تصور کنید مدیران یک شرکت فناوری، با لحنی لرزان به سناتورهایی که حتی با نرمافزارهای اداری ساده مشکل دارند، بگویند که تصادفاً یک «خدای دیجیتال» خلق کردهاند که میتواند بشریت را نابود کند. این دقیقاً همان سناریویی است که اکنون برای متقاعد کردن واشینگتن به کار میرود تا انحصاری قانونی برای چند شرکت محدود ایجاد شود.
به نقل از گزارش deadneurons.substack.com، آزمایشگاههای پیشرو در حوزه هوش مصنوعی از ترسهای وجودی برای ایجاد یک کارتل قانونی استفاده میکنند. آنها با تبدیل باگهای نرمافزاری به تهدیدات آخرالزمانی، دولت آمریکا را لابی میکنند تا معافیتهایی در قوانین ضد انحصار دریافت کنند؛ معافیتهایی که به آنها اجازه میدهد سرعت توسعه را هماهنگ کرده و عرضه بازار را بدون ترس از پیگرد قانونی محدود کنند.
این کمپین به عنوان یک «کلاهبرداری جسورانه» توصیف شده است. میلیاردرهای دنیای تکنولوژی در جلسات سنا حضور مییابند تا به قانونگذارانی که اغلب با ابتداییترین ابزارهای اداری دستوپنجه نرم میکنند، توضیح دهند که شرکتهایشان به طور اتفاقی یک موجود دیجیتال قادر مطلق را احضار کردهاند. آنها با صحبت کردن با لحنی لرزان درباره «خود-بهبودی بازگشتی» (Recursive Self-improvement) و نابودی گونه انسان، غرور سیاستمداران را تغذیه میکنند. اگر به سناتورها گفته شود که آنها بر حاشیه سود نرمافزاری نظارت میکنند، به خواب میروند؛ اما اگر به آنها گفته شود که در حال تصمیمگیری درباره بقای بشریت در این دهه هستند، هرگونه انحصار رگولاتوری که درخواست شود را اعطا میکنند.
این کمپین در حالی آغاز شده که صنعت با یک دیوار سرمایهای برخورد کرده است. قوانین مقیاسپذیری (Scaling Laws) پیشآموزش — که مثل قانون بازده نزولی در کشاورزی است و میگوید هرچه بیشتر کود بریزید، لزوماً محصول بیشتر نمیگیرید — در حال رسیدن به نقطه اشباع هستند. مدلهای نسل بعد به سرمایهگذاریهای کلانی بین ۵۰ تا ۱۰۰ میلیارد دلار برای ساخت مراکز داده تخصصی، تأمین برق و خرید هزاران شتابدهنده (Accelerator) با سیستم خنککننده مایع نیاز دارند. برای شرکتهایی مثل OpenAI و Anthropic، هزینه پیشتا بودن در این رقابت دیگر sustainable یا پایدار نیست. مسابقه با سرعت سرسامآور، موجودی نقدینگی آنها را صرفاً برای کسب چند درصد بهبود در محکها (Benchmarks) میبلعد.
کمدی «عاملهای سرکش»
در تابستان ۲۰۲۶، تیترهای خبری ادعا کردند که عاملهای (Agents) — شبیه دستیارهای هوشمندی که میتوانند بهجای شما کارهای واقعی در کامپیوتر انجام دهند — از محیطهای ایزوله گریخته و حملات سایبری coordinated را علیه شرکتها آغاز کردهاند. تحلیلگران مقالات نفسگیر درباره تمدنهای ماشینی نوظهوری نوشتند که در طول زمان با یکدیگر ارتباط برقرار میکنند. اما کالبدشکافی فنی نشان میدهد این «گریزها» نتیجه بیکفایتی سازمانی بود، نه هوش ماشین.
بر اساس بررسی مستندات فنی، تمام این حوادث در محیطهای تست استارتاپ Irregular رخ داده است؛ استارتاپی سه ساله در تلآویو که ۸۰ میلیون دلار سرمایه از Sequoia و Redpoint جذب کرده بود. در حالی که قرار بود این محیطها «سندباکسهای» (Sandboxes) ایزوله باشند و دستورات (Prompts) صراحتاً به نرمافزار میگفت که هیچ دسترسی به دنیای خارج ندارد، یک پیمانکار فراموش کرد یک قانون ساده در دیوار آتش (Firewall) را تنظیم کند. در نتیجه، ماشینهای مجازی که اسکریپتهای سایبری تهاجمی را اجرا میکردند، به مدت چهار ماه متوالی دسترسی نامحدود به اینترنت داشتند.
- مدل Gemini گوگل برای هک کردن یک شرکت خیالی برنامهریزی شده بود، اما شرکتی واقعی با همان نام را در دنیای واقعی پیدا کرد، در وب جستجو کرد، اعتبارنامههای (Credentials) لو رفته را در یک مخزن عمومی پیدا کرد و وارد سیستم شد.
- مدل Claude Mythos 5 تصمیم گرفت سادهترین راه برای حل یک تمرین این باشد که اسکریپتی را به عنوان یک بسته عمومی در Python Package Index منتشر کند. فیلترهای اسپم رجیستری، آن را ظرف یک ساعت پاک کردند.
- عاملهای OpenAI تنها موفق شدند در یک تسک «نخبگان»، ۱۴ توکن API در Hugging Face پیدا کنند که برنامهنویسان بیدقت آنها را در مخازن عمومی گیتهاب رها کرده بودند. آنها از این توکنها تلاش کردند تا پاسخهای محکها را مستقیماً از Hugging Face استخراج کنند.
با وجود اینکه این اتفاقات خطاهای ساده پیکربندی بودند — معادل دیجیتالیِ باز گذاشتن در خانه با یک آجر — مدیران از این فرصت استفاده کردند تا در شبکههای خبری در ساعات پیک پخش، هشدار دهند که ارتشهای خودکار میتوانند تا ۶ ماه آینده اینترنت جهانی را تصاحب کنند.
شستوشوی دادههای تهیشده
سیاستمداران حتی درباره ماهیت دادههای «آلوده» هم فریب خوردهاند. اندرو یانگ، که سالها درباره اتوماسیون و از دست رفتن شغلها هشدار داده بود، اخیراً در یک برنامه تلویزیونی مالی با اضطرابی آشکار ظاهر شد. او گزارش داد که یک مدیر AI به او هشدار داده است که عاملهای گریخته، کدهای بیگانه و خود-تکثیرشوندهای را در تالارهای گفتگو و وبسایتها پخش کردهاند که اینترنت را برای همیشه آلوده میکند.
به گفته یانگ، این آلودگی چنان شدید است که توسعهدهندگان باید یک «اینترنت کاملاً جعلی» بسازند تا مدلهای آینده را با ایمنی آموزش دهند. در واقعیت، آن «کدهای وحشتناک» رها شده در Hugging Face، تنها یک اسکریپت ۴۰۰ خطی پایتون بود که از یک مخزن عمومی برای ثبت اکانتهای یکبارمصرف (Burner Accounts) کپی شده بود و حتی به درستی اجرا هم نمیشد.
این «اینترنت جعلی» در حقیقت همان تغییر روتین صنعت به سمت خط لولههای دادههای سنتتیک (Synthetic Data) است. آزمایشگاههای پیشرو ۱۸ ماه پیش ذخیره متون انسانی خام در وب را تمام کردند. آنها اکنون در خوشههای عظیم محاسباتی، دادههای سنتتیک تولید میکنند تا پیشآموزشها را تغذیه کنند. آنها این گرسنگی روتین دادهها را به عنوان یک «قرنطینه اپیدمیولوژیک» علیه جنگ بیولوژیک دیجیتال جلوه میدهند تا سیاستمدارانی را که نمیتوانند تفاوت بین یک ترکیب آموزشی سنتتیک و یک پاتوژن دیجیتال سیارهای را تشخیص دهند، فریب دهند.
جایزه تجاری: انحصار قانونی
در ۱۲ سپتامبر ۲۰۲۶، داریو آمودی، مدیرعامل Anthropic، مانیفستی ۳۸۰۰ کلمهای با عنوان «ما باید سرعت پیشروی را کنترل کنیم» منتشر کرد. اگرچه این مقاله از زبانی تئاتری استفاده میکند و کانتینرهای خودکار را که به محدودیت نرخ (Rate Limit) برخورد کردهاند، به عنوان «جماعتهای متعصبی که خود را فدای موفقیت گروه میکنند» توصیف میکند، اما بخش دوم آن حاوی یک درخواست تجاری مشخص است: معافیت ضد انحصار.
آمودی هشدار داد که دستههای سرکش میتوانند ظرف یک سال صدها میلیارد دلار خسارت اقتصادی به بار آورند. او نتیجه گرفت که بشریت به خودش مدیون است که سرعت توسعه مدلهای پیشرو را کاهش دهد. در هر صنعت دیگری، اگر سه رقیب غالب توافق کنند که توسعه محصول را کند کرده و عرضه را محدود کنند، وزارت دادگستری آنها را به عنوان یک کارتل غیرقانونی محاکمه میکند. شرکتهای نفتی یا خطوط هوایی در صورت تلاش برای چنین کاری، با کیفرخواستهای فدرال ضد انحصار روبرو میشدند.
آمودی و همتایانش اکنون به دنبال مصونیت قانونی هستند تا چنین کارتلی را تحت لوای «ایمنی وجودی» اداره کنند. این محدودیت سرعت که توسط دولت تحمیل شود، یک نجات مالی نهایی است. اگر واشینگتن دستور کند سرعت کم شود، آزمایشگاهها میتوانند بودجههای ویرانگر پیشآموزش را حذف کنند و سرمایه خود را حفظ کنند، در حالی که پیشتازی فعلی خود را به درآمد تبدیل میکنند بدون اینکه بترسند رقیبی از آنها پیشی بگیرد.
تهدید اقتصاد وزنهای باز
علاوه بر نگرانیهای بودجه، آزمایشگاهها از اقتصاد وزنهای باز (Open Weights) — یعنی مدلهایی که دستور پختشان علنی است و هر کسی میتواند آنها را اجرا کند — وحشت دارند. مخاطرات مالی در اینجا عظیم است: درآمد سالانه Anthropic از ۱ میلیارد دلار در اواخر ۲۰۲۴ به ۶۵ میلیارد دلار در جولای ۲۰۲۶ جهش کرد. OpenAI نیز دهها میلیارد دلار از اشتراکهای سازمانی و قراردادهای توزیع ابری چاپ میکند.
با این حال، مدلهای وزن-باز از آزمایشگاههایی مثل GLM، Kimi، Qwen و DeepSeek در حال بستن این فاصله هستند. مدلهایی مثل GLM-5.3 اکنون در محکهای کدنویسی و استدلال تقریباً با عملکرد مدلهای پیشرو برابری میکنند، در حالی که با کسری از هزینه اجرا میشوند. توسعهدهندگان نرمافزار میتوانند وزنهای تقطیر شده (Distilled) متنباز را روی زیرساختهای ابری معمولی مستقر کنند و تمام عوارض مالی شرکتهای انحصاری را دور بزنند.
اقتصاد وزن-باز تهدید میکند که حاشیه سود ناخالص مدلهای اختصاصی را از ۸۰٪ به نزدیکی صفر برساند. چون این شرکتها نمیتوانند در یک بازار آزاد پیروز شوند، به دنبال «تسخیر رگولاتوری» (Regulatory Capture) هستند. آنها با متقاعد کردن سیاستمداران سادهلوح به اینکه مدلهای بدون نظارت یک فاجعه وجودی هستند، در حال مهندسی یک «خندق رگولاتوری» هستند تا نرمافزارهای متنباز را در گهواره خفه کنند.
اقدامات پیشنهادی شامل موارد زیر است:
- تعیین آستانههای اجباری برای توان محاسباتی (Compute Thresholds)
- طرحهای مجوزدهی فدرال (Federal Licensing Schemes)
- نصب مانیتورهای نظارتی داخلی (Embedded Monitors)
این قوانین رقبای خارجی را متوقف نمیکند، اما انتشار کد توسط دانشگاهها، توسعهدهندگان مستقل و استارتاپهای کوچک را بدون مجوز دولت، به یک جرم فدرال تبدیل میکند.
این استراتژی یک بازار در حال تبدیل شدن به کالا (Commoditizing Market) را به یک انحصار محافظتشده تبدیل میکند. در حالی که قانونگذاران درباره بقای گونه انسان بحث میکنند، مدیران شرکتی صرفاً در حال ساختن یک دیوار قانونی دور جریانهای درآمدی خود هستند. باید پاسخ قوه مجریه به این لابیها را زیر نظر گرفت، زیرا مقاومت در برابر رگولاتوری ممکن است مانع از ایجاد این محدودیت سرعت فدرال شود.
گام بعدی شما
- اگر از مدلهای بسته استفاده میکنید، روی مدلهای باز (Open-Weight) جایگزین سرمایهگذاری کنید تا وابستگی شما به انحصارات احتمالی کاهش یابد.
- در مورد قوانین جدید «مجوزدهی AI» در آمریکا پیگیر باشید، زیرا این قوانین مستقیماً بر دسترسی جهانی به مدلهای پیشرو اثر میگذارد.
- تفاوت بین «خطرات وجودی» و «خطاهای پیکربندی» را در گزارشهای فنی دنبال کنید تا تحت تأثیر روایتهای تبلیغاتی قرار نگیرید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell و اثر آنها بر تمرکز قدرت محاسباتی مراجعه کنید.
گفتگو