تصور کنید در دنیایی که همه برای سرعت بیشتر به باتها تکیه میکنند، شما تصمیم بگیرید تمام ابزارهای هوش مصنوعی را از میز کارتان پاک کنید. این دقیقاً همان مسیری است که یک توسعهدهنده وب حرفهای در وبسایت dbushell.com برای حفظ کیفیت و اخلاق حرفهای در پیش گرفته است.
به نقل از مستندات منتشر شده در این وبسایت، این برنامهنویس در ۱۸ ژوئن ۲۰۲۵ سیاستی رسمی را برای پرهیز از بهکارگیری هوش مصنوعی در تمام کارهای پولی خود تدوین کرد و در ۵ مه ۲۰۲۶ آن را بهروزرسانی نمود. او هرگونه استفاده از این ابزارها برای کدنویسی، طراحی و حتی مکاتبات اداری را رد میکند تا استانداردهای خاصی از مهارت انسانی را حفظ کند.
در حالی که کل صنعت به سمت فرهنگ «اول هوش مصنوعی» حرکت میکند، این اقدام یک سیگنال متضاد در برابر استقرار گسترده مدلهای زبانی بزرگ است. این موضوع نشاندهنده تنش میان اتوماسیون سریع و حفظ هنرِ ساخت دستی (Craftsmanship) در صنعت وب است. همانطور که در تحلیلهای قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، تکیه بیش از حد به مدلها میتواند منجر به ایجاد حفرههای امنیتی شود که در اینجا نیز به یکی از دلایل اصلی تحریم تبدیل شده است. این رویکرد سختگیرانه یادآور تصمیمات مشابه در پروژههای دیگر است؛ برای مثال، برخی از توسعهدهندگان در اکوسیستم Cork نیز به دلایل فنی و اخلاقی ابزارهای هوش مصنوعی را از محیط کاری خود حذف کردهاند.
زمینه و اجرا
به دلیل استقرار سریع و گسترده هوش مصنوعی، نویسنده اذعان میکند که کاملاً دور ماندن از مواجهه با این فناوری غیرعملی است. با این حال، او متعهد شده است که تمام تلاشهای معقول خود را به کار ببندد تا در کارهای پولی، هیچ تعاملی با هوش مصنوعی نداشته باشد.
این یک سیاست کاربردی است که برای حفظ استانداردهای حرفهای و در عین حال حفظ قابلیت استخدام در یک اقتصاد دشوار طراحی شده است. این توسعهدهنده همچنان با مشتریان و همکارانی که خودشان تصمیم به استفاده از هوش مصنوعی گرفتهاند، همکاری میکند. در چنین مواردی، او خروجیهای هوش مصنوعی را تنها در صورتی ادغام میکند که توافق شود او در قبال اثر ترکیبی نهایی، مسئولیتی نخواهد داشت.
طبق اعلام dbushell.com، این تصمیم بر چهار ستون اصلی استوار است:
اخلاق و محیطزیست
او به آسیبهای خزندههای هوش مصنوعی اشاره میکند که استانداردهای robots.txt را نادیده میگیرند و زیرساختهای متنباز را تحت فشار قرار میدهند. این باتها با استفاده از تاکتیکهای فریبکارانه، مانند پروکسیهای مسکونی و جعل هویت کاربر (User Agents)، وب را به سمتی بردهاند که استفاده از CAPTCHAهای مزاحم و نرمافزارهای دفاعی برای جلوگیری از حملات DDoS اجباری شده است.
علاوه بر وب، هزینههای محیطی و انسانی نیز تعیینکننده بودهاند:
- تخریب منابع: مراکز داده (Data Center) — شبیه به کارخانههای عظیم برق که برای خنک ماندن، میلیونها لیتر آب مصرف میکنند — منابع آب و برق را میبلعند و آلودگی صوتی و هوایی ساکنان اطراف را افزایش میدهند.
- هزینه انسانی: آموزش مدلها، پیمانکارانی با دستمزد پایین را در معرض تروماهای روانی شدید قرار داده است.
- آسیبهای اجتماعی: نویسنده به رشد محتواهای بیکیفیت (AI Slop) در شبکههای اجتماعی، استفاده از هوش مصنوعی برای تولید مواد سوءاستفاده جنسی و چتباتهایی که افراد آسیبپذیر را به خودکشی تشویق کردهاند، اشاره میکند.
کپیرایت و ریسکهای قانونی
این سیاست تأکید میکند که شرکتهای هوش مصنوعی، مجموعهدادههای عظیمی را بدون رعایت لایسنسهای کپیرایت یا ذکر منبع جمعآوری کردهاند. به گزارش منابع خبری، نبردهای قانونی بزرگی در این زمینه در جریان است؛ برای مثال The New York Times از OpenAI و مایکروسافت شکایت کرده و شرکتهای Disney و Universal نیز برای نقض کپیرایت اقدام کردهاند. حتی فیسبوک متهم شده که از کتابهای دزدی برای آموزش مدلهایش استفاده کرده است.
او استدلال میکند که اگر این آموزشها «استفاده منصفانه» (Fair Use) تلقی شوند، لایسنسهای کپیرایت موجود عملاً بیمعنی میشوند. این منطق اجازه میدهد آثار دارای حق نشر از طریق هوش مصنوعی «پولشویی» شوند و هرگونه لایسنس قانونی آنها پاک شود.
امنیت و کیفیت
از منظر فنی، او استفاده از هوش مصنوعی را نوعی «سهلانگاری حرفهای» میداند:
- آسیبپذیریهای امنیتی:
- تزریق پرامپت (Prompt Injection) — شبیه به گول زدن یک نگهبان برای باز کردن درِ ممنوعه — تهدیدی رایج است که هیچ راه حل پیشگیرانه قابل اعتمادی برای آن وجود ندارد.
- CVEها: کدهای تولید شده توسط هوش مصنوعی همچنان دارای آسیبپذیریهای Common Vulnerabilities and Exposures با امتیازات «بالا» تا «بحرانی» هستند.
- نشت دادهها: اپلیکیشنهای هوش مصنوعی دادههای شخصی کاربران ناآگاه را فاش کردهاند و اغلب از الگوهای فریبکارانه برای افزایش درآمد استفاده میکنند، در حالی که قوانین حفاظت از دادههای بریتانیا و اتحادیه اروپا را نادیده میگیرند.
- شکستهای فنی:
- توهم (Hallucination) — وقتی مدل با اطمینان چیزی میگوید که اصلاً وجود ندارد، مثل دوستی که خاطرهای را اشتباه تعریف میکند — منجر به اختراع APIها و سینتکسهای خیالی میشود.
- کدنویسی حسی (Vibe Coding): روندی که در آن متخصصان به جای دقت فنی، به «حس» مدل تکیه میکنند و اشتباهات ابتدایی مرتکب میشوند.
- پرامپتهای سوگیرانه: پرامپتهای سیستمی که تکنولوژیهای خاصی را تحمیل میکنند که برای آن پروژه خاص نامناسب هستند.
- طراحی و ارتباطات:
- طراحی بصری: او طراحی با هوش مصنوعی را به «ماشین قمار» تشبیه میکند که در آن چرخشهای تصادفی جایگزین اصول تثبیتشده طراحی شده است.
- مکاتبات: او برای جلوگیری از «نویز هوش مصنوعی» و ریسک تفسیر غلط پیامها، استفاده از این ابزارها در ارتباطات را رد میکند.
اثرات اقتصادی و آموزشی
او نسبت به ایجاد «بدهی شناختی» در کاربران بلندمدت مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — و کاهش مهارت (Deskilling) در صنعت وب هشدار میدهد. همچنین هدف قرار دادن دانشجویان توسط شرکتهای هوش مصنوعی، نرخ سرقت ادبی را به شدت افزایش داده است.
در مورد اقتصاد نیز اشاره میکند:
- شکستهای شرکتی: در حالی که شرکتهایی مثل Duolingo و Shopify فرهنگ «اول هوش مصنوعی» را اجباری کردهاند و شرکتهایی مثل Klarna تلاش کردهاند آن را ادغام کنند، برخی مطالعات گزارش میدهند که علیرغم وعدههای بزرگ، بازدهی واقعی صفر بوده است.
- بازار کار: مدیران عامل این شرکتها صراحتاً از حذف شغلها خبر میدهند و تأثیر بیرحمانه هوش مصنوعی به عنوان دلیلی برای تعدیل نیروها ذکر شده است، حتی در حالی که برخی مدیران اعتراف میکنند هوش مصنوعی تأثیر واقعی بر بهرهوری نداشته است.
- ناپایداری بازار: این صنعت هزینه GPUها و حافظهها را به شدت بالا برده است. تحلیلگران وضعیت فعلی را با حباب داتکام و بحران مالی ۲۰۰۸ مقایسه میکنند و میگویند بسیاری از محصولات با ضرر فروخته میشوند.
این امتناع، به معنای انزوای کامل نیست؛ بلکه مرزی روشن بین کارهای تأیید شده توسط انسان و «زبالههای ماشینی» ایجاد میکند. برای مخاطب، این یک تغییر در تعریف «استانداردهای حرفهای» است. در عصری که هوش مصنوعی پیشفرض است، برچسب «ساخته شده توسط انسان» ممکن است به یک سرویس ممتاز (Premium) برای مشتریانی تبدیل شود که امنیت، قانونمداری و اصول طراحی واقعی را بر سرعت ترجیح میدهند.
این حرکت نشان میدهد نبرد بعدی در اقتصاد هوش مصنوعی، نه بر سر اینکه چه کسی از بهترین ابزارها استفاده میکند، بلکه بر سر این است که چه کسی میتواند ثابت کند برای تضمین کیفیت، اصلاً از آنها استفاده نکرده است.
باید منتظر ماند و دید که چگونه این گواهینامه «بدون هوش مصنوعی» ممکن است به یک جنبش گستردهتر در میان خلاقان فریلنسر و مهندسانی تبدیل شود که به دنبال متمایز کردن ارزش خود در یک بازار اشباع شده هستند. این چالشهای روانی و شغلی در دنیای AI جدید نیست؛ برای مثال، داستان بازگشت یکی از مؤسسان fast.ai پس از تجربه فرسودگی شغلی نشان میدهد که حتی پیشگامان این حوزه نیز با فشار روانی ناشی از سرعت رشد این فناوری دستوپنجه نرم کردهاند.
گام بعدی شما
- اگر فریلنسر هستید، بررسی کنید آیا شفافیت در مورد استفاده (یا عدم استفاده) از AI میتواند ارزش خدمات شما را در بازار افزایش دهد یا خیر.
- در پروژههای حساس امنیتی، کدهای تولید شده توسط AI را با ابزارهای تحلیل استاتیک بازبینی کنید تا CVEهای احتمالی شناسایی شوند.
- برای ارتباطات حساس تجاری، از نوشتن پیامها با AI پرهیز کنید تا لحن انسانی و دقت پیام حفظ شود.
اما داستان سختافزاری این تحول و فشار بر مراکز داده حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو