وزارت بازرگانی آمریکا دسترسی به مدل‌های پیشرفته هوش مصنوعی را منوط به تأیید مشتری به مشتری کرد

دوران دسترسی جهانی نامحدود به قدرتمندترین مدل‌های هوش مصنوعی جهان، بی‌سروصدا به پایان رسیده است. در یک تغییر سیاست گسترده، وزارت بازرگانی آمریکا شروع به الزامی کردن تأیید مشتری به مشتری برای دسترسی به جدیدترین سیستم‌های هوش مصنوعی «پیشرفته» کرده است و با وزن‌های دیجیتالی مدل‌ها با همان دقت نظارتی برخورد می‌کند که در گذشته برای سیستم‌های تسلیحاتی پیشرفته و فناوری هوافضا در نظر گرفته می‌شد.[1][8]

واقعیت عملیاتی این تغییر در اواخر ژوئن ۲۰۲۶، زمانی که OpenAI مدل بسیار مورد انتظار GPT-5.6 خود را منتشر کرد، متبلور شد. این مدل به جای عرضه عمومی، به فهرستی به شدت بررسی‌شده از حدود بیست سازمان مورد تأیید دولت محدود شد و مقامات فدرال قبل از اعطای دسترسی، لیست مهمانان را بررسی کردند.[1][3]

همزمان، مدل‌های پیشرفته Claude Mythos 5 و Fable 5 شرکت Anthropic مشمول کنترل‌های صادراتی ناگهانی شدند. وزارت بازرگانی به این شرکت دستور داد تا دسترسی را برای همه اتباع خارجی به حالت تعلیق درآورد و Anthropic را مجبور کرد تا مدل‌ها را به طور موقت در سطح جهانی غیرفعال کند تا زمانی که موانع دسترسی جدید و سختگیرانه اجرا و تأیید شوند.[2][7]

برای کاربران روزمره چت‌بات‌های استاندارد هوش مصنوعی یا نرم‌افزارهای سازمانی معمولی، این تغییرات نامرئی هستند. اما برای سازمان‌هایی که برنامه‌های پیشرفته را در لبه مطلق هوش مصنوعی می‌سازند، چشم‌انداز نظارتی اساساً بازنویسی شده است و گلوگاه را از توانایی فنی به انطباق دولتی منتقل کرده است.[4]

برای درک این تحول، لازم است به سازوکار محرک آن نگاه کنیم: چارچوب «مشتری خود را بشناس» (KYC) برای محاسبات هوش مصنوعی. اصول KYC که در اصل برای جلوگیری از پولشویی در بخش بانکداری طراحی شده بودند، اکنون در مراکز داده ابری عظیمی که هوش مصنوعی را آموزش داده و میزبانی می‌کنند، اعمال می‌شوند.[8]

طبق قوانین وزارت بازرگانی، ارائه‌دهندگان زیرساخت به عنوان سرویس (IaaS) باید یک برنامه دقیق شناسایی مشتری را حفظ کنند. این امر پلتفرم‌های ابری را ملزم می‌کند تا هویت دقیق افراد و نهادهای خارجی اجاره‌کننده سرورهایشان را تأیید کنند و اطمینان حاصل کنند که بازیگران ناشناس نمی‌توانند خوشه‌های محاسباتی عظیمی را برای آموزش یا اجرای مدل‌های محدود شده راه‌اندازی کنند.[8]

ارائه‌دهندگان موظفند نام‌های تأیید شده، آدرس‌های فیزیکی و منابع پرداخت قابل ردیابی را جمع‌آوری کنند. اگر یک نهاد خارجی تلاش کند به قدرت محاسباتی کافی برای آموزش یک مدل بزرگ هوش مصنوعی با قابلیت‌های بالقوه حمله سایبری دست یابد، ارائه‌دهنده خدمات ابری باید این فعالیت را مستقیماً به دولت فدرال گزارش دهد.[8]

کاتالیزور این نظارت دقیق در سطح مشتری، تکامل سریع قابلیت‌های «دوگانه» در آخرین نسل از مدل‌های پیشرفته بود. همانطور که سیستم‌های هوش مصنوعی قادر به استدلال پیشرفته و چند مرحله‌ای شدند، در کشف آسیب‌پذیری‌های نرم‌افزاری و نوشتن کدهای بهره‌برداری (exploit) کاربردی نیز بسیار ماهر شدند.[5][7]

در اواسط ژوئن ۲۰۲۶، نگرانی خاصی در مورد «فرار از محدودیت» (jailbreak) امنیت سایبری، اداره صنعت و امنیت وزارت بازرگانی را بر آن داشت تا دستورالعمل ناگهانی کنترل صادرات خود را علیه Anthropic صادر کند. دولت می‌ترسید که دسترسی نامحدود به مدل Fable 5 به بازیگران مخرب اجازه دهد تا حملات سایبری پیچیده را علیه زیرساخت‌های حیاتی خودکار کنند.[2][5]

حادثه Anthropic یک آسیب‌پذیری ساختاری حیاتی را در اکوسیستم هوش مصنوعی برجسته کرد: از آنجایی که آزمایشگاه‌های هوش مصنوعی نمی‌توانستند ملیت یا نیت کاربران خود را در لایه API به صورت بلادرنگ تأیید کنند، یک تهدید امنیتی واحد، خاموشی جهانی و فراگیر این فناوری را تحمیل کرد.[2][7]

در پاسخ به این اختلال، دولت و آزمایشگاه‌های برتر هوش مصنوعی یک الگوی عملیاتی جدید را مذاکره کردند. به جای تکیه بر خاموشی‌های واکنشی پس از انتشار یک مدل، استاندارد جدید دسترسی پیشگیرانه و محدود شده است، جایی که مدل‌ها به آرامی برای شرکای از پیش تأیید شده مستقر می‌شوند، در حالی که طبقه‌بندی‌کننده‌های امنیتی تقویت می‌شوند.[1][6]

این رویکرد محدود شده توسط «قانون انتشار هوش مصنوعی» (AI Diffusion Rule) تثبیت شده است، یک چارچوب نظارتی که یک سیستم طبقه‌بندی‌شده برای دسترسی جهانی به هوش مصنوعی بر اساس اتحادهای ژئوپلیتیکی ایجاد می‌کند. این قانون به طور مؤثری چشم‌انداز دیجیتال را به مناطق متمایز اعتماد و محدودیت تقسیم می‌کند.[4]

تحت این سیستم طبقه‌بندی‌شده، متحدان نزدیک آمریکا هنگام دسترسی به مدل‌های پیشرفته با حداقل اصطکاک مواجه هستند. در مقابل، کاربران در حوزه‌های قضایی به شدت محدود شده با ممنوعیت‌های تقریباً کامل در دسترسی به قدرتمندترین خوشه‌های محاسباتی روبرو می‌شوند و از بهره‌برداری کشورهای متخاصم از زیرساخت هوش مصنوعی آمریکا جلوگیری می‌کنند.[4]

آستانه این محدودیت‌ها مستقیماً به قدرت محاسباتی گره خورده است. مدل‌هایی که با استفاده از بیش از ۱۰ به توان ۲۶ عملیات ممیز شناور (FLOPs) آموزش دیده‌اند – که بودجه محاسباتی عظیمی برای سیستم‌های پیشرفته است – به طور خودکار بررسی‌های شدیدتر و ملاحظات کنترل صادرات را فعال می‌کنند.[4]

برای تیم‌های انطباق سازمانی و مدیریت ریسک، این رژیم نظارتی یک متغیر عملیاتی جدید را معرفی می‌کند: «خطر مداخله حاکمیتی». شرکت‌هایی که جریان‌های کاری حیاتی را بر اساس مدل‌های پیشرفته می‌سازند، اکنون باید صراحتاً احتمال اختلال در زنجیره تأمین هوش مصنوعی خود توسط رویدادهای ژئوپلیتیکی را در نظر بگیرند.[2]

اگر شرکتی به یک مدل به شدت محدود شده متکی باشد، دسترسی آن ممکن است بر اساس دستورالعمل‌های دولتی و نه نقص‌های فنی، به تأخیر بیفتد، محدود شود یا لغو گردد. این امر پیامدهای انطباقی مستقیمی برای شرکت‌های جهانی دارد، به ویژه آنهایی که نیروی کار چندملیتی دارند و ممکن است ناگهان دسترسی به ابزارهای ضروری را از دست بدهند.[2]

برای کاهش این خطرات و بازیابی دسترسی گسترده‌تر، آزمایشگاه‌های هوش مصنوعی در حال توسعه طبقه‌بندی‌کننده‌های ایمنی پیشرفته و مبتنی بر هوش مصنوعی هستند. به عنوان مثال، Anthropic با استقرار یک طبقه‌بندی‌کننده جدید که تلاش‌های مخرب برای فرار از محدودیت‌ها را با دقت بیش از ۹۹ درصد مسدود می‌کند، با موفقیت در مورد بازیابی مدل‌های خود مذاکره کرد؛ اصلاحیه‌ای که توسط وزارت بازرگانی تأیید شد.[5][6]

دولت آمریکا همچنین در حال گسترش قابلیت‌های آزمایش پیش از انتشار خود است. از طریق توافقات داوطلبانه با آزمایشگاه‌های بزرگ، ارزیابان فدرال و آژانس‌های امنیت ملی اکنون مدل‌های پیشرفته را از نظر خطرات سایبری، بیولوژیکی و شیمیایی آزمایش می‌کنند، پیش از آنکه این مدل‌ها در بازار تجاری مستقر شوند.[1][6]

در نهایت، این رژیم تأیید مشتری به مشتری، نشان‌دهنده بلوغ صنعت هوش مصنوعی است. دوران «سریع حرکت کن و چیزها را بشکن» با یک خط لوله استقرار ساختاریافته و به شدت تنظیم شده جایگزین شده است.[3][8]

سیاست‌گذاران با برخورد با مدل‌های پیشرفته به عنوان زیرساخت استراتژیک ملی، به جای نرم‌افزار ساده مصرف‌کننده، تلاش می‌کنند تا سرعت سریع نوآوری هوش مصنوعی را با امنیت قابل تأییدی که برای محافظت از اکوسیستم دیجیتال جهانی لازم است، متعادل سازند.[2][4]