش مصنوعی با سامانه‌های تسلیحاتی خودمختار یکی نیست. پشتیبانی تصمیم مبتنی بر هوش مصنوعی به سامانه‌هایی گفته می‌شود که داده را دریافت و تحلیل می‌کنند، توصیه‌ها، رتبه‌بندی‌ها یا برآوردهای ریسک تولید می‌کنند و بر نحوه ادراک گزینه‌ها از سوی تصمیم‌گیرندگان انسانی اثر می‌گذارند. در مقابل، سامانه‌های تسلیحاتی خودمختار به سلاح‌هایی گفته می‌شود که پس از فعال‌سازی، بدون مداخله بیشتر انسان می‌توانند هدف را انتخاب و با آن درگیر شوند. پژوهش‌های معتبر در حوزه حقوق بشردوستانه تأکید می‌کنند که سامانه‌های پشتیبان تصمیم‌گیری می‌توانند در بالادست کاربرد زور قرار گیرند و بدون آن‌که تصمیم‌گیرنده انسانی را کاملاً جایگزین کنند، بر تصمیم‌ها اثر عمیق بگذارند (Dorsey, 2025). کمیته بین‌المللی صلیب سرخ نیز سامانه‌های تسلیحاتی خودمختار را به‌عنوان سامانه‌هایی تعریف می‌کند که پس از فعال‌سازی، بدون مداخله انسانی هدف را انتخاب کرده و علیه آن زور به‌کار می‌برند و هشدار می‌دهد که فرسایش و حذف کنترل انسانی، نگرانی‌های عمیق حقوقی و بشردوستانه ایجاد می‌کند (ICRC, 2021).

این تمایز از آن جهت اهمیت دارد که بخش زیادی از گفتمان‌های عمومی درباره هوش مصنوعی در جنگ، این دو مقوله را با یکدیگر خلط می‌کند و تمام مسئله را به ترس از «ماشین قاتل» یا مشکلاتی از جنس «توهم‌پردازی هوش مصنوعی» فرو می‌کاهد. اما خطر ساختاری مهم‌تر آن است که سامانه‌های پشتیبان تصمیم‌گیری، تقسیم کار و ساختار زمانی هدف‌گیری را تغییر می‌دهند: آنچه پیش‌تر نیازمند تأمل، بحث، راستی‌آزمایی و قضاوت چندمرحله‌ای بود، اکنون می‌تواند به یک جریان کاری تحت فشار زمان بدل شود که در آن اولویت‌بندی ماشین‌محور، مجموعه گزینه‌هایی را که انسان‌ها عملاً در نظر می‌گیرند محدود می‌سازد. به این ترتیب، حتی در شرایطی که یک امضای انسانی در پایان باقی بماند، کیفیت و معنای آن امضا تغییر می‌کند.

در همین‌جا مفهوم «فشرده‌سازی زنجیره کشتار» به‌عنوان یک پدیده اجتماعی-فنی اهمیت پیدا می‌کند. زنجیره کشتار در ادبیات نظامی، به توالیِ یافتن، تثبیت، انتخاب، درگیری و ارزیابی آثار حمله گفته می‌شود. در دکترین نوین هدف‌گیری، این مراحل با فرایندهایی چون چرخه‌های مشترک هدف‌گیری و رویه‌های برآورد خسارت جانبی پیوند خورده‌اند؛ فرایندهایی که قرار است اصول تفکیک، تناسب و احتیاطات را عملیاتی کنند (Dorsey, 2025). فشرده‌سازی زنجیره کشتار زمانی رخ می‌دهد که عامل محدودکننده این چرخه، از ظرفیت تحلیلی و هماهنگی انسانی، به سرعت پردازش و ادغام داده منتقل شود و سازمان‌های نظامی نیز ساختار، دکترین و نیروی انسانی خود را با این تغییر وفق دهند. سند راهبردی دفاعی آمریکا در سال ۲۰۲۶ دقیقاً چنین نیتی را آشکار می‌کند، زیرا از مدیریت نبرد و پشتیبانی تصمیم‌گیری مبتنی بر هوش مصنوعی از برنامه‌ریزی کارزار تا اجرای زنجیره کشتار سخن می‌گوید (Secretary of War, 2026).

بنابراین، ورود به بحث هوش مصنوعی در جنگ آمریکا و اسرائیل علیه ایران مستلزم آن است که از ابتدا سه نکته را هم‌زمان در نظر بگیریم: نخست، با پدیده‌ای مواجه‌ایم که بیش از آنکه در قالب «سلاح خودمختار» قابل فهم باشد، در قالب «اکوسیستم جنگ الگوریتمی» باید تحلیل شود؛ دوم، این اکوسیستم نه فقط کارآمدی عملیاتی، بلکه کیفیت قضاوت انسانی، امکان رعایت مؤثر حقوق بین‌الملل بشردوستانه و سازوکارهای پاسخ‌گویی را تحت تأثیر قرار می‌دهد؛ سوم، چون بخش بزرگی از جزئیات همچنان محرمانه است، هر ادعایی باید در چارچوب یک روش‌شناسی دقیق و مبتنی بر سلسله‌مراتب شواهد مورد ارزیابی قرار گیرد. با چنین نقطه عزیمتی است که می‌توان از توصیف صرف نقش فناوری عبور کرد و به پرسش اصلی رسید: آیا جنگ در حال تبدیل‌شدن به فرایندی است که در آن انسان هنوز حضور دارد، اما دیگر لزوماً حاکم بر معنای تصمیم نیست؟  بر این اساس، در گام بعدی می‌توان بررسی کرد که این اکوسیستم الگوریتمی در عمل چگونه در ساختارهای فرماندهی، هدف‌گیری، قراردادهای فناوری و زیرساخت‌های داده‌ای آمریکا و اسرائیل متجلی شده است.

فروشندگان هوش مصنوعی و فشرده سازی زنجیره کشتار

برای تحلیل دقیق نقش هوش مصنوعی در جنگ آمریکا و اسرائیل علیه ایران، لازم است نخست برخی تمایزهای مفهومی و تحلیلی روشن شود؛ زیرا بدون این تمهید نظری، ارزیابی ابعاد حقوقی، عملیاتی و راهبردی این پدیده با خلط مفاهیم و ابهام تحلیلی همراه خواهد شد. گزارش‌های منتشرشده درباره جنگ اخیر علیه ایران نشان می‌دهد که هوش مصنوعی در این منازعه نه به‌مثابه یک سلاح خودمختار واحد که مستقلاً تصمیم بگیرد چه کسی کشته شود، بلکه به‌صورت یک اکوسیستم چندلایه از سامانه‌های پشتیبان تصمیم‌گیری، بسترهای ادغام داده، مدل‌های پیشرفته مستقر در فضای ابری و زیرساخت‌های تحلیل و فرماندهی به کار گرفته شده است؛ اکوسیستمی که آنچه در ادبیات تخصصی از آن با عنوان زنجیره کشتار یاد می‌شود را به‌گونه‌ای محسوس شتاب بخشیده است (Gupta, 2026). در این معنا، هوش مصنوعی نه لزوماً جای انسان را در لحظه نهایی کاربرد زور گرفته و نه هنوز در سطح شواهد عمومی به‌عنوان ماشینی که کاملاً مستقل از انسان تصمیم مرگبار بگیرد تثبیت شده است؛ بلکه بیش از هر چیز درون فرایندهای شناختی، تحلیلی و عملیاتی جنگ قرار گرفته و فاصله میان داده، تحلیل، تصمیم و حمله را کوتاه‌تر کرده است  (Microsoft, 2025).

این فشرده‌سازی زنجیره کشتار به معنای گذار از فرایندهای پرزحمت، نسبتاً کند و مرحله‌به‌مرحله انسانی از گردآوری داده، تحلیل اطلاعات، توسعه هدف، بررسی حقوقی، اجرای حمله و سپس ارزیابی آثار آن به سمت جریان‌های کاری سریع‌تر، تا حدی خودکار و مبتنی بر سرعت، مقیاس بالا و بازتولید مستمر تصمیم است. در الگوی جدید، دیگر مسئله فقط وجود اطلاعات نیست، بلکه مسئله اصلی آن است که چگونه اطلاعات عظیم گردآوری‌شده از حسگرها، ماهواره‌ها، پهپادها، شنودها، رخنه‌های سایبری و پایگاه‌های داده، به کمک سامانه‌های هوش مصنوعی در زمانی کوتاه به اولویت‌های هدف‌گیری، فهرست‌های پیشنهادی و تصمیم‌های شبه‌لحظه‌ای ترجمه می‌شوند. از همین‌رو، جنگ مورد بحث را می‌توان نه جنگ کاملاً خودکار، بلکه با دقت بیشتر جنگ هوش مصنوعی‌ توان‌افزا نامید؛ جنگی که در آن هوش مصنوعی در لایه‌های تشخیص، ادغام، پیشنهاد، اولویت‌بندی و شتاب‌دهی به تصمیم‌گیری عمل می‌کند، حتی اگر هنوز ماشه نهایی، دست‌کم در سطح صوری، در اختیار انسان باقی مانده باشد (Jeans, 2026).

در عین حال، یکی از دشوارترین چالش‌های تحلیلی در بررسی این جنگ آن است که بخش عمده‌ای از جزئیات عملیاتی همچنان طبقه‌بندی‌شده، محرمانه یا نامشخص است. به همین دلیل، هرگونه داوری معتبر درباره نقش واقعی هوش مصنوعی در این جنگ باید به‌طور صریح بر مبنای نوع شواهد سامان یابد. اسناد رسمی، راهبردهای منتشرشده، گزارش‌های سالانه شرکت‌ها، مکاتبات بررسی‌شده از سوی خبرگزاری‌های معتبر و گزارش‌های تحقیقی مستند، از اعتبار تحلیلی به‌مراتب بیشتری نسبت به ادعاهای صرفاً دولتی، روایت‌های تبلیغاتی یا بازنشرهای غیرمستند برخوردارند. این نکته از آن جهت اهمیت دارد که در منازعاتی با این سطح از حساسیت سیاسی و امنیتی، اغراق، پنهان‌سازی، جنگ ادراکی و رقابت بر سر روایت، بخشی از خود میدان نبرد است. از این رو، هر ادعای مربوط به نقش هوش مصنوعی باید نه فقط برحسب محتوای آن، بلکه برحسب منشأ، سطح اتکاپذیری و امکان راستی‌آزمایی آن سنجیده شود.

در سوی آمریکا، روشن‌ترین و مستندترین شواهد عمومی به اکوسیستم نرم‌افزاری هدف‌گیری، فرماندهی و کنترل مرتبط با سامانه‌ای به نام میون مربوط می‌شود؛ سامانه‌ای که بر اساس یادداشتی که رویترز آن را بررسی کرده، به یک برنامه ثبت‌شده رسمی برای به‌کارگیری گسترده در سراسر ارتش آمریکا تبدیل شده است. همین گزارش‌ها نشان می‌دهد که میون اکنون به‌عنوان سامانه عملیاتی اصلی هوش مصنوعی برای پشتیبانی از هزاران حمله در هفته‌های اخیر معرفی شده و سرپرستی آن قرار است به ساختار دفاعی آمریکا و ارتش ایالات متحده به‌عنوان متولیان قراردادی منتقل شود (Jeans, 2026). اهمیت این موضوع در آن است که با یک فناوری حاشیه‌ای یا آزمایشی طرف نیستیم، بلکه با سامانه‌ای روبه‌رو هستیم که بنا بر شواهد علنی، در حال تبدیل‌شدن به بخشی از معماری پایدار جنگ‌افزار آمریکاست. به بیان دیگر، آمریکا از مرحله آزمون محدود عبور کرده و به‌سمت نهادینه‌سازی هوش مصنوعی در چرخه عملیاتی خود حرکت کرده است.

به موازات این روند، رویترز از تلاش فزاینده مقام‌های ارشد دفاعی آمریکا برای استقرار مدل‌های پیشرفته هوش مصنوعی، از جمله مدل‌های زبانی بزرگ، در شبکه‌های طبقه‌بندی‌شده و محرمانه خبر می‌دهد؛ تلاشی که با درخواست برای کاهش محدودیت‌های استانداردی همراه بوده است که شرکت‌های هوش مصنوعی معمولاً برای جلوگیری از استفاده‌های زیان‌بار از فناوری خود اعمال می‌کنند. همین گزارش‌ها همچنین از مجموعه‌ای از اختلافات قراردادی و سیاستی بر سر ملاحظات ایمنی، نظارت داخلی و کاربردهای مرتبط با سلاح‌های خودمختار پرده برمی‌دارند. این تحولات با «راهبرد هوش مصنوعی ۲۰۲۶» که از سوی وزارت جنگ آمریکا منتشر شده نیز هم‌راستا است؛ سندی که آشکارا اجرای زنجیره کشتار را به‌عنوان یکی از حوزه‌های کلیدی مدیریت نبرد و پشتیبانی تصمیم‌گیری مبتنی بر هوش مصنوعی تعریف می‌کند و خواهان دسترسی گسترده‌تر به مدل‌های پیشرو در تمام سطوح طبقه‌بندی است. در نتیجه، در سوی آمریکا با پیوندی نسبتاً روشن میان راهبرد رسمی، زیرساخت قراردادی و مسیر عملیاتی مواجه‌ایم؛ پیوندی که نشان می‌دهد هوش مصنوعی دیگر نه یک افزونه جانبی، بلکه بخشی از دستورکار اصلی تحول نظامی است (Jeans, Seetharaman, 2026).

این وضعیت، ما را به یک لایه تحلیلی مهم‌تر وارد می‌کند: نقش بازیگران خصوصی و فروشندگان در شکل‌دهی به جنگ الگوریتمی. منظور از فروشندگان (Vendors)، شرکت‌ها و نهادهای خصوصی‌ است که فناوری‌های هوش مصنوعی، زیرساخت‌های ابری و خدمات نرم‌افزاری را از طریق قراردادهای رسمی در اختیار دولت‌ها و نهادهای نظامی قرار می‌دهند؛ بازیگرانی مانند  OpenAI، Palantir، گوگل، مایکروسافت و آمازون که اگرچه مستقیماً فرمان شلیک صادر نمی‌کنند، اما در عمل زیرساخت‌هایی را می‌سازند که تصمیم‌گیری نظامی بر آن‌ها تکیه می‌زند. اهمیت این مفهوم در آن است که نشان می‌دهد هوش مصنوعی در زنجیره کشتار صرفاً یک موضوع فنی یا عملیاتی نیست، بلکه هم‌زمان مسئله‌ای از جنس حکمرانی، قدرت قراردادی و تقسیم مسئولیت میان دولت‌ها و شرکت‌های خصوصی است. از یک‌سو، شرکت‌های فناوری می‌کوشند از طریق سیاست‌های استفاده، محدودیت‌های ایمنی و شروط قراردادی، برخی کاربردهای پرخطر یا غیرقانونی را مهار کنند و از سوی دیگر، نهادهای نظامی در پی آن هستند که با استقرار این فناوری‌ها در محیط‌های طبقه‌بندی‌شده، اتکا به دکترین‌های عملیاتی و بازتعریف نیازهای امنیت ملی، این محدودیت‌ها را کاهش داده یا دور بزنند (Miller, 2026).

از همین رو، منازعات قراردادی پیرامون هوش مصنوعی تنها اختلافاتی تجاری نیستند، بلکه عرصه‌ای کلیدی برای تعیین حدود کنترل، مسئولیت و پاسخ‌گویی در جنگ مدرن به‌شمار می‌روند .در سوی اسرائیل، مهم‌ترین شواهد عمومی به گزارش تحقیقی اخیر واشنگتن‌پست مربوط می‌شود؛ گزارشی که از یک «سکوی طبقه‌بندی‌شده جدید هوش مصنوعی» سخن می‌گوید که بنا بر ادعا، چندین جریان داده از نظارت و ارتباطات تا شبکه‌های داخلی، دسترسی سایبری و گزارش‌های انسانی را با یکدیگر ادغام می‌کند تا محل رهبران ایرانی را برای عملیات‌هایی در مقیاس بالا و با ماهیت ترورگونه شناسایی و هدف‌گیری کند. با این حال، برخلاف مورد آمریکا، این سکو نام‌گذاری نشده و در سطحی کلی توصیف شده است؛ ازاین‌رو، شواهد علنی درباره آن از حیث دقت و قابلیت راستی‌آزمایی، ضعیف‌تر از مسیر اسنادی و قراردادی موجود در مورد سامانه‌های آمریکایی است. همین تفاوت اهمیت دارد، زیرا مانع از آن می‌شود که از منظر روش‌شناختی میان دو مورد، نوعی توازن مصنوعی برقرار شود. در واقع، درباره اسرائیل با گزارش‌های تحقیقی و قرائن اکوسیستمی قوی روبه‌رو هستیم، نه با همان سطح از شفافیت نهادی و مستندات رسمی که در سوی آمریکا دیده می‌شود (Booth & Milmo, 2026).

با وجود این تفاوت، گزارش‌های مربوط به زیرساخت و اکوسیستم هوش مصنوعی کمک می‌کند تا درک کنیم چنین سامانه‌هایی چگونه می‌توانند عملیاتی شوند. برای مثال، رویترز گزارش می‌دهد که پروژه ابری «نیمبوس» متعلق به اسرائیل، آمازون و گوگل را برای ارائه خدمات ابری به بخش عمومی و نظامی برگزیده است و گوگل نیز منطقه ابری خود در اسرائیل را با هدف خدمت‌رسانی به مشتریان دولتی و نظامی فعال کرده است (Reuters, 2021). این داده‌ها به‌خودی‌خود ثابت نمی‌کنند که هر حمله‌ای مستقیماً توسط یک مدل معین هدایت شده است، اما نشان می‌دهند که بسترهای محاسباتی، ذخیره‌سازی، پردازش و نگهداشت داده در سطحی فراهم شده‌اند که امکان توسعه و اجرای سامانه‌های داده‌محور پیشرفته برای مقاصد اطلاعاتی و نظامی را به‌طور جدی افزایش می‌دهد. بنابراین، حتی در غیاب شفافیت درباره نام یا ساختار دقیق سکوهای هدف‌گیری، می‌توان با درجه‌ای معقول از اطمینان گفت که لایه زیرساختی لازم برای جنگ الگوریتمی در حال حاضر در دسترس دولت و نهادهای نظامی اسرائیل قرار دارد.

در هر دو سوی درگیری یعنی آمریکا و اسرائیل، شواهد نشان می‌دهد که عملیات سایبری و نظارت مبتنی بر هوش مصنوعی لایه‌ای هم‌زیست با زنجیره کشتار را تشکیل داده‌اند. رسانه‌های حوزه فناوری از عملیات هماهنگ فضایی و سایبری برای اخلال در ارتباطات و شبکه‌های حسگری پیش از حملات سخن گفته‌اند (Franceschi-Bicchierai, 2026). گزارش‌های امنیت سایبری نیز از تشدید درگیری‌های سایبری، عملیات اطلاعاتی و گسترش دامنه منازعه به زیرساخت‌های غیرنظامی و سامانه‌های فناوری تجاری خبر می‌دهند (Unit 42, 2026). اهمیت این لایه در آن است که نشان می‌دهد هوش مصنوعی در این جنگ صرفاً در مرحله نهایی هدف‌گیری حضور ندارد، بلکه از مرحله گردآوری داده و نفوذ اطلاعاتی تا تحلیل الگوهای رفتاری و انتخاب زمان و مکان ضربه، در سراسر زنجیره عملیاتی حضور دارد. به عبارت دیگر، اگر زنجیره کشتار را صرفاً به لحظه شلیک تقلیل دهیم، بخش بزرگی از نقش واقعی هوش مصنوعی را از نظر دور خواهیم داشت.

از اینجا به بعد، مسئله اصلی در بحث‌های حقوقی و اخلاقی دیگر این نیست که آیا در پایان فرایند، یک انسان به‌صورت صوری حمله را تأیید کرده است یا نه. تمرکز اصلی به‌تدریج به سمت پرسش مهم‌تری منتقل شده است: سامانه‌های هوش مصنوعی چگونه خود شیوه تصمیم‌گیری را در فرایند هدف‌گیری تغییر می‌دهند؟ به بیان روشن‌تر، هوش مصنوعی فقط یک ابزار کمکی برای پردازش سریع‌تر داده‌ها نیست، بلکه با نحوه‌ای که اطلاعات را جمع‌آوری، مرتب، خلاصه، اولویت‌بندی و ارائه می‌کند، چارچوب انتخاب و قضاوت انسان را شکل می‌دهد. در چنین وضعیتی، تصمیم‌گیرنده انسانی معمولاً با مجموعه‌ای از گزینه‌ها، هشدارها و تحلیل‌هایی مواجه می‌شود که قبلاً به‌وسیله سامانه‌های هوش مصنوعی غربال شده‌اند. این تغییر ظریف اما تعیین‌کننده باعث می‌شود ارزیابی‌هایی مانند تناسب اینکه آیا سطح آسیب وارده به غیرنظامیان بیش از حد است یا نه و احتیاط در حمله اینکه چه تدابیری برای کاهش آسیب ممکن است، به‌جای آنکه محصول یک قضاوت کیفی، چندوجهی و مبتنی بر بررسی انسانی گسترده باشند، به‌سمت محاسبات عددی، برآوردهای سریع و تصمیم‌گیری تحت فشار زمانی سوق پیدا کنند (Brunn & Bo, 2026).

از سوی دیگر، هنگامی که سامانه‌های هوش مصنوعی به‌طور پیوسته پیشنهادهایی را تولید و عرضه می‌کنند، خطر پدیدآمدن پدیده‌ای به نام «سوگیری اتوماسیون» افزایش می‌یابد؛ یعنی وضعیتی که در آن انسان‌ها به‌سبب اعتبار ظاهری، سرعت، یا پیچیدگی فنی خروجی‌ها، بیش از حد به آن‌ها اعتماد می‌کنند. در چنین شرایطی، ممکن است تصمیم‌گیرنده انسانی، نه بر پایه بررسی مستقل و سنجش انتقادی، بلکه صرفاً به این دلیل که «سامانه چنین گفته است» پیشنهاد الگوریتمی را بپذیرد. نتیجه آن است که نقش انسان از یک تصمیم‌گیرنده واقعی، به یک تأییدکننده ظاهری یا مجری فرایندی که قبلاً در سطح ماشین شکل گرفته، تقلیل می‌یابد (Zhou & Rosalie Greipl, 2024). از این منظر، مسئله بنیادین دیگر صرفاً این نیست که آیا انسان در حلقه حضور دارد یا نه، بلکه این است که آیا این حضور از جنس قضاوت انسانی معنادار است یا نه؛ یعنی حضوری که در آن انسان واقعاً فرصت، توان، استقلال و مسئولیت لازم برای ارزیابی، رد، اصلاح یا تعلیق تصمیم را داشته باشد.

پژوهش‌های مستند در حوزه حقوق بشردوستانه نشان می‌دهد که سامانه‌های پشتیبان تصمیم مبتنی بر هوش مصنوعی می‌توانند قضاوت زمینه‌مند ضروری برای تعیین قانونی تناسب را تضعیف کنند و هم‌زمان شکاف‌های پاسخ‌گویی ایجاد نمایند، به‌ویژه زمانی که روشن نباشد تصمیمات دقیقاً چگونه و با چه سازوکاری شکل گرفته‌اند. تحلیل‌های نهادی مکمل نیز هشدار می‌دهند که سوگیری، خلأهای داده‌ای و ابهام مدل‌های هوش مصنوعی می‌تواند اصل تفکیک و احتیاطات در حمله را تضعیف کند و بنابراین، حکمرانی انسان‌محور که بر قضاوت انسانی در تصمیم‌های دارای پیامدهای سنگین استوار است، باید حفظ شود (Brunn & Bo, 2026). به این ترتیب، چالش هوش مصنوعی در جنگ را نمی‌توان به پرسش‌های کلاسیکی مانند «آیا ماشین می‌کُشد»؟ محدود کرد؛ بلکه باید آن را در سطح عمیق‌تری، یعنی در سطح تغییر شرایط امکان قضاوت، مسئولیت‌پذیری و بازبینی حقوقی فهمید.

فشرده‌سازی زنجیره کشتار به‌عنوان پدیده‌ای اجتماعی و فنی

یکی از ابعاد مهم نقش هوش مصنوعی در جنگ آمریکا و اسرائیل علیه ایران آن است که این فناوری را نباید صرفاً به‌عنوان یک ابزار تازه در جنگ، بلکه به‌مثابه شتاب‌دهنده مرحله‌ای طولانی‌تر از تحول تاریخی زنجیره کشتار فهمید. ارتش‌ها همواره کوشیده‌اند فاصله زمانی میان شناسایی هدف و اعمال زور را کوتاه‌تر کنند، اما در شرایط کنونی، هوش مصنوعی این روند را به سطحی کم‌سابقه رسانده است. در محیطی که حجم عظیمی از داده‌های اطلاعاتی، از تماس‌ها و پیام‌های رهگیری‌شده تا تصاویر ماهواره‌ای و ویدئوهای پهپادی، به‌طور مستمر تولید می‌شود، مزیت اصلی هوش مصنوعی در آن است که این انباشت داده را به خروجی‌های هدف‌گیریِ سریع و قابل استفاده تبدیل می‌کند. با این حال، همین برتری زمانی می‌تواند پیامدهای حقوقی و انسانی مهمی ایجاد کند، زیرا هرچه سرعت تحلیل و تصمیم‌گیری بیشتر شود، امکان تأمل، بازبینی انتقادی و ارزیابی زمینه‌مندِ آثار حمله کمتر می‌شود و در نتیجه، خطر آسیب به غیرنظامیان و تضعیف پاسخ‌گویی افزایش می‌یابد (Jones & Kinsella, 2026).

زنجیره کشتار اصطلاحی است که در ادبیات نظامی برای توصیف توالی در یافتن و تثبیت هدف تا درگیری و ارزیابی آثار آن حمله به کار می‌رود. در دکترین نوین هدف‌گیری، این مراحل در فرایندهایی مانند چرخه‌های مشترک هدف‌گیری و رویه‌های برآورد خسارت جانبی ادغام شده‌اند؛ فرایندهایی که برای عملیاتی‌کردن اصول تفکیک، تناسب و احتیاطات احتمالی طراحی شده‌اند (Unit 42, 2026). فشرده‌سازی زنجیره کشتار زمانی رخ می‌دهد که عامل محدودکننده این چرخه، از ظرفیت تحلیلی و هماهنگی انسانی، به سرعت پردازش و یکپارچه‌سازی داده منتقل شود و سازمان‌ها دکترین و نیروی انسانی خود را با این محدودیت جدید تطبیق دهند. یک سند راهبردی دفاعی آمریکا که در اوایل ۲۰۲۶ منتشر شد، به‌طرزی کم‌سابقه خواهان مدیریت نبرد و پشتیبانی تصمیمات مبتنی بر هوش مصنوعی از برنامه‌ریزی خود کارزار تا اجرای زنجیره کشتار می‌شود؛ امری که نیت نهادی برای پیوند دادن هوش مصنوعی نه فقط به تحلیل اطلاعاتی، بلکه به فرایندهای به‌کارگیری سلاح را نشان می‌دهد (Secretary of War, 2026).

از منظر حقوقی و اخلاقی، این فشرده‌سازی تصمیم‌گیری دست‌کم سه خطر را پدید می‌آورد که در ادبیات بشردوستانه برجسته شده‌اند. اولین مورد آن منطق‌های کمّی‌سازی است که اعتقاد دارد تبدیل داوری‌های پیچیده حقوقی و اخلاقی به مدل‌های عددی می‌تواند قضاوت زمینه‌مند و کیفی لازم برای ارزیابی قانونی اصل تناسب را کنار بزند (Dorsey, 2025). دومین مورد سوگیری اتوماسیون و برون‌سپاری شناختی است که اذعان دارد انسان‌ها ممکن است به‌ویژه زیر فشار زمانی به خروجی مدل‌ها بیش از اندازه اعتماد کنند و در نتیجه، نقش و وضعیت «انسان در چرخه» به یک تشریفات صرف بدل شود (ICRC, 2021). آخرین مورد هم ابهام در پاسخ‌گویی است که اشاره می‌دارد اگر مبنای اطلاعاتی یک حمله توسط چندین سامانه درهم‌تنیده مانند پایگاه‌های داده و مجموعه‌ای از مدل‌ها و رابط‌ها، تولید شده باشد، بازسازی پسینی آن دشوار می‌شود؛ به‌ویژه اگر ثبت‌ها، منشأ داده‌های آموزشی و نسخه‌های مدل استفاده شده حفظ نشده باشند (Geairon, 2026).  این موضوع، زمینه را برای فهم دقیق‌تر مورد آمریکا و سپس مورد اسرائیل فراهم می‌کند؛ زیرا در هر دو مورد، مسئله اصلی صرفاً وجود هوش مصنوعی نیست، بلکه نحوه ورود آن به ساختار تصمیم‌گیری و هدف‌گیری است.

استفاده آمریکا از هوش مصنوعی در جنگ: «میون» به‌عنوان کانون اصلی هوش مصنوعی

قوی‌ترین نخ واحدی که به‌صورت عمومی استفاده آمریکا از هوش مصنوعی را به عملیات نظامی پیوند می‌زند، گزارش‌هایی است که نشان می‌دهد سامانه میون متعلق به مجموعه Palantir به‌عنوان یک قابلیت مرکزی و بلندمدت نظامی در حال نهادینه‌شدن است. رویترز گزارش می‌دهد که یادداشت یا نامه‌ای به تاریخ اوایل مارس ۲۰۲۶ که توسط این خبرگزاری بررسی شده، میون را یک برنامه ثبت‌شده رسمی معرفی می‌کند و از این طریق تأمین مالی بلندمدت و استانداردسازی استفاده از آن را در سراسر نیروها تضمین می‌نماید. همان گزارش رویترز، میون را سکویی برای فرماندهی و کنترل توصیف می‌کند که داده‌های میدان نبرد را تحلیل و اهداف را شناسایی می‌کند. رویترز همچنین مدعی است این سامانه از هزاران حمله در جنگ ایران پشتیبانی کرده است.

این روند با الگوهای دیرینه‌ای که در نظارت بر تامین شناسایی شده‌اند هم‌خوانی دارد. برای مثال دیوان محاسبات دولت آمریکا بارها تأکید کرده است که هوش مصنوعی مؤثر برای جنگ‌افزار، به یک اکوسیستم دیجیتال و زیرساخت مرتبط همچون ابزارها، داده و نیروی متخصص، وابسته است و گسترش هوش مصنوعی در سامانه‌های تسلیحاتی، بیش از آن‌که مسئله عملکرد مدل باشد، یک چالش حکمرانی و تدارکاتی-تامینی در پیش خود دارد (Unit 42, 2026). از نظر عملی، این بدان معناست که میون را باید نه صرفاً به‌عنوان یک الگوریتم، بلکه بیشتر به‌مثابه یک معماری در سکو‌ها یعنی دریافت داده، تلفیق میان‌دامنه‌ای، لایه‌های رابط برای اپراتورها و مسیرهایی برای ادغام مدل‌های یادگیری ماشین و به‌طور فزاینده مدل‌های زبانی بزرگ در جریان‌های کاری تحلیلی فهمید.

سیاست‌های قراردادیِ سازوکارهای کنترلی و حفاظتی در هوش مصنوعی (Guardrails[1])

گزارش‌های موجود از تلاش آمریکا برای انتقال مدل‌های تجاری هوش مصنوعی به محیط‌های طبقه‌بندی‌شده و محرمانه نظامی نیز سخن می‌گوید. در این رابطه گفته می‌شود واشنگتن می‌کوشد محدودیت‌های استانداردی را که شرکت‌های هوش مصنوعی برای جلوگیری از استفاده‌های زیان‌بار از هوش مصنوعی اعمال می‌کنند، کاهش دهد. در اوایل ۲۰۲۶، رویترز گزارش می‌دهد که مقام‌های دفاعی ایالات متحده، شرکت‌های هوش مصنوعی را تحت فشار قرار داده‌اند تا ابزارهای خود را در شبکه‌های طبقه‌بندی‌شده و محرمانه در دسترس آن‌ها قرار دهند، در حالی که مقامات آمریکایی، پیش‌تر هشدار داده‌ بودند که خطاها یا اشتباهات مدل‌های هوش مصنوعی می‌تواند پیامدهای مرگبار داشته باشد، اما خواستار انعطافی از سوی این شرکت‌ها شده‌اند که مقید به سیاست‌های فروشندگان نباشد (Jeans, Seetharaman, 2026).

این روند چالش‌برانگیز به‌شدت به یک اختلاف مدیریتی کلان میان دولت امریکا و شرکت‌های فناورانه گره خورده است که نمونه‌ای از آن اخیراً علنی شد. رویترز گزارش می‌دهد که پنتاگون با شرکت آنتروپیک بر سر درخواست کاهش حفاظت‌هایی که مانع استفاده از امکانات این هوش مصنوعی برای تسلیحات خودمختار و نظارت داخلی می‌شد، اختلاف نظر شدید پیدا کرد (Reuters, 2026). پنتاگون در ادامه آنتروپیک را «ریسک زنجیره تأمین» نامید؛ اقدامی که به دعوای قضایی و بحثی گسترده‌تر انجامید درباره این‌که آیا سیاست‌های شرکتیِ هوش مصنوعی می‌تواند مأموریت‌های دولت را محدود کند یا خیر انجامید (Seetharaman & Jeans & Dastin, 2026). رویترز همچنین گزارش می‌دهد که یک مقام ارشد دفاعی در ایالات متحده استدلال کرده بود که محدودیت‌های قراردادی تعبیه‌شده در توافق‌های قبلی هوش مصنوعی تجاری، خطر فلج‌کردن مأموریت‌های نظامی را از جمله در برنامه‌ریزی و اجرای عملیات رزمی را دارد، که این خود بیان صریحی از علاقه نظامی به حداقل‌سازی محدودیت‌های فروشندگان است (Stone, 2026).

در چنین شرایط و محیطی بود که شرکت OpenAI مستقیماً‌ وارد قراردادهای دفاعی در شبکه‌ها و لایه‌های طبقه‌بندی‌شده نظامی ایالات متحده شد. رویترز از توافقی خبر می‌دهد که بر اساس آن مدل‌های این شرکت در شبکه‌های ابری طبقه‌بندی‌شده مستقر می‌شوند؛ توافقی که با حفاظت‌های لایه‌مند و خطوط قرمز قراردادی که نظارت انبوه داخلی، هدایت تسلیحات خودمختار و تصمیم‌های خودکار پرمخاطره را ممنوع می‌کند همراه است (Reuters, 2026). OpenAI سپس از طریق قرارداد با آمازون وب سرویسز، دسترسی به هوش مصنوعی را برای نهادهای آمریکایی در محیط‌های طبقه‌بندی‌شده و غیرطبقه‌بندی‌شده گسترش داد (Reuters, 2026). از منظر تحلیلی، این منازعات قراردادی مهم‌اند، زیرا نشان می‌دهند هوش مصنوعی در زنجیره کشتار تا حدی روایتی از حکمرانی کلان نیز هست: چه کسی قابلیت‌های مدل را کنترل می‌کند؟ فروشندگان از طریق سیاست‌های استفاده و سامانه‌های ایمن یا مشتریان دفاعی از طریق محیط‌های استقرار طبقه‌بندی‌شده و دکترین‌های عملیاتی مشخص؟

بسترهای داده‌ای، سایبری و هوش مصنوعی در هدف‌گیری آمریکا و اسرائیل

الگوی تکرارشونده‌ای در اظهارنظرهای عمومی این است که خطاهای فاجعه‌بار ممکن است از پایگاه‌های داده قدیمی و انتخاب‌های ساختاری و نهادی کنشگران مرتبط ناشی شوند، نه صرفاً از رفتار یاغی گونه مدل‌های هوش مصنوعی. نمونه‌ای که به‌طور گسترده مورد بحث قرار گرفت، حمله آمریکا به مدرسه میناب ایران در ابتدای جنگ بود که به نمونه‌ای نمادین برای بحث درباره هدف‌گیری مبتنی بر هوش مصنوعی تبدیل شده است. اظهارنظرها و گزارش‌ها تأکید می‌کنند که در سامانه‌های فشرده‌شده زمانی، ناتوانی در به‌روزرسانی یا اعتبارسنجی داده‌های مرجع، برای مثال پایگاه داده یک مجموعه یا تأسیسات، می‌تواند مرگبار شود، زیرا سامانه برای حرکت سریع و خشن، از کشف تا درگیری، طراحی شده‌اند (Baker, 2026).

پیامد گسترده‌تر آن است که پاسخ‌گویی و مسئولیت پذیری باید اصول و منطق حکمرانی داده را نیز در بر گیرد. در واقع منشأ داده، چرخه‌های به‌روزرسانی، معیارهای اعتبارسنجی و مشوق‌های نهادی که سرعت را بر راستی‌آزمایی ترجیح می‌دهند نیز به اندازه تحت نظارت قرار دادن مدل‌های هوش مصنوعی و توجه به کاردکرد آن‌ها مهم و ضروری هستند. تا اینجا، تصویر آمریکا نشان می‌دهد که مسئله فقط استفاده از مدل‌ها نیست، بلکه نهادینه‌شدن هوش مصنوعی در بسترهای فرماندهی، قرارداد، داده و تصمیم‌سازی نظامی است. اکنون می‌توان همین منطق را در سوی اسرائیل دنبال کرد. در همین امتداد، سکوی گزارش‌شده هوش مصنوعی اسرائیل و بسترهای آن نیز باید نه به‌عنوان پدیده‌ای کاملاً مجزا، بلکه به‌مثابه ادامه همان منطق داده‌محور، سایبرمحور و الگوریتمی فهم شود؛ منطقی که در آن، کارآمدی عملیاتی بر دسترسی گسترده به داده، یکپارچه‌سازی اطلاعات و تحلیل سریع الگوها استوار است.

مهم‌ترین ادعای عمومی درباره استفاده اسرائیل از هوش مصنوعی، از گزارش واشنگتن‌پست ناشی می‌شود که می‌گوید کارزار ترور و هدف‌گیری رهبران توسط اسرائیل در سراسر دنیا با یک سکوی جدید و قدرتمند طبقه‌بندی‌شده‌ی هوش مصنوعی متحول شده است. بنا بر گزارش واشنگتن‌پست، این سکو جریان‌های داده در مقیاس بزرگ را که شامل سامانه‌های نظارتی، ارتباطات و شبکه‌های داخلی می‌شود را برای شناسایی تحرکات و جابه‌جایی رهبران تحلیل می‌کند و با پشتیبانی نفوذهای سایبری و منابع جاسوسی انسانی، امکان حملات سریع و دقیق را فراهم می‌آورد (Miller, 2026). رسانه‌های ایرانی نیز از شبکه‌ای گسترده از منابع اطلاعاتی شامل دوربین‌های شهری، زیرساخت‌های ارتباطی و منابع انسانی نفوذی سخن گفته‌اند که داده‌های خود را به یک سامانه طبقه‌بندی‌شده هوش مصنوعی در اسرائیل تزریق می‌کند؛ سامانه‌ای که الگوهای رفتاری را استخراج کرده و سپس آن را برای عملیات تروریستی عملیاتی می‌سازد. در نتیجه، آنچه در اینجا اهمیت می‌یابد فقط وجود یک سکوی پیشرفته یا یک ابزار تحلیل‌گر نیست، بلکه کل زنجیره‌ای است که از گردآوری داده آغاز می‌شود و تا انتخاب، ردیابی و هدف‌گیری امتداد می‌یابد. از همین منظر است که نفوذهای سایبری، دسترسی نظارتی و تحلیل‌های الگوی زندگی به بخشی از منطق عملیاتی این سامانه‌ها تبدیل می‌شوند.

گزارش واشنگتن‌پست تأکید می‌کند که نفوذهای سایبری و رخنه گسترده در شبکه‌های ایرانی پیش‌شرط هدف‌گیری لحظه‌ای بوده‌اند. گزارش‌های مکمل حوزه فناوری نیز عملیات سایبری را از ابتدای جنگ با عملیات جنبشی درهم‌تنیده توصیف می‌کنند. رسانه تک‌کرانچ گزارش داده است که مقام‌های آمریکایی و اسرائیلی از عملیات هماهنگ سایبری و فضایی برای اخلال در ارتباطات و شبکه‌های حسگری ایران پیش از حملات سخن گفته‌اند و ادعاهایی درباره استفاده از دوربین‌های هک‌شده ترافیکی و دسترسی به شبکه‌های موبایل به‌عنوان اطلاعات تسهیل‌کننده نقل کرده است (Franceschi-Bicchierai, 2026).

از منظر هوش مصنوعی، نفوذهای سایبری و دسترسی نظارتی به منزله لایه‌های گردآوری داده عمل می‌کنند. مدل‌های هوش مصنوعی واقعیت را خلق نمی‌کنند؛ بلکه ارزش جریان‌های داده را از طریق استخراج الگوها و اولویت‌بندی فرضیه‌ها تقویت می‌کنند. این دقیقاً همان نوع معماری است که در تحلیل‌های مبتنی بر حقوق بین‌الملل بشردوستانه توصیف شده است: سامانه‌های پشتیبان تصمیم مبتنی بر هوش مصنوعی که در بالادست کاربرد زور جای می‌گیرند، بر این‌که ارتش‌ها چگونه حملات را پیش‌بینی، مقایسه و توجیه می‌کنند، به‌ویژه در محیط‌های پیچیده شهری و زیرساختی، اثر می‌گذارند (Geairon, 2026).

زیرساخت شرکتی به‌عنوان شرط امکان

در اینجا اکوسیستم شرکتی اهمیت می‌یابد. رویترز گزارش می‌دهد که اسرائیل، ای‌دبلیو‌اس و گوگل را برای پروژه ابری بیش از یک میلیارد دلاری دولت انتخاب کرده است؛ پروژه‌ای که برای پشتیبانی از بارهای کاری بخش عمومی و نظامی طراحی شده و قرار است از طریق سایت‌های ابری محلی، اطلاعات را در داخل مرزهای اسرائیل نگه دارد (Reuters, 2021). رویترز همچنین گزارش می‌دهد که گوگل یک منطقه ابری در اسرائیل را فعال کرده که خدمات ابری به دولت و ارتش ارائه می‌کند؛ امری که نشان می‌دهد این زیرساخت‌ها صرفاً فرضی نیستند.

اظهارات و تحقیقات مربوط به نظارت، زمینه بیشتری فراهم می‌کنند. مایکروسافت تأیید کرده است که به وزارت دفاع اسرائیل خدمات ابری آژور و آژور اِی‌آی، از جمله ترجمه زبانی، ارائه کرده است، هرچند تأکید کرده که استفاده از این خدمات تابع شرایط استفاده است (Microsoft, 2025). رویترز و گاردین بعداً گزارش دادند که مایکروسافت برخی خدمات را به یک واحد نظامی اسرائیلی قطع کرده است، پس از آن‌که یافته‌های اولیه از گزارش‌هایی درباره نظارت گسترده بر تماس‌های تلفنی فلسطینیان پشتیبانی کرد. این امر نشان می‌دهد که خدمات ابری و هوش مصنوعی دست‌کم در صحنه‌های دیگر مستقیماً در جریان‌های کاری اطلاعاتی دخیل بوده‌اند و از این‌رو، قیاس‌های محتملی برای معماری‌های نظارت و هدف‌گیری مرتبط با ایران به دست می‌دهد (Scheer, 2022).

گاردین همچنین درباره قراردادهای خرید ابری اسرائیل گزارش می‌دهد که توافق نیمبوس شامل کنترل‌های قراردادی نامعمولی است که ظاهراً برای جلوگیری از محدودسازی خدمات به مشتریان دولتی اسرائیل، حتی در شرایط فشارهای بیرونی حقوقی یا کنشگرانه، طراحی شده‌اند؛ نکته‌ای مهم که نشان می‌دهد طراحی قراردادی چگونه می‌تواند خروج اخلاقی شرکت‌ها را محدود کند (Davies & Abraham, 2025).

اصول حقوق بین‌الملل بشردوستانه در بستر هدف‌گیری مبتنی بر هوش مصنوعی

حقوق بین‌الملل بشردوستانه صرفاً به این دلیل که هوش مصنوعی دخیل است، تغییر نمی‌کند؛ تعهدات مربوط به تفکیک، تناسب و احتیاطات در حمله همچنان لازم‌الاجرا هستند. پرسش هنجاری این است که سامانه‌های هوش مصنوعی در عمل، شرایط تبعیت از این الزامات را چگونه دگرگون می‌کنند.

تحلیل‌های معتبر دیگری وجود دارد که هشدار می‌دهند که پشتیبانی تصمیم مبتنی بر هوش مصنوعی خطر آن را دارد که ارزیابی اصل تناسب را به جایگزین‌های کمّی محدود کند و از این طریق با کنارزدن قضاوت زمینه‌مند، آسیب به غیرنظامیان را عادی‌سازی کند. تحلیل حقوقی کمیته بین‌المللی صلیب سرخ نیز تأکید می‌کند که سامانه‌های پشتیبان تصمیم گیری مبتنی بر هوش مصنوعی می‌توانند امکان پیش‌بینی را از نو شکل دهند، زیرا آنچه تصمیم‌گیرندگان قادرند پیش‌بینی، مقایسه و تنظیم کنند، توسط همین سامانه‌ها به صورت خودکار ساختاربندی و اجرا می‌شود. در این حالت اگر مدل‌ها عینی و بی‌طرف فرض شوند، ممکن است «توهم دقت» ایجاد شود (Geairon, 2026).

از این منظر، انسان در چرخه معیاری ضروری اما در عین حال ناکافی برای تکمیل فراید پاسخ‌گویی است. آنچه اهمیت دارد قضاوت انسانی معنادار است: زمان کافی، تخصص، دسترسی به شواهد قابل مناقشه، توانایی نادیده گرفتن توصیه‌ها و حفظ یک سابقه قابل ردیابی از مبنای واقعی تصمیم‌های حمله. اسناد موضعی گسترده‌تر صلیب سرخ نیز بر حفظ کنترل و قضاوت انسانی در وظایف و تصمیم‌هایی که پیامدهای سنگینی برای جان انسان دارند، تأکید می‌کنند و خطرات ناشی از خودمختاری و ادغام هوش مصنوعی در فرایندهای هدف‌گیری را از منظر تشدید تنش و تبعیت حقوقی برجسته می‌سازند (ICRC, 2019).

شکاف‌های پاسخ‌گویی در اکوسیستم هوش مصنوعی شرکت‌ها

بطور کلی این جنگ دست‌کم سه شکاف پاسخ‌گویی و مسئولیت پذیری را برجسته کرد:

• اولین مورد شکاف پراکندگی است؛ مسئولیت میان فرماندهان، تحلیل‌گران، نگه‌دارندگان پایگاه داده، توسعه‌دهندگان مدل، ارائه‌دهندگان خدمات ابری و پیمانکاران پراکنده می‌شود. هنگامی که بسته هدف‌گیری توسط سکویی ساخته می‌شود که چندین مدل و مجموعه‌داده را ادغام می‌کند، انتساب تقصیر به یک فرد یا مجموعه خاص پیچیده‌تر می‌شود (Baker, 2026).
• دومین شکاف، شکاف محرمانگی است؛ استقرار در محیط‌های طبقه‌بندی‌شده به این معناست که عموم مردم نمی‌توانند ارزیابی کنند که کدام حفاظ‌ها واقعاً در عمل فعال‌ هستند. حتی هنگامی که فروشندگان از خطوط قرمز سخن می‌گویند، اجرای مؤثر آن‌ها به پایش و سنجش و برسی نظام مند و شروط فسخ بستگی دارد؛ اموری که ناظران بیرونی مستقیماً قادر به مشاهده آن نیستند (Reuters, 2026).
• سومین مورد نیز شکاف حکمرانی قراردادی است؛ قراردادها می‌توانند هم محدودکننده و هم تسهیل‌کننده آسیب باشند. رویترز گزارش می‌دهد که مقام‌های نظامی آمریکا محدودیت‌های قراردادی در هوش مصنوعی تجاری را تهدیدکننده مأموریت می‌دانستند، در حالی که OpenAI از سه خط قرمز در توافق خود سخن گفته است (Stone, 2026). در محیط ابری اسرائیل نیز، گزارش‌های تحقیقی نشان می‌دهد قراردادهای خرید ممکن است به گونه‌ای طراحی شده باشند که حتی در شرایط مناقشات حقوق بشری، مانع از محدودسازی خدمات توسط فروشندگان شوند (Davies & Abraham, 2025).

پیشنهادهای سیاستی

بر مبتنی بر تحلیل‌ها و گزاره‌های ذکر شده، در انتهای این یادداشت، پیشنهاد‌های سیاستی نیز درنظر گرفته شده است. در همین راستا، پیشنهادهای زیر به‌گونه‌ای صورت‌بندی شده‌اند که در شرایط محرمانگی نسبی نیز قابلیت اجرا داشته باشند و بر سازوکارهای حکمرانی هوش مصنوعی و نه صرفاً بر مطالبه افشای اهداف یا روش‌های حساس استفاده از آن تمرکز کنند.

• ردیابی و سنجش و بررسی نظام مند در هدف‌گذاری هوشمند

نسخه‌گذاری مدل، منشأ داده‌ها، موارد نادیده‌گرفتن خروجی توسط اپراتور و شاخص‌های مربوط به زمان تصمیم‌گیری باید در قالبی استاندارد ثبت شوند که قابلیت بازبینی پس از حادثه را داشته باشد؛ حتی اگر این ثبت‌ها طبقه‌بندی‌شده باشند، باید برای بررسی و ارزیابی پسینی در دسترس باشند. این پیشنهاد پاسخی به نگرانی‌های صلیب سرخ دربار میزان و قابلیت ردیابی و پاسخ‌گویی تحت تأثیر الگوریتم‌هاست.

• الزام به معیارهای قضاوت انسانی معنادار در دکترین و آموزش

تنظیم حداقل زمان لازم برای تخمین و ارزیابی انجام برخی از حملات خاص، تطبیق متقابل شواهد برای اهداف حساس به زمان و آموزش صریح علیه سوگیری اتوماسیون باید نه صرفاً به‌عنوان موضوعی اخلاقی، بلکه به‌عنوان ضرورت‌های عملیاتی تلقی شوند.

• تلفیق آثار غیرنظامی در تصمیم‌گیری مبتنی بر هوش مصنوعی

برآورد خسارت جانبی و مدل‌سازی آثار ثانویه بر زیرساخت‌ها نباید امری اختیاری تلقی شود؛ بازبینان انسانی باید موظف باشند که توجه خود به آثار غیرمستقیم و تجمعی را در محیط‌های متراکم زیرساختی مستند کنند.

• تقویت خطوط قرمز فرآیند خرید، قرارداد و تأمین فناوری هوش مصنوعی و اجرای آن‌ها

اگر قراردادهای فروشندگان از هدایت تسلیحات خودمختار و نظارت گسترده داخلی جلوگیری می‌کند، باید سازوکارهای مستقلی برای تبعیت کردن آن‌ها از جمله و سنجش و بررسی نظام‌مند دوره‌ای، ضمانت اجراها، محرک‌های فسخ قرارداد و کانال‌های امن گزارش‌دهی برای کارکنان دارای مجوز وجود داشته باشد.

• ایجاد سازوکارهای مستقل تحقیق درباره حوادث مربوط به شکست‌های ادعایی هدف‌گیری مبتنی بر هوش مصنوعی

در مواردی که آسیب به غیرنظامیان پرسش‌های متعددی درباره پایگاه‌های داده‌ها، خروجی مدل یا خطاهای ممکن ایجاد می‌کند، باید یک نهاد دائمی تحقیقاتی با تخصص فنی وجود داشته باشد که بتواند ثبت‌های طبقه‌بندی‌شده را بررسی و یافته‌های از طبقه‌بندی خارج‌شده را منتشر سازد.

• توسعه استانداردهای مسئولیت‌پذیری برای فروشندگان هوش مصنوعی دفاعی

ادعای شرکت‌ها مبنی بر این‌که «ما تصمیم مرگبار نمی‌گیریم» نباید پایان مسئولیت باشد. هرجا سکوها گزینه‌های حمله را رتبه‌بندی می‌کنند یا جریان‌های کاری توسعه هدف را خودکار می‌سازند، فروشندگان باید ارزیابی‌های ریسک‌ها، شیوه‌های شناخته‌شده شکست‌ها و تعهدات مربوط به مسائل ناظر بر سوگیری‌ها را مستند کند؛ امری که با نگرانی‌های مربوط به تبعیت از حقوق بین‌الملل بشردوستانه، همان‌گونه که در آثار صلیب سرخ آمده، سازگار است.

نتیجه‌گیری

در مجموع، جنگ ۲۰۲۶ آمریکا و اسرائیل علیه ایران نشان می‌دهد که نقش هوش مصنوعی در منازعات مسلحانه معاصر را نمی‌توان صرفاً در چارچوب خودکارسازی سلاح یا جایگزینی انسان با ماشین فهمید، بلکه باید آن را به‌عنوان بخشی از یک تحول عمیق‌تر در معماری تصمیم‌گیری نظامی تحلیل کرد. آنچه در این جنگ برجسته می‌شود، نه حذف انسان از زنجیره کشتار، بلکه بازطراحی شرایطی است که در آن انسان تصمیم می‌گیرد. هوش مصنوعی با فشرده‌سازی زنجیره کشتار، تغییر توالی زمانی تصمیم‌گیری و شکل‌دهی به نحوه ارائه و اولویت‌بندی اطلاعات، عملاً معماری انتخاب را بازتعریف کرده است. در چنین بستری، حتی در حضور انسان در حلقه، کیفیت، استقلال و معنای قضاوت انسانی دگرگون می‌شود و این امر نشان می‌دهد که مسئله اصلی دیگر این نیست که آیا ماشین ماشه را کشیده است، بلکه این است که آیا انسان همچنان بر منطق تصمیم حاکم است یا خیر.

یکی از نکات مهم در تحلیل نقش هوش مصنوعی در جنگ آمریکا و اسرائیل علیه ایران آن است که این پدیده را نباید صرفاً به‌عنوان ظهور ناگهانی نوعی کاملاً جدید از جنگ فهمید، بلکه باید آن را در امتداد روندی تاریخی دید که طی آن ارتش‌ها همواره کوشیده‌اند تا فاصله میان شناسایی هدف و اعمال زور را کوتاه‌تر کنند. در این بستر، هوش مصنوعی به‌عنوان تازه‌ترین شتاب‌دهنده این روند ظاهر می‌شود؛ زیرا می‌تواند حجم عظیم داده‌های حاصل از شنود، نظارت اینترنتی، تصاویر ماهواره‌ای و ویدئوهای پهپادی را در زمانی بسیار کوتاه تحلیل و به خروجی‌های عملیاتی قابل استفاده تبدیل کند. مسئله اصلی، اما صرفاً افزایش سرعت نیست، بلکه این است که چنین شتابی می‌تواند قضاوت انسانی، بازبینی حقوقی و ارزیابی زمینه‌مند آثار حمله را به حاشیه براند و بدین‌ترتیب، سرعت را بر تأمل و دقت ترجیح دهد. در چنین شرایطی، هوش مصنوعی نه‌تنها ابزار تسریع جنگ، بلکه عاملی در تغییر کیفیت تصمیم‌گیری و در نتیجه، در تضعیف پاسخ‌گویی و افزایش خطر آسیب به غیرنظامیان است.

در سطحی عمیق‌تر، جنگ آمریکا و اسرائیل علیه ایران نشان می‌دهد که مسئله اصلی هوش مصنوعی در منازعات مسلحانه دیگر صرفاً به افزایش دقت یا سرعت محدود نمی‌شود، بلکه به دگرگونی ماهیت تصمیم‌گیری نظامی مربوط است. در این جنگ، هوش مصنوعی نه فقط به‌عنوان ابزار پردازش داده، بلکه به‌عنوان بخشی از زیرساخت ادراکی و عملیاتی جنگ عمل کرده است؛ زیرساختی که بر تشخیص تهدید، اولویت‌بندی اهداف، ارزیابی زمان واکنش و حتی حدود مسئولیت انسانی اثر می‌گذارد. از همین‌رو، اهمیت بحث حاضر در آن است که نشان می‌دهد هرچه سامانه‌های هوش مصنوعی بیشتر در فرایندهای هدف‌گیری، فرماندهی و تحلیل ادغام شوند، فاصله میان تصمیم انسانی و پیشنهاد الگوریتمی کمتر و مبهم‌تر می‌شود. این روند، اگرچه ممکن است به افزایش کارآمدی تاکتیکی بینجامد، اما هم‌زمان خطر فرسایش قضاوت انسانی، تضعیف ارزیابی زمینه‌مند حقوقی و دشوارتر شدن بازسازی پسینی تصمیم‌ها را نیز در پی دارد. بنابراین، چالش آینده نه فقط تنظیم فناوری، بلکه حفظ معنا و واقعیت مسئولیت انسانی در جنگ است؛ زیرا اگر انسان صرفاً به تأییدکننده‌ای صوری در حلقه تصمیم‌گیری فروکاسته شود، آنگاه حتی در غیاب سلاح‌های کاملاً خودمختار نیز، بنیان‌های پاسخ‌گویی حقوقی و اخلاقی با تهدیدی جدی مواجه خواهند شد.

از منظر حقوق بین‌الملل بشردوستانه نیز، این تحول چالش‌هایی بنیادین ایجاد می‌کند که فراتر از چارچوب‌های سنتی تحلیل تسلیحات است. اگرچه اصولی مانند تفکیک، تناسب و احتیاطات در حمله به‌لحاظ هنجاری تغییری نکرده‌اند، اما شرایط عملی اجرای آن‌ها تحت تأثیر سامانه‌های هوش مصنوعی دچار دگرگونی شده است. گرایش به کمّی‌سازی، فشار زمانی و سوگیری اتوماسیون می‌تواند قضاوت زمینه‌مند و کیفی موردنیاز برای ارزیابی قانونی حملات را تضعیف کند، در حالی که پیچیدگی سامانه‌های داده‌محور و چندلایه، امکان بازسازی پسینی تصمیم‌ها و انتساب مسئولیت را دشوارتر می‌سازد. در نتیجه، شکاف‌های پاسخ‌گویی اعم از پراکندگی مسئولیت، محرمانگی عملیاتی و ابهام در حکمرانی قراردادی به یکی از مهم‌ترین پیامدهای جنگ الگوریتمی تبدیل می‌شود.

منابع

• Baker, Kevin T. (2026, March 26). AI got the blame for the Iran school bombing. The truth is far more worrying. The Guardian. From: https://www.theguardian.com/news/2026/mar/26/ai-got-the-blame-for-the-iran-school-bombing-the-truth-is-far-more-worrying
• Booth, R., & Milmo, D. (2026, March 3). Iran war heralds era of AI-powered bombing quicker than ‘speed of thought’. The Guardian. From:  https://www.theguardian.com/technology/2026/mar/03/iran-war-heralds-era-of-ai-powered-bombing-quicker-than-speed-of-thought
• Brunn, L., & Bo, M. (2025). Bias in Military Artificial Intelligence and Compliance with International Humanitarian Law. SIPRI. From: https://www.sipri.org/sites/default/files/2025-08/0825_ai_military_bias.pdf
• Seetharaman, D., & Jeans, D., & Dastin, J. (2026, January 30). Pentagon clashes with Anthropic over military AI use, sources say. From: https://www.reuters.com/business/pentagon-clashes-with-anthropic-over-military-ai-use-2026-01-29/
• Davies, H., & Abraham, Y. (2025, October 29). Revealed: Israel demanded Google and Amazon use secret ‘wink’ to sidestep legal orders. The Guardian. From: https://www.theguardian.com/us-news/2025/oct/29/google-amazon-israel-contract-secret-code
• Dorsey, J. (2025). The erosion of human(e) judgement in targeting? Quantification logics, AI-enabled decision support systems and proportionality assessments in IHL. IRRC. From: https://international-review.icrc.org/sites/default/files/reviews-pdf/2026-02/the-erosion-of-humane-judgement-in-targeting-quantification-logics-ai-enabled-decision-support-systems-a.pdf
• Franceschi-Bicchierai, L. (2026, March 3). Hacked traffic cams and hijacked TVs: How cyber operations supported the war against Iran. TechCrunch. From: https://techcrunch.com/2026/03/03/hacked-traffic-cams-and-hijacked-tvs-how-cyber-operations-supported-the-war-against-iran/
• Geairon, Y. (2026, March 12). Deciding under algorithms: artificial intelligence and the protection of civilian infrastructure in armed conflict. ICRC Blog. From: https://blogs.icrc.org/law-and-policy/2026/03/12/deciding-under-algorithms-artificial-intelligence-and-the-protection-of-civilian-infrastructure-in-armed-conflict/
• Gupta, D. (2026, March 23). Streamlining the kill chain: How AI is changing modern warfare. France 24. From: https://www.france24.com/en/middle-east/20260321-streamlining-the-kill-chain-how-ai-is-changing-modern-warfare-iran
• (2019, June 6). Artificial intelligence and machine learning in armed conflict: A human-centred approach. ICRC. From: https://www.icrc.org/sites/default/files/document_new/file_list/ai_and_machine_learning_in_armed_conflict-icrc.pdf
• (2021, May 12). ICRC position on autonomous weapon systems. ICRC. From: https://www.icrc.org/en/document/icrc-position-autonomous-weapon-systems
• Jeans, D. (2026, March 21).Exclusive: Pentagon to adopt Palantir AI as core US military system, memo says. From: https://www.reuters.com/technology/pentagon-adopt-palantir-ai-as-core-us-military-system-memo-says-2026-03-20/
• Jeans, D., & Seetharaman, D. (2026, February 12). Exclusive: Pentagon pushing AI companies to expand on classified networks, sources say. From: https://www.reuters.com/business/pentagon-pushing-ai-companies-expand-classified-networks-sources-say-2026-02-12/
• (2025, May 15). Microsoft statement on the issues relating to technology services in Israel and Gaza. Blogs.Microsoft. From: https://blogs.microsoft.com/on-the-issues/2025/05/15/statement-technology-israel-gaza/
• Miller, G. (2026, March 30). Israel targets Iran’s leaders with lethal expertise using new AI platform. Washington Post. From: https://www.washingtonpost.com/world/2026/03/30/iran-israel-war-killings/
• (2021, April 21).Israel picks Amazon’s AWS, Google for flagship cloud project. Reuters. From: https://www.reuters.com/world/middle-east/israel-picks-amazons-aws-google-flagship-cloud-project-2021-04-21/
• (2026, March 1). OpenAI details layered protections in US defense department pact. Reuters. From: https://www.reuters.com/business/media-telecom/openai-details-layered-protections-us-defense-department-pact-2026-02-28/
• (2026, March 1). US uses Anthropic AI, B-2 bombers and suicide drones in Iran strikes. Reuters. From: https://www.reuters.com/business/aerospace-defense/us-deploys-suicide-drones-tomahawk-missiles-iran-strikes-2026-03-01/
• Scheer, S. (2022, October 20). Google activates Israel’s first local cloud region. From: https://www.reuters.com/technology/google-activates-israels-first-local-cloud-region-2022-10-20/
• Secretary of War. (2026, January 9). Artificial Intelligence Strategy for the Department of War. Secretary of War. From: https://media.defense.gov/2026/Jan/12/2003855671/-1/-1/0/ARTIFICIAL-INTELLIGENCE-STRATEGY-FOR-THE-DEPARTMENT-OF-WAR.PDF
• Stone, M. (2026, March 3). AI contract restrictions could threaten military missions, US official says. From: https://www.reuters.com/business/ai-contract-restrictions-could-threaten-military-missions-us-official-says-2026-03-03/
• Jones, C., & M Kinsella, H. (2026, March 17). Iran war shows how AI speeds up military kill chains. The Conversation. https://theconversation.com/iran-war-shows-how-ai-speeds-up-military-kill-chains-278492
• Unit 42. (2026, April 17). Threat Brief: Escalation of Cyber Risk Related to Iran (Updated April 17). Unit 42. From: https://unit42.paloaltonetworks.com/iranian-cyberattacks-2026/
• Zhou, w., & Rosalie Greipl, A. (2024, August 29). Artificial intelligence in military decision-making: Supporting humans, not replacing them. Humanitarian Law & Policy Blog, International Committee of the Red Cross. From: https://blogs.icrc.org/law-and-policy/2024/08/29/artificial-intelligence-in-military-decision-making-supporting-humans-not-replacing-them/

پاورقی‌ها

[1] به معنای محدودیت‌ها و کنترل‌هایی برای جلوگیری از استفاده خطرناک