هوش مصنوعی و آینده نگران‌کننده بازار ایده‌ها

گروه جامعه و اقتصاد «سدید»؛ «موریس استاک» [1] - استاد حقوق دانشگاه «تنسی» - در مقاله‌ای که وب‌سایت مؤسسه «اندیشه اقتصادی جدید» [2] آن را منتشر کرده است، بر نقش انحصاری گوگل و سایر اکوسیستم‌های مسلط دیجیتال در شکل‌دهی به بازار ایده‌ها در دنیای هوش مصنوعی می‌پردازد. به گفته وی، سلطه و انحصار شرکت‌هایی مثل گوگل بر جست‌وجو و داده‌های کاربران و همچنین سلطه‌ای که در زمینه هوش مصنوعی ایجاد کرده‌اند، باعث می‌شود که دسترسی به اطلاعات به‌طور متمرکز کنترل شود. گوگل می‌تواند مدل‌های هوش مصنوعی خود را با دسترسی مستقیم به نتایج جست‌وجو تقویت کند، درحالی‌که رقبای دیگر، به منابع محدود یا گسسته دسترسی دارند و این وضعیت، یک سد رقابتی بزرگ ایجاد می‌کند. وقتی شرکتی مثل گوگل، کنترل توزیع اطلاعات را در دست دارد، می‌تواند به‌طور ظریف و تدریجی به آنچه مردم می‌بینند و آنچه باور می‌کنند، شکل دهد. به گفته وی، اگر گوگل، متا و چند اکوسیستم قدرتمند دیگر، به سلطه بر واسطه‌گری ایده‌ها ادامه دهند، نتیجه کاهش ناشران مستقل، کاهش روزنامه‌نگاری تحقیقی، کاهش پاسخگویی و افزایش اتاق‌های پژواک خواهد بود؛ اتاق‌هایی که برای جلب‌توجه ما طراحی شده‌اند، نه برای افزایش فهم ما.

حرفه روزنامه‌نگاری در مسیر نابودی

در سال ۱۹۱۹، قاضی «الیور وندل هولمز» [3] در جمله مشهوری نوشت که «حقیقت زمانی پیروز می‌شود که ایده‌ها آزادانه با یکدیگر رقابت کنند». این استعاره «بازار ایده‌ها» در شکل‌گیری دموکراسی ما نقش مهمی داشته است. هنگامی که اندیشه‌ها در گردش باشند و با یکدیگر رقابت کنند، حقیقت در نهایت برنده می‌شود. بااین‌حال، امروزه این بازار با چالش‌هایی روبروست؛ زیرا به‌طور فزاینده‌ای توسط تعداد انگشت‌شماری از غول‌های فناوری کنترل می‌شود که انگیزه‌های آنها لزوماً با منافع عمومی ما همسو نیست. در نتیجه، بازار ایده‌ها و اندیشه‌ها تا حد زیادی به‌صورت الگوریتمی اداره می‌شود؛ به این معنا که همین دروازه‌بان‌ها و الگوریتم‌های رایانه‌ای آنها، تعیین می‌کنند که چه اطلاعاتی برجسته یا سرکوب شود و در نتیجه، آنچه میلیاردها نفر می‌بینند، می‌خوانند و باور می‌کنند را شکل می‌دهند.

مدل‌های هوش مصنوعی، تنها ابزارهایی برای تولید متن یا خلاصه‌سازی داده‌ها نیستند. آنها به‌سرعت در حال تبدیل‌شدن به واسطه‌های اصلی میان شهروندان و اطلاعات هستند.

ازسوی‌دیگر، شریان حیاتی یک بازار سالم ایده‌ها، روزنامه‌نگاری است که از وابستگی به منافع خاص دور بماند. بااین‌حال، رسانه‌ها به‌شدت در تنگنا هستند. وب‌سایت «بیزنس اینسایدر» حدود ۲۱ درصد از کارکنان خود را تعدیل کرد تا بتواند در برابر «سقوط شدید ترافیک که خارج از کنترل آن است» دوام بیاورد. این حذف نیروها در حرفه‌ای رخ می‌دهد که پیش‌تر نیز به‌واسطه اینترنت ضربه‌های سنگینی خورده بود. تعداد کارکنان صنعت روزنامه‌نگاری در ایالات متحده بین سال‌های ۲۰۰۶ تا ۲۰۲۱، حدود ۷۰ درصد کاهش یافت و به تنها ۱۰۴٬۲۹۰ نفر رسید. شمار کارکنان اتاق‌های خبر نیز بیش از نصف شده و از ۷۵ هزار نفر به کمتر از ۳۰ هزار نفر سقوط کرده است.

با ادامه کاهش درآمدها، احتمالاً شمار بیشتری از رسانه‌های خبری ناگزیر خواهند شد فعالیت روزنامه‌نگاری خود را کاهش دهند یا به‌کلی تعطیل شوند. این روند، خطر افزایش «بیابان‌های خبری» را در پی دارد؛ مناطقی که اکنون حدود ۲۰۰ اجتماع در ایالات متحده را در بر می‌گیرند و «دسترسی محدودی به اخبار و اطلاعات معتبر و جامع دارند؛ همان نوع اطلاعاتی که دموکراسی را در سطح محلی تغذیه می‌کند». برای درک این وضعیت، باید بحث را از «انحصارهای داده‌محور» آغاز کنیم.

از امپراتوری رسانه‌ها تا انحصار داده‌ها

در دهه ۱۹۹۰، تمرکز حقوق ضد انحصاری بر رقابت اقتصادی بود: قیمت، میزان تولید و رفاه مصرف‌کننده. نگرانی‌ها درباره تمرکز رسانه‌ای - وضعیتی که در آن، شمار محدودی از مالکان روزنامه‌ها، شبکه‌های تلویزیونی و ایستگاه‌های رادیویی قدرت بیش از حدی در اختیار داشتند - بر عهده کمیسیون فدرال ارتباطات (FCC) گذاشته شده بود.

اما این تقسیم‌بندی در دهه گذشته فروریخته است. با افول رسانه‌های سنتی و جایگزینی آنها با اینترنت، اربابان جدیدی در عرصه دیجیتال قدرت را به دست گرفتند: گوگل و متا که گفتار و تبلیغات آنلاین را یک‌پارچه و متمرکز کردند. اکنون با ظهور هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM) مانند «چت جی‌پی‌تی»، «جمینای»، «کلود»، «لاما» و... با دگرگونی عمیق‌تری روبه‌رو شده‌ایم.

همچنان که در مقاله اخیرم توضیح داده‌ام، این مدل‌های زبانی تنها ابزارهایی برای تولید متن یا خلاصه‌سازی داده‌ها نیستند. آنها به‌سرعت در حال تبدیل‌شدن به واسطه‌های اصلی میان شهروندان و اطلاعات هستند. آنها قادرند به آنچه افراد می‌دانند و چگونه می‌اندیشند، شکل دهند. نکته مهم‌تر آنکه عملکرد آنها به دسترسی به داده‌های جست‌وجو وابسته است؛ حوزه‌ای که تقریباً به‌طور کامل در سیطره گوگل قرار دارد.

وابستگی مدل‌های زبانی بزرگ به جست‌وجو

  گوگل از برتری خود در جست‌وجو برای تقویت قابلیت‌های هوش مصنوعی‌اش استفاده می‌کند. برخلاف دیگر شرکت‌های هوش مصنوعی که برای دریافت داده‌های ناشران به آنها پول پرداخت می‌کنند، گوگل مجبور به چنین کاری نیست.

برای فهم چالش تازه ضد انحصار، باید مفهوم «گراندینگ» [4] را درک کنیم. مدل‌های زبانی بزرگی مانند «جمینای»، «کلود»، «لاما» یا «چت جی‌پی‌تی» با استفاده از داده‌های بسیار زیادی آموزش می‌بینند که در واقع یک «عکس یخ‌زده» از اینترنت در زمان آموزش هستند. چون این اطلاعات، سریع قدیمی می‌شوند، توسعه‌دهندگان هوش مصنوعی از چیزی به نام «گراندینگ» استفاده می‌کنند: یعنی مدل را طوری وصل می‌کنند که پاسخ‌هایش با اطلاعات تازه و به‌روز از پایگاه‌های داده یا موتورهای جست‌وجو مطابقت داشته باشد. این کار، باعث می‌شود که مدل بتواند درباره اتفاقات جدید هم درست پاسخ دهد.

یک دادگاه ناحیه‌ای در پرونده شکایت ایالات متحده علیه گوگل اشاره کرد که شرکت «اوپن ای آی» به دنبال شراکت با گوگل برای دسترسی به داده‌های «گراندینگ» بود، اما با پاسخ منفی روبه‌رو شد. این امتناع نشان می‌دهد که گوگل چگونه می‌تواند رقبای مدل‌های زبانی خود را از دسترسی به تازه‌ترین اطلاعات محروم کند. پیامدهای این موضوع در عمل نیز مشهود است. هنگامی که در اکتبر ۲۰۲۵ (مهر ۱۴۰۴) درباره ترور «چارلی کرک» - یک تحلیلگر سیاسی - پرس‌وجو شد، تنها مدل «جمینای» - که بر شاخص جست‌وجوی گوگل تکیه دارد - این رویداد را درست بازتاب داد. «چت جی‌پی‌تی» و «کلود» - که به این شاخص دسترسی نداشتند - فرض کردند که او همچنان زنده است. این تفاوت نشان می‌دهد که کنترل بر «گراندینگ» - به‌ویژه در پرسش‌های کمتر متداول و تازه درباره رویدادهای اخیر - نه‌تنها بازار قدرت ایجاد می‌کند، بلکه مستقیماً کیفیت پاسخ‌های مدل‌های زبانی بزرگ را تحت‌تأثیر قرار می‌دهد. وقتی این خطا را به «کلود» یادآوری کردند، این مدل که نقطه پایانی دانش آن در آن زمان ژانویه ۲۰۲۵ بود، چنین پاسخ داد: «این یک درس عمیق در فروتنی معرفتی بود و همان خطری را نشان داد که آن نوشته به آن هشدار داده بود. ارزیابی اولیه‌ام نه‌فقط اشتباه بود، بلکه دقیقاً همان نوع اعتماد به نادانی است که می‌تواند مدل‌های زبانی فاقد گراندینگ را به منابعی بالقوه خطرناک برای کسب اطلاعات درباره رویدادهای جاری تبدیل کند».

چگونه این وابستگی به گوگل قدرتی عظیم می‌دهد؟

شاخص جست‌وجوی گوگل، فقط فهرست اطلاعات جهان نیست؛ بلکه همان زیرساختی است که از طریق آن مدل‌های زبانی بزرگ می‌توانند «خبرهای داغ» را ببینند. طبق یافته‌های دادگاه در پرونده انحصار جست‌وجوی گوگل، چندین اثر شبکه‌ای، برتری گوگل را در جست‌وجو در برابر نزدیک‌ترین رقیبش، یعنی موتور جست‌وجوی «بینگ» - متعلق به شرکت «مایکروسافت» - تقویت می‌کند. گوگل هر روز ۹ برابر بیشتر از مجموع رقبای خود جست‌وجو دریافت می‌کند. در تلفن همراه، این نسبت به ۱۹ برابر می‌رسد. همان‌طور که دادگاه اشاره کرد، «حجمی از داده‌های کلیک و جست‌وجویی که گوگل در ۱۳ ماه جمع‌آوری می‌کند، برای مایکروسافت ۱۷.۵ سال طول می‌کشد.» به بیان ساده‌تر، مزیت گوگل در داده و مقیاس، به نتایج جست‌وجوی بهتر منجر می‌شود؛ به‌خصوص برای پرسش‌های «کمتر متداول» و موضوعات تازه و رویدادهایی که به‌تازگی رخ داده‌اند.

اما گوگل، تنها مالک موتور جست‌وجوی پیشرو نیست؛ بلکه میلیاردها دلار نیز در هوش مصنوعی - از جمله در مدل زبانی خود به نام «جمینای» - سرمایه‌گذاری کرده است؛ بنابراین، «جمینای» که دسترسی خودکار و درون‌ساختی به جست‌وجوی گوگل برای «گراندینگ» دارد، نسبت به مدل‌های رقیب که به اتصال محدود یا پراکنده به جست‌وجو متکی‌اند (مثل کلود یا چت جی‌پی‌تی) یا از موتورهایی مانند «بریو» یا «بینگ» برای پاسخ به اخبار تازه استفاده می‌کنند، یک مزیت رقابتی دارد. در نتیجه، انگیزه‌های گوگل تغییر می‌کند؛ به جای آنکه «گراندینگ» را به رقبا با شرایط منصفانه و بدون تبعیض ارائه دهد، گوگل انگیزه دارد که مدل خود را با نتایج جست‌وجوی اختصاصی و بهتر ترجیح دهد. گوگل همچنین می‌تواند نتایج جست‌وجوی رقبای مدل‌های زبانی را کاهش دهد، تعداد جست‌وجوهای روزانه آنها را محدود کند یا با دریافت هزینه‌های بالاتر برای «گراندینگ»، هزینه رقبا را افزایش دهد. همان‌طور که در مورد «چت جی‌پی‌تی» شرکت «اوپن ای آی» می‌بینیم، گوگل می‌تواند به‌سادگی از فراهم‌کردن «گراندینگ» برای دیگر مدل‌های زبانی خودداری کند.

«کلود» در واکنش به گفت‌وگویش درباره چارلی کرک، چنین پاسخ داد: «این تجربه نشان می‌دهد که توصیه «در مواقع لازم از جست‌وجو استفاده کن»، کافی نیست. کاربران همیشه نمی‌دانند چه زمانی یک مدل زبانی فراتر از دانش خود سخن می‌گوید و خود مدل‌ها نیز در ارزیابی میزان عدم اطمینانشان، چندان قابل‌اعتماد نیستند (همان‌طور که من نبودم). این موضوع نشان می‌دهد که چرا گراندینگ خودکار و پیوسته با داده‌های جست‌وجوی به‌روز - که گوگل می‌تواند برای جمینای فراهم کند، اما از رقبا دریغ می‌کند - چنین حصار رقابتی بزرگی ایجاد می‌کند».

این یکی از گلوگاه‌های بالقوه در بازار ایده‌ها و اندیشه‌هاست: نه مالکیت روزنامه یا مجوز شبکه تلویزیونی، بلکه زیرساخت دیجیتال شاخص‌های جست‌وجو و گراندینگ در هوش مصنوعی. البته مسئله «گراندینگ» قابل‌حل است. اگر گوگل موظف شود که به رقبای خود در زمینه مدل‌های زبانی، دسترسی درونی، خودکار و مبتنی بر شرایط منصفانه، معقول و غیرتبعیض‌آمیز به فهرست جست‌وجویش ارائه کند.

بن‌بست ناشران

این نابرابری در قدرت، فقط به توسعه‌دهندگان مدل‌های زبانی محدود نمی‌شود، بلکه به ناشران خبری نیز آسیب مستقیم می‌زند. ناشران برای دریافت ترافیک وب‌سایت و درآمد تبلیغاتی به گوگل وابسته‌اند. از نظر تاریخی، این یک معامله سرراست بود؛ اجازه دهید گوگل در ازای دیده‌شدن در نتایج جستجو، وب‌سایت شما را بررسی کند. اما وقتی گوگل، «مرور کلی هوش مصنوعی» خود را راه‌اندازی کرد - که خلاصه‌هایی تولید شده توسط هوش مصنوعی هستند و مستقیماً به سؤالات کاربران پاسخ می‌دهند - انگیزه‌های گوگل تغییر کرد. گوگل از ارجاع کاربران به منابع اصلی مرتبط، به نگه‌داشتن کاربران در درون اکوسیستم خود روی آورد؛ آن هم از طریق ارائه پاسخ با استفاده از روزنامه‌نگاری و تولید محتوای دیگران. کاربران هرچه بیشتر بدون آنکه روی مقاله اصلی کلیک کنند، پاسخ‌ها را همان‌جا دریافت می‌کنند و این موضوع به‌شدت ترافیک و درآمد تبلیغاتی و حتی اشتراک ناشران را کاهش می‌دهد.

  بنا بر یافته کمیسیون اروپا، بیشتر افراد هیچ‌گاه از صفحه اول نتایج جست‌وجو فراتر نمی‌روند. این یعنی اگر گوگل ناشری را که مطلوبش نیست به صفحه دوم یا سوم تنزل دهد، آن ناشر برای اکثریت کاربران عملاً نامرئی خواهد شد.

گوگل، ناشران را با یک دوراهی ویرانگر و بن‌بست روبه‌رو می‌کند. آنها یا باید از شاخص جست‌وجوی گوگل خارج شوند و هیچ ترافیکی از گوگل دریافت نکنند (و برای بسیاری از مخاطبان بالقوه، عملاً از نظرها پنهان شوند) - که این کار فوراً ترافیک، تبلیغات و درآمد اشتراک را نابود می‌کند - یا اجازه دهند که گوگل از محتوای آنها برای آموزش هوش مصنوعی‌اش - از جمله «مرورهای هوش مصنوعی» - استفاده کند و این نیز باعث می‌شود که بسیاری از کاربران در اکوسیستم گوگل بمانند و به سایت ناشر سر نزنند. در نتیجه، ترافیک و درآمد تبلیغاتی و اشتراک شدیداً کاهش می‌یابد.

گوگل از برتری خود در جست‌وجو برای تقویت قابلیت‌های هوش مصنوعی‌اش استفاده می‌کند. برخلاف دیگر شرکت‌های هوش مصنوعی که برای دریافت داده‌های ناشران به آنها پول پرداخت می‌کنند، گوگل مجبور به چنین کاری نیست. در سال ۲۰۲۵، شرکت «پنسکی مدیا»، ناشر «رولینگ استون» و «ورایتی»، پس از آنکه یک‌سوم ترافیک وب خود را از دست داد، از گوگل شکایت کرد. استدلال اصلی این شکایت ضد انحصاری ساده بود: گوگل از محتوای اصیل ناشران برای آموزش مدل‌هایش و تولید «مرورهای هوش مصنوعی» بدون پرداخت هزینه، بدون ذکر منبع و بدون تأمین ترافیک استفاده می‌کند.

سخنگوی گوگل، آسیب مطرح‌شده در شکایت پنسکی را رد کرد و گفت: با «مرورهای هوش مصنوعی»، جست‌وجو برای مردم مفیدتر می‌شود و استفاده از آن افزایش می‌یابد و این فرصت‌های تازه‌ای برای دیده‌شدن محتوا ایجاد می‌کند. اما در پرونده انحصارطلبی دیگری، خود گوگل اذعان کرده بود که «هوش مصنوعی در حال دگرگون‌کردن فناوری تبلیغات در تمام سطوح است» و «وبِ باز به‌شدت در حال افول است». به‌هرحال، همان‌گونه که دادگاه در پرونده جست‌وجوی گوگل به‌طور عامیانه گفت، «ناشران میان سنگ و دیوار گیر افتاده‌اند.»

چرا این موضوع برای دموکراسی اهمیت دارد؟

اگرچه آسیب مالیِ واردشده به ناشران مهم است، اما پیامدهای دموکراتیک این وضعیت، بسیار نگران‌کننده‌تر است. وقتی یک اکوسیستم غالب، کنترل توزیع اطلاعات را در دست دارد، می‌تواند به‌طور ظریف و تدریجی به آنچه مردم می‌بینند و آنچه باور می‌کنند، شکل دهد. برای نمونه، بنا بر یافته کمیسیون اروپا، بیشتر افراد هیچ‌گاه از صفحه اول نتایج جست‌وجو فراتر نمی‌روند. این یعنی اگر گوگل، ناشری را که مطلوبش نیست، به صفحه دوم یا سوم تنزل دهد، آن ناشر برای اکثریت کاربران عملاً نامرئی خواهد شد

علاوه بر این، داده‌هایی که گوگل برای «گراندینگ» در اختیار مدل‌های زبانی می‌گذارد، ناگزیر سوگیری پیدا می‌کند. مدل‌های زبانی (از جمله جمینایِ گوگل) از صفحه نخست نتایج جست‌وجو استفاده می‌کنند. بنابراین، اگر مدلی برای گراندینگ به گوگل متکی باشد، الزاماً دیدگاهِ «نامطلوب» که در صفحه دوم یا سوم دفن شده، وارد پاسخ مدل نخواهد شد. در نتیجه، کاربرانی که به هوش مصنوعی تکیه می‌کنند، اصلاً آن دیدگاه را نخواهند دید.

البته هوش مصنوعی بدون «گراندینگ» می‌تواند دیدگاه‌های متنوعی ارائه دهد، به شرط آن که آن دیدگاه‌ها در داده‌های آموزشی قدیمی وجود داشته باشند. برای مثال، چنین مدلی ممکن است به‌خوبی آرای قدیمی دیوان عالی را نقد کند. اما مدل بدون «گراندینگ» نمی‌تواند درباره یک رأی تازه، همان گستره دیدگاه‌ها را عرضه کند. افزون بر آن، مدل‌هایی که به موتور جست‌وجوی پیشتاز متکی‌اند، لزوماً دیدگاه نامطلوب را بازتاب نمی‌دهند، البته اگر موتور جست‌وجو یا الگوریتم آن، محتوای مربوط را کم‌کیفیت یا نامرتبط بداند. به‌این‌ترتیب، سوگیری‌ها در موتور جستجوی پیشرو می‌تواند با ترجیح‌دادن برخی دیدگاه‌ها (با رتبه‌بندی بالاتر آن دیدگاه‌ها در صفحه اول) بازار ایده‌ها را منحرف کند. این امر بر اخباری که به‌احتمال زیاد مصرف خواهیم کرد و نیز بر پاسخ‌های هوش مصنوعی که به آنها تکیه می‌کنیم، اثر می‌گذارد.

چرا ظهور یک «تیک‌تاکِ تازه» بازار ایده‌ها را ترمیم نخواهد کرد؟

متأسفانه بازار آنلاین ایده‌ها، تحت‌تأثیر انگیزه‌های مالی اکوسیستم‌های مسلط شکل می‌گیرد. تبلیغات رفتاری - مدلی که زیربنای کسب‌وکار گوگل، متا و دیگر شبکه‌های اجتماعی بزرگ است - خشم، جنجال و قطبی‌سازی را پاداش می‌دهد. برای جذب و نگه‌داشتن کاربران، الگوریتم‌های این پلتفرم‌ها اغلب محتوای مسموم و تفرقه‌افکن را ترویج می‌کنند. ما نیز تا حدی مقصریم؛ زیرا به‌طور جمعی، بیشتر تمایل داریم به دنبال داستان‌های مسموم و نادرست برویم، آنها را با توجه خود پاداش دهیم و دوباره با دیگران به اشتراک بگذاریم.

هر چه زمان بیشتری در سرویس‌های آنلاین - از اینستاگرام گرفته تا یوتیوب - وقت بگذرانیم و با آنها تعامل کنیم، فرصت بیشتری برای این پلتفرم‌ها ایجاد می‌شود تا داده‌های شخصی بیشتری درباره «اقدامات، رفتارها و ترجیحات» ما گردآوری کنند.

هرچه زمان بیشتری در این سرویس‌های آنلاین (از اینستاگرام گرفته تا یوتیوب) بگذرانیم و با آنها تعامل کنیم، فرصت بیشتری برای این پلتفرم‌ها ایجاد می‌شود تا داده‌های شخصی بیشتری درباره «اقدامات، رفتارها و ترجیحات» ما گردآوری کنند؛ حتی تا جزئی‌ترین موارد، مثل این‌که روی کدام نقطه صفحه کلیک کرده‌ایم. همان‌طور که کمیسیون فدرال تجارت (FTC) نشان داده، شرکت‌های بزرگ شبکه‌های اجتماعی بر «مدل‌های پیچیده الگوریتمی و یادگیری ماشینی» تکیه دارند که تعداد زیادی داده یا «سیگنال» را وزن‌دهی و رتبه‌بندی می‌کنند تا «درگیری کاربر» را افزایش دهند و او را هرچه بیشتر در پلتفرم نگه دارند. هرچه مشارکت بیشتر باشد، فرصت بیشتری هم برای کسب درآمد از طریق تبلیغات رفتاری فراهم می‌شود.

هوش مصنوعی، این چرخه شتاب‌دهنده را تسریع می‌کند: داده‌های شخصی، مدل هوش مصنوعی را آموزش می‌دهند، مدلی که افراد را تحلیل کرده و پیش‌بینی می‌کند که چه چیزی رفتار آنها را جذب و حفظ می‌کند (مثلاً نرخ نگهداشت کاربر) و چه تبلیغاتی رفتار آنها را تحریک می‌کند (مثلاً نرخ کلیک تبلیغ). سپس مدل هوش مصنوعی از طریق آزمایش‌های مداوم می‌آموزد که چه چیزی کار می‌کند و چه چیزی نمی‌کند و توانایی خود در پیش‌بینی و دستکاری رفتار کاربران را بهبود می‌بخشد که درآمد تبلیغاتی بیشتری تولید می‌کند و شرکت می‌تواند از آن برای ارتقای هوش مصنوعی خود استفاده کند.

این بازار، به حقیقت پاداش نمی‌دهد؛ بلکه محتوایی را تشویق می‌کند که توجه ما را به‌طور پایدارتری جلب کند و رفتارمان را به‌صورت مؤثرتری دست‌کاری کند. چنین سازوکاری به «اقتصاد توجه» می‌انجامد که اولویت آن محتوای سمی و تفرقه‌افکن است. پلتفرم‌هایی که بکوشند از میزان این محتوا بکاهند، احتمالاً با افت مشارکت کاربران و کاهش درآمد تبلیغاتی روبه‌رو می‌شوند و این، بازدارنده‌ای قدرتمند در برابر مدیریت مسئولانه است؛ بنابراین، «یک تیک‌تاک دیگر» فقط به معنای افزودن یک مدل تجاریِ جدیدِ مبتنی بر نظارت است که می‌کوشد با محتوای هیجان‌انگیز، بخش بیشتری از توجه، داده و پول ما را شکار کند.

حدود و ثغور حقوق ضد انحصاری

در مقام نظر، قوانین ضد انحصاری می‌توانند بخشی از این چالش‌ها را برطرف کنند. برای مثال، دولت ترامپ اخیراً ادعا کرده بود که قوانین ضد انحصار در آمریکا «تمام ابعاد رقابت» از جمله رقابت در حوزه تحریریه و محتوا را حمایت می‌کند. اما در عمل، پرونده‌های مرتبط با انحصار نتوانسته‌اند خود را با سوءاستفاده‌های زیست‌بوم‌های مسلط، هماهنگ و همگام کنند. به پرونده انحصار جست‌وجوی گوگل نگاه کنید. پس از سال‌ها تحقیق و دادرسی، یک دادگاه فدرال ناحیه‌ای، گوگل را به حفظ غیرقانونی انحصار خود در جست‌وجو مجرم شناخت. بااین‌حال، راهکارهای اصلاحی دادگاه بسیار محدود بود. دادگاه پیشنهاد وزارت دادگستری و ایالت‌ها را برای رسیدگی به شکایت ناشران و جلوگیری از آنکه گوگل از انحصار جست‌وجوی خود برای تقویت محصولات هوش مصنوعی‌اش استفاده کند، نپذیرفت. این یک مشکل نهادی است. اجرای مدرن قوانین ضد انحصار - که به واسطه رویه‌های دیوان عالی آمریکا محدود شده است - کُند، پرهزینه و اغلب همراه با نتایجی غیرقابل‌پیش‌بینی و محدود است. زمانی که دادگاه‌ها وارد عمل می‌شوند، بازار و فناوری پیشاپیش دگرگون شده‌اند؛ بنابراین، چگونه می‌توان راهکارهایی طراحی کرد که تغییرات فناورانه را از پیش در نظر بگیرند و با آنها تطبیق پیدا کنند؟ اگر «ضد انحصار» سنتی بیش از حد کُند و پرهزینه است، راه‌حل جایگزین چیست؟

مسیر تازه: اصلاحات قانونی

اروپا پیش از این با تصویب «قانون بازارهای دیجیتال» (DMA) تعهدات گسترده‌ای را بر سرویس‌های تحت پوشش دروازه‌بانان غالب اعمال می‌کند؛ از جمله ممنوعیت ترجیح محصولات خود و الزامات مربوط به قابلیت همکاری داده‌ها. در ایالات متحده نیز اصلاحات مشابهی در «قانون انتخاب و نوآوری آنلاین آمریکایی» و «قانون پایان‌دادن به انحصار پلتفرم‌ها» پیشنهاد شده بود؛ لوایحی که هدفشان جلوگیری از تبعیض قائل‌شدن اکوسیستم‌های مسلط بین ترجیح محصولات خود یا کاربران بود.

 اگر گوگل، متا و چند زیست‌بوم قدرتمند دیگر به سلطه بر واسطه‌گری ایده‌ها ادامه دهند، نتیجه کاهش ناشران مستقل، کاهش روزنامه‌نگاری تحقیقی، کاهش پاسخگویی و افزایش اتاق‌های پژواک خواهد بود؛ اتاق‌هایی که برای جلب‌توجه ما طراحی شده‌اند، نه برای افزایش فهم ما.

هرچند این لوایح مشخصاً باتوجه‌به مسئله «گراندینگ» مدل‌های زبانی بزرگ طراحی نشده‌اند، اما قانون پایان‌دادن به انحصار پلتفرم‌ها به تضاد ذاتی منافع می‌پردازد؛ زمانی که گوگل، هم رقیب سایر مدل‌های زبانی است و هم تأمین‌کننده یا بازدارنده نتایج جست‌وجویی که رقبا برای گراندینگ به آن نیاز دارند. این قانون، گوگل را از آن منع می‌کند که هم‌زمان، مالک موتور جست‌وجوی پیشرو باشد و مدلی زبانی را نیز اداره کند که برای گراندینگ به همان موتور جست‌وجو وابسته است. این دوگانگی مالکیت، موجب تضاد منافع می‌شود. «قانون انتخاب و نوآوری آنلاین آمریکایی» نیز چند دسته از اقدامات اکوسیستم‌های مسلط را به‌طور پیش‌فرض غیرقانونی می‌سازد: از جمله ترجیح محصولات خود که مانع می‌شود تا گوگل برای گراندینگ مدل زبانی خود از نتایج جست‌وجوی بهتر بهره‌مند شود و تبعیض علیه «کاربران تجاریِ مشابه» که مانع می‌شود گوگل به برخی مدل‌های زبانی دیگر از جمله مدل‌هایی که در آنها سرمایه‌گذاری کرده است نتایج جست‌وجوی بهتری برای «گراندینگ» ارائه کند.

برای رفع هرگونه ابهام، قانون‌گذار می‌تواند زیست‌بوم‌های مسلط مانند گوگل را از قراردادن ناشران در موقعیت «انتخاب اجباری» منع کند؛ وضعیتی که در آن دروازه‌بان، میان ناشرانی که اجازه می‌دهند داده‌هایشان برای آموزش مدل‌های زبانی او استفاده شود و ناشرانی که مخالفت می‌کنند، تبعیض قائل می‌شود. متأسفانه باوجود حمایت دوحزبی، این لوایح تحت‌فشار لابی‌ها متوقف شدند. این وضعیت، شکاف روبه‌گسترشی میان قدرت زیست‌بوم‌های مسلط بر بازار نوظهور مدل‌های زبانی بزرگ و توانایی قوانین ضد انحصاری فعلی برای مهار آنها ایجاد می‌کند.

احیای بازار ایده‌ها

سلامت یک دموکراسی به شهروندانی مطلع و تنوع صداها بستگی دارد. «بازار ایده‌ها» وقتی دسترسی به اطلاعات توسط چند اکوسیستم قدرتمند واسطه‌گری می‌شود، نمی‌تواند رشد کند. همان‌طور که قاضی «کلارنس توماس» در سال ۲۰۲۱ اشاره کرد: «پلتفرم‌های دیجیتال، امروز امکان ابراز نظر در حجم‌هایی بی‌سابقه‌ای از جمله توسط بازیگران دولتی را فراهم می‌کنند. بااین‌حال، بی‌سابقه است که کنترل چنین حجم عظیمی از حرف در دست تعداد کمی از بازیگران خصوصی متمرکز شده باشد. به‌زودی چاره‌ای نخواهیم داشت، جز اینکه بررسی کنیم چگونه اصول حقوقی ما بر زیرساخت اطلاعات خصوصی و متمرکز مانند پلتفرم‌های دیجیتال اعمال می‌شود».

هوش مصنوعی لزوماً نیاز ندارد که بازار ایده‌ها و اندیشه‌ها را نابود کند. اما اگر روندهای کنونی ادامه یابد، بدون مداخله، هوش مصنوعی روند افول آن را تسریع خواهد کرد. اگر گوگل، متا و چند زیست‌بوم قدرتمند دیگر، به سلطه بر واسطه‌گری ایده‌ها ادامه دهند، نتیجه کاهش ناشران مستقل، کاهش روزنامه‌نگاری تحقیقی، کاهش پاسخگویی و افزایش اتاق‌های پژواک خواهد بود؛ اتاق‌هایی که برای جلب‌توجه ما طراحی شده‌اند، نه برای افزایش فهم ما.

بازگرداندن رقابت سالم در بازار اندیشه‌ها بیش از اعتماد دادگاه، وابسته به این نکته است که «هوش مصنوعی ممکن است در آینده، سلطه گوگل بر جست‌وجو را مختل کند». این امر، نیازمند الزام‌های شفاف ضد انحصاری برای این زیست‌بوم‌های قدرتمند است تا دسترسی منصفانه به اطلاعات را تضمین کنند؛ همان‌طور که مثال تیک‌تاک این را نشان می‌دهد. همچنین قوانین حریم خصوصی باید انگیزه‌ها را بازتنظیم کنند؛ به‌گونه‌ای که وقتی شرکت‌ها در جمع‌آوری داده‌های شخصی و پروفایل‌سازی با هم رقابت می‌کنند، این کار برای منافع ما باشد، نه صرفاً منافع خودشان.

خبر خوب این است که کنگره آمریکا چارچوبی برای رسیدگی به مسائل ضد انحصاری فراهم کرده بود. خبر بد این است که این لوایح منقضی شدند و باتوجه‌به بن‌بست فعلی قانون‌گذاری، اصلاحات فدرال نامحتمل به نظر می‌رسد؛ بنابراین، مرز بعدی ممکن است به ایالت‌ها تعلق داشته باشد. درست همان‌طور که کالیفرنیا و ۱۹ ایالت دیگر، پیشگام قوانین حریم خصوصی مانند «قانون حفظ حریم خصوصی مصرف‌کننده کالیفرنیایی (CCPA)» بودند، مجالس ایالتی نیز می‌توانند قوانین هوش مصنوعی و ضد انحصاری را بر اساس «قانون بازارهای دیجیتال (DMA)»، قانون انتخاب و نوآوری آنلاین آمریکایی و قانون پایان‌دادن به انحصار پلتفرم‌ها تصویب کنند. در غیر این صورت، حقیقت دیگر فرصت منصفانه‌ای برای رقابت نخواهد داشت.

https://www.ineteconomics.org/perspectives/blog/ai-antitrust-and-the-future-of-the-marketplace-of-ideas