اگر شما هم از مدلهای پیشرفته برای کدنویسی یا تحلیل امنیتی استفاده میکنید، استانداردهای ایمنی که امروز میسازند، فردا نحوهی کار شما را تعیین میکنند. اوپنایآی (OpenAI) و موسسه ملی تحقیقات ناسک (NASK) پولند در ۲۳ اکتبر ۲۰۲۶ یک توافقنامه مشترک برای ارزیابی ایمنی مدلهای مرزی، کشف آسیبپذیری و توسعه حفاظهای امنیتی امضا کردند.
جزئیات
همانطور که در تحلیل قبلی ما دربارهی ظهور موسسات ایمنی ملی در اروپا اشاره کردیم، دولتها در سراسر جهان در حال تأسیس مراکز اختصاصی برای مقابله با ریسکهای مدلهای مرزی هستند. این شبکه که شامل استرالیا، کانادا، آلمان، فرانسه، ژاپن، کره، سنگاپور و هند میشود — مثل یک سیستم هشدار پیشرفته برای زلزله که هر کشور یک ایستگاه دارد اما دادهها بهصورت مشترک پردازش میشوند — اکنون با عضویت پولند در خاورمیانه و اروپا مرکزی تقویت شده است. اوپنایآی از قبل با مرکز پیشبرد استانداردها و نوآوری برای هوش فرین آمریکا و موسسه امنیت هوش مصنوعی بریتانیا همکاری دارد. ورود پولند تخصص اروپای مرکزی را به این شبکه اضافه میکند.
رادوسلاو نیلیک (Radosław Nielek)، مدیر ناسک، تأکید کرد که ایمنی هوش مصنوعی بهتنهایی امکانپذیر نیست؛ مرکز ایمنی ناسک بر تشخیص محتوای مصنوعی، تحلیل سوءاستفاده و ارزیابی ریسکهای چندزبانه متمرکز است. تام داف گوردون (Tom Duff Gordon)، نائب رئیس سیاست اوپنایآی برای منطقه EMEA، اشاره کرد که پولند استعداد فنی بینظیری دارد که بسیاری از محققان آن از قبل در تحقیقات اوپنایآی مشارکت داشتهاند.
این شراکت ادامهی همکاری قبلی امنیت سایبری بین دو سازمان است. در ژوئیه ۲۰۲۶،SERT Polska — واحد امنیت سایبری درونی ناسک — از طریق ابتکار Daybreak به مدلهای سایبریقادر اوپنایآی دسترسی یافت. تیم شش آسیبپذیری در RouterOS میکروتیک (MikroTik) کشف کرد، از جمله ایراداتی که میتوانست کنترل دستگاه بدون احراز هویت را امکانپذیر کند. میکروتیک اصلاحات منتشر کرد کهSERT Polska تأیید کرد از حملات مشاهدهشده پیشگیری کردهاند. به گزارشSERT Polska، این مدلها مانند یک تحلیلگر امنیتی بیوقفه که کدها را خطبهخط میخواند، عمل میکنند — با تفاوت که مقیاس و سرعت آنها فراتر از توان انسانی است.
ناسک همچنین از طریق برنامه Government Trusted Access for Cyber به GPT-5.5 Cyber، یک مدل تخصصی برای تشخیص و تحلیل تهدید، دسترسی یافت. پولند سومین کشور اروپایی است که این دسترسی را دریافت میکند. این مدل برای تحلیل بدافزار، پزشکی دیجیتال و کشف آسیبپذیری به کار میرود تا چرخه کامل از تشخیص تا تعمیر را شتاب بخشد. مارچین دودک (Marcin Dudek)، رئیسSERT Polska، بیان کرد که متخصصان به این ابزارها نیاز دارند تا آسیبپذیریها را قبل از سوءاستفاده مهاجمین شناسایی و برطرف کنند. نیلیک تأکید کرد که ابزارهای هوش مصنوعی تنها در دست انسان بهدرستی کار میکنند، با یک شخص همیشه خروجیهای مدل را تأیید میکند.SERT Polska یافتههای مدلهای زبانی بزرگ (Large Language Model — LLM) را بهصورت عمومی به اشتراک میگذارد و قصد ادامه این رویه را دارد.
مقالهی سیاستی اوپنایآی در ۲۱ سپتامبر ۲۰۲۶ این همکاری را در چارچوب گستردهتری برای استانداردهای بینالمللی فنی قرار داد. شرکت از ایالات متحده خواست تا در تعیین استانداردهای جهانی برای هوش مصنوعی مرزی پیشروی کند و سه چالش را نام برد: تکهتکه بودن چارچوبهای ارزیابی ملی، مشکلات اقدام جمعی و توزیع ناهموار ظرفیت. استانداردهای پیشنهادی شامل ارزیابی خودبهبود بازگشتی، نظارت انسانی بر تحقیقات خودکار و طبقهبندی رویداد با سطحهای شدت مشترک است. این استانداردها بهعنوان مجوز یا پیشنمایش اجباری قبل از انتشار عمل نخواهند کرد؛ دولتهای ملی تصمیم میگیرند که چگونه آنها را در سیستمهای حقوقی ادغام کنند. اوپنایآی استدلال میکند که بدون شرکای ملی مانند ناسک، استانداردهای جهانی از واقعیتهای استقرار واقعی هوش مصنوعی جدا میمانند.
زمینه
این توافقنامه نشاندهنده تغییر از تعهدات داوطلبانهی صنعت به سمت هماهنگی بینالمللی ساختاریافته است. با نهنج کردن موسسات ملی در گردشکارهای ارزیابی، اوپنایآی یک حلقه بازخورد بین توسعهدهندگان مرزی و نهادهای نظارت عمومی ایجاد میکند. این مدل میتواند الگو برای حکمرانی هوش مصنوعی شود در حالی که قابلیتها به آستانههای خودبهبود بازگشتی نزدیک میشوند.
موقعیت پولند به عنوان رهبر امنیت سایبری اعتبار این شراکت را تقویت میکند. کشف میکروتیک ارزش عملی را نشان داد: مدافعان با کمک هوش مصنوعی نقصهای حیاتی زیرساخت را یافتند و در تعمیر آنها قبل از سوءاستفاده کمک کردند. این سوابق نشان میدهد که همکاری ایمنی نتایج قابلسنجی تولید خواهد کرد نه چارچوبهای انتزاعی.
برای کسبوکارهایی که سیستمهای هوش مصنوعی مستقر میکنند، استانداردهای در حال ظهور در نهایت الزامات انطباق را شکل خواهند داد. شرکتها باید مشخصات فنی برای آستانههای گزارش رویداد و بنچمارکهای ارزیابی را رصد کنند. همراستایی زودرس با این استانداردها میتواند اصطکاکهای تنظيمی آینده را کاهش دهد.
این شراکت همچنین یک شکاف رو به رشد را برجسته میکند: کشورهایی با موسسات ایمنی تثبیتشده تأثیر مستقیم بر حکمرانی هوش مصنوعی مرزی کسب میکنند، در حالی که دیگران ریسک میکنند به گیرندگان استاندارد تبدیل شوند. ادغام پولند بازتاب سرمایهگذاری آن در هر دو ظرفیت تحقیق هوش مصنوعی و دفاع سایبری است.
رویکرد اوپنایآی از تنظیمات بالا به پایین پرهیز میکند و به نفع تعیین استاندارد فنی از طریق شبکههای متخصصان است. اینکه این چارچوب داوطلبانه بتواند با پیشرفت قابلیتها همقدمی کند، یک سوال باز است. زمانبندی خودبهبود بازگشتی فوریت را به تلاش استانداردسازی اضافه میکند.
برای اولین خروجیهای تحقیق مشترک ناسک و اوپنایآی منتظر بمانید، که انتظار میرود بر ارزیابی ریسک چندزبانه و تشخیص رسانههای مصنوعی متمرکز باشند. سیگنال بعدی این خواهد بود که آیا موسسات ملی دیگر توافقنامههای مشابه را رسمی میکنند، شبکه ارزیابی را به سمت پوشش واقعی جهانی گسترش میدهند.
گام بعدی شما
- مشخصات فنی برای آستانههای گزارش رویداد و بنچمارکهای ارزیابی را رصد کنید؛ همراستایی زودرس با این استانداردها میتواند اصطکاکهای تنظيمی آینده را کاهش دهد.
- اگر در تیمی کار میکنید که مدلهای مرزی را مستقر میکند، فرآیندهای تأیید انسانی خروجیهای مدل را اکنون بازبینی کنید — این الزام در استانداردهای در حال شکلگیری محوری خواهد بود.
- گزارشهای مشترک ناسک و اوپنایآی را در حوزه ارزیابی ریسک چندزبانه و تشخیص رسانههای مصنوعی دنبال کنید؛ اولین خروجیهای مشترک انتظار میرود در ماههای آینده منتشر شوند.
اما داستان استانداردسازی جهانی حتی پیچیدهتر است — به تحلیل ما دربارهی چالشهای همراستاسازی در مقیاس بینالمللی مراجعه کنید.




گفتگو