چرا لابی‌ها به دنبال سرکوب هوش مصنوعی متن‌باز هستند؟

اندرو ان‌جی هشدار داد که لابی‌های قدرتمند با تغییر مداوم روایت‌ها، در تلاش برای سرکوب هوش مصنوعی متن‌باز و حفظ انحصار مدل‌های گران‌قیمت خود هستند.

نکات کلیدی:

* اندرو ان‌جی در کنفرانس Ai4 اظهار داشت که یک «تلاش بسیار پرهزینه و سازمان‌یافته» در جریان است تا هوش مصنوعی متن‌باز (Open-source) را سرکوب کند. وی استدلال کرد که منطق نهفته در پس این محدودیت‌ها، از موضوع «خطر انقراض بشر» به سمت موضوعاتی چون «سلاح‌های بیولوژیک»، «از دست رفتن مشاغل»، «رقابت با چین» و سایر نگرانی‌ها تغییر یافته است.

* ان‌جی معتقد است شرکت‌هایی که میلیاردها دلار در مدل‌های هوش مصنوعی انحصاری (Proprietary) سرمایه‌گذاری کرده‌اند، انگیزه‌ای اقتصادی برای محدود کردن جایگزین‌های متن‌باز دارند؛ مدل‌هایی که می‌توانند با هزینه بسیار کم یا حتی به‌صورت رایگان در دسترس همگان باشند.

* جیم هریس استدلال می‌کند که اختلاف فاحش قیمت میان مدل‌های پیشرو و انحصاری ایالات متحده با مدل‌های متن‌باز و «با وزن باز» (Open-weight) چینی، اقتصاد سرمایه‌گذاری در مدل‌های گران‌قیمت انحصاری را تهدید می‌کند.

* هریس این رویه را «آربیتاژ توکن» (Token Arbitrage) می‌نامد؛ فرآیندی که در آن شرکت‌ها حجم کاری هوش مصنوعی خود را بر اساس عواملی همچون دقت، هزینه، تأخیر (Latency)، حریم خصوصی، امنیت، حاکمیت داده‌ها، قابلیت اطمینان، توانمندی، مقیاس‌پذیری و ریسک‌های ژئوپلیتیک، میان مدل‌های مختلف توزیع می‌کنند.

* سهم بازار در پلتفرم OpenRouter مربوط به مدل‌های متن‌باز چینی در ایالات متحده به‌سرعت افزایش یافته است؛ هرچند هریس خاطرنشان می‌کند که OpenRouter تنها بخشی از بازار هوش مصنوعی آمریکا را پوشش می‌دهد و باید آن را یک «شاخص» دانست، نه معیاری برای کل بازار.

* هریس معتقد است محدود کردن دسترسی به مدل‌های متن‌باز و ارزان‌تر چینی، باعث افزایش هزینه‌های پردازشی شرکت‌های آمریکایی شده و همزمان حق انتخاب کسب‌وکارها، دانشگاهیان و پژوهشگران را کاهش می‌دهد.

در تاریخ ۵ اوت، در کنفرانس Ai4 در لاس‌وگاس، اندرو ان‌جی، بنیان‌گذار DeepLearning.AI و Coursera، در کنار جفری هینتون (که اغلب «پدرخوانده هوش مصنوعی» نامیده می‌شود) و فی-فی لی (مدیر مشترک موسسه هوش مصنوعی انسان‌محور استنفورد که «مادرخوانده هوش مصنوعی» شناخته می‌شود) روی صحنه حاضر شد.

اظهارات ان‌جی در مورد متن‌باز بسیار حائز اهمیت است. در ادامه، نسخه‌ی ویرایش‌شده‌ای از سخنان او را می‌خوانید:

«داستان واقعی این است که طی چند سال گذشته، تعدادی از کسب‌وکارهای [آمریکایی] میلیاردها دلار برای آموزش مدل‌های بزرگ هوش مصنوعی سرمایه‌گذاری کرده‌اند. یکی از نیروهای پیشرو در فناوری هوش مصنوعی، نرم‌افزارهای متن‌باز (Open-source) یا با وزن باز (Open-weight) هستند؛ یعنی زمانی که شخصی یک مدل هوش مصنوعی را آموزش می‌دهد و آن را به‌صورت رایگان برای استفاده هر کسی [در سراسر جهان] در اینترنت منتشر می‌کند.

بسیار ناگوار است که وقتی شما میلیاردها دلار صرف آموزش یا ساخت چیزی می‌کنید، شخص دیگری همان چیز را به‌صورت رایگان در اختیار همه قرار دهد. این کار ارزش سرمایه‌گذاری شما را به شدت کاهش می‌دهد. طی سه تا چهار سال گذشته، من از شدت ایجاد هراس کاذب برای ایجاد هراس در میان سیاست‌گذاران و مقامات دولتی واقعا متعجب شده‌ام. آن‌ها سعی کردند قوانینی را تصویب کنند تا [نرم‌افزارهای رایگان هوش مصنوعی متن‌باز] را سرکوب کنند؛ نرم‌افزارهایی که استفاده از آن‌ها برای هر کسی رایگان است.

در طول این چند سال، همان افراد مدعی بودند که هوش مصنوعی منجر به انقراض بشر خواهد شد. این ادعا باعث شد که تعدادی از ما، از جمله من و فی-فی لی، به واشینگتن سفر کنیم تا در برابر دولت شهادت دهیم و اطمینان خاطر بدهیم که خیر، هوش مصنوعی منجر به انقراض بشر نخواهد شد. پس از اینکه آن روایت اعتبار خود را از دست داد و دولت دیگر آن را باور نکرد (خدا را شکر)، همان افراد گفتند: «اوه، هوش مصنوعی می‌تواند سلاح‌های بیولوژیک بسازد.» اما پس از مطالعات مؤسسه RAND و سایر پژوهش‌ها مشخص شد که خیر، هوش مصنوعی تا این حد خطرناک نیست و سلاح بیولوژیک تولید نخواهد کرد.

سپس همان افراد اکنون می‌گویند: «بله، هوش مصنوعی منجر به از دست رفتن گسترده مشاغل خواهد شد.» و بیشتر آنچه می‌بینیم، تمرکز بر موضوع [رقابت با] چین، چین و باز هم چین است. بنابراین، همان افراد در طول سه تا چهار سال گذشته مدام روایت خود را تغییر داده‌اند تا توانایی دیگران برای انتشار نرم‌افزارهای رایگان را سرکوب کنند… ما باید به این موضوع توجه کنیم. روایت دیگر این است که یک موجود هوشمند مصنوعی به ما حمله خواهد کرد. این بخشی از یک تلاش مستمر و بسیار پرهزینه برای سرکوب هوش مصنوعی متن‌باز است.»

اهمیت اقتصادی و آینده هوش مصنوعی متن‌باز

در اوت ۲۰۲۶، هزینه مدل GPT-5.4 Pro معادل ۱۸۰ دلار به‌ازای هر میلیون توکن خروجی بود، در حالی که مدل DeepSeek V4-Flash در ساعات کم‌مصرف (خارج از ساعات اوج مصرف) ۶۶ سنت و در ساعات اوج مصرف (Peak hours) ۱.۳۲ دلار به‌ازای هر میلیون توکن خروجی هزینه داشت. این یعنی در نرخ اوج مصرف DeepSeek، اختلاف قیمت بیش از ۱۳۵ برابر است.

البته این مدل‌ها برای اهداف متفاوتی بهینه‌سازی شده‌اند، بنابراین این ارقام نباید به‌عنوان یک مقایسه هم‌تراز و عادلانه بین مدل‌های کاملا مشابه تفسیر شوند. نکته اصلی اینجاست که مدل‌های متن‌باز و با وزن باز چینی می‌توانند هوش و عملکرد خیره‌کننده‌ای را با قیمت‌هایی به‌مراتب کمتر از مدل‌های انحصاری ایالات متحده ارائه دهند.

این اختلاف فاحش در هزینه، سرمایه‌گذاری‌های میلیارد دلاری شرکت‌های فناوری و سرمایه‌گذاران خطرپذیر (VCs) در مدل‌های پیشرو و انحصاری آمریکا را تهدید می‌کند. و آن سرمایه‌گذاران و شرکت‌ها می‌خواهند از سرمایه‌گذاری خود بازگشت سرمایه (ROI) دریافت کنند. اما روند بازار همواره به سمت بهره‌وری و قیمت‌های مناسب‌تر متمایل است؛ هر زمان که اختلاف قیمت قابل توجهی برای محصولات و خدمات تقریبا مشابه وجود داشته باشد، بازار تغییر جهت خواهد داد. این وضعیت سازمان‌ها را سوق می‌دهد تا جریان کاری خود را برای آنچه من «آربیتاژ توکن» می‌نامم، بهینه کنند.

آربیتاژ توکن (Token Arbitrage)

شرکت‌ها به‌طور فزاینده‌ای از روش‌های «توزیع بار کاری هوش مصنوعی» یا «مسیریابی مدل» استفاده می‌کنند تا هر وظیفه را بر اساس ۱۵ عامل مختلف بهینه کنند؛ عواملی نظیر: [در اینجا ۱۵ عاملی که شرکت‌ها هنگام مسیریابی حجم کارهای هوش مصنوعی بین مدل‌ها در نظر می‌گیرند، ذکر شده است – چارچوب ارائه شده توسط جیم هریس].

تأثیرات این روند

در اواخر سال ۲۰۲۴، سهم بازار مدل‌های متن‌باز چینی در ایالات متحده ناچیز بود؛ طبق داده‌های OpenRouter و مطالعه ۱۰۰ تریلیون توکنی Andreessen Horowitz، این میزان تنها ۱.۲٪ بود. اما در ۱۳ جولای ۲۰۲۶، ۶۴٪ از توکن‌های استفاده شده توسط کاربران آمریکایی در OpenRouter، مربوط به مدل‌های متن‌باز چینی بود.

ذکر این نکته ضروری است که OpenRouter کل بازار هوش مصنوعی ایالات متحده را ردیابی نمی‌کند، اما شاخص بسیار خوبی برای نشان دادن جهت حرکت بازار است.

خلاصه

اگر تلاش‌های لابی‌گری در واشینگتن برای محدود کردن دسترسی به مدل‌های متن‌باز چینی موفقیت‌آمیز باشد، هزینه‌های پردازشی هوش مصنوعی برای شرکت‌های آمریکایی به‌شدت افزایش خواهد یافت. اما در این میان، حامیان مالی مدل‌های بزرگ و انحصاری خواهند بود که برنده اصلی هستند. در نهایت، کسب‌وکارها، دانشگاهیان و پژوهشگران خواهان آزادی در انتخاب و توانایی انجام کار خود هستند.