اگر صاحب یک وب‌سایت هستید و از اینکه داده‌هایتان بدون اجازه توسط مدل‌های زبانی بلعیده شود می‌ترسید، اکنون ابزاری دارید که این اعتراض را به یک سند قانونی و فنی تبدیل کند. MachineWitness در ۷ اکتبر ۲۰۲۶ سیستمی را راه‌اندازی کرد که اجازه یا عدم اجازه برای استفاده از داده‌ها را به‌صورت رمزنگاری‌شده و تاریخ‌دار مهروموم می‌کند.
بسیاری از روش‌های فعلی، مثل فایل robots.txt، شبیه به گذاشتن یک تابلوی «ورود ممنوع» روی دری است که قفل ندارد و هر کسی می‌تواند آن را نادیده بگیرد. MachineWitness این مشکل را با تبدیل «رضایت» به یک مسئله‌ی یکپارچگی داده حل کرده است؛ درست همان‌طور که در بلاک‌چین‌ها تراکنش‌ها تأیید می‌شوند. این ابزار هر آنچه وب‌سایت‌های اتحادیه اروپا به ماشین‌ها ارائه می‌دهند، از جمله رزروهای TDM و فایل‌های ai.txt را ثبت می‌کند.
طبق مستندات این پروژه، فرآیند فنی در یک چرخه شبانه سه مرحله‌ای رخ می‌دهد:
- هش‌گذاری (Hashing): هر اعلامیه با استفاده از یک نمک (salt) تصادفی که فقط کاربر می‌داند، به یک هش SHA-256 تبدیل می‌شود تا هیچ متن ساده‌ای در مهر عمومی نباشد.
- مهروموم کردن (Sealing): تمام اعلامیه‌های روزانه در یک برگ از ریشه مرکل (Merkle root) — شبیه به یک درخت خانوادگی از داده‌ها که هر شاخه را به ریشه متصل می‌کند — جمع شده و توسط دو سرور مستقل با میزبان‌های متفاوت، برچسب زمانی می‌خورند.
- تأیید (Verification): کاربر تنها زمانی رسید دریافت می‌کند که هر دو شاهد، ریشه جزئی و هش فایل را بازسازی کنند تا مهر شدن ورودی تأیید شود.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی حقوق مالکیت معنوی در عصر مدل‌های زبانی اشاره کردیم، قدرت در حال حاضر در دست شرکت‌های بزرگ است. به گزارش MachineWitness، این مکانیزم توازن قدرت را تغییر می‌دهد. اگرچه این مهروموم لزوماً آزمایشگاه‌های هوش مصنوعی را از نظر قانونی مجبور به اطاعت نمی‌کند، اما یک دلیل تاریخ‌دار و تغییرناپذیر از اراده مالک فراهم می‌کند. این رویکرد در واقع تلاشی برای ایجاد یک حافظه دائمی از قوانین است، مشابه آنچه در سوابق تصمیم‌گیری برای تثبیت قوانین در حافظه عامل‌های هوش مصنوعی بررسی کردیم. اگر شرکتی برخلاف این اعلامیه داده‌ها را استخراج کند، مالک وب‌سایت برچسب زمانی معتبری برای اثبات تخلف دارد.
برای کاربر عادی، این یک راه رایگان و بدون نیاز به حساب کاربری برای تعیین مرزهاست. شما می‌توانید ورودی خود را با یک کلیک حذف کنید؛ در این حالت داده‌های شخصی پاک می‌شوند اما هش ناشناس در ریشه باقی می‌ماند تا یکپارچگی زنجیره حفظ شود. این لایه‌ی حفاظتی در حالی ایجاد می‌شود که بسیاری از سازمان‌ها هنوز با مسیرهای نشت داده‌ای دست‌وپنجه نرم می‌کنند که ادعاهای امنیتی هوش مصنوعی درون‌سازمانی را باطل می‌کند.
گام بعدی شما
- اگر وب‌سایت دارید، وضعیت رضایت خود را در machinewitness.eu/ai-yes-no ثبت کنید.
- بررسی کنید آیا مدل‌های زبانی فعلی، فایل‌های ai.txt شما را به رسمیت می‌شناسند یا خیر.
- در مورد استفاده از ریشه مرکل برای احراز هویت داده‌ها مطالعه کنید.
اما داستان سخت‌افزاریِ ذخیره‌سازی این حجم از اثبات‌های رمزنگاری‌شده حتی پیچیده‌تر است — به تحلیل ما درباره‌ی زیرساخت‌های داده‌ای نسل جدید مراجعه کنید.
گفتگو