اخبار و اعلانات
آمار
| تعداد نشریات | 20 |
| تعداد شماره‌ها | 530 |
| تعداد مقالات | 4,610 |
| تعداد مشاهده مقاله | 9,856,485 |
| تعداد دریافت فایل اصل مقاله | 5,568,252 |
تحلیل دکترین مسئولیت نیابتی به‌مثابه مبنای مسئولیت ناشی از هوش مصنوعی در حقوق ایران، با الهام از رویه قضایی کامن‌لا | ||
| پژوهشنامه حقوق اسلامی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 مرداد 1404 اصل مقاله (1 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30497/law.2025.248106.3746 | ||
| نویسندگان | ||
| عباس شیری1؛ محمدرضا برزگر* 2 | ||
| 1دانشیار، گروه حقوق جزا و جرم‌شناسی، دانشکده حقوق و علوم سیاسی، دانشگاه تهران، تهران، ایران. | ||
| 2دانشجوی دکتری حقوق جزا و جرم‌شناسی، دانشکده حقوق و علوم سیاسی، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| هوش مصنوعی، نظام‌های حقوقی در سراسر جهان و از جمله نظام حقوقی ایران را با مسائل نوینی مواجه ساخته که شاید برجسته‌ترین آن، نحوه انتساب مسئولیت ناشی از خروجی‌های هوش مصنوعی و رفع «خلاء مسئولیت» ناشی از آن است. پژوهش حاضر با هدف ارائه یک چارچوب حقوقی کارآمد، به تحلیل ظرفیت دکترین مسئولیت نیابتی برای پاسخگویی به این مسأله می‌پردازد. هدف اصلی، تبیین مبانی موجِّهه اعمال این دکترین بر اشخاص به‌کارگیرنده سامانه‌های هوشمند، و امکان‌سنجی انطباق عناصر ماهوی آن با ویژگی‌های منحصربه‌فرد هوش مصنوعی خواهد بود. در این راستا، نوشتار حاضر با روش توصیفی تحلیلی، مبانی و عناصر این دکترین را در پرتو ویژگی‌های هوش مصنوعی صورت‌بندی کرده و با اصول مشابه در حقوق ایران تطبیق می‌دهد. تحلیل مبانی مسئولیت نیابتی مؤید آن است که اصولی چون ظرفیت برتر اقتصادی اصیل جهت جبران خسارت بزه‌دیده و مدیریت ریسک، منطق حقوقی اقتصادی ایجاد ریسک توسط شرکت استفاده‌کننده و ضرورت درونی‌سازی هزینه‌ها، و همچنین ماهیت ابزاری و عملکرد ادغام‌شده هوش مصنوعی در فعالیت اصیل و کنترل راهبردی وی بر آن، توجیه‌پذیری اعمال مسئولیت نیابتی در این حوزه را مدلل می‌سازد. بر این اساس، عناصر دکترین مذکور مورد بررسی قرار گرفته و استدلال می‌شود که معیار کامن‌لایی «رابطه شبیه به استخدام» به‌نحو مؤثری قادر به تبیین پیوند حقوقی میان شخص اصیل و سامانه هوشمند است، و معیار «ارتباط نزدیک» اتصال میان فعل مجرمانه ناشی از سیستم و رابطه مذکور را برقرار می‌سازد. نهایتاً، این نتیجه حاصل شده است که دکترین مسئولیت نیابتی، چارچوبی منسجم، قابل دفاع و کارآمد برای انتساب مسئولیت به به‌کارگیرندگان هوش مصنوعی فراهم می‌آورد، و این چارچوب می‌تواند به‌مثابه مبنایی عملی برای قانون‌گذاری هوش مصنوعی در نظام حقوقی ایران و البته دیگر نظام‌های حقوقی که از این «خلاء مسئولیت» رنج می‌برند مورد توجه قرار گیرد؛ بر همین بنیاد، نگارندگان پیشنهادهایی نیز در خاتمه مقاله ارائه کرده‌اند. | ||
| کلیدواژه‌ها | ||
| هوش مصنوعی؛ مسئولیت نیابتی؛ معیار ارتباط نزدیک؛ درونی‌سازی هزینه‌ها | ||
| عنوان مقاله [English] | ||
| An Analysis of the Doctrine of Vicarious Liability as a Legal Basis for Responsibility Arising from Artificial Intelligence Outputs in Iranian Law, Inspired by Common Law Judicial Practice | ||
| نویسندگان [English] | ||
| Abbas Shiri1؛ Mohammad Reza Barzegar2 | ||
| 1Associate Professor, Department of Criminal Law and Criminology, Faculty of Law and Political Sciences, University of Tehran, Tehran, Iran. | ||
| 2PhD Student in Criminal Law and Criminology, Faculty of Law and Political Sciences, University of Tehran, Tehran, Iran. | ||
| چکیده [English] | ||
| Context & Objective: The rapid development and integration of Artificial Intelligence (AI) into various sectors have introduced complex legal challenges, particularly concerning liability for AI-generated outcomes. Among these challenges is the emergence of a “liability vacuum,” where traditional legal frameworks struggle to attribute responsibility for harm caused by autonomous systems. In the context of Iranian law, this issue is especially pressing, as existing doctrines lack explicit provisions for AI-related incidents. This study seeks to explore whether the doctrine of vicarious liability, which traditionally holds one party accountable for the acts of another in specific relationships, can be adapted to address these new challenges. Drawing inspiration from judicial practices in common law systems, the central objective is to examine the theoretical justification and practical compatibility of vicarious liability with AI technologies and to evaluate its potential as a basis for regulatory reform. The research question guiding this inquiry is: To what extent can the doctrine of vicarious liability be applied to hold individuals or entities legally responsible for the outcomes generated by AI systems under Iranian law. Method & Approach: This study adopts a doctrinal research methodology combined with a comparative legal approach. Through a detailed analysis of Iranian legal texts and principles, the article investigates the doctrinal basis and operational structure of vicarious liability. Simultaneously, it conducts a comparative analysis with common law jurisprudence to assess how analogous legal systems have conceptualized and applied this doctrine in emerging contexts. The research specifically examines the substantive components of vicarious liability—such as the nature of the relationship between the liable party and the agent, and the connection between the act and the relationship—while considering the functional and technical characteristics of AI. Findings: The study finds that the rationale underpinning vicarious liability in common law—particularly principles such as the superior capacity of principals to absorb costs, the economic rationale of risk creation, the importance of internalizing the costs of harm, and the integration of AI systems into enterprise functions—aligns conceptually with the structure of AI operations. These principles collectively justify the transfer of liability from autonomous agents to the entities that deploy them. The analysis demonstrates that AI systems can be functionally equated to agents under the control and strategic direction of users, thereby satisfying the conditions necessary for applying vicarious liability. Specifically, the criterion of a “relationship akin to employment” effectively models the legal relationship between an AI system and its user, while the “close connection” test provides a suitable standard for linking AI-generated harm to the scope of the user's activities. Conclusion: This research concludes that the doctrine of vicarious liability offers a theoretically coherent and practically viable legal framework for addressing the attribution of responsibility for AI-generated outcomes. Its adaptation to the context of AI not only fills the existing liability vacuum in Iranian law but also provides normative guidance for future legislative initiatives. By leveraging comparative insights from common law systems and reinterpreting classical liability principles in light of contemporary technological realities, the study demonstrates that vicarious liability can serve as a foundation for robust and equitable legal responses to AI-related harm. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Intelligence, Vicarious Liability, Close Connection Test, Cost Internalization | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 27 تعداد دریافت فایل اصل مقاله: 6 |
||