https://virgool.ir/feed/@siamak.ahadifa2026-11-11 11:18:00https://files.virgool.ir/upload/users/126009/avatar/1Wnpje.pnghttps://virgool.ir/@siamak.ahadihttps://virgool.ir/@siamak.ahadi/agentic-commerce-walmart-amazon-nz8ubfq0mu1nفرض کنید می‌خواهید یک جاروبرقی بخرید. بودجه مشخصی دارید و برایتان مهم است که صدای کمی داشته باشد، خوب تمیز کند و خدمات پس از فروش قابل قبولی هم داشته باشد. تا امروز احتمالاً باید چند فروشگاه اینترنتی را بررسی می‌کردید، مشخصات محصولات را می‌خواندید، قیمت‌ها را مقایسه می‌کردید و در نهایت تصمیم می‌گرفتید.حالا تصور کنید تمام این کارها را به هوش مصنوعی بسپارید. به دستیار خود می‌گویید چه می‌خواهید و چقدر حاضرید هزینه کنید. او محصولات را بررسی می‌کند، نظرات خریداران را می‌خواند، قیمت‌ها را مقایسه می‌کند و چند گزینه پیشنهاد می‌دهد. حتی ممکن است با اجازه شما خرید را هم انجام دهد.دیگر لزومی ندارد وارد سایت فروشگاه شوید. شاید حتی نام بعضی فروشگاه‌هایی را که دستیار بررسی کرده، ندانید.این شکل از خرید که به آن Agentic Commerce می‌گویند، هنوز در آغاز راه است. بااین‌حال، همین حالا اختلاف جالبی میان دو غول خرده‌فروشی آمریکا ایجاد کرده است. والمارت می‌خواهد راه ورود دستیارهای هوش مصنوعی به فروشگاهش را هموار کند. آمازون ترجیح داده دسترسی بعضی از این دستیارها را محدود کند.اختلافی که در ظاهر فنی است، اما در واقع به یکی از قدیمی‌ترین مسائل کسب‌وکار برمی‌گردد: رابطه با مشتری در اختیار چه کسی باشد؟یک درِ باز، یک درِ بستهوالمارت در ۲۱ اکتبر ۲۰۲۶ از برنامه تازه‌ای برای همکاری با دستیارهای هوش مصنوعی رونمایی کرد.بخش اول این برنامه، Agent Gateway نام دارد. زیرساختی که به دستیارهای مورد تأیید اجازه می‌دهد به‌جای گشت‌وگذار در صفحات سایت، مستقیماً با سیستم فروشگاهی والمارت ارتباط برقرار کنند. محصول پیدا کنند، قیمت و موجودی را ببینند و خرید را پیش ببرند. این زیرساخت فعلاً در مرحله آزمایشی و با دسترسی محدود است.بخش دوم، Agent Profiles است که طبق برنامه قرار است در نوامبر عرضه شود. کاربران می‌توانند برای هر دستیار هوش مصنوعی مجوز جداگانه تعریف کنند، سقف خرید بگذارند و مشخص کنند کدام سفارش‌ها به تأیید آن‌ها نیاز دارد. خریدهای دستیار هم جدا از خریدهای شخصی ثبت می‌شود.والمارت می‌گوید دستیارها به اطلاعات کارت بانکی مشتری دسترسی نخواهند داشت و فقط می‌توانند اطلاعات موردنیاز برای انجام وظیفه‌شان را دریافت کنند. هر دستیاری هم که مقررات را رعایت نکند، مسدود خواهد شد.در طرف مقابل، آمازون مسیر دیگری در پیش گرفته است.این شرکت در سپتامبر ۲۰۲۶ دسترسی Muse، دستیار هوش مصنوعی متا، به فروشگاه خود را مسدود کرد. پیش از آن هم با Perplexity بر سر دسترسی دستیار خرید این شرکت، به نام Comet، وارد اختلاف حقوقی شده بود.آمازون می‌گوید شرکت‌های دیگر نمی‌توانند بدون موافقت فروشگاه، از طرف مشتری وارد حساب او شوند و معامله انجام دهند. این شرکت همچنین نگرانی‌هایی درباره امنیت اطلاعات و شفافیت عملکرد دستیارهای بیرونی مطرح کرده است.اما نکته جالب اینجاست که آمازون خودش هم دستیار خرید هوش مصنوعی دارد.این شرکت از آوریل ۲۰۲۵ آزمایش قابلیتی به نام Buy for Me را آغاز کرد. قابلیتی که به کاربران امکان می‌دهد بعضی محصولات را از فروشگاه‌های دیگر، از داخل اپلیکیشن آمازون، خریداری کنند. آمازون همچنین دستیار خرید خودش را با نام Alexa for Shopping توسعه داده است.پس مسئله مخالفت آمازون با خرید هوشمند نیست. ظاهراً اختلاف بر سر این است که چه کسی باید واسطه خرید باشد و قواعد این رابطه را تعیین کند.آمازون از چه چیزی محافظت می‌کند؟برای فهمیدن رفتار آمازون باید به چیزی فراتر از فروش کالا نگاه کنیم.فروشگاه‌های اینترنتی بزرگ سال‌ها تلاش کرده‌اند مشتریان را به مراجعه مستقیم عادت دهند. کاربر وارد سایت می‌شود، محصول جست‌وجو می‌کند، پیشنهادهای فروشگاه را می‌بیند و احتمالاً چیزهای دیگری هم به سبد خریدش اضافه می‌کند.در تمام این مدت، فروشگاه اطلاعات ارزشمندی به دست می‌آورد. می‌فهمد مشتری دنبال چه چیزی است، کدام محصولات را مقایسه می‌کند و در چه شرایطی حاضر به خرید می‌شود.این اطلاعات به فروشگاه کمک می‌کند پیشنهادهای بهتری ارائه دهد، مشتری را حفظ کند و البته تبلیغات بفروشد.براساس گزارش مالی سال ۲۰۲۵ آمازون، درآمد خدمات تبلیغاتی این شرکت به حدود ۶۸٫۶ میلیارد دلار رسیده است. عدد بزرگی که نشان می‌دهد آمازون مدت‌هاست فقط یک فروشگاه اینترنتی نیست. خودش یکی از بازیگران مهم صنعت تبلیغات هم هست.حالا فرض کنیم بخش قابل‌توجهی از مشتریان به‌جای جست‌وجو در آمازون، از دستیارهای مستقل بخواهند محصول مناسب را پیدا کنند. چه اتفاقی می‌افتد؟آمازون مدت‌هاست فقط یک فروشگاه اینترنتی نیست. خودش یکی از بازیگران مهم صنعت تبلیغات هم هست.ممکن است فروش همچنان در آمازون انجام شود، اما بخش مهمی از مسیر تصمیم‌گیری مشتری به محیط دیگری منتقل شده باشد. مشتری دیگر الزاماً تبلیغات فروشگاه را نمی‌بیند، در معرض پیشنهادهای مختلف آن قرار نمی‌گیرد و شاید اصلاً نیازی به مراجعه مستقیم نداشته باشد.این اتفاق می‌تواند روی درآمد تبلیغات، شناخت رفتار مشتریان و قدرت فروشگاه در هدایت خرید اثر بگذارد.نمی‌توان با اطمینان گفت که دلیل اصلی محدودیت‌های آمازون همین نگرانی‌های تجاری است. استدلال‌های این شرکت درباره امنیت و مسئولیت خرید هم قابل اعتنا هستند. بااین‌حال، بعید است کسب‌وکاری با این حجم از درآمد تبلیغاتی، نسبت به انتقال تصمیم خرید به یک واسطه بیرونی بی‌تفاوت باشد.در مقابل، والمارت احتمالاً فرصت متفاوتی می‌بیند. اگر کاربران قرار است در آینده خریدهایشان را از طریق دستیارهای هوش مصنوعی انجام دهند، چرا والمارت یکی از فروشگاه‌هایی نباشد که این دستیارها به‌راحتی از آن خرید می‌کنند؟در چنین مدلی، حتی اگر مشتری مستقیماً به والمارت مراجعه نکند، فروشگاه همچنان می‌تواند سهمی از خرید او داشته باشد.البته این انتخاب هم بدون هزینه نیست. والمارت ممکن است به مشتریانی دسترسی پیدا کند که در حالت عادی به فروشگاهش سر نمی‌زدند، اما در عوض بخشی از کنترل خود بر مسیر خرید را به واسطه‌های بیرونی واگذار می‌کند.وقتی هوش مصنوعی درباره اعتبار برند تصمیم می‌گیردبخش دیگری از این ماجرا کمتر مورد توجه قرار گرفته است؛ تأثیری که دستیارهای خرید می‌توانند بر بازاریابی، اعتبار برند و روابط عمومی داشته باشند.فرض کنیم می‌خواهید از یک فروشگاه اینترنتی خرید کنید، اما شناخت چندانی از آن ندارید. از دستیار هوش مصنوعی می‌پرسید آیا این فروشگاه معتبر است یا بهتر است سراغ فروشنده دیگری بروید.دستیار برای پاسخ دادن ممکن است سوابق فروشگاه، نظرات مشتریان، سیاست مرجوعی، گزارش‌های رسانه‌ای و اطلاعاتی را که خود فروشگاه منتشر کرده بررسی کند. البته همه دستیارها از منابع یکسان استفاده نمی‌کنند و نمی‌توان فرض کرد که ارزیابی آن‌ها همیشه دقیق یا بی‌طرفانه است.بااین‌حال، همین احتمال مسئله تازه‌ای برای برندها ایجاد می‌کند.تا امروز بخش مهمی از تلاش روابط عمومی این بوده که مردم، رسانه‌ها و سایر ذی‌نفعان شناخت درست‌تری از یک کسب‌وکار پیدا کنند. حالا ممکن است یک واسطه دیگر هم میان برند و مخاطب قرار بگیرد؛ واسطه‌ای که می‌تواند اطلاعات منتشرشده درباره برند را بخواند، کنار هم بگذارد و نتیجه بگیرد.از این زاویه، اطلاعاتی که یک کسب‌وکار درباره خودش منتشر می‌کند اهمیت بیشتری پیدا خواهد کرد. سیاست‌های روشن، گزارش‌های معتبر، شواهد قابل بررسی و پاسخ‌گویی به انتقادها می‌توانند به منابعی برای ارزیابی اعتبار برند تبدیل شوند.البته هوش مصنوعی نمی‌تواند جای اعتماد واقعی مردم را بگیرد. برندی که عملکرد مناسبی ندارد، با چند صفحه محتوای بهینه‌شده برای هوش مصنوعی معتبر نمی‌شود. برعکس، کسب‌وکاری که عملکرد خوبی دارد اما اطلاعات روشن و قابل دسترسی درباره آن وجود ندارد، ممکن است در این شکل تازه از جست‌وجو و مقایسه به‌خوبی شناخته نشود.به گمان من، این موضوع در آینده یکی از مسائل مهم روابط عمومی خواهد بود. برندها باید علاوه بر مخاطبان انسانی، به این هم فکر کنند که دستیارهای هوش مصنوعی چگونه درباره آن‌ها اطلاعات پیدا می‌کنند و این اطلاعات را چطور تفسیر می‌کنند.اما موضوع دیگری هم وجود دارد.چه تضمینی هست که دستیار خرید، همیشه بهترین گزینه را پیشنهاد دهد؟در خرید اینترنتی امروز دست‌کم می‌دانیم بعضی محصولات به‌دلیل تبلیغات در جایگاه بالاتری نمایش داده می‌شوند. در محیط دستیارهای هوش مصنوعی نیز تبلیغات در حال پیدا کردن جای خود است. خود آمازون در ژوئن ۲۰۲۶ از فرصت‌های تبلیغاتی در گفت‌وگوهای کاربران با Alexa for Shopping صحبت کرده است.اگر دستیار هوش مصنوعی به مرجع اصلی تصمیم‌گیری مشتری تبدیل شود، تبلیغات و روابط عمومی هم باید خودشان را با این وضعیت تطبیق دهند.در آینده برندها باید علاوه بر مخاطبان انسانی، به این هم فکر کنند که دستیارهای هوش مصنوعی چگونه درباره آن‌ها اطلاعات پیدا می‌کنند و این اطلاعات را چطور تفسیر می‌کنند.شاید در آینده رقابت برندها فقط برای دیده‌شدن در نتایج جست‌وجو نباشد. آن‌ها باید برای قرار گرفتن در فهرست پیشنهادهای دستیارهای هوش مصنوعی هم رقابت کنند. در این صورت، شفافیت درباره اینکه کدام پیشنهاد حاصل ارزیابی مستقل است و کدام‌یک تحت تأثیر منافع تجاری قرار دارد، اهمیت زیادی خواهد داشت.این ماجرا در ایران چه معنایی دارد؟برای درک بهتر این تغییر، می‌توانیم به تجربه‌ای آشنا در ایران نگاه کنیم.وقتی برای خرید کالایی سراغ ترب می‌رویم، معمولاً چند فروشگاه و قیمت‌های مختلف را می‌بینیم. تصمیم می‌گیریم کدام فروشنده مناسب‌تر است و برای تکمیل خرید به فروشگاه موردنظر مراجعه می‌کنیم.ترب در اینجا نقش واسطه جست‌وجو و مقایسه قیمت را دارد، نه یک دستیار خودمختار خرید. اما همین تجربه نشان می‌دهد که بخشی از مسیر پیدا کردن فروشنده مناسب می‌تواند بیرون از سایت فروشگاه اتفاق بیفتد.حالا یک قدم جلوتر برویم. فرض کنیم یک دستیار فارسی‌زبان بتواند محصولات فروشگاه‌های ایرانی را مقایسه کند. علاوه بر قیمت، موجودی، سرعت ارسال، شرایط مرجوعی و اعتبار فروشنده را هم بررسی کند. بعد با اجازه مشتری خرید را انجام دهد.در این شرایط چه اتفاقی برای دیجی‌کالا و دیگر فروشگاه‌های اینترنتی می‌افتد؟تصور کنید فروشگاهی سال‌ها برای شناخته‌شدن نامش، جذب مشتری و ساختن تجربه خرید مناسب هزینه کرده باشد. آیا حاضر است بخش مهمی از رابطه‌اش با مشتری را در اختیار دستیار هوش مصنوعی قرار دهد؟از طرف دیگر، فروشگاه کوچکی را در نظر بگیرید که بودجه تبلیغاتی چندانی ندارد، اما قیمت مناسب، خدمات قابل قبول و مشتریان راضی دارد. شاید در یک محیط خرید مبتنی بر مقایسه اطلاعات، شانس بیشتری برای دیده‌شدن پیدا کند؛ البته به شرطی که دستیارها واقعاً بتوانند کیفیت و اعتبار فروشندگان را به‌درستی ارزیابی کنند.فروشگاهی سال‌ها برای شناخته‌شدن نامش، جذب مشتری و ساختن تجربه خرید مناسب هزینه کرده باشد. آیا حاضر است بخش مهمی از رابطه‌اش با مشتری را در اختیار دستیار هوش مصنوعی قرار دهد؟برای اجرای چنین مدلی در ایران، مسائل دیگری هم وجود دارد. از تغییر مداوم قیمت و موجودی گرفته تا پرداخت، مسئولیت اشتباه در ثبت سفارش و رسیدگی به شکایت مشتری. فعلاً هم شواهد کافی نداریم که چنین خریدهایی در ایران به رفتار رایج کاربران تبدیل خواهد شد.اما فکر کردن به این سناریو بی‌فایده نیست. به‌ویژه برای کسب‌وکارهایی که بخش مهمی از مزیت رقابتی‌شان، مراجعه مستقیم کاربران به پلتفرم و حفظ رابطه با آن‌هاست.کدام‌یک درست فکر می‌کنند؟در نگاه اول ممکن است سیاست والمارت آینده‌نگرانه‌تر به نظر برسد. شرکتی که تغییر رفتار مشتریان را پذیرفته و تلاش می‌کند خودش را با آن هماهنگ کند.اما نباید فراموش کنیم که والمارت هم دستیارها را بدون قیدوشرط به فروشگاهش راه نمی‌دهد. این شرکت قواعد مشخصی تعیین کرده و اختیار مسدود کردن دستیارهای متخلف را برای خودش نگه داشته است. به عبارت دیگر، والمارت هم نمی‌خواهد کنترل همه‌چیز را از دست بدهد.از طرف دیگر، نگرانی آمازون هم بی‌دلیل نیست. خرید اینترنتی فقط پیدا کردن محصول و پرداخت پول نیست. اگر دستیار کالای اشتباهی سفارش دهد، اطلاعات مشتری را به خطر بیندازد یا معامله‌ای برخلاف خواست او انجام دهد، چه کسی باید پاسخ‌گو باشد؟تازه هنوز روشن نیست که کاربران تا چه اندازه حاضرند تصمیم خریدشان را به هوش مصنوعی بسپارند. خرید بعضی کالاها کار ساده و تکراری است. اما انتخاب لباس، هدیه یا وسایل خانه برای بسیاری از مردم بخشی از یک تجربه شخصی است. شاید نخواهند آن را به‌طور کامل واگذار کنند.از سوی دیگر، اگر خرید هوشمند به رفتاری فراگیر تبدیل شود، ممکن است قدرتی که امروز در اختیار فروشگاه‌های بزرگ است، تا حدی به شرکت‌های سازنده دستیارهای هوش مصنوعی منتقل شود. در آن صورت، به‌جای چند فروشگاه بزرگ، شاید با چند واسطه قدرتمند تازه روبه‌رو باشیم که تعیین می‌کنند چه محصولاتی دیده شوند و کدام برندها به مشتری پیشنهاد داده شوند.من فکر می‌کنم هنوز برای انتخاب برنده این رقابت زود است. حتی معلوم نیست دو سیاستی که امروز متفاوت به نظر می‌رسند، در آینده به همین شکل باقی بمانند.بااین‌حال، انتخاب آمازون و والمارت یک مسئله قدیمی را در شرایطی تازه مطرح کرده است. سال‌هاست کسب‌وکارها تلاش می‌کنند رابطه مستقیم‌تری با مشتریانشان داشته باشند. حالا فناوری تازه‌ای از راه رسیده که ممکن است همین رابطه را تغییر دهد.اگر مشتریان در آینده ترجیح دهند به‌جای مراجعه به فروشگاه‌ها، خریدشان را به دستیارهای هوش مصنوعی بسپارند، کدام‌یک تصمیم درست‌تری گرفته است؟ والمارت که حاضر شده بخشی از رابطه با مشتری را با این دستیارها تقسیم کند، یا آمازون که می‌خواهد کنترل بیشتری بر آن داشته باشد؟سیامکسیامکSun, 25 Oct 2026 12:18:35 +0330https://virgool.ir/@siamak.ahadi/دنیای-پس-از-گوگل-the-verge-می-خواهد-بازدیدکننده-را-به-مخاطب-وفادار-تبدیل-کند-pthkbsxntfa7آیا Google Zero نزدیک است؟در چهار پنج سالی که نویسنده و سردبیر زومیت بودم، The Verge یکی از مهم‌ترین منابع ما برای دنبال‌کردن اخبار فناوری بود. برای همین، خبر تغییر ساختار تیم مخاطبانش برایم فقط خبر یک جابه‌جایی سازمانی نیست؛ نشانه‌ای است از تغییری بزرگ‌تر در شیوه‌ای که رسانه‌ها مخاطب پیدا می‌کنند و نگه می‌دارند.بر اساس گزارش دیجی‌دی، ورج طی دو سال گذشته تیم توسعه مخاطبش را از نقش‌های عمومی‌تر به سمت تخصص‌گرایی برده است: خبرنامه، تعامل با پلتفرم‌ها و کامیونیتی و تحلیل داده‌های مخاطبان. حالا این تیم به سه گروه از مخاطبان توجه می‌کند: بازدیدکنندگان ناشناس، کاربران ثبت‌نام‌کرده و مشترکان پولی. فیدهای شخصی، خبرنامه‌ها و امکانات ویژه اشتراک قرار است برای هر گروه دلیلی بسازند تا دوباره به ورج برگردند.در این برنامه محصول هم دستخوش تغییر می‌شود. ورج پیش‌تر امکان دنبال‌کردن خبرنگاران و موضوع‌ها، فید شخصی و خبرنامه‌های روزانه را راه‌اندازی کرده بود؛ ابزارهایی برای آن‌که مخاطب به‌جای مواجهه اتفاقی با یک مطلب، راهی برای ادامه‌دادن رابطه با رسانه داشته باشد.طبق همین گزارش، بیش از نیمی از مشترکان ورج افرادی هستند که مستقیماً به صفحه ثبت‌نام اشتراک سر می‌زنند؛ با این حال، ورج تعداد مشترکان و درآمد حاصل از اشتراک را اعلام نکرده است.«گوگل زیرو»، زمانی که موتور جستجو دیگر نقطه اتکای مطمئنی نیستعبارت Google Zero اولین بار توسط نیلای پاتل، متخصص نام‌آشنای سئو که اتفاقا با ورج هم همکاری می‌کند، مطرح شد. پاتل معتقد است لحظه‌ای فرا می‌رسد که ابزار جستجوی گوگل دیگر اصلی‌ترین دروازه ورود به دنیای وب نخواهد بود و موتور جستجو جای خود را به موتور پاسخ‌دهی می‌دهد و این لحظه را گوگل زیرو نامیده است. این بدان معنا نیست که در یک لحظه ترافیک سرچ وب‌سایت‌ها صفر می‌شود، ماجرا آنقدرها هم ساده و یک‌خطی نیست. موضوع افت ترافیک سرچ ارگانیک و هم‌زمان رشد پاسخ‌های هوش مصنوعی است که ممکن است نیاز کاربر به کلیک‌کردن روی لینک‌ها را کمتر کند. استر کوهن، مدیر مخاطبان و اشتراک ورج، در نشست دیجی‌دی از ترافیک گوگل به‌عنوان چیزی «اضافی» یاد کرده؛ چیزی که دیگر نمی‌شود برایش برنامه‌ریزی کرد و آن را موتور اصلی رشد دانست.برای رسانه‌ها، این تغییر فقط به معنای پیداکردن راهی تازه برای آوردن بازدیدکننده نیست. مسئله این است که اگر موتور جست‌وجو یا یک شبکه اجتماعی مسیر دسترسی به مخاطب را تعیین کند، تغییر الگوریتم آن پلتفرم می‌تواند هم‌زمان روی دیده‌شدن، درآمد تبلیغاتی و برنامه‌ریزی تحریریه اثر بگذارد. سال‌ها، موفقیت دیجیتال را با شاخص‌هایی از جنس ترافیک و بازدید، شاخص‌های تعامل و البته میزان بک‌لینک‌ها می‌سنجیدیم؛ حالا پرسش دیگری هم باید کنار آن‌ها قرار بگیرد: چند نفر برای خواندن مطلب بعدی دوباره به خود رسانه برمی‌گردند؟«به‌جای تعداد زیادی استراتژیست محتوا و مدیران شبکه‌های اجتماعی که هر کدام بخشی از کارها را پیش می‌بردند، حالا تعداد زیادی متخصص داریم.»- استر کوهن، مدیر مخاطبان و اشتراک The Vergeالبته ساختن خبرنامه یا راه‌اندازی یک فید شخصی، به‌تنهایی رابطه نمی‌سازد. اگر محتوای ارزشمندی در کار نباشد یا تجربه کاربر دشوار باشد، ثبت‌نام هم به عادت تبدیل نمی‌شود. اهمیت کار ورج در این است که مسئله را فقط با چند ترفند سئو پاسخ نمی‌دهد؛ ساختار تیم، امکانات سایت و پیشنهاد اشتراک را در کنار هم تغییر می‌دهد. نتیجه نهایی این راهبرد هنوز روشن نیست، به‌خصوص که بخشی از داده‌های مالی آن منتشر نشده؛ اما جهت‌گیری‌اش مشخص است: از سنجشِ صرفِ مواجهه، به سنجشِ بازگشت و ماندگاری.کوهن در این نشست با اشاره به کارآمدی ابزارهای مبتنی بر هوش مصنوعی گفت: «به‌جای تعداد زیادی استراتژیست محتوا و مدیران شبکه‌های اجتماعی که هر کدام بخشی از کارها را پیش می‌بردند، حالا تعداد زیادی متخصص داریم.»این مسئله به رسانه‌ها محدود نمی‌شود. هر برندی که مخاطبش را عمدتاً از گوگل، اینستاگرام، تیک‌تاک یا پلتفرم دیگری می‌گیرد، با همین پرسش روبه‌روست: اگر آن واسطه کمتر ما را نشان دهد، چه چیزی مخاطب را به بازگشت وامی‌دارد؟ دسترسی مستقیم اهمیت دارد، اما خودِ دسترسی وفاداری نیست. باید دلیلی برای ارتباط دوباره وجود داشته باشد.وقتی به سال‌های خوش کار در زومیت فکر می‌کنم، اهمیت The Verge برایم فقط در تعداد خبرهایی که از آن پیگیری می‌کردیم، نبود؛ در جایگاهی بود که به‌عنوان یکی از منابع مهم خبری فناوری با آن بررسی‌های ویدیویی باکیفیت و مقاله‌های تحلیلی‌اش داشت. حالا پرسش ورج، و پرسش بسیاری از رسانه‌ها و برندها این است: در جهانی که ابزار جستجو، دیگر لزوما مخاطب را به مقصد مورد نظر ما نمی‌رساند، چه انگیزه‌ای باعث می‌شود او به رسانه ما سر بزند؟سیامکسیامکWed, 21 Oct 2026 15:56:39 +0330https://virgool.ir/@siamak.ahadi/چه-کسی-به-سازندگان-هوش-مصنوعی-نظارت-می-کند-ایمنی-هوش-مصنوعی-یا-حفظ-برتری-فناوری-tcnmkqkyn02kدر ژوئیه ۲۰۲۶، اتفاق عجیبی در یکی از آزمایش‌های امنیتی OpenAI رخ داد. مجموعه‌ای از ایجنت‌های هوش مصنوعی که قرار بود در محیط‌های جداگانه توانایی خود را برای شناسایی آسیب‌پذیری‌های نرم‌افزاری نشان دهند، راهی برای ارتباط با یکدیگر پیدا کردند. آن‌ها شروع به تبادل اطلاعات کردند و بخشی از فعالیتشان به تلاش برای دست‌کاری سازوکار ارزیابی و نفوذ به زیرساخت واقعی Hugging Face رسید.طبق بررسی مستقل سازمان METR، حدود ۱۲۰۰ ایجنت در این ارتباطات غیرمجاز مشارکت داشتند و حدود ۷۰۰ ایجنت در فعالیت‌های مرتبط با حمله به Hugging Face نقش ایفا کردند. گزارش فنی Hugging Face نیز نشان می‌دهد این فعالیت‌ها از یک آزمایش محدود فراتر رفت و به دسترسی غیرمجاز به برخی سامانه‌های واقعی منجر شد.نکته مهم این است که ایجنت‌ها مأموریتی برای حمله به Hugging Face نداشتند. قرار بود در یک آزمون امنیتی عملکرد خوبی داشته باشند؛ اما بعضی از آن‌ها به‌جای حل مسئله در چارچوب تعیین‌شده، راه‌هایی برای دور زدن آزمون جست‌وجو کردند.این اتفاق به معنای ظهور هوش مصنوعی خودآگاه یا شورش ماشین‌ها نبود. ایجنت‌ها هدفی را دنبال می‌کردند که انسان‌ها برایشان تعریف کرده بودند و بخشی از آنچه رخ داد، حاصل ضعف در طراحی و جداسازی محیط‌های آزمایشی بود.بااین‌حال، ماجرا یک مسئله مهم را آشکار کرد: هرچه توانایی ایجنت‌های هوش مصنوعی برای برنامه‌ریزی، استفاده از ابزار و انجام اقدامات مستقل بیشتر می‌شود، اطمینان از اینکه آن‌ها فقط همان کاری را انجام می‌دهند که از آن‌ها خواسته شده دشوارتر خواهد شد.چند هفته بعد، داریو آمودی، مدیرعامل آنتروپیک، از همین اتفاق برای طرح پرسشی بزرگ‌تر استفاده کرد: «آیا صنعت هوش مصنوعی با سرعتی پیش می‌رود که دیگر فرصت کافی برای شناخت و کنترل محصولات خودش ندارد؟»وقتی سازندگان فناوری از سرعت آن می‌ترسنددر سپتامبر ۲۰۲۶، آمودی یادداشتی با عنوان «We Must Pace the Frontier» منتشر کرد و خواستار هماهنگ کردن سرعت توسعه مدل‌های پیشرفته با پیشرفت روش‌های ایمنی شد.او هشدار داد که توانایی هوش مصنوعی برای مشارکت در توسعه نسل‌های بعدی خود، ممکن است چرخه پیشرفت این فناوری را به‌شدت تسریع کند. به اعتقاد او، اگر این روند بدون تدابیر حفاظتی کافی ادامه پیدا کند، ایجنت‌های پیشرفته ممکن است در آینده نزدیک توان انجام حملات سایبری گسترده‌ای را به دست آورند.آمودی حتی سناریویی را مطرح می‌کند که در آن، مجموعه‌ای از ایجنت‌های هوش مصنوعی ظرف شش تا دوازده ماه آینده به توانایی تسلط بر بخش‌های بزرگی از زیرساخت اینترنت از طریق شبکه‌ای از دستگاه‌های آلوده دست پیدا کنند.این بخش از ادعای او را باید با احتیاط خواند. حادثه OpenAI و Hugging Face نشان داده است که ایجنت‌های هوش مصنوعی می‌توانند از مرزهای پیش‌بینی‌شده عبور کنند. اما فاصله زیادی میان نفوذ به چند سامانه در یک آزمایش ناموفق و توانایی تسلط بر اینترنت وجود دارد. گزارش‌های فنی منتشرشده، چنین توانایی گسترده‌ای را اثبات نمی‌کنند.بااین‌حال، هشدار آمودی را نمی‌توان صرفاً به دلیل نامطمئن بودن پیش‌بینی زمانی‌اش کنار گذاشت.در مسائل امنیتی، گاهی مسئله اصلی پیش‌بینی دقیق زمان وقوع یک حادثه نیست؛ بلکه شناخت شرایطی است که می‌توانند احتمال یا شدت آن را افزایش دهند. ما برای استفاده از کمربند ایمنی منتظر نمی‌مانیم تا زمان تصادف بعدی مشخص شود.البته این قیاس یک تفاوت مهم را پنهان نمی‌کند:درباره کمربند ایمنی، شواهد تجربی گسترده‌ای داریم. درباره خطرهای ناشی از ایجنت‌های بسیار پیشرفته هوش مصنوعی، هنوز با عدم‌قطعیت‌های بزرگی مواجهیم.همین عدم‌قطعیت، سیاست‌گذاری را دشوار کرده است.مسئله‌ای که از هوش مصنوعی قدیمی‌تر استدر ظاهر، درخواست آمودی ساده است: کمی آهسته‌تر پیش برویم تا بتوانیم فناوری را بهتر کنترل کنیم.اما مسئله‌ای که او مطرح می‌کند، سابقه‌ای طولانی در اقتصاد و مدیریت دارد. فرض کنیم چند شرکت در بازاری فعالیت می‌کنند که برنده شدن در آن، دسترسی به منابع مالی بیشتر، جذب بهترین متخصصان و تصاحب سهم بزرگ‌تری از آینده بازار را به همراه دارد.هر شرکتی ممکن است به‌تنهایی بداند که افزایش سرعت توسعه، بدون سرمایه‌گذاری کافی در ایمنی، خطرناک است. بااین‌حال، اگر یکی از رقبا سرعت خود را کاهش دهد و دیگران چنین نکنند، ممکن است موقعیت اقتصادی و فناورانه‌اش را از دست بدهد.در چنین شرایطی، حتی مدیرانی که واقعاً نگران پیامدهای فناوری هستند، ممکن است به تصمیم‌هایی برسند که در مجموع خطر را افزایش می‌دهد.اقتصاددانان چنین وضعیت‌هایی را در چارچوب مسئله کنش جمعی و تعارض میان منافع فردی و جمعی بررسی می‌کنند. به همین دلیل، بحث ایمنی هوش مصنوعی را نمی‌توان صرفاً به مسئولیت‌پذیری شخصی مدیران تقلیل داد.اگر ساختار رقابت به شرکت‌ها برای عرضه سریع‌تر محصولات پاداش بدهد، توصیه به احتیاط تا زمانی اثرگذار است که هزینه بی‌احتیاطی نیز واقعی باشد.آمودی این مشکل را می‌شناسد و برای همین، پیشنهادش به یک تعهد اخلاقی محدود نمی‌شود. او خواستار همکاری شرکت‌ها، حضور ارزیابان بیرونی و مشارکت دولت‌ها در تعیین قواعد مشترک شده است.بااین‌حال، پیشنهاد او پرسش دشوارتری ایجاد می‌کند: «چه کسی باید این قواعد را بنویسد؟»استقلال ناظر با کارت ورود به ساختمان به دست نمی‌آیدیکی از مهم‌ترین بخش‌های پیشنهاد آمودی، استقرار دائمی ارزیابان مستقل در شرکت‌های سازنده مدل‌های پیشرفته است.این ارزیابان باید به اطلاعات داخلی، فرایندهای آموزش مدل‌ها، گزارش‌های مربوط به خطرات و تصمیم‌های مؤثر بر ایمنی دسترسی داشته باشند. آمودی حتی از فراهم کردن فضای کاری، تجهیزات و سطح دسترسی مشابه کارکنان داخلی برای آن‌ها صحبت می‌کند.در ۱۸ سپتامبر، آنتروپیک نخستین گام عملی را برداشت و همکاری خود با Accenture را در این زمینه اعلام کرد.شرکت همچنین خبر داد که آنتروپیک و Accenture هرکدام انتظار دارند طی پنج سال آینده دست‌کم یک میلیارد دلار برای ایجاد ظرفیت در این حوزه سرمایه‌گذاری کنند.این اقدام را باید جدی گرفت. دسترسی مستمر ناظران بیرونی به فرایندهای داخلی شرکت‌ها می‌تواند شفافیت بیشتری ایجاد کند و امکان شناسایی مشکلات را پیش از انتشار محصولات افزایش دهد.اما دسترسی به اطلاعات، تنها یکی از شرایط استقلال است. آنتروپیک در اعلامیه همکاری خود صریحاً توضیح می‌دهد که هنوز استاندارد مشترکی برای حدود دسترسی ارزیابان، شیوه انتشار یافته‌ها و تأمین مالی آن‌ها وجود ندارد. این شرکت فعلاً هزینه فعالیت Accenture را مستقیماً پرداخت می‌کند.وقتی شرکتی هزینه ارزیابی عملکرد خودش را می‌پردازد، استقلال ناظر چگونه تضمین می‌شود؟در اینجا با یک تعارض منافع بالقوه مواجهیم. وقتی شرکتی هزینه ارزیابی عملکرد خودش را می‌پردازد، استقلال ناظر چگونه تضمین می‌شود؟ اگر گزارش نهایی حاوی یافته‌هایی باشد که انتشار محصولی چندمیلیارددلاری را به تأخیر بیندازد، چه کسی درباره انتشار گزارش تصمیم می‌گیرد؟ آیا ناظر فقط مجاز است هشدار بدهد یا می‌تواند باعث توقف عرضه یک مدل شود؟این پرسش‌ها به معنای بی‌اعتبار بودن همکاری آنتروپیک و Accenture نیستند. اما نشان می‌دهند نظارت مستقل، بیش از آنکه مسئله دسترسی فنی باشد، مسئله اختیار، شفافیت و پاسخ‌گویی است.بدون این مؤلفه‌ها، ممکن است نهاد ارزیاب به بخشی از فرایند تأیید اعتبار شرکت تبدیل شود؛ نهادی که حضورش اعتماد عمومی ایجاد می‌کند، اما توان کافی برای جلوگیری از تصمیم‌های پرخطر ندارد.آیا ترساندن مردم از هوش مصنوعی، به نفع سازندگان آن است؟هم‌زمان با افزایش هشدارها درباره خطرهای هوش مصنوعی، گروهی از منتقدان به انگیزه شرکت‌های بزرگ تردید کرده‌اند.تیمنیت گبرو، پژوهشگر شناخته‌شده اخلاق هوش مصنوعی، در گفت‌وگویی با وایرد استدلال می‌کند که تأکید بر سناریوهای فاجعه‌بار آینده می‌تواند توجه افکار عمومی را از آسیب‌های فعلی این صنعت منحرف کند.مسائلی مانند استفاده از داده‌ها بدون رضایت صاحبان آن‌ها، حقوق تولیدکنندگان محتوا، شرایط نیروی کار، مصرف منابع و تمرکز قدرت اقتصادی، هم‌اکنون وجود دارند. از نگاه گبرو، وقتی تمام بحث عمومی به احتمال نابودی بشر به دست هوش مصنوعی معطوف می‌شود، این مسائل ملموس‌تر ممکن است به حاشیه بروند.سرمقاله واشنگتن‌پست در ۱۵ سپتامبر نقد متفاوتی مطرح می‌کند. این روزنامه می‌پرسد اگر مدیران شرکت‌های بزرگ واقعاً معتقدند توسعه محصولاتشان خطرناک شده است، چرا خودشان سرعت آن را کاهش نمی‌دهند؟واشنگتن‌پست همچنین هشدار می‌دهد که مشارکت شرکت‌های پیشرو در طراحی استانداردهای نظارتی و درخواست تسهیل هماهنگی میان رقبا، ممکن است به تقویت موقعیت همان شرکت‌ها و دشوارتر شدن ورود بازیگران جدید منجر شود.این نگرانی را نباید نادیده گرفت. مقررات‌گذاری می‌تواند از منافع عمومی محافظت کند، اما اگر استانداردها عملاً به دست شرکت‌های مسلط طراحی شوند، احتمال دارد به مانعی برای رقابت نیز تبدیل شوند؛ به‌ویژه اگر رعایت آن‌ها به منابع مالی و زیرساخت‌هایی نیاز داشته باشد که فقط چند شرکت بزرگ در اختیار دارند.بااین‌حال، نتیجه گرفتن اینکه تمام هشدارهای صنعت صرفاً یک عملیات روابط عمومی هستند، ساده‌سازی مسئله است.اریک لویتز، خبرنگار ارشد ووکس در تحلیلی که ۹ اکتبر در همین رسانه منتشر شد، استدلال می‌کند که بسیاری از مدیران و پژوهشگران این شرکت‌ها احتمالاً واقعاً به خطرات فناوری اعتقاد دارند و شواهد افزایش توانایی ایجنت‌های هوش مصنوعی نیز دلیلی برای جدی گرفتن نگرانی آن‌هاست.به نظرم در اینجا باید دو پرسش را از یکدیگر جدا کنیم.نخست اینکه آیا نگرانی سازندگان هوش مصنوعی واقعی است؟دوم اینکه آیا راه‌حل‌های پیشنهادی آن‌ها الزاماً به نفع جامعه خواهد بود؟پاسخ مثبت به پرسش اول، به معنای پاسخ مثبت به پرسش دوم نیست.اریک لویتز، خبرنگار ارشد Vox: «بسیاری از مدیران و پژوهشگران این شرکت‌ها احتمالاً واقعاً به خطرات فناوری اعتقاد دارند و شواهد افزایش توانایی ایجنت‌های هوش مصنوعی نیز دلیلی برای جدی گرفتن نگرانی آن‌هاست.»یک مدیر می‌تواند صادقانه نگران خطرات فناوری باشد و در عین حال، راه‌حلی پیشنهاد کند که به حفظ مزیت رقابتی شرکت خودش نیز کمک می‌کند. این دو وضعیت لزوماً متناقض نیستند.وظیفه روزنامه‌نگاری و سیاست‌گذاری، تشخیص همین تفاوت‌هاست؛ بدون آنکه به خوش‌بینی ساده‌لوحانه یا بدبینی توطئه‌محور پناه ببریم.شاید به‌جای کاهش سرعت، باید توانایی نظارت را افزایش دادبحث درباره سرعت توسعه هوش مصنوعی معمولاً به دو موضع تقلیل پیدا می‌کند: ادامه شتاب کنونی یا کند کردن روند پیشرفت.اما گزینه‌های دیگری نیز وجود دارد.بنجامین ینسن و یاسر آتالان، دو پژوهشگر CSIS، در یادداشتی با عنوان «Don't Slow Down AI Development—Speed Up Benchmarking» استدلال می‌کنند که پاسخ مناسب، سرمایه‌گذاری گسترده‌تر در ارزیابی مستقل، پژوهش ایمنی و ایجاد معیارهای عمومی برای سنجش عملکرد مدل‌هاست.از نگاه آن‌ها، توقف یا کاهش عمومی سرعت توسعه می‌تواند برخی فرصت‌های علمی و اقتصادی را به تعویق بیندازد، بدون اینکه لزوماً مسئله ایمنی را حل کند. در مقابل، تقویت نهادهای ارزیابی و توسعه ابزارهای سنجش می‌تواند ظرفیت جامعه برای مواجهه با مدل‌های پیشرفته را افزایش دهد.این استدلال قابل‌توجه است، اما یک محدودیت دارد.همان حادثه OpenAI و Hugging Face نشان داد که مدل‌های پیشرفته ممکن است بتوانند خودِ سازوکارهای ارزیابی را شناسایی کنند و برای کسب نتیجه بهتر، آن‌ها را دور بزنند.بنابراین، افزایش تعداد آزمون‌ها به‌تنهایی کافی نیست. باید آزمون‌هایی طراحی شوند که در برابر دست‌کاری مقاوم‌تر باشند، رفتار مدل‌ها را در شرایط واقعی‌تر بررسی کنند و صرفاً به یک نمره نهایی وابسته نباشند.در کنار ارزیابی توانایی مدل، امنیت محیط اجرای آن نیز اهمیت دارد. محدود کردن دسترسی‌های غیرضروری، جداسازی مؤثر محیط‌های آزمایشی، نظارت مستمر بر اقدامات ایجنت‌ها و ثبت و گزارش حوادث، راهکارهایی هستند که گزارش فنی Hugging Face نیز بر اهمیت آن‌ها تأکید می‌کند.نکته قابل‌توجه این است که آنتروپیک هم پس از بررسی بیش از ۱۴۱ هزار اجرای آزمایشی امنیت سایبری خود، از شناسایی سه حادثه مرتبط با دسترسی غیرمجاز به سامانه‌های واقعی خبر داده است. توضیح شرکت نشان می‌دهد این موارد تا حد زیادی به پیکربندی نادرست و دسترسی ناخواسته به اینترنت مربوط بوده‌اند.در نتیجه، ایمنی هوش مصنوعی فقط به این پرسش مربوط نمی‌شود که مدل چه قصدی دارد یا چگونه تصمیم می‌گیرد. باید پرسید چه امکاناتی در اختیار دارد، چه محدودیت‌هایی بر عملکردش اعمال شده، چه کسی بر اقداماتش نظارت می‌کند و اگر از محدوده مجاز خارج شد، چه سازوکاری برای متوقف کردنش وجود دارد.این‌ها پرسش‌هایی فنی‌اند، اما پاسخ نهایی به آن‌ها صرفاً فنی نیست.رقابت آمریکا و چین؛ ایمنی هوش مصنوعی یا حفظ برتری فناوری؟یکی از مهم‌ترین ابعاد پیشنهاد داریو آمودی، ارتباط آن با رقابت فناورانه آمریکا و چین است؛ موضوعی که در نگاه اول ممکن است زیر سایه هشدارهای او درباره خطرات هوش مصنوعی قرار بگیرد.آمودی در یادداشت خود صریحاً استدلال می‌کند که کاهش سرعت توسعه هوش مصنوعی در کشورهای دموکراتیک، نباید باعث از دست رفتن برتری آن‌ها در برابر چین شود. او معتقد است پیشرفت چین در این حوزه می‌تواند پیامدهای خطرناکی برای امنیت آمریکا و متحدانش داشته باشد و از همین رو، حفظ فاصله فناورانه میان دو کشور را یکی از پیش‌شرط‌های کاهش ایمن سرعت توسعه هوش مصنوعی می‌داند.آمودی، مدیر عامل آنتروپیک: «کاهش سرعت توسعه هوش مصنوعی در کشورهای دموکراتیک، نباید باعث از دست رفتن برتری آن‌ها در برابر چین شود.»پیشنهاد او صرفاً به توافق‌های بین‌المللی محدود نیست. آمودی خواستار تداوم محدودیت صادرات تراشه‌های پیشرفته و تجهیزات ساخت نیمه‌رسانا به چین، مقابله با انتقال غیرمجاز فناوری و جلوگیری از استخراج توانایی مدل‌های آمریکایی توسط کمپانی‌های چینی است. او حتی معتقد است چنین اقداماتی می‌توانند طی سه تا پنج سال آینده فاصله آمریکا با چین را افزایش دهند.این موضع‌گیری جدیدی نیست. آنتروپیک در می ۲۰۲۶ نیز گزارشی با عنوان «دو سناریو برای رهبری جهانی هوش مصنوعی در سال ۲۰۲۸» منتشر کرده بود که در آن، حفظ برتری آمریکا و متحدانش بر چین، هدفی راهبردی معرفی شده بود.بنابراین، دست‌کم در مواضع اعلام‌شده آنتروپیک، دو هدف به یکدیگر گره خورده‌اند: کاهش خطرات هوش مصنوعی و حفظ برتری فناوری آمریکا.اما آیا این دو هدف الزاماً در یک مسیر قرار دارند؟واکنش چین و مسئله انحصاردولت چین چنین برداشتی ندارد!آسوشیتدپرس در گزارشی به تاریخ ۱۴ سپتامبر ۲۰۲۶، واکنش مقام‌های چینی به پیشنهاد آمودی را بررسی کرده است.گوئو جیاکون، سخنگوی وزارت امور خارجه چین، هشدارهای آمودی را مصداق ایجاد ترس و تشدید تقابل دانست و خواستار همکاری بین‌المللی در حکمرانی هوش مصنوعی شد.از سوی دیگر، وزارت بازرگانی چین، ادعاهای آمریکا درباره استخراج غیرمجاز توانایی مدل‌های آمریکایی را رد و واشنگتن را به تلاش برای انحصار صنعت هوش مصنوعی متهم کرد.روزنامه دولتی گلوبال تایمز نیز در سرمقاله‌ای، پیشنهادهای آمودی را تلاشی برای مهار پیشرفت چین در پوشش نگرانی‌های ایمنی توصیف کرد.مقامات و رسانه‌های چین: «هشدار آمودی مصداق ایجاد ترس است و پیشنهاد او در واقع تلاشی برای مهار پیشرفت چین است.»البته این اظهارات را نیز باید در چارچوب رقابت سیاسی و اقتصادی دو کشور تحلیل کرد. همان‌طور که شرکت‌های آمریکایی در حفظ مزیت رقابتی خود ذی‌نفع‌اند، دولت چین نیز انگیزه روشنی برای مخالفت با محدودیت‌هایی دارد که دسترسی شرکت‌های چینی به فناوری‌های پیشرفته را دشوار می‌کنند.بااین‌حال، یک پرسش مهم همچنان باقی می‌ماند: آیا می‌توان از یک کشور خواست برای حفظ ایمنی جهانی، سرعت توسعه هوش مصنوعی را کاهش دهد، درحالی‌که هم‌زمان تلاش می‌کنیم دسترسی همان کشور به فناوری‌های پیشرفته را محدود کنیم؟لیزی لی، پژوهشگر مؤسسه سیاست‌گذاری آسیا سوسایتی، در گفت‌وگو با آسوشیتدپرس به همین تناقض اشاره می‌کند. از نگاه او، وقتی آمریکا خواستار همکاری چین در ایمنی هوش مصنوعی است اما هم‌زمان دسترسی این کشور به زیرساخت‌های محاسباتی پیشرفته را محدود می‌کند، معنای عملی چنین همکاری‌ای مبهم می‌شود.آیا شرکت‌های آمریکایی به‌دنبال حذف رقبا هستند؟در اینجا باید میان دو موضوع تمایز گذاشت: سیاست مهار فناوری چین و تلاش برای ایجاد انحصار تجاری.محدودیت صادرات تراشه‌های پیشرفته به چین، سیاستی واقعی است که دولت آمریکا با اهداف اعلام‌شده امنیت ملی دنبال می‌کند. آنتروپیک نیز آشکارا از تشدید این محدودیت‌ها حمایت کرده است.چنین محدودیت‌هایی می‌توانند با کاهش دسترسی شرکت‌های چینی به منابع محاسباتی پیشرفته، مزیت رقابتی شرکت‌های آمریکایی را تقویت کنند. اما این پیامد به‌تنهایی ثابت نمی‌کند که انگیزه اصلی پیشنهادهای آمودی، انحصارطلبی تجاری است.اتفاقاً آمودی در جولای ۲۰۲۶، در واکنش به بحث ممنوعیت مدل‌های چینی در آمریکا، مخالفت خود را با چنین ممنوعیتی اعلام کرد. او استدلال کرد که ممنوعیت کلی این مدل‌ها، بیش از آنکه خطرات امنیتی را کاهش دهد، از شرکت‌های آمریکایی در برابر رقابت محافظت می‌کند؛ نتیجه‌ای که به گفته او هدف آنتروپیک نیست.آمودی: «ممنوعیت کلی مدل‌های چینی، بیش از آنکه خطرات امنیتی را کاهش دهد، از شرکت‌های آمریکایی در برابر رقابت محافظت می‌کند؛ نتیجه‌ای که هدف آنتروپیک نیست.»این تفاوت اهمیت دارد. مواضع آنتروپیک را نمی‌توان بدون بررسی جزئیات، به مخالفت با هرگونه رقابت چینی تقلیل داد.بااین‌حال، نباید از یک واقعیت اقتصادی غافل شد: مقرراتی که توسعه مدل‌های پیشرفته را به ارزیابی‌های پرهزینه، زیرساخت‌های پیچیده و دریافت مجوزهای متعدد مشروط می‌کنند، ممکن است موقعیت شرکت‌های بزرگ و برخوردار از منابع مالی گسترده را تثبیت کنند. این نگرانی فقط درباره رقبای چینی نیست؛ شرکت‌های کوچک‌تر آمریکایی و اروپایی نیز ممکن است با چنین موانعی مواجه شوند.در نتیجه، مسئله صرفاً این نیست که آیا نگرانی‌های آمودی واقعی‌اند یا خیر. باید بررسی کرد که راهکارهای پیشنهادی او، علاوه بر کاهش خطرات احتمالی، چه تأثیری بر ساختار رقابت و توزیع قدرت در صنعت هوش مصنوعی خواهند گذاشت.از منظر ژئوپلیتیکی نیز یک تناقض وجود دارد. آمودی معتقد است حفظ برتری آمریکا می‌تواند زمینه همکاری آینده با چین را فراهم کند. اما از نگاه پکن، همین سیاست ممکن است تلاشی برای تثبیت نابرابری فناورانه باشد.این اختلاف، دستیابی به توافق‌های بین‌المللی را دشوارتر می‌کند؛ زیرا طرفین نه‌تنها درباره میزان خطرات هوش مصنوعی، بلکه درباره توزیع منافع و قدرت ناشی از آن نیز اختلاف دارند.مسئله‌ای فراتر از آمریکا و چیندر اتحادیه اروپا، بخشی از پاسخ به مسئله ایمنی هوش مصنوعی از مسیر قانون‌گذاری دنبال شده است. مقررات هوش مصنوعی اتحادیه اروپا برای ارائه‌دهندگان مدل‌های عمومی دارای ریسک سیستمیک، الزاماتی در زمینه ارزیابی خطر، گزارش حوادث جدی و امنیت سایبری پیش‌بینی کرده است. اختیارات اجرایی کمیسیون اروپا درباره تعهدات مدل‌های عمومی نیز از آگوست ۲۰۲۶ اعمال می‌شود.البته وجود قانون به معنای حل شدن مسئله نیست. کیفیت اجرا، توانایی نهادهای نظارتی و امکان ارزیابی مستقل همچنان تعیین‌کننده‌اند.برای کشورهایی مانند ایران نیز این بحث اهمیت مستقیمی دارد. حتی اگر ایران در تعیین قواعد اصلی توسعه مدل‌های پیشرفته نقشی نداشته باشد، از پیامدهای اقتصادی، امنیتی و اجتماعی آن‌ها جدا نخواهد بود. گسترش توانایی عامل‌های هوش مصنوعی در انجام حملات سایبری، تغییر شیوه تولید اطلاعات و وابستگی روزافزون خدمات دیجیتال به چند شرکت بزرگ خارجی، مسائلی هستند که محدود به آمریکا و چین نمی‌مانند.حتی اگر ایران در تعیین قواعد اصلی توسعه مدل‌های پیشرفته نقشی نداشته باشد، از پیامدهای اقتصادی، امنیتی و اجتماعی آن‌ها جدا نخواهد بود.از منظر اقتصادی نیز تمرکز فناوری‌های پیشرفته در اختیار تعداد محدودی شرکت و کشور، می‌تواند وابستگی کشورهای دیگر را افزایش دهد. در چنین وضعیتی، تصمیم‌های تجاری یا سیاسی قدرت‌های بزرگ ممکن است بر دسترسی سایر کشورها به ابزارهایی تأثیر بگذارد که به‌تدریج به بخشی از زیرساخت اقتصاد دیجیتال تبدیل می‌شوند.از این منظر، توسعه ظرفیت داخلی برای ارزیابی امنیت سامانه‌های هوش مصنوعی و شناخت مخاطرات استفاده از آن‌ها، موضوعی مستقل از رقابت برای ساخت بزرگ‌ترین مدل‌هاست.کشوری ممکن است سازنده پیشرفته‌ترین مدل جهان نباشد، اما همچنان به دانش، نهادها و متخصصانی نیاز داشته باشد که بتوانند خطرات این فناوری را در زیرساخت‌ها و خدمات خود تشخیص دهند.در نهایت، حکمرانی جهانی هوش مصنوعی زمانی می‌تواند اعتبار و کارآمدی بیشتری پیدا کند که قواعد ایمنی آن، تا حد ممکن، از رقابت برای حفظ انحصار فناوری و منافع ژئوپلیتیکی قدرت‌های بزرگ مستقل باشند.این استقلال البته به‌سادگی به دست نمی‌آید؛ زیرا همان کشورها و شرکت‌هایی که بیشترین توانایی را در توسعه هوش مصنوعی دارند، بیشترین نفوذ را نیز در شکل‌گیری قواعد آینده آن خواهند داشت.چه کسی حق دارد توسعه یک مدل را متوقف کند؟به نظرم مهم‌ترین پرسش در تمام این بحث، نه زمان رسیدن به هوش مصنوعی فوق‌بشری است و نه حتی میزان واقعی بودن سناریوهای فاجعه‌بار.پرسش بنیادی‌تر این است که سازوکار تصمیم‌گیری درباره خطرات این فناوری چگونه باید شکل بگیرد.تصور کنیم یک شرکت پیشرو قصد دارد مدل جدیدی منتشر کند. ارزیابی‌های داخلی نشان می‌دهند این مدل در انجام برخی فعالیت‌های پرخطر توانایی بیشتری پیدا کرده است. یک گروه مستقل نیز نسبت به بخشی از عملکرد آن هشدار می‌دهد. شرکت معتقد است تدابیر حفاظتی کافی وجود دارد و عرضه محصول باید طبق برنامه انجام شود.چه کسی تصمیم نهایی را می‌گیرد؟اگر پاسخ این باشد که شرکت سازنده، در نهایت خود تصمیم می‌گیرد، ارزیابی مستقل صرفاً نقش مشورتی خواهد داشت.اگر پاسخ این باشد که دولت باید تصمیم بگیرد، باید پرسید آیا دولت دانش فنی و ظرفیت نهادی لازم را در اختیار دارد و چگونه می‌توان از مداخله سیاسی ناموجه جلوگیری کرد.اگر این اختیار به مجموعه‌ای از شرکت‌های بزرگ سپرده شود، مسئله تعارض منافع و تمرکز قدرت دوباره مطرح می‌شود.راه‌حل احتمالاً در یک نهاد یا یک ابزار خلاصه نمی‌شود.وجود ارزیابی مستقل، معیارهای شفاف، گزارش عمومی حوادث، مسئولیت حقوقی روشن و اختیار مداخله نهادهای ذی‌صلاح، هرکدام بخشی از ساختار پاسخ‌گویی را تشکیل می‌دهند.همچنین باید میان انواع خطر تمایز گذاشت. یک مدل که در تولید اطلاعات نادرست عملکرد ضعیفی دارد، الزاماً به همان نوع نظارتی نیاز ندارد که یک ایجنت هوش مصنوعی با امکان اجرای کد، دسترسی به شبکه و انجام عملیات مستقل نیازمند آن است.مقررات مؤثر باید متناسب با توانایی واقعی سیستم‌ها و پیامدهای احتمالی عملکردشان طراحی شوند، نه صرفاً بر اساس اندازه شرکت سازنده یا ادعاهای تبلیغاتی درباره قدرت مدل.از سوی دیگر، تمرکز بر خطرات آینده نباید باعث شود مسئولیت شرکت‌ها درباره آسیب‌های کنونی نادیده گرفته شود.نمی‌توان به بهانه جلوگیری از یک فاجعه احتمالی در سال‌های آینده، از مسائل امروز مربوط به حریم خصوصی، حقوق افراد، شفافیت داده‌ها و تمرکز قدرت چشم پوشید.این دو حوزه رقیب یکدیگر نیستند. هر دو به یک پرسش مربوط می‌شوند: چگونه می‌توان توسعه فناوری را با پاسخ‌گویی صاحبان آن همراه کرد؟مسئله نهایی، قدرت استداریو آمودی در تشخیص یک خطر مهم حق دارد: ممکن است سرعت پیشرفت توانایی‌های هوش مصنوعی از ظرفیت ما برای شناخت و کنترل آن‌ها بیشتر شود.اما کافی نیست که سازندگان این فناوری درباره خطراتش هشدار بدهند. اهمیت واقعی هشدار زمانی روشن می‌شود که ببینیم حاضرند برای کاهش خطر، چه محدودیت‌هایی را بپذیرند؛ به‌خصوص محدودیت‌هایی که ممکن است هزینه اقتصادی داشته باشند.تجربه چند دهه صنعت فناوری نشان داده است که نوآوری و منافع عمومی همیشه به‌طور خودکار در یک مسیر حرکت نمی‌کنند. این واقعیت نه دلیلی برای دشمنی با فناوری است و نه مجوزی برای سپردن آینده آن به تصمیم‌های غیرشفاف چند شرکت.در حادثه OpenAI، ایجنت‌های هوش مصنوعی به‌دنبال راهی بودند که در آزمون عملکرد بهتری ثبت کنند، حتی اگر لازم بود از محدوده مجاز خارج شوند.اکنون صنعت هوش مصنوعی با آزمون مهم‌تری مواجه است.سازندگان مدل‌ها باید نشان دهند که ایمنی را فقط تا جایی جدی نمی‌گیرند که مانعی برای رقابت و رشد درآمد نباشد.و جامعه نیز باید بتواند مستقل از ادعاهای همین شرکت‌ها، درستی عملکردشان را ارزیابی کند.تا زمانی که مشخص نباشد چه کسی حق دارد یک مدل پرخطر را مردود اعلام کند و مانع عرضه آن شود، بحث درباره ایمنی هوش مصنوعی یک پرسش اساسی را بی‌پاسخ گذاشته است.منابع و ارجاعاتاین یادداشت بر پایه گزارش آسوشیتدپرس، یادداشت اصلی داریو آمودی، تحقیق مستقل METR و گزارش فنی Hugging Face نوشته شده است.برای بررسی دیدگاه‌های متفاوت نیز از سرمقاله واشنگتن‌پست، گفت‌وگوی وایرد با تیمنیت گبرو، تحلیل ووکس و یادداشت پژوهشگران CSIS استفاده شده است.سیامکسیامکSat, 10 Oct 2026 16:29:33 +0330https://virgool.ir/@siamak.ahadi/about-narrative-odqxfh9m0gnxواقعیت می‌تواند از آن‌چه از دریچه ذهن خود می‌بینید، متفاوت باشدکار در حوزه رسانه و ارتباطات، بیش از هر چیز مرا به یک موضوع حساس کرده است: روایت.یک اتفاق واحد می‌تواند در گزارش یک روزنامه‌نگار، بیانیه یک سازمان، سخنرانی یک سیاستمدار یا خاطره کسی که آن را تجربه کرده، معناهای متفاوتی پیدا کند. گاهی تفاوت در اطلاعاتی است که ارائه می‌شود و گاهی در آنچه نادیده گرفته می‌شود؛ در نقطه آغاز روایت، ترتیب وقایع، انتخاب کلمات و پرسش‌هایی که اساساً مطرح نمی‌شوند.به گمانم ما جهان را فقط از طریق آنچه اتفاق می‌افتد نمی‌شناسیم، بلکه تا حد زیادی از طریق روایت‌هایی می‌شناسیم که درباره اتفاقات ساخته می‌شوند. تصور ما از تاریخ، سیاست، جامعه و حتی خودمان، عمیقاً تحت تأثیر همین روایت‌هاست.این البته به معنای آن نیست که حقیقتی مستقل از روایت وجود ندارد. واقعیت با تغییر کلمات عوض نمی‌شود، اما فهم ما از آن می‌تواند تغییر کند. اتفاقاً همین فاصله میان واقعیت و روایت است که به نظرم نوشتن را به کاری مهم و مسئولانه تبدیل می‌کند.روایت‌ها می‌توانند چیزی را آشکار کنند یا از چشم پنهان نگه دارند. می‌توانند به درک بهتر جهان کمک کنند یا تصویری گمراه‌کننده از آن بسازند. گاهی هم آن‌قدر تکرار می‌شوند که دیگر کسی به فکر پرسیدن از درستی‌شان نمی‌افتد.شاید به همین دلیل است که این روزها بیش از گذشته به روایت‌ها فکر می‌کنم؛ نه فقط به آنچه گفته می‌شود، بلکه به اینکه چه کسی آن را می‌گوید، چرا چنین می‌گوید و چه چیزهایی را ناگفته می‌گذارد.چند سال پیش، وقتی می‌خواستم نوشتن را جدی‌تر دنبال کنم، متنی درباره همین تصمیم نوشتم. آن روزها بیشتر از اینکه بدانم چرا می‌خواهم بنویسم، درگیر این بودم که آیا اصلاً چیزی برای گفتن دارم یا نه. امروز که آن متن را دوباره می‌خوانم، صداقتش را دوست دارم، اما دیگر با تردیدهایش همراه نیستم.در این سال‌ها چیزهای زیادی تغییر کرده است. تجربه بیشتری اندوخته‌ام، بعضی باورهایم را کنار گذاشته‌ام، درباره برخی دیگر مطمئن‌تر شده‌ام و احتمالاً هنوز هم در بسیاری از موضوعات اشتباه می‌کنم. مهم‌تر از همه، بیشتر از گذشته فهمیده‌ام که داشتن نظر درباره یک موضوع، الزاماً به معنای فهمیدن آن نیست.نوشتن برای من فرصتی است برای دقیق‌تر فکر کردن. برای اینکه بتوانم میان آنچه می‌دانم، آنچه تصور می‌کنم می‌دانم و آنچه هنوز نمی‌فهمم، تمایز بگذارم. خواندن و تحقیق کردن بخش مهمی از این فرایند است؛ نوشتن، تلاشی برای منظم کردن و به محک گذاشتن حاصل آن.قرار نیست اینجا درباره موضوع مشخصی بنویسم. سیاست، تاریخ، اقتصاد، فناوری، رسانه، ارتباطات، هنر و ادبیات هرکدام به شکلی ذهنم را مشغول می‌کنند. گاهی به سراغ یک مقاله یا پژوهش می‌روم و تلاش می‌کنم آن را در بستری گسترده‌تر بررسی کنم. گاهی درباره اتفاقی روز می‌نویسم و گاهی هم درباره مسئله‌ای که مدت‌هاست ذهنم را درگیر کرده است.وجه مشترک این نوشته‌ها (دست‌کم امیدوارم)، تلاش برای عبور از ظاهر اتفاقات و فهمیدن روابط و سازوکارهای پشت آن‌ها باشد.طبیعتاً قرار نیست همه نوشته‌ها به نتیجه‌ای قطعی برسند. ممکن است پرسشی بی‌پاسخ بماند، استدلالی به جایی نرسد یا بعدتر نظرم درباره موضوعی تغییر کند. این را نه نقطه‌ضعف نوشتن، که بخشی از فرایند فکر کردن می‌دانم.در نهایت، من هم مانند هرکس دیگری جهان را از جایگاه و با تجربه‌های خودم می‌بینم. نمی‌توانم ادعا کنم نگاهم خالی از پیش‌فرض و سوگیری است. اما می‌توانم تلاش کنم نسبت به آن‌ها آگاه باشم، روایت‌های متفاوت را جدی بگیرم و میان آنچه دوست دارم حقیقت داشته باشد و آنچه شواهد نشان می‌دهند، فرق بگذارم.این نوشته، بیش از آنکه معرفی یک نویسنده باشد، توضیح رویکردی است که می‌خواهم با آن بنویسم.جهان را روایت‌ها به‌تنهایی نمی‌سازند، اما سهم بزرگی در جهانی دارند که ما می‌شناسیم و بر اساس شناخت خود از آن تصمیم می‌گیریم.می‌خواهم بیشتر درباره همین روایت‌ها بنویسم. گاهی برای فهمیدنشان، گاهی برای نقد کردنشان و شاید گاهی هم برای ساختن روایتی که چیزی به فهم ما از جهان اضافه کند.سیامکسیامکSat, 10 Oct 2026 13:51:51 +0330