مدرسهای در میناب که در نخستین روز حملات نظامی آمریکا و اسرائیل به ایران هدف قرار گرفت و بیش از ۱۵۰ کشته بر جای گذاشت، حالا در مرکز یک گزارش تکاندهنده درباره خطر استفاده از هوش مصنوعی در جنگ قرار گرفته است. پژوهشگران یک مؤسسه مستقل نشان دادهاند که مدلهای پیشرفته هوش مصنوعی در تحلیل تصاویر ماهوارهای همین منطقه، بارها مدرسه را بهعنوان هدف نظامی علامتگذاری کردهاند؛ موضوعی که در کنار یافتههای سازمان ملل درباره حمله آمریکا به این مدرسه، پرسشهای جدی درباره امنیت غیرنظامیان و مسئولیت نظامی ایجاد میکند.
ماجرا به حمله ۲۸ فوریه ۲۰۲۶ به مدرسه ابتدایی شجره طیبه در میناب استان هرمزگان بازمیگردد. طبق گزارش هیئت حقیقتیاب بینالمللی سازمان ملل، این مدرسه در فاصله حدود ۷۲ متری یک مجموعه دریایی نظامی قرار داشت، اما با دیوار از آن جدا شده بود، ورودی مستقل داشت و نشانههای یک مرکز آموزشی فعال، از جمله نقاشیهای کودکانه و محوطه بازی، در تصاویر ماهوارهای آن قابل مشاهده بود. سازمان ملل شمار قربانیان را دستکم ۱۵۶ نفر اعلام کرده که ۱۲۰ نفر از آنها دانشآموز بودهاند.
اهمیت موضوع فقط به ابعاد انسانی حمله محدود نمیشود. هیئت حقیقتیاب سازمان ملل پس از بررسی تصاویر ماهوارهای، ویدئوها، شواهد تسلیحاتی و اطلاعات منتشرشده، اعلام کرد دلایل معقولی برای باور به این موضوع وجود دارد که حمله به مدرسه میناب توسط آمریکا انجام شده است. این هیئت همچنین نتیجه گرفت که ساختمان مدرسه نقطه اصابت حمله بوده و آسیب آن صرفاً نتیجه برخورد اتفاقی با هدف نظامی مجاور نبوده است. در ارزیابی حقوقی این هیئت، کوتاهی در تشخیص و تأیید ماهیت غیرنظامی مدرسه میتواند در چارچوب بررسی جنایت جنگی قرار بگیرد.
حالا پژوهش شرکت مستقل Vals که در ۱۷ نوامبر منتشر شده، بُعد تازهای به این پرونده اضافه کرده است. محققان با استفاده از تصاویر ماهوارهای واقعی منطقه میناب، عملکرد مدلهای هوش مصنوعی شرکتهایی مانند آنتروپیک، OpenAI، گوگل و دیگر سازندگان را آزمایش کردند. نتیجه نشان داد در مجموع حدود ۷۰ درصد آزمایشهای مربوط به این تصاویر، مدرسه در میان اهداف نظامی شناساییشده قرار گرفته است. مدل Claude Opus 5.5 نیز در بخش قابل توجهی از آزمایشها، حتی بدون معرفی سناریو بهعنوان بازی، ساختمان مدرسه را هدف نظامی تشخیص داد.
پژوهشگران همچنین در سناریوهای شبیهسازیشده پهپادی مشاهده کردند که برخی مدلها آمبولانسها، غیرنظامیان و حتی سربازان تسلیمشده یا ازکارافتاده را بهعنوان هدف علامتگذاری میکنند. در برخی موارد، معرفی موقعیت بهعنوان یک بازی باعث شد مدلهایی که ابتدا از پاسخگویی خودداری کرده بودند، اطلاعات هدفگیری ارائه دهند. با این حال، محققان تأکید کردهاند که این آزمایشها دقت واقعی سامانههای تسلیحاتی یا عملکرد آنها در عملیات نظامی آمریکا را اندازهگیری نکردهاند.
نکته مهم این است که پژوهش Vals ثابت نمیکند هوش مصنوعی مستقیماً مدرسه میناب را برای حمله واقعی انتخاب کرده یا خطای یک مدل مشخص علت بمباران آن بوده است. با این وجود، گزارشهای قبلی بلومبرگ درباره اصلاح سامانه هوشمند Maven و فرایندهای شناسایی اهداف ارتش آمریکا پس از حمله میناب نشان میدهد نقش هوش مصنوعی در زنجیره تحلیل اطلاعات نظامی موضوعی جدی است. کنار هم قرار گرفتن این شواهد، ضرورت پاسخگویی درباره حمله به غیرنظامیان و محدودکردن نقش سامانههای خطاپذیر در تصمیمهای مرگبار را برجسته میکند.