سرعت رقابت در برابر نظارت مرکزی در سیاست‌های جدید آمریکا

تصور کنید یک شرکت فناوری مدل جدیدی را توسعه داده که می‌تواند کل بازار را تکان دهد، اما ناگهان یک تماس تلفنی از واشنگتن تمام دسترسی‌ها را قطع می‌کند. این همان دنیای جدیدی است که در آن سرعتِ عرضه با ریسکِ توقف‌های ناگهانی جایگزین شده است.

دولت ایالات متحده تصمیم گرفته است هیچ رژیم مجوزدهی رسمی و فدرال برای هوش مصنوعی ایجاد نکند. سriram کریشنان (Sriram Krishnan)، مشاور ارشد هوش مصنوعی کاخ سفید، در ۵ ژوئیه ۲۰۲۶ صراحتاً تأیید کرد که «هیچ FDA-ئی برای هوش مصنوعی وجود نخواهد داشت».

این تصمیم در حالی اتخاذ شده که دولت ترامپ به دنبال حذف آنچه «بروکراسی خسته‌کننده، طاقت‌فرسا و دست‌وپاگیر» می‌نامد است تا مزیت رقابتی آمریکا در سطح جهانی حفظ شود. با رد کردن ایده وجود یک دروازه‌بان مرکزی، دولت قصد دارد از «ریختن شن در چرخ‌دنده‌های» پیشرفت هوش مصنوعی جلوگیری کند. استدلال آن‌ها این است که داشتن برگه اجازه یا مجوزهای رسمی تنها باعث کند شدن سرعت استقرار قابلیت‌های جدید می‌شود. کریشنان تأکید کرد که دولت در جایگاهی نیست که بخواهد «برنده و بازنده» را در این رقابت انتخاب کند.

تفاوت این رویکرد را می‌توان با مقایسه گواهینامه رانندگی و جریمه رانندگی درک کرد؛ گواهینامه را باید قبل از لمس ماشین بگیرید، اما جریمه تنها زمانی صادر می‌شود که قانونی را زیر پا گذاشته باشید. دولت آمریکا دومی را انتخاب کرده است: اول سرعت، و سپس مداخلات گزینشی پس از وقوع خطا. این موضع نشان می‌دهد که تأیید پیش از عرضه (Premarket approval) در نگاه دولت، عمدتاً به عنوان ترمز پیشرفت و مانعی برای رقابت دیده می‌شود.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، تعادل میان دسترسی آزاد و نظارت همواره یک چالش است. در اینجا نیز تضاد عجیبی دیده می‌شود؛ با وجود شعارهای «بدون مجوز»، دولت ثابت کرده که حاضر است به عنوان یک رگولاتور سایه عمل کند.

به گزارش PYMNTS و با استناد به فایننشال تایمز (Financial Times)، دولت اخیراً با یک «مداخله بی‌سابقه»، شرکت آنتروپیک (Anthropic) را مجبور کرد تا مدل جدید خود یعنی میتوس (Mythos) را از بازار جمع کند. این اقدام یادآور موضع سخت‌گیرانه‌ی واشنگتن بود که پیش از این به دلیل دستورات ساده‌ی اصلاح کد، منجر به ممنوعیت جهانی مدل‌های آنتروپیک شده بود.

به همین ترتیب، دولت عرضه مدل ۵.۶ شرکت اوپن‌ای‌آی (OpenAI) را متوقف کرد. طبق گزارش‌ها، کریشنان توقف مدل میتوس را اقدامی دانست که «با اکراه بسیار زیاد» انجام شده است. این سیگنال می‌دهد که اگرچه مجوزهای رسمی حذف شده‌اند، اما محرک‌های امنیت ملی یا ایمنی همچنان می‌توانند یک پروژه را در لحظه متوقف کنند. البته این رویکرد همواره یک‌نواخت نیست و برای مثال، کاخ سفید اخیراً بخشی از محدودیت‌های صادراتی مدل میتوس ۵ را لغو کرد تا تعادلی میان امنیت و تجارت ایجاد کند.

این وضعیت یک تنش آشکار ایجاد می‌کند. رژیم بدون مجوز سریع‌تر حرکت می‌کند، اما قضاوت‌ها را به شرکت‌های خصوصی می‌سپارد تا زمانی که دولت تصمیم بگیرد یک مورد به اندازه کافی جدی است که مداخله کند. اقدامات ذکر شده علیه OpenAI و Anthropic ثابت می‌کند که عبارت «نبود FDA برای AI» به این معنا نیست که واشنگتن قصد دارد غیرفعال بماند.

به جای یک سازمان مرکزی، دولت به سمت مدل نظارتی تکه‌تکه و چندکاناله حرکت می‌کند. کریشنان استدلال می‌کند که مدل‌های هوش مصنوعی مانند محصولات ایستا نیستند؛ چون مدام به‌روزرسانی شده، تنظیم دقیق (Fine-tuning) — شبیه وقتی که به یک پزشک عمومی، تخصص پوست می‌دهیم تا روی یک حوزه دقیق شود — شده و در جریان‌های کاری (Workflows) متفاوتی ادغام می‌شوند، بنابراین یک تأییدیه تک‌مرحله‌ای برای عرضه، کمتر از آنچه به نظر می‌رسد کاربردی و شفاف است.

رویکرد جدید دولت شامل موارد زیر است:

• بررسی‌های داوطلبانه: چارچوبی که در آن شرکت‌ها بدون نیاز به یک الزام مجوزدهی دائمی، دسترسی دولت را فراهم می‌کنند. این مدل شامل یک چارچوب داوطلبانه با یک پنجره بررسی ۳۰ روزه توسط دولت است. این فشار برای اشتراک‌گذاری مدل‌ها، مشابه درخواست‌های اخیر واشنگتن از متا برای به اشتراک‌گذاری مدل‌ها به بهانه امنیت است.
• چک‌های امنیت ملی: نظارت مستقیم بر مدل‌هایی که بر دفاع یا اطلاعات تأثیر می‌گذارند و تمرکز بر کانال‌های محدودترِ ریسک.
• اتاق‌های پذیرش صنعتی: انتقال برخی نقش‌های نظارتی به نهادهای غیردولتی که دارای پیوندهای اطلاعاتی هستند؛ مسیری که کریشنان ظاهراً برای بلندمدت از آن حمایت می‌کند.
• تست‌های امنیت سایبری: استفاده از آزمون‌های هدفمند برای شناسایی نقاط ضعف بدون نیاز به دریافت اجازه کلی پیش از ورود به بازار.
• مداخلات مستقیم: اقدام رسمی تنها در صورتی که یک ریسک خاص و سطح بالا شناسایی شود، همان‌طور که در پرونده‌های میتوس و ۵.۶ مشاهده شد.

در حالی که واشنگتن از مجوزهای رسمی دوری می‌کند، رشد هوش مصنوعی با دیوار دیگری برخورد کرده است: مخالفت‌های محلی. جداسازی واکنش‌های تند عمومی از سیاست‌های هوش مصنوعی به‌طور فزاینده‌ای دشوار شده است. طبق یافته‌های دیتا سنتر واچ (Data Center Watch)، اکثریت آمریکایی‌ها از مقررات سخت‌گیرانه هوش مصنوعی حمایت می‌کنند.

این احساسات به موانع فیزیکی تبدیل شده است. تنها در سه ماه نخست سال ۲۰۲۶، ۷۵ پروژه مرکز داده (Data Center) به دلیل مخالفت‌های محلی متوقف شد. گزارش‌های مرتبط نشان می‌دهد که پروژه‌های مراکز داده در آمریکا به ارزش تقریبی ۱۳۰ میلیارد دلار در همین بازه زمانی سه ماهه با مقاومت محلی روبرو شده‌اند.

کریشنان معتقد است این واکنش‌ها تا حدی به دلیل نحوه بیان و توضیح شرکت‌های AI است. او به‌طور خاص پیام‌رسانی صنعت را مقصر دانست و اشاره کرد که شرکت‌ها به جای تمرکز بر مزایای عملی یا صرفاً سیاست‌های دولتی، بیش از حد بر «روایت‌ها و سناریوهای ویران‌شهری» (Dystopian) تأکید کرده‌اند.

جالب اینجاست که بخش خصوصی خودش «FDA» داخلی‌اش را از طریق استقرار محتاطانه ایجاد کرده است. تحقیقات PYMNTS Intelligence نشان می‌دهد که شرکت‌ها اگرچه هوش مصنوعی را به‌طور گسترده برای تحقیق، تحلیل و تولید مستندات به کار می‌گیرند، اما از دادن استقلال واقعی به عامل‌ها (Agents) — مثل دستیارانی که می‌توانند به جای شما تصمیم بگیرند و عمل کنند — خودداری می‌کنند.

در بخش‌های مختلف، شرکت‌ها خط قرمز دقیقی برای «اجرا» (Execution) کشیده‌اند و عامل‌ها را به «دسترسی جست‌وجو» (Look-up access) — یعنی توانایی بازیابی اطلاعات بدون اقدام عملی روی آن‌ها — محدود کرده‌اند:

• شرکت‌های عمده‌فروشی: ۱۰۰٪ شرکت‌های مورد بررسی، عامل‌ها را به دسترسی جست‌وجو محدود کرده‌اند.
• خرده‌فروشان: ۹۰٪ عامل‌ها را به بازیابی اطلاعات محدود کرده‌اند.
• شرکت‌های ساخت‌وساز: ۸۵٪ اقدامات خودکار را مسدود کرده‌اند.

به‌طور قابل توجهی، هیچ شرکتی در هیچ‌یک از این زیرصنعت‌ها اجازه اقدام کاملاً خودکار به AI را نداده است. این نشان می‌دهد که گلوگاه واقعی هوش مصنوعی نه مجوزهای فدرال، بلکه فقدان اعتماد مشتری است. تصویر موجود، صنعتی است که AI را برای تحلیل جاسازی کرده اما پیش از مرحله اجرا، خطی محکم کشیده است.

برای جلوگیری از پراکندگی قوانین، دولت در حال مبارزه با نفوذ ایالتی است. یک فرمان اجرایی در دسامبر ۲۰۲۵ برای پیش‌دستی در برابر قوانین متضاد ایالتی صادر شد تا از تکه‌تکه شدن فضای رگولاتوری جلوگیری کند. کریشنان صراحتاً گفت: «ما نمی‌خواهیم کالیفرنیا قوانین هوش مصنوعی را برای کل کشور تعیین کند».

این یک تعادل متزلزل ایجاد می‌کند. اگر دولت فدرال قوانین ایالتی را مسدود کند اما سازمان مرکزی نسازد، صنعت کاملاً به شفافیت بررسی‌های «داوطلبانه» و غیرقابل‌پیش‌بینی بودن مداخلات هدفمند وابسته است. این وضعیت بازتاب‌دهنده الگوهای گسترده‌تر در سیاست‌های فناوری است، مانند اصطکاک‌هایی که وقتی سنا تهدید کرد لایحه ایمنی کودکان در مجلس نمایندگان را ساقط کند، دیده شد.

برای آزمایشگاه‌های AI، این بدان معنای است که مسیر عرضه هموارتر شده اما ریسک فراخوان‌های اجباری و ناگهانی بیشتر است. برای سرمایه‌گذاران، این یعنی چرخه‌های عرضه سریع‌تر اما احتمال بالاتر «شوک‌های رگولاتوری» پس از فعال شدن مدل. کسانی که بیشترین سود را می‌برند توسعه‌دهندگانی هستند که با موانع رویه‌ای کمتری روبرو می‌شوند، هرچول اکنون ابهامِ آنچه ممکن است باعث مداخله دولت شود را می‌پذیرند.

پذیرش ریسک دولت ترامپ این است که آمریکا می‌تواند بدون یک سازمان مجوزدهنده، هوش مصنوعی را مدیریت کند. موفقیت این قمار به چندین متغیر کلیدی بستگی دارد. اگر بررسی‌های داوطلبانه مشکلات جدی را زودتر شناسایی کنند و مداخلات هدفمند نادر و شفاف بمانند، این رویکرد تقویت می‌شود.

در مقابل، اگر توقف مدل‌ها مکرر، مبهم یا به صورت گزینشی-سیاسی شود، این استراتژی شکست می‌خورد. همچنین اگر مخالفت‌های محلی به متوقف کردن زیرساخت‌های حیاتی AI ادامه دهد، در حالی که واشنگتن اصرار دارد مقررات رسمی غیرضروری است، این استراتژی متزلزل خواهد شد.

درگیری آینده بر سر وجود یا عدم وجود یک FDA برای AI نخواهد بود، چون کریشنان پاسخ را روشن کرده است. در عوض، جنگ بر سر جایگزین‌ها خواهد بود: دسترسی داوطلبانه مدل‌ها، بررسی‌های امنیت ملی، اتاق‌های پذیرش صنعتی، پیش‌دستی در برابر ایالت‌ها، مقاومت محلی در برابر مراکز داده و کنترل‌های سازمانی. اگر این مکانیسم‌ها اعتماد ایجاد کنند، رویکرد بدون مجوز پابرجا می‌ماند؛ در غیر این صورت، فشار برای یک رژیم فدرال سخت‌گیرانه از بیرون به درون افزایش خواهد یافت.

گام بعدی شما

• اگر مدیر محصول هستید، استراتژی عرضه خود را بر اساس «مداخلات هدفمند» بازبینی کنید و برای توقف‌های ناگهانی مدل برنامه‌ریزی کنید.
• برای کاهش مقاومت محلی در پروژه‌های زیرساختی، پیام‌رسانی خود را از سناریوهای ترسناک به مزایای اقتصادی ملموس تغییر دهید.
• در پیاده‌سازی عامل‌های AI، ابتدا روی دسترسی‌های «فقط خواندنی» تمرکز کنید تا اعتماد مشتری جلب شود و سپس به سمت خودکارسازی بروید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.