تصور کنید هر بار که از یک هوش مصنوعی درباره یک جنگ میپرسید، پاسخی دریافت کنید که دقیقاً توسط یک آژانس تبلیغاتی دولتی مهندسی شده است. این دیگر یک فرضیه نیست، بلکه استراتژی جدید دولت اسرائیل برای تسخیر فضای اطلاعاتی مدلهای زبانی است.
آژانس تبلیغات دولت اسرائیل (LaPam) در حال تلاش برای بازنویسی نحوه پاسخدهی مدلهای هوش مصنوعی به پرسشهای مربوط به درگیری غزه است. این عملیات شامل ایجاد شبکهای از محتواهای مستند است که بهطور خاص برای بلعیده شدن توسط مدلهای زبانی بزرگ (LLM) — شبیه کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — طراحی شدهاند.
این کمپین در حالی به اجرا درآمده است که حمایتهای عمومی از اسرائیل در سراسر طیف سیاسی ایالات متحده در حال کاهش است. در واقع، ما شاهد گذار از روابط عمومی سنتی به «بهینهسازی هوش مصنوعی» هستیم؛ جایی که هدف دیگر صرفاً دسترسی به انسانها نیست، بلکه تأثیرگذاری بر دادههای آموزشی و منابع بازیابی مدلهای هوش مصنوعی است. همانطور که پیشتر در تحلیلهای فنی خود درباره بهینهسازیهای مدل مانند GPTQ و AWQ و نحوه مدیریت کیفیت مدلها بررسی کردیم، این داستان نوع متفاوتی از بهینهسازی را برجسته میکند: دستکاری اکوسیستم اطلاعاتی که تغذیه کننده این مدلهاست.
سازوکار نفوذ در مدلها
به نقل از اسناد FARA (قانون ثبت عوامل خارجی) که هفته گذشته در وزارت دادگستری آمریکا ثبت شد، این کمپین از طریق زنجیرهای پیچیده از پیمانکاران اجرا میشود. شرکت فرانسوی Havas Media که بخش بزرگی از عملیات نفوذ خارجی ثبتشده اسرائیل در آمریکا را مدیریت میکند، از یک آژانس تبلیغاتی کوچک و تخصصی به نام Piro, Inc برای اجرای این استراتژی استفاده کرده است.
شرکت Piro, Inc یک کمپین ۱۰۰ هزار دلاری را افشا کرده است که تمرکز آن بر «تولید و انتشار مطالب اطلاعاتی مستند و مبتنی بر منبع است که هدف آن آموزش مردم ایالات متحده در مورد اسرائیل و مسائل مرتبط از طریق محتوای توزیعشده عمومی است.»
این مطالب در وبسایت مؤسسه سیاست عمومی هانوور (Hanover Institute for Public Policy) منتشر شدند. این مؤسسه خود را به عنوان یک نهاد پژوهشی معرفی میکند که «ورودیهایی را که باعث تغذیه یهودستیزی در ایالات متحده میشوند مطالعه کرده و آنچه شواهد نشان میدهند را منتشر میکند.» در صفحه «درباره ما»ی این سایت، ادعا شده است که مؤسس ناشناس این نهاد، ریشه این فعالیتها را به لحظاتی در دوران کودکی خود بازمیگرداند.
جزئیات محتوای هدفمند برای AI
ساختار وبسایت هانوور نشان میدهد که هدف اصلی، جذب خزندههای (Crawlers) هوش مصنوعی است. این سایت دهها «گزارش داده» بدون نام نویسنده دارد که در قالب پرسش و پاسخ (Q&A) نوشته شدهاند. این فرمت خاص، یک نشانه آشکار از محتوایی است که برای بلعیده شدن توسط LLMها طراحی شده است؛ زیرا دقیقاً مشابه نحوه پرسش کاربران از چتباتها و نحوه ساختاردهی مدلها به پاسخهایشان است.
برخی از نمونههای کلیدی این گزارشها عبارتند از:
- «آیا ارتش اسرائیل اخلاقیترین ارتش جهان است؟»
- «آیا سیاست گرسنگی در غزه وجود دارد؟»
اجرای فنی و نتایج عملیاتی
بر اساس بررسیهای فنی انجام شده توسط PI، این وبسایت با استفاده از استارتاپ Res در سیاتل ساخته یا میزبانی شده است. شرکت Res بهطور صریح توانایی خود را در کمک به مشتریانی مانند نایکی (Nike) و اینتل (Intel) برای «توصیه شدن توسط مدلهای هوش مصنوعی» بازاریابی میکند. این موضوع نشان میدهد که کمپین مذکور از ابزارهای تخصصی «سئو برای هوش مصنوعی» (AI SEO) استفاده کرده تا دیدهشدن محتوای مؤسسه هانوور را برای خزندههای LLM افزایش دهد.
یک نسخه مشابه از صفحه اصلی این مؤسسه که در سایت Res میزبانی شده بود، پس از آنکه PI برای دریافت نظر با این شرکت تماس گرفت، غیرقابل دسترس شد. یک افشای کوچک در پایین سایت، زنجیره پرداختها را تأیید میکند: «این مطالب توسط Piro, Inc به نمایندگی از Havas Media Germany GmbH و به نوبه خود به نمایندگی از آژانس تبلیغات دولت اسرائیل (LaPam) توزیع شده است.»
به نظر میرسد این استراتژی در حال دستیابی به هدف است. تستهای بیطرفانهای که توسط Politico انجام شد، نشان داد که هر دو مدل ChatGPT و Perplexity هنگام پاسخ به سوالات درباره غزه، ضد صهیونیسم و یهودستیزی، به مطالب مؤسسه هانوور استناد کردهاند.
الگویی از نفوذ سیستماتیک
این یک اتفاق گذرا یا ایزوله نیست. اسناد FARA نشان میدهد Havas پیش از این نیز از شبکههای خود برای تأثیر بر چتباتها استفاده کرده است. سال گذشته، Havas افشا کرد که برد پارسکل (مدیر سابق کمپین ترامپ) را از طریق شرکت او، Clock Tower X، استخدام کرده است.
آن پروژه شامل یک کمپین نفوذ ۴۶.۵ میلیون دلاری بود. طبق اسناد، این تلاش شامل «استقرار وبسایتها و محتوا برای ارائه نتایج با قاببندی GPT» به نمایندگی از اسرائیل بود. این رویکرد در راستای تجاریسازی نفوذ در مدلهاست، مشابه آنچه در اسناد OpenAI درباره تبدیل عاملهای اسپانسرشده برندها به نمایندگان هوشمند مشاهده شد.
پاسخهای رسمی
دانیل روزنبرگ، یکی از بنیانگذاران Piro، در ایمیلی اعلام کرد که «Piro طبق آنچه در FARA افشا شده، توسط دولت اسرائیل استخدام شد تا حقایق دقیق و مستند را در سوابق عمومی قرار دهد و با اطلاعات قابل تأیید، با اطلاعات نادرست درباره اسرائیل مقابله کند.»
همچنین های تران، مدیرعامل و مؤسس Res، در ایمیلی اشاره کرد که نقش او در این پروژه «در ثبتنام کوتاهمدتی که در وزارت دادگستری ثبت شده و بهصورت عمومی در دسترس است، افشا شده است.»
نکته قابل توجه این است که در حالی که اسناد Clock Tower X صراحتاً به تأثیرگذاری بر LLMها اشاره کرده بود، اسناد FARA مربوط به Piro بهطور صریح تأثیرگذاری بر مدلهای زبانی را به عنوان هدف کمپین نفوذ خارجی ذکر نکرده است.
در نهایت، نه شرکت Havas Media و نه مؤسسه هانوور و نه سخنگویان LaPam و سفارت اسرائیل به درخواستها برای توضیح درباره قصد صریح در دستکاری خروجیهای هوش مصنوعی پاسخ ندادند.
جبهه جدید جنگ اطلاعاتی
این عملیات نشاندهنده تغییری بنیادین در نفوذ دولتی است. برای دههها، دولتها روی سرمقالات روزنامهها یا تبلیغات تلویزیونی تمرکز میکردند، اما اکنون هدف اصلی «فضای نهان» (Latent Space) — یعنی همان فضای ریاضی که مدلها مفاهیم را در آن ذخیره میکنند — است. اگر منابع تولید بازیابیافزا (RAG) — شبیه دانشآموزی که قبل از جواب دادن، اول کتاب درسی را باز میکند و از آن نقل میآورد — با یک روایت خاص اشباع شوند، آن روایت برای میلیونها کاربر به عنوان «پاسخ خنثی» جلوه میکند.
برای کاربر عادی، این یعنی خلاصههای «عینی» هوش مصنوعی اکنون تحت همان فشارهای لابیگری و روابط عمومی هستند که رسانههای سنتی را هدف قرار میدادند. خطر اصلی این است که استنادات هوش مصنوعی اغلب پوششی از «عینیت الگوریتمی» دارند که منابع خبری سنتی فاقد آن هستند و همین امر باعث میشود کاربران کمتر به آنها شک کنند. این وضعیت، نیاز به ابزارهای دفاعی جدید را برجسته میکند، درست مانند تلاشهای Spur Intelligence برای مقابله با تسلط باتها بر وب که سعی در بازگرداندن اصالت به فضای دیجیتال دارد.
باید منتظر ماند و دید آزمایشگاههای هوش مصنوعی مانند OpenAI و Anthropic چگونه به این روند پاسخ میدهند. آنها ممکن است مجبور شوند الزامات سختگیرانهتری برای احراز اصالت منابعی که مدلهایشان به آنها استناد میکنند اجرا کنند تا از «مسموم کردن دادهها» (Data Poisoning) در سوابق عمومی توسط دولتها جلوگیری کنند.
گام بعدی شما
- هنگام استفاده از چتباتها برای موضوعات سیاسی، از مدلهای مختلف با منابع متفاوت (مانند Claude در برابر Perplexity) برای مقایسه نتایج استفاده کنید.
- به دنبال لینکهای منبع در پاسخهای AI باشید و اعتبار مؤسساتی که مدل به آنها استناد میکند را بررسی کنید.
- در مورد نحوه عملکرد RAG مطالعه کنید تا بفهمید چگونه دادههای خارجی میتوانند پاسخ مدل را تغییر دهند.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما درباره تراشههای Blackwell و قدرت پردازش مدلهای آینده مراجعه کنید.
گفتگو