زهرا غلامپور

شناسایی حقّ شهرت، به عنوان یک حقّ مالی برای اشخاص مشهور، سبب می شود تا این اشخاص بتوانند با حضور در تبلیغ محصولات مختلف کسب درآمد کنند. باتوجه به اثرگذاری این اشخاص در فروش محصولات، این پرسش اساسی مطرح می شود که در صورت ورود خسارت به مصرف کنندگان، آیا مسئولیتی متوجه این اشخاص خواهد بود؟ در نبود قوانین و مقررات خاص و رویه قضایی مشخص، انتخاب مبنای حقوقی مناسب برای مسئولیت اشخاص مشهور، تعیین شرایط و دامنه این مسئولیت و به ویژه احراز رابطه سببیت میان زیان و تقصیر، با چالش های حقوقی جدی مواجه است. در این مقاله تلاش شده است، مسئولیت اشخاص مشهور برمبنای نظریه سوءاستفاده از حق، توجیه و تبیین گردد. براساس یافته های این پژوهش، نظریه سوءاستفاده از حق با کمک معیار رفتار نامتعارف، می تواند نقض قواعد و مقررات مربوط به تبلیغات و بی احتیاطی در اعمال حق را به عنوان مصادیق سوءاستفاده از حقّ شهرت معرفی کند. بنابراین، در مواردی که شخص مشهور، با استفاده از حقّ شهرت خویش نسبت به تأیید محصولی اقدام می کند، نقض تعهد مبنی بر تأیید عملکرد کلی محصول، که ماهیتاً تعهد به نتیجه است، موجب استناد خسارت وارده به شخص مشهور می شود. در چنین شرایطی، وی متضامناً با عامل یا عاملان اصلی، مسئول جبران خسارت خواهد بود.

بحث از مسئولیت مدنی ناشی از زیان های الگوریتمی، که بیشتر با عنوان مسئولیت مدنی یا مسئولیت برخاسته از کاربرد هوش مصنوعی بررسی شده است، در ادبیات حقوقی نوپاست. الگوریتم های متفکر به دلیل ویژگی های منحصربه فرد خودآموزی، تصادفی بودن، پیش بینی ناپذیری و خودمختاری، درصورت بروز ضرر و زیان، نظام مسئولیتی ویژه ای می طلبند. نظریه عمومی قابلیت انتساب می تواند در چنین موارد نوپدیدی راهگشا باشد؛ وانگهی دردست داشتن معیار و استانداردی شفاف و عمل گرایانه برای مقایسه الگوریتم زیانبار با دیگر موارد مشابه، برای تعیین متعارف عمل کردن آن، با چالش هایی همراه است. تعیین حدود و ثغور مفهوم الگوریتم های متعارف، به لحاظ ناشناخته بودن و پیچیدگی های ذاتی آن ها، لازم است. این پژوهش با بررسی موانع موجود، بازشناسی الگوریتم های معقول و متعارف را با معیاری ترکیبی دنبال می کند، معیاری که ضمن ایجاد انگیزه برای فضاهای فنّاورانه و نوآور، جبران خسارات زیان دیدگان، بهبود سطح ایمنی الگوریتم ها و انعطاف پذیری شایسته برای مواجهه با نسل های جدیدی از فنّاوری را تحقق بخشد. بازخوانی نظریه قابلیت استناد عرفی در وادی الگوریتم هایی با کارایی متعارف و معقول و نیز متناسب سازی این اندیشه جهان شمول، در برخورد با زیان های برخاسته از کاربرد الگوریتم های متفکر، برآیند اصلی تلاش نویسندگان در این نوشتار است.

یکی از کاربردهای هوش مصنوعی در حقوق، «قراردادهای هوشمند» است؛ بدین ترتیب که انعقاد و اجرای قراردادها به وسیله رایانه یا ربات برنامه نویسی شده صورت می پذیرد. در مرحله شکل گیری قرارداد، اموری مانند زمان انعقاد عقد، موضوع قرارداد و ثمن معین، طبق محتوای اراده کاربر طرف قرارداد، بدون دخالت انسان شخصی سازی می شود و قرارداد ظرفیت خوداجرایی می یابد. این شیوهْ سرعت، هوشمندی، استفاده بهینه از فرصت های انعقاد عقد، مدیریت مطلوب تر سود و هزینه، و درنتیجه سطح رضایتمندی متعاقدین را افزایش می دهد. از طرفی قراردادهای ساخت وساز همواره با چالش های اساسی در انعقاد عقد مطلوب طرفین و به خصوص در اجرای قرارداد روبه رو بوده اند. عوامل اقتصادی همچون افزایش قیمت مصالح ساختمانی، با لحاظ بازه طولانی اجرا، با قواعد حقوقی «لزوم ایفای تعهدات، اجرا در زمان معهود و پای بندی به ثمن قراردادی» درگیر می شود و طرفین را با تأخیر یا عدم اجرای مناسب قرارداد مواجه می سازد. در مناسب ترین حالت، طرفین خواستار تعدیل قراردادی یا قضایی در مدت ساخت وساز هستند؛ رسیدگی قضایی طولانی ایشان را می آزارد و از اجرای مطلوب و بهره وری از منافع آن بازمی دارد. قراردادهای هوشمند، با وصف خودالزام گری، علاوه بر رفع مشکلات مذکور، در اعتماد متعاقدین، احراز اهلیت و صلاحیت فنی و مالی لازم، تأمین متناسب مصالح ساختمانی، بیمه ساختمان و مسئولیت، پیشگیری از جرایم مرتبط با اموال و املاک، ثبت اسناد و... کارآمد عمل خواهند کرد.

عناصر اقلیمی یکی از مهمترین متغیرهای محیطی تعیین کننده پراکنش جغرافیایی پوشش گیاهی و توزیع زمانی مکانی آن می باشند. هدف اساسی این تحقیق آشکارسازی روابط زمانی مکانی بین عناصر اقلیمی و مقادیر سبزینگی پوشش گیاهی در استان کهکیلویه و بویراحمداست. داده های مربوط به دو عنصر اقلیمی دمای سطح زمین و بارش در مقیاس ماهانه طی دوره آماری (2000-2015) به ترتیب از دو سنجنده MODIS و TRMM برای محدوده استان کهکیلویه و بویراحمد اخذ گردید. داده های مروبط به شاخص پوشش گیاهی بارز شده نیز در مقیاس ماهانه با رزلوشن فضایی 250 متر از محصول MOD13Q1 سنجنده MODIS برای همان دوره آماری اخذ گردید. با استفاده از تحلیل همبستگی فضایی همزمان و با تاخیر، و تحلیل ارتباط تقاطعی اقدام به آشکارسازی ارتباط زمانی مکانی شاخص پوشش گیاهی بارزشده با دو عنصر اقلیمی دمای سطح زمین و بارش گردید. نتایج گویای آن بود که عنصر دمای سطح زمین، در همه ماه ها به صورت همزمان بالاترین همبستگی را با پوشش گیاهی داشت و بالاترین همبستگی فضایی بین شاخص پوشش گیاهی و دمای سطح زمین، مربوط به ماه های دسامبر تا مارس بود. در این ماه ها توزیع فضایی پیکسل های حاوی مقادیر بیشینه شاخص پوشش گیاهی، منطبق بر دماهای حداکثر(6 تا 14درجه سانتی گراد) است در حالی که در ماه های، اوریل، می، و اکتبر و نوامبر بیشینه تمرکز پوشش گیاهی در بازه دمایی میانگین، یعنی، 10 تا 16درجه سانتی گراد مشاهده گردید و در مورد ماه های ژوئن تا سپتامبر بیشینه تمرکز شاخص پوشش گیاهی، در بازه دمایی حداقل یعنی 15 تا 17درجه سانتی گراد مشاهده شد ضمن اینکه همبستگی معنی داری نیز در این ماه ها مشاهده نگردید. در مورد ارتباط بارش و شاخص پوشش گیاهی بارز شده، نیز نتایج نشان داد که تنها مقادیر پوشش گیاهی فصل بهار(آوریل تا ژوئن) با یک تأخیر یک نیم ماهه، بالاترین همبستگی را با مقادیر بارش ماهانه دارد. در حالی که برای پوشش گیاهی سایر ماه ها، همبستگی معنی داری با بارش، مشاهده نگردید.

در این تحقیق به منظور بررسی اثر تغییر اقلیم بر رواناب حوضه رودخانه کر از داده های دما و بارندگی ماهانه مربوط به مدل 3 HadCM طی دوره پایه ۲۰۰۱-۱۹۷۲ و دوره آتی ۲۰۴۰-۲۰۱۱ تحت سناریوی انتشار A2 استفاده شد. خروجی مدل HadCM3 بر اساس روش کوچک مقیاس کردن زمانی عامل تغییر و روش کوچک مقیاس کردن مکانی تناسبی برای حوضه موردنظر کوچک مقیاس شدند. سپس، سری زمانی دما و بارندگی ماهانه در دوره آتی تولید شد. نتایج نشان داد که دما و بارندگی در دوره آتی نسبت به دوره مشاهداتی به ترتیب افزایش و کاهش می یابد. در ادامه با واسنجی مدل IHACRES ، رابطه بارش- رواناب ماهانه حوضه شبیه سازی شد. سپس با معرفی سری های زمانی ماهانه دما و بارندگی کوچک مقیاس شده حوضه به مدل بارش- رواناب، سری زمانی رواناب ماهانه برای دوره ۲۰۴۰ -۲۰۱۱ شبیه سازی گردید. مقایسه رواناب دوره آتی نسبت به دوره مشاهداتی نشان از تأثیر تغییر اقلیم بر رواناب این حوضه در سال های آتی دارد، به طوری که رواناب سالانه حوضه در حدود ۴۳/۹ درصد کاهش می یابد. در ضمن، رواناب آتی در برخی ماه ها (ژانویه، فوریه، می و ژوئن)، افزایش را نسبت به دوره مشاهداتی نشان می دهد.