اپلیکیشنهای رایگان چگونه تلویزیونهای هوشمند را به ابزار جمعآوری داده برای هوش مصنوعی تبدیل میکنند؟
بررسیهای اخیر نشان میدهد برخی اپلیکیشنهای رایگان نصبشده روی تلویزیونهای هوشمند، کاربران را ناخواسته به بخشی از زیرساخت جمعآوری داده برای شرکتهای فناوری تبدیل کردهاند.شرکت Bright Data، یکی از بزرگترین ارائهدهندگان خدمات پروکسی در جهان، از طریق یک کیت توسعه نرمافزاری (SDK) که در برخی اپلیکیشنهای رایگان استفاده میشود، تلویزیونهای هوشمند کاربران را به نودهای پروکسی مسکونی تبدیل میکند. به این ترتیب، ترافیک مربوط به جمعآوری گسترده دادههای اینترنتی (Web Scraping) از طریق اتصال اینترنت کاربران عبور داده میشود.
تلویزیونهای هوشمند به دلیل روشن بودن مداوم، اتصال پایدار به اینترنت و مصرف برق نسبتاً پایین، گزینهای ایدهآل برای ایجاد چنین شبکههایی محسوب میشوند. در این مدل، توسعهدهندگان اپلیکیشن در ازای مشارکت کاربران در شبکه پروکسی، از شرکت ارائهدهنده خدمات درآمد کسب میکنند.اگرچه کاربران هنگام نصب برخی برنامهها ممکن است با گزینههایی مانند «اشتراکگذاری پهنای باند» مواجه شوند، منتقدان معتقدند توضیحات ارائهشده معمولاً شفاف و قابلفهم نیست و بسیاری از کاربران از پیامدهای واقعی این اقدام آگاهی کافی ندارند.
این موضوع علاوه بر افزایش مصرف اینترنت کاربران، نگرانیهایی را درباره حریم خصوصی، امنیت سایبری و استفاده تجاری از منابع دیجیتال افراد ایجاد کرده است. در مقابل، Bright Data تأکید میکند که فعالیتهای این شرکت قانونی بوده و با رضایت کاربران انجام میشود.کارشناسان این روند را بخشی از اقتصاد نوین داده میدانند؛ اقتصادی که در آن دستگاههای متصل به اینترنت، از تلویزیونهای هوشمند و تلفنهای همراه گرفته تا سایر تجهیزات اینترنت اشیا، به منابع ارزشمند پهنای باند و داده برای شرکتهای فناوری و توسعهدهندگان هوش مصنوعی تبدیل شدهاند.
برخی اپلیکیشنهای رایگان با استفاده از اینترنت و پهنای باند تلویزیونهای هوشمند کاربران، آنها را به بخشی از شبکههای جمعآوری داده مورد استفاده در آموزش و توسعه سامانههای هوش مصنوعی تبدیل میکنند.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
۷۹۸
۵:۴۶
دادههای آموزشی هوش مصنوعی؛ از یک موضوع فنی تا یک ریسک جدی تجاری
در سال ۲۰۲۶، منشأ دادههای آموزشی مدلهای هوش مصنوعی دیگر صرفاً یک بحث فنی یا حقوقی نیست؛ بلکه به یکی از مهمترین معیارهای ارزیابی و خرید فناوری برای سازمانها تبدیل شده است. مدیران و تصمیمگیران امروز بیش از هر زمان دیگری میپرسند: «این مدل هوش مصنوعی دقیقاً با چه دادههایی آموزش دیده است؟»
این پرسش در پی چند رویداد مهم بیش از گذشته مورد توجه قرار گرفته است. از یک سو، مایکروسافت در کنفرانس Build 2026 اعلام کرد مدلهای خانواده MAI با استفاده از دادههای دارای مجوز و بدون بهرهگیری از روش تقطیر (Distillation) آموزش دیدهاند. اما اسناد فنی منتشرشده توسط خود شرکت نشان میدهد بخشی از دادههای آموزشی این مدلها از میلیاردها صفحه وب جمعآوریشده از پایگاه Common Crawl تأمین شده است.
همزمان، گزارشهایی منتشر شد که نشان میداد شرکت xAI برای ماهها از خروجیهای مدل Claude متعلق به Anthropic جهت آموزش مدلهای خود استفاده کرده و حتی پس از محدود شدن دسترسی رسمی، این روند را از مسیرهای دیگری ادامه داده است.این تحولات در شرایطی رخ میدهد که قوانین و مقررات نیز در حال سختگیرانهتر شدن هستند. اتحادیه اروپا بر اساس قانون AI Act، ارائهدهندگان مدلهای هوش مصنوعی عمومی را ملزم کرده است اطلاعات شفافتری درباره منابع دادههای آموزشی خود ارائه دهند و سیاستهای مشخصی در حوزه کپیرایت داشته باشند. از آگوست ۲۰۲۶ نیز جریمههای سنگینی برای عدم رعایت این الزامات اعمال خواهد شد.
در ایالات متحده نیز پروندههای حقوقی مرتبط با استفاده از دادههای دارای حق نشر وارد مرحله جدیدی شدهاند. یکی از مهمترین نمونهها، توافق ۱.۵ میلیارد دلاری Anthropic در ارتباط با استفاده از صدها هزار عنوان کتاب دارای حق نشر است؛ توافقی که از آن به عنوان یکی از بزرگترین پروندههای کپیرایت در تاریخ آمریکا یاد میشود.
چرا منشأ دادهها اهمیت پیدا کرده است؟
برای بسیاری از سازمانها، بهویژه در حوزههای مالی، سلامت، بیمه و بخش دولتی، منشأ دادههای آموزشی مستقیماً با ریسک حقوقی، انطباق مقرراتی و اعتبار سازمانی گره خورده است. به همین دلیل، تیمهای حقوقی و فناوری پیش از استقرار یک مدل هوش مصنوعی، تلاش میکنند مسیر تأمین دادههای آموزشی آن را به دقت بررسی کنند.
شرکتها چه اقداماتی باید انجام دهند؟
سازمانها پیش از انتخاب یا استقرار یک مدل هوش مصنوعی باید موارد زیر را مدنظر قرار دهند:
از ارائهدهندگان، اطلاعات شفاف درباره منابع دادههای آموزشی و سیاستهای کپیرایت درخواست کنند. ادعاهای بازاریابی شرکتها را با مستندات فنی و حقوقی آنها تطبیق دهند. در قراردادها، بندهای جبران خسارت و حمایت حقوقی را لحاظ کنند. هنگام سفارشیسازی یا آموزش مجدد مدلها، منشأ دادههای داخلی خود را مستندسازی و الزامات قانونی را رعایت کنند. در صنایع حساس، بررسی منشأ دادهها را به بخشی از فرآیند ارزیابی و تأیید نهایی تبدیل کنند.
در سال ۲۰۲۶، شفافیت درباره دادههای آموزشی به یکی از عوامل کلیدی اعتماد به هوش مصنوعی تبدیل شده است. سازمانهایی که هنگام انتخاب و بهکارگیری مدلهای هوش مصنوعی به منشأ دادهها توجه کافی داشته باشند، میتوانند ریسکهای حقوقی، مالی و اعتباری خود را به شکل قابلتوجهی کاهش دهند. به همین دلیل، منشأ دادههای آموزشی دیگر یک موضوع حاشیهای نیست؛ بلکه بخشی جداییناپذیر از راهبرد مدیریت ریسک و حاکمیت هوش مصنوعی در سازمانها محسوب میشود.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
برای بسیاری از سازمانها، بهویژه در حوزههای مالی، سلامت، بیمه و بخش دولتی، منشأ دادههای آموزشی مستقیماً با ریسک حقوقی، انطباق مقرراتی و اعتبار سازمانی گره خورده است. به همین دلیل، تیمهای حقوقی و فناوری پیش از استقرار یک مدل هوش مصنوعی، تلاش میکنند مسیر تأمین دادههای آموزشی آن را به دقت بررسی کنند.
سازمانها پیش از انتخاب یا استقرار یک مدل هوش مصنوعی باید موارد زیر را مدنظر قرار دهند:
از ارائهدهندگان، اطلاعات شفاف درباره منابع دادههای آموزشی و سیاستهای کپیرایت درخواست کنند. ادعاهای بازاریابی شرکتها را با مستندات فنی و حقوقی آنها تطبیق دهند. در قراردادها، بندهای جبران خسارت و حمایت حقوقی را لحاظ کنند. هنگام سفارشیسازی یا آموزش مجدد مدلها، منشأ دادههای داخلی خود را مستندسازی و الزامات قانونی را رعایت کنند. در صنایع حساس، بررسی منشأ دادهها را به بخشی از فرآیند ارزیابی و تأیید نهایی تبدیل کنند.
۷۴۱
۶:۱۱
کاوش آیندههای فناوری:درک تحولات در جهانی میانجیشده توسط هوش مصنوعی
این گزارش به بررسی تحولات شتابان در منظره فناوری که به طور فزایندهای توسط هوش مصنوعی میانجیشده است، میپردازد. هدف آن برقراری ارتباط بین پیشرفتهای فناوریهای نوظهور با تحولات گستردهتر در زنجیرههای ارزش و سیستمهای سازمانی است. با استفاده از رویکرد تفکر آیندهنگرانه و در افقهای زمانی متعدد، این گزارش به شناسایی سیگنالهای نوظهور کمک میکند که به تغییرات سیستمی عمیقتر اشاره دارند.
۱۰ سیگنال کلیدی برای رصد در سال ۲۰۲۶این سیگنالها نشاندهنده جایی هستند که تغییرات در حال شکلگیری است. آنها را نباید به عنوان پیشبینی مطلق خواند، بلکه به عنوان لنزهای استراتژیک برای درک جایی که فرضیات قدیمی در حال ضعیف شدن هستند، تنشهای جدید شکل میگیرند و شرایط خلق ارزش در حال بازتعریف شدن است.
بازآرایی اکوسیستمها (The reshuffling of ecosystems)هوش مصنوعی در حال تغییر محل خلق و تصاحب ارزش است — نه فقط درون سازمانها، بلکه در کل سیستم پلتفرمها، اکوسیستمها، رابطها، لایههای زیرساختی، ارائهدهندگان خدمات و کاربران نهایی. مزیت رقابتی از «مالکیت محصول» به «شکلدهی جریان اطراف آن»转移 مییابد. مهارتهای کلیدی مانند سواد هوش مصنوعی، مهندسی زمینه، تأیید خروجی و مدیریت workflowهای عاملمحور (agentic) اهمیت بیشتری پیدا میکنند.
از ایستا به سیال (From static to liquid)اقتصاد دیجیتال از اطلاعات ثابت به سمت محتوای سیال (Liquid Content) حرکت میکند — محتوایی که به صورت پویا و واقعیزمان بر اساس زمینه، کاربر و موقعیت تغییر میکند. جستجوهای هوش مصنوعی (مانند Perplexity و Google AI Overview) به سمت اکوسیستم «بدون کلیک» حرکت میکنند. اقتصاد توجه به اقتصاد قصد (Intention Economy) تبدیل میشود.
ظهور سازمانهای عاملمحور (The rise of agentic organisations)عاملهای هوش مصنوعی (Agentic AI) نه تنها وظایف را انجام میدهند، بلکه با یکدیگر تعامل کرده و مسیرهای جدیدی ایجاد میکنند. سازمانها به سمت سیستمهای پویای انسانی-عامل حرکت میکنند. این تغییر مدلهای نرمافزاری (SaaS) را نیز تحت تأثیر قرار میدهد و به سمت «SaaScopolypse» پیش میرود.
نوروتکنولوژی و ابعاد شناختی هوش مصنوعی (Neurotechnology & the cognitive dimensions of AI)همگرایی هوش مصنوعی، علوم اعصاب و نوروتکنولوژی در حال تغییر مرز بین هوش انسانی و ماشینی است. پدیده «AI brain fry» (خستگی مغزی ناشی از هوش مصنوعی) و offloading شناختی (واگذاری تفکر به ماشین) سؤالات عمیقی درباره وابستگی، agency و ماهیت انسان مطرح میکند.
افزایش شبیهسازیها (Simulations on the rise)هوش مصنوعی شبیهسازی را به یک capability کلیدی آمادگی تبدیل کرده است. سازمانها میتوانند با دادههای синтетик، پرسوناهای شبیهسازیشده و مدلهای agent-based، آیندهها را قبل از وقوع واقعی آزمایش کنند.
ورود هوش مصنوعی به جهان فیزیکی (AI moves into the physical world)رباتیک humanoid و سیستمهای embodied از انبارها خارج شده و وارد فضاهای انسانی میشوند. این تغییر نه تنها اتوماسیون، بلکه بازطراحی کار، ایمنی و ساختارهای عملیاتی را به همراه دارد.
ژئوپلیتیک فناوری (The geopolitics of tech)فناوری دیگر بیطرف نیست. دسترسی به محاسبات، چیپ، انرژی و مواد معدنی نادر به موضوعی استراتژیک و ژئوپلیتیکی تبدیل شده است. اروپا با ابتکار EuroStack به سمت حاکمیت فناوری حرکت میکند. AGI نیز میتواند تعادل قدرت جهانی را به شدت تغییر دهد.
امنیت سایبری زیرساختهای میانجیشده توسط هوش مصنوعی (The cyber security of AI-mediated infrastructures)سطح حمله گسترش یافته است. تهدیدهایی مانند prompt injection، دادههای مسموم، synthetic media و agentهای compromised ریسکهای جدیدی ایجاد کردهاند. امنیت سایبری اکنون یک مسئله استراتژیک است.
چالشهای پایداری زیرساخت هوش مصنوعی (Sustainability challenges of AI infrastructure)مصرف انرژی، آب و منابع برای مراکز داده هوش مصنوعی در حال افزایش است. پایداری بلندمدت هوش مصنوعی نیازمند تعادل بین پیشرفت فنی، سیاستگذاری و مسئولیت سازمانی است.

کوانتوم عصر بعدی (Quantum – the next era)هرچند هنوز زود است، سازمانهای بزرگ باید ownership موضوع کوانتوم را در استراتژی، نوآوری و امنیت سایبری تعریف کنند. کوانتوم میتواند محدودیتهای محاسباتی فعلی را برهم بزند و صنایع را از پایه تغییر دهد.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
۱۰ سیگنال کلیدی برای رصد در سال ۲۰۲۶این سیگنالها نشاندهنده جایی هستند که تغییرات در حال شکلگیری است. آنها را نباید به عنوان پیشبینی مطلق خواند، بلکه به عنوان لنزهای استراتژیک برای درک جایی که فرضیات قدیمی در حال ضعیف شدن هستند، تنشهای جدید شکل میگیرند و شرایط خلق ارزش در حال بازتعریف شدن است.
۱.۳K
۶:۰۰
Foxconn انتظار تجاریسازی کوانتومی را در سال ۲۰۳۰ دارد
Foxconn اعلام کرد تحقیقات کوانتومی آن در سطح بینالمللی مورد توجه قرار گرفته، اما تجاریسازی واقعی هنوز چند سال فاصله دارد و فرصتهای کسبوکار گستردهتر حدود سال ۲۰۳۰ ظاهر خواهد شد.
مؤسسه تحقیقاتی Hon Hai فاکسکان در حال پیشبرد نقشه راه محاسبات کوانتومی مبتنی بر یونهای محبوس است که شامل عملیات منطقی دو کیوبیتی تا سال ۲۰۲۶ و پروتوتایپ قابل برنامهریزی ۵ تا ۱۰ کیوبیتی تا سال ۲۰۲۷ برای کاربران دولتی، دانشگاهی و صنعتی خواهد بود.
Foxconn همچنین از پیشرفت تحقیقاتی از طریق همکاری با دانشگاه توکیو در حوزه محاسبات کوانتومی تحملپذیر خطا و با شرکت QunaSys در شبیهسازی شیمی کوانتومی تقویتشده با یادگیری ماشین خبر داده است.
جاهطلبیهای Foxconn در حوزه محاسبات کوانتومی توجه خارج از تایوان را نیز جلب کرده، اما مدیران اجرایی شرکت میگویند مسیر تبدیل موفقیتهای تحقیقاتی به کسبوکار تجاری هنوز چندساله است.
به گفته یانگ لیو، رئیس هیئت مدیره Foxconn، تحقیقات مؤسسه تحقیقاتی Hon Hai در سطح بینالمللی مورد استقبال قرار گرفته، اما تبدیل این پیشرفتهای علمی به محصولات و خدمات سودآور زمانبر خواهد بود. او اعلام کرد که فعالیتهای مرتبط با کوانتوم ممکن است حدود سه سال دیگر به فاز رشد قابل توجه برسد و فرصتهای تجاری گستردهتر نزدیک به سال ۲۰۳۰ انتظار میرود.
Foxconn از طریق مؤسسه تحقیقاتی Hon Hai حضور خود در حوزه کوانتوم را گسترش داده و آزمایشگاه IonLab خود را راهاندازی کرده است. نقشه راه شرکت هدفگذاری کرده تا سال ۲۰۲۷ به پروتوتایپ ۵ تا ۱۰ کیوبیتی برسد. کاربردهای اولیه احتمالاً در تحقیقات دارویی و علم مواد خواهد بود و بیشتر کاربران اولیه دولتی، دانشگاهی و صنعتی در تایوان خواهند بود.
این شرکت همکاریهای تحقیقاتی خود را نیز ادامه میدهد، از جمله همکاری با دانشگاه توکیو در محاسبات کوانتومی تحملپذیر خطا و با QunaSys در شبیهسازیهای شیمی کوانتومی.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
۴۲۰
۳:۵۶
چگونه دولتها پذیرش هوش مصنوعی را برای رشد اقتصادی هدایت میکنند
سیاستگذاران سراسر جهان امروز پذیرفته اند که هوش مصنوعی بزرگترین عامل تغییر اقتصادی و رقابت پذیری دهه آینده خواهد بود. فراتر از چت بات ها و ابزارهای مولد که توجه عمومی را جلب کرده، تاثیر اصلی هوش مصنوعی از طریق افزایش بهره وری نیروی کار، بهبود خدمات عمومی و شتاب علمی رقم خواهد خورد.
تاریخ ثابت کرده است که کشورهایی که بیشترین سود را از یک فناوری جدید میبرند لزوما کسانی نیستند که آن را اختراع کرده اند، بلکه کسانی هستند که آن را سریعتر و بهتر در کل اقتصاد مستقر میکنند.
امروز نزدیک به ۷۰ کشور راهبرد ملی هوش مصنوعی دارند، اما تعداد کمی از آن ها فراتر از نوشتن سند رفته و به گروه پیشگامان هوش مصنوعی پیوسته اند. گزارش جدید گوگل بررسی میکند این کشورها چه کار میکنند، و بیان میکند تمام موفقیت ها بر سه ستون بنا شده است.
جذب سرمایه گذاری هوش مصنوعیپیشرفت در این سه ستون اصلی عامل اصلی جذب سرمایه گذاری در هوش مصنوعی است. در سال ۲۰۲۴ مجموع سرمایه گذاری جدید در مراکز داده در سراسر جهان به ۱۴۴ میلیارد دلار رسید و این جریان سرمایه امروز به سرعت از مراکز سنتی به بازارهای نوظهور منتقل میشود.
سرمایه گذاری مراکز داده فقط مربوط به خود مرکز داده نیست، بلکه کل اقتصاد محلی را در حوزه های شبکه، انرژی و تولید سخت افزار تحریک میکند. شرکت ها برای سرمایه گذاری اول از همه به سه چا نگاه میکنند: قوانین قابل پیش بینی، مالیات شفاف، و انرژی ارزان و قابل اعتماد.
ترسیم مسیر رونق هوش مصنوعیدر نهایت کشوری که بیشترین سود را از هوش مصنوعی خواهد برد، کشوری نیست که پیشرفته ترین مدل ها را میسازد، بلکه کشوری است که بتواند اکوسیستم مناسبی برای پذیرش سریع و گسترده این فناوری در تمام بخش های جامعه و اقتصاد ایجاد کند.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
🔸ستون اول: ایجاد زیرساخت هوش مصنوعی
🔹ستون دوم: پرورش نیروی کار ماهر
🔸ستون سوم: ایجاد چارچوب سیاستی حمایتی
۱.۱K
۴:۰۲
سهام IBM به دلیل شتابگیری سرمایهگذاریهای کوانتومی و هوش مصنوعی جهش کرد
سهام شرکت International Business Machines (IBM) با افزایش قابل توجه حدود ۱۲.۷۱ درصدی مواجه شد. این جهش در پی اخبار مثبت مربوط به پیشرفتهای بزرگ در حوزه محاسبات کوانتومی و هوش مصنوعی رخ داد.
عوامل کلیدی:- دولت ایالات متحده قصد دارد حدود ۱ میلیارد دلار کمک بلاعوض به همراه سهام اقلیت به IBM اختصاص دهد، که بخشی از بسته حمایتی ۲ میلیارد دلاری برای محاسبات کوانتومی است.- تأسیس کارخانه جدید Anderon، اولین کارخانه ویفر کوانتومی ۳۰۰ میلیمتری در آلبانی، با حمایت ۱ میلیارد دلاری از قانون CHIPS و ۱ میلیارد دلار سرمایهگذاری IBM.
- اعلام کرد IBM که بیش از ۱۰ میلیارد دلار طی پنج سال آینده در حوزه کوانتوم سرمایهگذاری خواهد کرد و هدف آن دستیابی به رایانه کوانتومی تحملپذیر خطا تا سال ۲۰۲۹ است. این شرکت هماکنون بیش از ۳۲۵ شریک دارد که از بیش از ۹۰ سیستم کوانتومی استفاده میکنند.
- پروژه Lightwell: ابتکار ۵ میلیارد دلاری مبتنی بر هوش مصنوعی با همکاری Red Hat برای ارائه نرمافزار متنباز امن در مقیاس بزرگ برای شرکتهای بزرگ و مؤسسات مالی جهانی.
تحلیلگران (مانند Wedbush) واکنش مثبت نشان دادند، هدف قیمت را تا ۳۲۰ دلار افزایش دادند و رتبه Outperform را حفظ کردند. سهام از نظر تکنیکال نیز مومنتوم صعودی قوی نشان داد و از محدوده ۲۵۰ دلار به نزدیکی ۲۹۷–۳۰۰ دلار صعود کرد.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
- اعلام کرد IBM که بیش از ۱۰ میلیارد دلار طی پنج سال آینده در حوزه کوانتوم سرمایهگذاری خواهد کرد و هدف آن دستیابی به رایانه کوانتومی تحملپذیر خطا تا سال ۲۰۲۹ است. این شرکت هماکنون بیش از ۳۲۵ شریک دارد که از بیش از ۹۰ سیستم کوانتومی استفاده میکنند.
- پروژه Lightwell: ابتکار ۵ میلیارد دلاری مبتنی بر هوش مصنوعی با همکاری Red Hat برای ارائه نرمافزار متنباز امن در مقیاس بزرگ برای شرکتهای بزرگ و مؤسسات مالی جهانی.
۱.۲K
۴:۱۴
نقش رتوریک امید در آیندهنگاری موقعیتهای مرزی
#قسمت_اول
| محمود غفوریپژوهشگر ارشد آیندهپژوهی، مرکز نوآوری آینده.
از منظر آیندهپژوهی، رتوریک به شیوههای زبانی و گفتمانی اشاره دارد که از خلال آنها آینده بهمثابه عرصهای از امکانها، تهدیدها، انتخابها و ترجیحات اجتماعی صورتبندی میشود. بدین معنا، رتوریک صرفاً به تأثیرگذاری بر مخاطب محدود نیست، بلکه در ساختن افق انتظار، سازماندهی تخیل جمعی و مشروعیتبخشی به کنشهای معطوف به آینده نقشی اساسی ایفا میکند.
«رتوریک امید» را نمیتوان صرفاً به زبانی تشویقکننده یا روایتی خوشبینانه فروکاست؛ بلکه باید آن را بهمثابه یک سازوکار گفتمانی برای سازماندهی ادراک جمعی از آینده در شرایط عدمقطعیت فهم کرد. امید، در این معنا، نه یک هیجان فردی، بلکه صورتی از جهتدهی نمادین به کنش اجتماعی است که از طریق آن، آینده بهعنوان عرصهای هنوز گشوده، قابلمداخله و واجد امکان بازنمایی میشود. اهمیت این رتوریک در آیندهنگاری از آنجاست که آیندهنگاری، اگر بخواهد از سطح پیشبینیهای تکنوکراتیک فراتر رود، ناگزیر است میان شناخت بحران و امکان کنش پلی برقرار کند. بدون چنین پلی، روایتهای آینده یا به بدبینی ساختاری و فلج سیاسی میانجامند یا در دام آرمانگرایی انتزاعی میافتند. از اینرو، رتوریک امید را باید صورت خاصی از میانجیگری زبانی دانست که از یکسو واقعیتِ تهدید، گسست و بیثباتی را انکار نمیکند و از سوی دیگر، با باز کردن افقهای ممکن، شرایط لازم برای تداوم عاملیت جمعی را فراهم میسازد.
بنابراین، کارکرد اصلی آن نه تسلیبخشی، بلکه تولید «افق انتظار» و تثبیت این تصور است که آینده هنوز بهطور کامل توسط نیروهای مسلط، ساختارهای بحرانی یا روندهای جبری اشغال نشده است. این بحث هنگامی عمق بیشتری مییابد که با نظریهٔ «موقعیت مرزی» خوانده شود. موقعیت مرزی را میتوان وضعیتی دانست که در آن، نظمهای تفسیری پیشین دیگر کفایت ندارند، اما نظمهای جدید نیز هنوز تثبیت نشدهاند؛ وضعیتی آستانهای که در آن، کنشگران در میان فرسایش معناهای مسلط و تعلیق افقهای بدیل قرار میگیرند. چنین وضعیتی صرفاً به بحران عینی اشاره ندارد، بلکه به بحران در سطح «قابلیت تفسیر» نیز دلالت میکند؛ یعنی لحظهای که جامعه دیگر نمیتواند با زبان و مقولات سابق، موقعیت خود را بهصورت قانعکننده بفهمد و آیندهاش را سامان دهد.
در این معنا، موقعیت مرزی صرفاً یک مرحلهٔ گذار نیست، بلکه میدان تشدیدشدهٔ مبارزه بر سر معنا، جهت و مشروعیت است. هرچه موقعیت مرزی عمیقتر باشد، امکان غلبهٔ رتوریکهای انسداد، زوال، ترس و آخرالزمانی بیشتر میشود؛ زیرا در غیاب افقهای معتبر، ذهن جمعی میل دارد عدمقطعیت را بهصورت تهدیدی مطلق تجربه کند. از همینجا میتوان فهمید که رتوریک امید در نسبت با موقعیت مرزی، کارکردی صرفاً روانشناختی ندارد، بلکه وارد سطح بازتولید نظم نمادین میشود.
در واقع، رتوریک امید در موقعیت مرزی زمانی اهمیت مییابد که بتواند تعلیق تاریخی را به ظرفیت تفسیری تبدیل کند. موقعیت مرزی لحظهای است که در آن «هنوز» و «دیگر نه» همزمان حضور دارند: گذشته دیگر قادر به تأمین معنا نیست و آینده نیز هنوز به صورت نهادی و تخیلی تثبیت نشده است. در چنین لحظهای، جامعه در معرض خطرِ ازدستدادن پیوستگی زمانی خود قرار میگیرد؛ یعنی نسبت میان تجربهٔ گذشته، ادراک اکنون و تصور آینده گسسته میشود. رتوریک امید دقیقاً در این شکاف مداخله میکند.
این رتوریک، با بازآرایی زمانمندی جمعی، آینده را از وضعیت امرِ مبهم و تهدیدکننده خارج کرده و آن را به صورت فضایی برای امکانِ مشروط بازتعریف میکند.
به بیان دیگر، امید در اینجا نه انکار بحران، بلکه شیوهای برای مهار استعمارِ اکنون توسط بحران است. اگر بحران، اکنون را چنان فشرده کند که هیچ افق دیگری قابل تصور نباشد، کنش جمعی فرو میریزد؛ اما رتوریک امید با گشودن فاصلهای میان وضع موجود و وضع ممکن، این انسداد زمانی را میشکند و به کنشگران اجازه میدهد خود را نه فقط موضوعِ شرایط، بلکه فاعلِ بالقوهٔ دگرگونی بدانند.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
#قسمت_اول
۳۴۴
۱۷:۳۷
نقش رتوریک امید در آیندهنگاری موقعیتهای مرزی
#قسمت_دوم
| محمود غفوریپژوهشگر ارشد آیندهپژوهی، مرکز نوآوری آینده.
نسبت رتوریک امید و موقعیت مرزی را باید در چهار سطح تحلیلی فهم کرد:
نخست، در سطح معرفتی، زیرا امید امکان صورتبندی آینده را در شرایط ابهام فراهم میکند؛
دوم، در سطح سیاسی، زیرا افقهای امیدبخش میتوانند مبنای مشروعیتبخشی به پروژههای گذار، اصلاح یا بازسازی قرار گیرند؛
سوم، در سطح اجتماعی، زیرا امید یکی از منابع اصلیِ حفظ انسجام و جلوگیری از فرسایش اعتماد در زمانهٔ بحران است؛
و چهارم، در سطح کنشی، زیرا بدون امید، عاملیت جمعی بهسادگی به تماشای منفعلانهٔ فروکاستن امکانات بدل میشود.
به همین دلیل، در آیندهنگاری اثربخش، رتوریک امید صرفاً یک عنصر سبکی یا ارتباطی نیست، بلکه بخشی از زیرساخت مداخله در آینده است. آیندهنگاری که نتواند در شرایط مرزی، زبانِ معتبرِ امید تولید کند، ممکن است از نظر تحلیلی دقیق باشد، اما از نظر راهبردی ناتوان خواهد ماند؛ زیرا نمیتواند میان آگاهی از بحران و آمادگی برای کنش، پیوندی پایدار برقرار کند.
با این حال، باید تأکید کرد که رتوریک امید همواره واجد سویهای انتقادی و دوپهلو است. امید میتواند به نیرویی برای رهایی، بازآفرینی و بسیج اجتماعی بدل شود، اما میتواند بههمان اندازه به ابزاری برای تعویقِ پرسشهای ساختاری، پنهانسازی تضادها و مشروعیتبخشی به نظمهای ناکارآمد نیز تبدیل شود.
از همین رو، تحلیل رتوریک امید در آیندهنگاری باید همزمان معطوف به ظرفیت رهاییبخش و خطر ایدئولوژیک آن باشد. پرسش اصلی این نیست که آیا امید خوب است یا بد، بلکه این است که امید چگونه، توسط چه کسانی، در خدمت چه نوع آیندهای و با حذف یا برجستهسازی کدام صداها ساخته میشود. در موقعیت مرزی، که میل به معنا و امنیت تشدید میشود، این خطر وجود دارد که هر وعدهٔ آیندهساز بهسادگی پذیرفته شود.
بنابراین، رتوریک امید تنها زمانی در آیندهنگاری اثربخش ارزشمند است که از سویی بر شناسایی واقعبینانهٔ محدودیتها، تعارضها و هزینههای گذار تکیه کند و از سوی دیگر، امکان مشارکت واقعی کنشگران در تعریف و ساخت آینده را حفظ نماید. در این سطح، امید نه وعدهٔ آرامش، بلکه شکلی از انضباطِ تخیل سیاسی است: نظمی گفتمانی که میکوشد در دلِ موقعیتهای مرزی، امکانِ دیدن، گفتن و ساختنِ آینده را زنده نگه دارد.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
#قسمت_دوم
نخست، در سطح معرفتی، زیرا امید امکان صورتبندی آینده را در شرایط ابهام فراهم میکند؛
دوم، در سطح سیاسی، زیرا افقهای امیدبخش میتوانند مبنای مشروعیتبخشی به پروژههای گذار، اصلاح یا بازسازی قرار گیرند؛
سوم، در سطح اجتماعی، زیرا امید یکی از منابع اصلیِ حفظ انسجام و جلوگیری از فرسایش اعتماد در زمانهٔ بحران است؛
و چهارم، در سطح کنشی، زیرا بدون امید، عاملیت جمعی بهسادگی به تماشای منفعلانهٔ فروکاستن امکانات بدل میشود.
۵۲۹
۱۷:۳۷
شرکت اسرائیلی امنیت سایبری مبتنی بر هوش مصنوعی «Dream» با ارزشگذاری حدود ۳ میلیارد دلار، ۲۶۰ میلیون دلار سرمایه جذب کرد
استارتآپ اسرائیلی امنیت سایبری مبتنی بر هوش مصنوعی به نام Dream در دور جدید تأمین مالی، ۲۶۰ میلیون دلار سرمایه جذب کرد و ارزشگذاری آن به حدود ۳ میلیارد دلار رسید. این ارزشگذاری تقریباً سه برابر ارزش ۱ میلیارد دلاری شرکت در فوریه ۲۰۲۵ است.
این دور سرمایهگذاری به رهبری Bicycle Capital و Group 11 انجام شد و شرکتهایی مانند Bain Capital Ventures، Antler، Tru Arrow Partners و دیگران نیز در آن مشارکت داشتند.
Dream توسط شالِو هولیو (مدیرعامل سابق گروه NSO)، سباستین کورتز (صدراعظم سابق اتریش) و متخصص امنیت سایبری گیل دولِو تأسیس شده است.
این شرکت در حوزه هوش مصنوعی حاکمیتی و امنیت سایبری برای دولتها و اپراتورهای زیرساختهای حیاتی فعالیت میکند و پلتفرمهای دفاعی سایبری مبتنی بر هوش مصنوعی ارائه میدهد.
این جذب سرمایه قابل توجه، نشاندهنده علاقه شدید سرمایهگذاران به شرکتهای امنیت سایبری بومی هوش مصنوعی است که قادر به خدمترسانی به مشتریان دولتی و سازمانی در محیط تهدیدات پیچیده امروز هستند.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
۹۲۸
۱۵:۰۹
هویتهای غیرانسانی و ریسکهای امنیت سایبری در عصر هوش مصنوعی
با شتابگیری adoption هوش مصنوعی در سازمانها، یک ریسک بزرگ و اغلب نادیدهگرفتهشده در حال رشد است: هویتهای غیرانسانی (Non-Human Identities - NHIs). این هویتها شامل حسابهای خدماتی، کلیدهای API، باتها، اسکریپتهای خودکار، هویتهای ماشینی و عاملهای هوش مصنوعی هستند.
نکات کلیدی- در اکثر سازمانها، تعداد هویتهای غیرانسانی بسیار بیشتر از هویتهای انسانی شده است.- برخلاف کاربران انسانی، هویتهای غیرانسانی معمولاً دارای دسترسیهای گسترده و دائمی هستند و فاقد احراز هویت چندعاملی (MFA)، نظارت رفتاری یا بررسی منظم دسترسیاند.- در عصر هوش مصنوعی، افزایش چشمگیر عاملهای AI و سیستمهای خودکار، حجم و سطح دسترسی این هویتهای غیرانسانی را به شدت افزایش داده است.- مهاجمان به طور فزایندهای به هویتهای غیرانسانی حمله میکنند، زیرا دسترسی پرامتیاز با دید کم و احتمال کمتر فعال شدن هشدارها ارائه میدهند.- ریسکهای رایج شامل سرقت اعتبار، افزایش سطح دسترسی، حرکت جانبی در شبکه و حملات زنجیره تأمین از طریق عاملهای هوش مصنوعی یا حسابهای خدماتی آسیبدیده است.
توصیههای Optiv- ایجاد موجودی دقیق و مدیریت چرخه حیات برای تمام هویتهای غیرانسانی- اعمال دقیق اصل کمترین دسترسی (Least Privilege)- استفاده از دسترسی Just-in-Time و چرخش خودکار کلیدها و رمزها- استقرار تحلیل رفتاری و تشخیص ناهنجاری مخصوص هویتهای ماشینی- ادغام امنیت هویتهای غیرانسانی در چارچوب Zero Trust
با خودکارتر شدن سیستمهای هوش مصنوعی، امنیت هویتهای غیرانسانی دیگر اختیاری نیست — بلکه یکی از مهمترین اجزای استراتژی امنیت سایبری مدرن محسوب میشود.
@Futurists
پردیس هوش مصنوعی و نوآوری دیجیتال ایران
۵۱۰
۹:۴۰