سم آلتمن نگران است که با تسلط هوش مصنوعی، کل اینترنت جعلی به نظر برسد!

سم آلتمن، مدیرعامل OpenAI، اخیراً در پلتفرم X درباره احساس عجیب خود نسبت به مصنوعی‌شدن اینترنت صحبت کرده است. او با اشاره به پُست‌هایی که در صفحه‌ای اختصاصی برای دستیار کدنویسی «کلود کد» (Claude Code) منتشر شده بود، نوشت که فضای توییتر و ردیت مرتبط با هوش مصنوعی اکنون بسیار «جعلی» به نظر می‌رسد. آلتمن این پدیده را نه فقط نتیجهٔ سیل بات‌ها، بلکه بازتابی از تغییری در سبک نوشتار انسان‌ها می‌داند که از الگوهای زبان مدل‌های بزرگ یا LLMها و تاثیر الگوریتم‌های شبکه‌های اجتماعی تبعیت می‌کند.

آیا اینترنت واقعاً «مرده» یا فقط تغییر کرده است؟

بحث «اینترنت مرده» (dead internet theory) که ادعا می‌کند اکثریت تعاملات آنلاین توسط مدل‌های هوش مصنوعی و ربات‌ها ساخته و مدیریت می‌شود، یک تئوری توطئه است اما به‌عنوان یک استعاره برای توضیح افزایش محتوای مصنوعی و ویروسی‌شدن پست‌های بی‌معنی کاربردی شده است. نمونه‌هایی مانند محتوای ویروسیِ بی‌معنا یا پاسخ‌هایی که به هیچ‌وجه به متن اصلی مرتبط نیستند، نشان می‌دهند که مشکلات واقعی وجود دارند: تولید محتوای خودکار، بهینه‌سازی برای درگیری (engagement) و هجوم بات‌ها.

دلایل احساس «جعلی» در شبکه‌های اجتماعی

LLM-speak و همگرا شدن زبان

آلتمن اشاره می‌کند که بسیاری از کاربران واقعی شروع به به‌کار بردن عبارات و ساختارهای زبانی شبیه مدل‌های زبانی بزرگ کرده‌اند؛ پدیده‌ای که می‌توان آن را «LLM-speak» نامید. این سازگاری زبانی، همراه با الگوریتم‌های تقویت‌کنندهٔ تعامل، باعث شده محتواها شباهت بیشتری به متن‌های تولیدشده توسط هوش مصنوعی پیدا کنند.

فشار بهینه‌سازی پلتفرم‌ها

شبکه‌های اجتماعی به‌طور مداوم برای حداکثرسازی زمان ماندگاری کاربر و تعامل طراحی می‌شوند؛ این فشار سعهٔ باندیِ الگوریتم‌ها را تشویق می‌کند تا محتوایی را برجسته کنند که تعامل مصنوعی یا هیجانی تولید می‌کند — حتی اگر ارزش اطلاعاتی کمی داشته باشد.

نقش بات‌ها و محتواهای خودکار

بات‌ها و حساب‌های خودکار بخش قابل توجهی از توزیع محتوا را به‌عهده دارند. ترکیب این عامل با محتوای تولیدشده توسط LLMها، فضای آنلاین را به سمتی سوق می‌دهد که تمییز دادن محتوای انسانی از مصنوعی دشوارتر می‌شود.

مقایسه محصولات: ChatGPT، Claude و Codex

در بازار کنونی چند نوع محصول اصلی وجود دارد که رفتار و زبان محتوای آنلاین را شکل می‌دهند:

ChatGPT (OpenAI)

ویژگی‌ها: تولید متن عمومی، مکالمه‌محور، پاسخ سریع، قابلیت تولید محتوای خلاق و پشتیبانی از افزونه‌ها. مزایا: گستردگی کاربرد، اکوسیستم توسعه‌دهندگان و ادغام با ابزارهای تجاری. موارد استفاده: خدمات مشتری، تولید محتوا، آموزش و پروتوتایپینگ.

Claude (Anthropic) و Claude Code

ویژگی‌ها: تمرکز ویژه روی ایمنی، نسخه‌های بهینه برای کدنویسی (Claude Code) و تعاملات تخصصی‌تر. مزایا: تاکید روی مخاطرات اخلاقی و پاسخ‌های محتاطانه‌تر در مسائل حساس. موارد استفاده: دستیار کدنویسی، مرور کد و تولید مستندات فنی.

Codex (تکنولوژی مرتبط با تولید کد)

ویژگی‌ها: توانایی تولید و تکمیل کد، ادغام با محیط‌های توسعه. مزایا: افزایش سرعت توسعه نرم‌افزار، کاهش خطاهای نگارشی تکراری. موارد استفاده: خودکارسازی نوشتن کد، نمونه‌سازی و تولید اسکریپت.

مزایا و ریسک‌ها

هوش مصنوعی و مدل‌های زبانی بزرگ مزایای واضحی دارند: افزایش بهره‌وری، کمک به خلاقیت و دسترسی سریع به اطلاعات. اما ریسک‌هایی مانند انتشار اطلاعات نادرست، تولید محتوای مصنوعی و تاثیر بر رفتار زبانی کاربران نیز اهمیت زیادی دارند. علاوه بر این، تأثیر زیست‌محیطی مراکز داده و مصرف انرژی در مقیاس بزرگ یکی دیگر از جنبه‌های بازار است که باید لحاظ شود.

موارد کاربرد و رهنمودهای بازار

صنایع مختلف — از رسانه و تبلیغات تا توسعه نرم‌افزار و خدمات مشتری — از LLMها بهره‌مند می‌شوند. با این حال کسب‌وکارها باید سیاست‌های شفاف در رابطه با تولید محتوا، شناسایی محتوای مصنوعی، و اخلاق در استفاده از هوش مصنوعی اتخاذ کنند. بازار به سرعت به سمت تنظیمات فنی و قانونی حرکت می‌کند: تشخیص بات، امضاهای دیجیتال محتوا، و ابزارهای تحلیل اصالت (authenticity) از جمله راه‌حل‌های مورد انتظار هستند.

نتیجه‌گیری: مسئولیت سازندگان فناوری

نکتهٔ برجسته در اظهارنظر آلتمن، تناقض میان نقشی است که سازندگان بزرگ مثل او در شکل‌دهی این پدیده دارند و ناتوانی در پاسخگویی کامل به پیامدهای آن. وقتی شرکتی فناوری‌ای را تولید می‌کند که سبک نوشتار و تعاملات را تغییر می‌دهد، وظیفهٔ فعال‌تری در زمینهٔ شفافیت، تنظیم محصول، و همکاری با سیاست‌گذاران و جامعه دارد. راه‌حل‌های فنی و سیاستی باید با هم ترکیب شوند تا فضای آنلاین حفظ شود؛ نه اینکه صرفاً تماشاگر رشد محتوای مصنوعی باشیم.

در نهایت، بحث آلتمن یادآور این است که تحول دیجیتال و رشد سریع مدل‌های زبانی بزرگ فرصت‌ها و چالش‌های همزمانی را ایجاد کرده‌اند — و پرسش اصلی این است که چگونه این ابزارها را به گونه‌ای به کار ببریم که هم مفید و هم اصالت‌محور باشند.

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

به بالا بروید