وقتی قدرت از دولت به معماری فناوری منتقل می‌شود؛ضرورت بازتعریف سیاست‌گذاری کلی در عصر هوش مصنوعی

تیر ۲۹, ۱۴۰۵

دیدگاهتان را بنویسید لغو پاسخ

پست های مرتبط

ایران با موشک‌های سریع و مانورپذیر، سامانه‌های دفاعی آمریکا را دور زد

تیر ۲۹, ۱۴۰۵

در نشست مدیرعامل منطقه ویژه اقتصادی پیام ومدیران اتاق مشترک ایران و آفریقا تأکید شد: آمادگی «پیام» برای توسعه تجارت با کشورهای آفریقایی

تیر ۲۹, ۱۴۰۵

اخبار قطع اینترنت، عملیات روانی علیه اقتصاد دیجیتال است

تیر ۲۸, ۱۴۰۵

«اعتبار مالیاتی» محرک بومی‌سازی فناوری‌های راهبردی در صنعت فاوا

تیر ۲۸, ۱۴۰۵

پاداش هوش مصنوعی آمریکا به امارات در قبال مشارکت در جنگ علیه ایران

تیر ۲۸, ۱۴۰۵

با ارایه دو پیشنهاد راهبردی حوزه کوانتوم و تاب‌آوری شبکه صورت گرفت؛ ورود پژوهشگاه ارتباطات به همکاری‌های فناورانه «بریکس»

تیر ۲۸, ۱۴۰۵

مدیرکل ارتباطات خوزستان خبر داد: پایداری شبکه ارتباطات در زلزله 5 ریشتری شهرستان دزفول

تیر ۲۸, ۱۴۰۵

مصوبه مهم مرکز ملی فضای مجازی برای تسهیل فعالیت کسب‌وکارهای فضای مجازی

تیر ۲۸, ۱۴۰۵

این یادداشت، پاسخی نسبتاً طولانی به این پرسش کوتاه است: «چرا سیاست‌گذاری عمومی در جمهوری اسلامی باید تغییر کند؟»
برآمدن سکوهای هوش مصنوعی صرفاً بشارت یک فناوری جدید نیست، بلکه هشداری است به استادان و کارشناسان سیاست‌گذاری عمومی مبنی بر این که برخی از مفروضات بنیادین سیاست‌گذاری عمومی در حال تغییر است و کتاب‌های کلاسیک سیاست‌گذاری عمومی باید مورد تجدید نظر و بازنویسی قرار گیرند.
چند دلیل اصلی برای این بازنویسی عبارتند از:
دولت معمولاً بازیگر اصلی سیاست‌گذاری فرض می‌شود و بازار و جامعه مدنی در کنار آن قرار می‌گیرند. اما امروزه مدیرعاملان شرکت‌های بزرگ هوش مصنوعی و صاحبان پلتفرم‌های دیجیتالی به بازیگرانی تبدیل شده‌اند که نه تنها بر بازار، بلکه بر افکار عمومی، امنیت ملی، آموزش، سلامت و حتی تصمیمات سیاسی اثر می‌گذارند. کمااینکه در برخی حوزه‌ها، قدرت این بازیگران جدید با دولت‌ها برابری می‌کند.سیاست‌گذاری مبتنی بر شواهد (Evidence-Based Policy) در گذشته بر داده‌های آماری و پژوهش‌های دانشگاهی استوار بود. اما اکنون مدل‌های هوش مصنوعی می‌توانند در عرض چند ثانیه میلیون‌ها داده را تحلیل و سناریوهای سیاستی دقیق‌تری را تولید کنند. لذا، استفاده از هوش مصنوعی به عنوان ابزار تحلیل و تولید سناریو، پرسش‌های با اهمیتی را در مرحلۀ فرایند سیاست‌گذاری مطرح کرده‌اند، مانندِ این پرسش که چه کسی الگوریتم را طراحی کرده است؟ داده‌ها چه سوگیری‌هایی دارند؟ مسئولیت خطاهای مدل بر عهدۀ کیست؟اگر هوش مصنوعی امروزه می‌تواند گزینه‌های سیاستی تولید کند؛ آثار سیاست‌ها را شبیه‌سازی و پیش‌نویس قوانین و مقررات را تهیه کند و ارزیابی سیاست‌ها را خودکار انجام دهد، بنابراین در برخی مراحل، هوش مصنوعی فراتر از ابزار سیاست‌گذاری به همکار تصمیم‌سازی برای سیاست‌گذاری تبدیل شده است.اما یکی از مهم‌ترین تأثیرات هوش مصنوعی بر سیاست‌گذاری عمومی این است که مفهوم حکمرانی را تغییر داده است. اگر نظریه‌های کلاسیک حکمرانی از روابط میان دولت، بازار و جامعه مدنی به عنوان بازیگران اصلی سخن می‌گویند، اکنون باید بازیگر چهارمی را که سامانه‌های هوشمند و زیرساخت‌های الگوریتمی هستند، نیز در نظر بگیرند. این سامانه‌ها هرچند فاقد ارادۀ مستقل به معنای روانشناختی آن هستند، اما به دلیل نقش گسترده‌شان در شکل‌دهی به تصمیم‌ها، بخشی از معماری حکمرانی محسوب می‌شوند.علاوه بر موارد فوق، تأثیر هوش مصنوعی بر سیاست‌گذاری چالش‌های اخلاقی و حقوقی آن است. کتاب‌های کلاسیک سیاست‌گذاری عمومی کمتر به موضوعاتی مانندِ عدالت الگوریتمی، شفافیت مدل‌ها، حریم خصوصی، حاکمیت داده، مسئولیت‌پذیری الگوریتمی، مخاطرات امنیتی هوش مصنوعی، پرداخته‌اند و لذا باید تکمیل شوند.تغییر سرعت سیاست‌گذاری عمومی و کوتاه شدن چرخه‌های عمر آن، یکی دیگر از آثار هوش مصنوعی بر سیاست‌گذاری کلاسیک است. سیاست‌گذاری کلاسیک معمولاً چرخه‌ای چندساله داشت، اما هوش مصنوعی سرعت تغییرات را به حدی افزایش داده که سیاست‌ها باید پویا، تطبیقی و قابل بازنگری مستمر باشند. لذا مفاهیمی مانند «سیاست‌گذاری چابک» (Agile Policymaking) و «تنظیم‌گری تطبیقی» (Adaptive Regulation) اهمیت بیشتری یافته‌اند.هرچند هوش مصنوعی به خودی خود دکترین سیاسی را تعیین نمی‌کند، اما می‌تواند به‌طور غیرمستقیم بر شکل‌گیری دکترین‌ها اثر بگذارد؛ برای مثال از طریقِ تغییر موازنۀ قدرت اقتصادی؛ ایجاد مزیت‌های فناورانه برای برخی کشورها؛ تأثیر بر افکار عمومی و فضای اطلاعاتی؛ ارائۀ تحلیل‌های پیچیده برای تصمیم‌گیران و تغییر قواعد رقابت ژئوپلیتیکی. در نهایت، این انسان‌ها، نهادها و دولت‌ها هستند که دکترین را تدوین و تصویب می‌کنند، اما در آینده بعید نیست بخش بزرگی از تحلیل‌ها و پیشنهادهای راهبردی با کمک سامانه‌های هوش مصنوعی تولید شود. درنتیجه به نظر می‌رسد اکنون زمان نگارش نسل جدیدی از کتاب‌های سیاست‌گذاری عمومی فرا رسیده است. در این کتاب‌ها نباید صرفاً فصلی با عنوان «هوش مصنوعی» اضافه شود، بلکه لازم است بسیاری از مفاهیم بنیادین، از تعریف مسئله و تحلیل ذی‌نفعان گرفته تا طراحی، اجرا، ارزیابی و تنظیم‌گری با فرض حضور هوش مصنوعی بازاندیشی شوند.در نهایت می‌توان از «پارادایم سیاست‌گذاری عمومی در عصر هوش مصنوعی» سخن گفت؛ پارادایمی که در آن داده، الگوریتم، قدرت رایانشی، زیرساخت دیجیتالی و حکمرانی الگوریتمی در کنار دولت، بازار و جامعۀ مدنی به عناصر اصلی تحلیل تبدیل می‌شوند. چنین بازنگری‌ای صرفاً یک به‌روزرسانی فنی نیست، بلکه تغییری نظری در فهم قدرت، تصمیم‌گیری و حکمرانی در قرن بیست‌ویکم به شمار می‌آید.

تغییر جایگاه سیاست‌گذاریدر گذشته سیاست‌گذاری سَر بود زیرا بر بازار و بازار بر فناوری اثر می‌گذاشت. اما امروزه در مورد بسیاری از فناوری‌های راهبردی مثل هوش مصنوعی، رابطۀ مذکور تا حد زیادی معکوس یا بازآرایی شده است:

سیاست‌گذاری تابع بازار و بازار متأثر از متغیرهای ژئوپلیتیکی و ژئواِکونومیکیِ معماری فناوری شده است.اکنون معماری فناوری، سَر است و شرکت‌های معمار فناوری‌های راهبردی عاملان تأثیرگذار بر بازار و سیاست‌اند.
سیاست‌گذاری در حوزۀ هوش مصنوعیدر وضعیت کنونی، سیاست‌گذاری در حوزۀ هوش مصنوعی تا حد زیادی تابع عرضه و جهت‌گیری بازار است؛ بازیگران بزرگ خصوصی یعنی اَبَرشرکت‌های فناوری، کنسرن‌های بزرگِ تراشه‌سازی و صاحبان سکوهای داده قادرند با سرمایه‌گذاری، استانداردسازی فنی و ساخت اکوسیستم‌های وابسته، گزینه‌های سیاستی دولت‌های خواهان به خدمت گیری فناوری هوش مصنوعی را شکل دهند.
لذا بازار همان‌طور که از داخل اقتصاد دیده می‌شود، دیگر صرفاً حاصل فرایندهای عرضه و تقاضای ملی نیست؛ ساختاردهی آن تحت‌تأثیر محاسبات ژئوپلیتیکی و ژئو‌اِکونومیکی است: زنجیره‌های تأمین، قواعد تبادل داده، پیمان‌های امنیتی فناوری و تحریم‌ها جهت‌گیری اقتصادی و فنی بازارها را تعیین می‌کنند.
درنتیجه: سیاست‌گذاری و مشتقات آن شاملِ قانون‌گذاری، تنظیم مقررات، استانداردسازی و حمایت از تحقیق و توسعه که قبلاً اموری مستقل و فراکنشی بودند، دیگر اغلب به اُموری وابسته و واکنشی تبدیل شده‌اند: واکنش و پاسخی به آرایش جدید در بازاری شکل‌گرفته توسط عوامل فراملی!
از این‌رو بازار فراورده‌های فناوری هوش مصنوعی، دیگر تابع اولویت‌های سیاست‌گذاری دولتی نیست.

سازوکارهای اصلی که باعث این بازآرایی شده‌اند، عبارتند از:

تمرکز سرمایه و دانش در بخش خصوصیِ به ثبت رسیده در چند کشور پیشرفته: انباشت شدید سرمایه، داده و نیروی انسانی در چند شرکتِ «بیگ تِک»، مانند گوگل، مِتا، مایکروسافت، اُپِن اِی آی و پالانتیر توان تنظیم مستقل هنجارها و استانداردهای فنی را از دولت‌ها جدا کرده است.مالکیت داده و پلتفرم‌ها: دسترسی به داده‌های عظیم و توان پردازش باعث می‌شود فناوری‌های نوآورانه بیرون از اختیار مستقیم تنظیم‌کننده‌های دولتی شکل بگیرند.شبکه‌های تأمین جهانی و آسیب‌پذیری‌های آن: موانع لُجستیکی و تحریم‌ها بازارها را طبق نیازهای ژئوپلیتیکی بازآرایی می‌کنند (مثلاً ممنوعیت صادرات نیمه‌رسانای فوق سریع یا کنترل صادرات نرم‌افزارهای حساس به ایران).سازوکارهای ژئواِکونومیکی: ابزارهایی مانند تحریم‌های فناوری، پیمان‌های ائتلافی برای به‌کارگیری و اجرای استانداردها، منطقه‌بندی فروش فناوری از طریق تشکیل tech blocs و … دولت‌های خواهان فناوری راهبردی را مجبور به تعدیل سیاست‌ها و اولویت‌های پیشین خود در پاسخ به تغییرات ایجادشده در بازار می‌کنند.نوآوریِ مسابقه-پایه: (race-based innovation) مسابقۀ راهبردی کشورها و شرکت‌ها برای برتری فناوری، بازار را به‌عنوان میدان تلاش و تصمیم‌گیری استراتژیکی سازمان‌دهی می‌کند.

پیامدهای سیاستی و نهادی این وضعیت جدید عبارتند از موارد زیر:

دولت‌ها دیگر صرفاً تنظیم‌کننده‌ محلی نیستند.دولت‌ها باید راهبردهای صنعتی، دیپلماسی فناوری و سیاست‌های داده‌ای خود را هماهنگ با بازیگران بین‌المللی طراحی کنند.لزوم رویکردهای فعال: برای این که دولت‌ها دوباره بتوانند در جهت‌گیری بازار تاثیرگذار شوند، لازم است از زیرساخت‌های رایانش ملی، سرمایه‌گذاری در زنجیرۀ تأمین حیاتی، توسعۀ ظرفیت‌های نظارتی تکنیکی (مثل توسعۀ آزمایشگاه‌های ارزیابی مدل‌های هوش مصنوعی) حمایت کنند.چالش مشروعیت و پاسخگویی: وقتی بازارهای اقتصاد ملی توسط بازیگران غیردولتی شکل می‌گیرد و نه توسط دولت ملی، مسئولیت‌پذیری و پاسخگویی دولت کم‌رنگ می‌شود؛ در چنین وضعی، ساختارهای جدید حکمرانی چندجانبه یا مقررات فراملی نیاز است.خطر تقسیم‌بندی منطقه‌ای فناوری: «بلوک‌بندی» بازارهای فناوری می‌تواند به تقسیم‌بندی جهانیِ استانداردها، داده‌ها و اِکولوژی‌های تحقیق منجر شود که هزینه‌های نوآوری و همکاری را برای هر دو طرف، بخصوص برای بیگ تِک بالا می‌برد.برای تغییر جهت‌گیری پژوهشی یا عملی سیاست‌گذاران و پژوهشگران می توان به ایشان پیشنهاد کرد:
به تحلیل‌ شبکه‌ای بازارهای فناوری بپردازند، آن هم از طریق نقشه‌برداری از موقعیت بازیگران کلیدی، درک جریان‌های داده و گلوگاه‌های زنجیرۀ تأمین به‌عنوان پایه سیاست‌گذاری.به طراحی سیاست‌های فراکنشی رو بیاورند: ابزارهایی مانند سرمایه‌گذاری مشروط، قراردادهای مشارکتی با بخش خصوصی، و بودجه‌گذاری هدفمند برای ظرفیت‌های ملی را جدی بگیرند.دیپلماسی فناوری فعالی را اختیار کنند از طریق هماهنگی بین‌المللی برای استانداردها، پروتکل‌های اشتراک امن داده و تنظیمات صادرات-واردات فناورانه.سازوکارهای مناسبی را برای پاسخگویی شرکت‌هایی ایجاد کنند که فراهم‌آوران زیرساخت‌های هوش مصنوعی در دولت هوشمند هستند و لذا الزامات شفافیت در داده‌ها، گزارش‌دهی فنی و ممیزی مستقل برای کاهش اثرگذاری یک‌جانبه بازار بر تصمیمات عمومی باید رعایت شوند.خلاصه این که: اگر در گذشته دولت‌ها مسیرهای بازار و نقشۀ راه فناوری را تعیین می‌کردند؛ امروزه این اِکوسیستم‌های فناوریِ شکل‌گرفته توسط غول‌های پلتفرمی و شبکه‌های زنجیرۀ تأمین بین‌المللی هستند که سیاست‌گذاران را وادار به واکنش می‌کنند. در نتیجه، سیاست‌گذاران باید بکوشند در وضعیت واکنشی درجا نزنند و تا آنجا که برای شان مقدور است به وضعیت فراکنشی و دیپلماسی میانکنشی در حوزۀ فناوری منتقل شوند.

چهل سال پیش: سیاست‌گذاری برای گذار از آنالوگ به دیجیتالبرای این که وضعیت جدیدِ دولتِ خواهانِ فناوری هوش مصنوعیِ بومی بهتر درک شود به یاد بیاوریم که چهل سال پیش در چه شرایط و وضعیتی دوران گذار از آنالوگ به دیجیتال را در شبکۀ مخابرات و ارتباطات کشور تجربه کردیم:
اندکی کمتر از چهل سال پیش نخستین مرکز تلفن تمام دیجیتالی کم ظرفیت کشور را مرکز تحقیقات مخابرات وابسته به وزارت پست و تلگراف و تلفن ساخت و نامش را «والفجر» گذاشت. چگونه؟ – از طریق مهندسی معکوس یک نمونۀ به دست آمده از اشغال سفارت آمریکا در تهران و خرید قطعات مشابه آن نمونه، از بازارهای اروپا و واردکردن چمدانی آنها به کشور.
وزیر وقت پست و تلگراف و تلفن می‌توانست منتظر راه افتادن خط تولید انبوه والفجر و نسخه‌های پیشرفته‌تر آن بنشیند اما عجله کرد: از یکسو، اروپائیان پیشدستی کرده و یک مرکز تلفن ده هزار شماره‌ای تمام دیجیتالی کامل و دارایِ «بَک دُر» یا «درِ پشتیِ» فعال را مجاناً به ایران جنگ زده هدیه کرده بودند؛ و از سوی دیگر مردم به فراخوان پرداخت ودیعه برای سرمایه‌گذاری جمعی بمنظور توسعۀ زیرساخت‌های مخابرات ملی لبیک گفته بودند.
این دو رویداد وزیر وقت را از تولید داخلی مراکز تلفن دیجیتالی منصرف و به سفارش کلان مراکز تلفن دیجیتالی از منابع خارجی ترغیب کرد. در نظر او، مخابرات دیجیتالی جزو فناوری‌های «سیاسی» و استراتژیک دسته‌بندی و محسوب نمی‌شد زیرا او می‌توانست به رغم جنگ و تحریم‌های گستردۀ اِعمال شده علیه ایران انواع تجهیزات شبکه‌سازی دیجیتالی را از منابع خارجی به راحتی بخرد و وارد کشور کند.
سیاست‌های کلی نظام نیز با توسعۀ شبکۀ مخابرات کشور در پشت جبهه‌های جنگ موافق بود. نیروهای انقلابی حاکم در جبهه‌ها و پشت جبهه‌های جنک (برخلاف موقف و تجربۀ سیاستمداران غربی در دوران جنگ دوم جهانی مبنی بر توقف توسعه مخابرات سراسری بمنظور ممانعت از نفوذ دشمن در پشت جبهه‌ها) آن قدر خود را قوی و شکست ناپذیر می‌دانستند که اقدام برای توسعۀ مخابرات سراسری را سیاستی انقلابی و مردمی می‌پنداشتند. به این ترتیب، از سال 1364 تا 1384 نه تنها بزرگترین مهاجرت مخابرات آنالوگ به دیجیتال در خاورمیانه در ایران اتفاق افتاد بلکه ظرفیت شبکه سراسری طی بیست سال بیست برابر شد!
پس از گذشت چهل سال از آغاز آن مهاجرت بزرگ، شرکت مخابرات ایران شاهد مهاجرت موفق و کاملِ چینی‌ها، ژاپنی‌ها، آلمانی‌ها و … از مخابرات دیجیتالی به IMS یا مخابرات اینترنتی‌ست ولی خود در نیمه راه این گذار متوقف شده است؛ در حالی که می‌بینند چینی‌ها مهاجرت جدیدی را شروع کرده‌اند: گذار از مخابرات اینترنتی به مخابرات هوشمند، فناوری‌ایی که می‌توان آن را AI-assisted All-IP نامید، و در این فکرند که بزودی به AI-Native All-IP روی بیاورند به طوری که هوش مصنوعی جزء معماری پایۀ شبکۀ مخابرات کشور شود.
شرکت مخابرات ایران شاهد تلاش اروپا نیز هست، قاره‌ای که دارد در قالب پروژه‌های 6G و فعالیت‌های European Telecommunications Standards Institute و 3rd Generation Partnership Project روی AI-Native Networks کار می‌کند؛ در حالی که آمریکا نیز با تکیه بر Open RAN و اکوسیستم ابری، مسیر متفاوتی را دارد دنبال می‌کند.
باز هم آفرین بر کارشناسان و مدیران شرکت مخابرات ایران! چون که از تلاش شرکت ارتباطات زیرساخت برای مهاجرت به نسل بعدی فناوری مخابرات اصلاً خبری نیست! در حالی که چون ارتباطات سراسری شامل اتصال متقابل شبکه‌های هردو شرکت می‌شود، هماهنگی و تعامل فعال میان این دو شرکت ضروری است.
اکنون اگر متولیان مخابرات کشور بخواهند مهاجرت روزآمدی را از فناوری منسوخ و فرسودۀ به ارث رسیده به AI-assisted All-IP یا «شبکۀ تمام دیجیتالی پشتیبانی شده توسط هوش مصنوعی» برنامه‌ریزی و صورت‌بندی کنند، دیگر نخست نمی‌توانند با سیاست‌گذاری آغاز کنند! بلکه امروزه اول باید تصمیم‌گیری کنند تا چه حد حاضرند از منافع ملی درگذرند و کوتاه بیایند و قیود ژئوپلیتیکی و ژئواِکونومیکی فناوری‌های جدید و اِن‌قُلتِ صاحبان سکوهای هوش مصنوعی را بپذیرند. اگر نپذیرند چه کنند؟ باید میلیاردها دلار سرمایه گذاری ریسکی فقط روی پژوهش کنند تا شاید روزی بتوانند به ساخت یک مدل پایه هوش مصنوعی بومی نزدیک شوند و منتظر نتیجه بنشینند تا بعد ببینند این فناوری در چه قلمروهایی قابل استقرار است؟ زنجیرۀ تأمین آن چگونه شکل می گیرد؟

اگر همدست به دامان غول‌های خارجی شوند، در شرایط فعلی غیرممکن است پاسخی رضایت بخش دریافت کنند، اگر هم شرایط و اوضاع کشور را به نفع پیوستن به کاروان هوش مصنوعی تغییر دهند، باید تعیین کنند که کدام دادۀ ملی کجا بماند و کجا پردازش شود؟ تراشه‌ها از کدام کشور تأمین شوند، مدل‌ها در چه مراکز داده‌ای آموزش ببینند و چه قواعدی بر آنها حاکم باشد. پس از پاسخ عملی دادن به پرسش‌های مذکور، تازه معماری فنی هوش مصنوعی بر اساس این محدودیت‌ها و این قیود ژئوپلیتیکی و ژئواِکونومیکی طراحی، تهیه و محصول قابل خریدوفروش می‌شود. این دو دسته از قیود اکنون تعیین می‌کنند که: مدل کجا آموزش ببیند؟ داده در کدام قلمرو قضایی پردازش شود؟ از چه تراشه‌ای و از کدام زنجیرۀ تأمین استفاده بشود؟ وابستگی به کدام ارائه‌کنندۀ اَبر رایانشی و به چه میزان قابل قبول‌تر است؟ و چه کسی باید حق به‌روزرسانی مدل را داشته باشد؟ دولت یا بیگ تِک؟

انواع معماری‌های فناوری هوش مصنوعی تأثیرگذار بر سیاست

بر اساس پیش بینی گارتنر 10 فناوری استراتژیک برتر برای سال ۲۰۲۶ که معماری هریک از آنها سیاست دولت‌های خواهان مدل پایۀ هوش مصنوعی را تعیین می‌کند در سه دسته کلی جای می‌گیرند و هر کدام راهکارهایی برای ترادیسی دیجیتالی، هوشمندسازی و ایجاد اعتماد ارائه می‌کنند.

نخست، دستۀ معمار (The Architect) برای ایجاد زیرساخت مقیاس پذیر و امن شامل انواع فناوری‌های زیر:

فناوری سکوهای توسعۀ بومی هوش مصنوعی برای توسعۀ نرم‌افزار با کمک هوش مصنوعی مولد که به تیم‌های کوچک اجازه می‌دهد با سرعت و بهره‌وری بالا، برنامه‌های کاربردی بیشتری بسازند.

فناوری سکوهای اَبَررایانش هوش مصنوعی که زیرساخت پُرقدرت رایانش شامل واحدهای سخت‌افزاری پیشرفتۀ CPU، GPU و تراشه‌های تخصصی برای شبیه‌سازی‌های پیچیده در حوزه‌های حساسی مثل کشف هوشمند دارو یا تحلیل ریسک مالی ست.

فناوری رایانش محرمانه با استفاده از محیط‌های اجرایی مورد اعتماد سخت افزاری (TEE) که از داده‌ها حتی در حین پردازش محافظت می‌کند و امنیت را برای محیط‌های ابری ناامن فراهم می‌سازد.

دوم، دستۀ تلفیق گر (The Synthesist):

برای خلق ارزش با هماهنگی فناوری شامل انواع معماری‌های زیر:فناوری سامانه‌های چندعاملی یا چندکارگزاره که در آن چندین کارگزار هوشمند برای خودکارسازی فرآیندهای پیچیده و مقیاس‌پذیر، با یکدیگر همکاری می‌کنند.

فناوری مدل‌های زبانی دامنه -ویژه که مدل‌های زبانی کوچک و تخصصی برای صنایع خاص هستند؛ مدل‌هایی که دقتی بالاتر و هزینه‌ای کمتر نسبت به مدل‌های عمومی دارند و برای رعایت انطباق با قوانین صنایع مناسب هستند.

فناوری هوش مصنوعی فیزیکی به‌کار رفته در تجهیزات جهان واقعی شامل ربات‌ها و پهپادها که با ادراک و تصمیم‌گیری، باعث افزایش بهره‌وری در صنایع عملیاتی یا میدان‌های نبرد می‌شود.

سوم، دستۀ پیشقراول (The Vanguard) برای تأمین اعتماد، امنیت و حاکمیت شامل انواع معماری‌های زیر:فناوری امنیت سایبری پیشدستانه:

امنیت سایبری پیشگیرانه با پیش‌بینی و خنثی‌سازی تهدیدات قبل از وقوع حملات، برخلاف رویکردهای واکنشی سنتی.

فناوری منشاء دیجیتالی که فناوری ریشه‌یابی دیجیتالی برای احراز اصالت و صحت نرم افزارها و محتوای تولیدشده توسط هوش مصنوعی در زنجیرۀ تامین است.

فناوری سکوهای امنیت هوش مصنوعی برای محافظت یکپارچه از برنامه‌های کاربردی در برابر تهدیداتی مثل تزریق پرامپت یا نشت داده، وفناوری ژئوپاتریئِیشن یا زمین‌وطنی‌سازی در خدمت انتقال داده‌ها از ابرهای عمومی جهانی به ابرهای محلی یا اختصاصی برای کاهش ریسک‌های ژئوپلیتیکی و ژئواِکونومیکی به علاوۀ انطباق با قوانین حاکمیت داده است.

برای درک درست فناوری ژئوپاتریئِیشن در فهرست برترین فناوری‌های سال 2026 باید در نظر داشت که:

آنچه را که گارتنر «فناوری ژئوپاتریئیشن» می نامد، تلفیقی از یک قرارداد هوشمند و فناوری هوش مصنوعی است، زیرا که ترجمه حقوقیِ قیود ژئوپلیتیکی و ژئواِکونومیکی به الزامات فنی و عملیاتی است.

به همین دلیل می‌توان نتیجه گرفت که:

شاید امروز دیگر نباید تأثیرگذاری سیاست، بازار و فناوری بر یکدیگر را در رابطۀ خطی‌شان نسبت به هم درک کرد، بلکه باید از یک چرخۀ هم‌تکاملی (co-evolutionary loop) سخن بگوییم به شکل زیر:«ژئوپلیتیک ⇄ ژئواِکونومیک ⇄ فناوری ⇄ بازار ⇄ حقوق ⇄ حاکمیت»یعنی قیود ژئوپلیتیکی هم تابع و هم متأثر از قیود ژئواِکونومیکی هستند، قیود ژئواِکونومیکی هم تابع و هم متأثر از قیود فناوری‌اند، قیود فناوری هم تابع و هم متأثر از قیود بازار هستند و قیود بازار هم تابع و هم متأثر از قیود حاکمیت‌اند.در این چرخه، هر جزء بر دیگری اثر می‌گذارد، اما در هر دورۀ تاریخی، یکی از آنها متغیر مستقل غالب می‌شود و بقیه بیشتر نقش متغیرهای وابسته را پیدا می‌کنند.این یعنی: در عصر هوش مصنوعی، معماری فناوری دیگر فقط محصول منطق مهندسی نیست؛ بلکه برآیند هم‌زمان منطق مهندسی، منطق ژئوپلیتیکی و منطق ژئواِکونومیکی به علاوۀ حقوق و قوانین قلمرو حاکمیتی یک کشور است.

احتمالاً این همان پیامی است که گارتنر با قرار دادن فناوریِ «Geopatriation» در میان روندهای راهبردی فناوری در سال جاری (2026) می‌خواهد منتقل کند:

فناوری هوش مصنوعی دیگر در خلاء طراحی نمی‌شود، بلکه در میدان رقابت قدرت، سرمایه و حاکمیت طراحی می‌شود. از این منظر، «معماری فناوری» به یکی از عرصه‌های اِعمال قدرت دولت‌ها و شرکت‌های فراملی تبدیل شده است، نه صرفاً نتیجه تصمیم‌های فنی مهندسان.

لذا ادعای گارتنر را می‌توان این‌گونه تفسیر کرد:

متغیرِ مستقلِ غالب در دهۀ پیشِ‌ رو، دیگر بازار یا حتی خود فناوری نیست؛ بلکه معیارهای ژئوپلیتیکی و ژئواِکونومیکی، متغیرهای مستقلِ غالب‌‌اند و این دو متغیرِ مستقلِ غالب، معماری فناوری را هدایت می‌کنند.
به عبارت دیگر: فناوری Geopatiationرا باید به‌صورت یک قرارداد/فناوری یکپارچه هوشمند شاملِ مجموعه‌ای منطقی از FinTech، LawTech، RegTech، InsureTech و سایر مؤلفه‌های هوش مصنوعی در نظر بگیریم.

حوزۀ تحقیقات مربوط به RegTech نیز نشان می‌دهد که این حوزه ذاتاً به‌سوی نظارت هوشمند، داده‌محور و ریسک‌محور پیش می‌رود و با FinTech و InsureTech هم‌پوشانی ساختاری دارد.

بنا بر این، Geopatiation می‌تواند یک «قرارداد هوشمند چندلایه» باشد که:

لایۀ مالی را برای پرداخت، تسویه، امتیازدهی و مدیریت دارایی پشتیبانی کند.

لایۀ تنظیم‌گری را برای انطباق، گزارش‌دهی و کنترل ریسک در خود داشته باشد.

لایۀ بیمه‌ای را برای ارزیابی ریسک، پوشش‌نامه‌های پویا و جبران خسارت یکپارچه کند؛ و

لایۀ هوش مصنوعی را برای تصمیم‌سازی، پیش‌بینی، کشف ناهنجاری و ارکستراسیون عامل‌ها به‌کار بگیرد.

لذا یکپارچه‌سازی فناوری‌های مذکور در فناوری ژئوپاتریئیشن مهم و لازم است، زیرا (برای مثال) فناوری RegTech دیگر جدا از اکوسیستم مالی دیده نمی‌شود و با بازیگران جدید اقتصاد دیجیتالی، از بانک گرفته تا پلتفرم‌های رمزدارایی و اینشورتِک، همه در یک میدان مشترک عمل می‌کنند. بسیاری از کارشناسان اقتصاد دیجیتالیRegTech را زیرمجموعه‌ای از FinTech می‌دانند که هدفش ساده‌سازی و خودکارسازی انطباق است. بنابراین، طراحی Geopatiation به‌صورت معماری یکپارچه، از نظر مفهومی با روندهای فعلی صنعت سازگار است.

همچنین اگر LawTech را فناوری مکمل AI وFinTech ، حاوی راه‌حل‌های کم‌هزینه، کم‌مصرف، و مقاوم در برابر پیچیدگی زائد قوانین موضوعه در نظر بگیریم، این لایه می‌تواند برای استقرار در محیط‌های محدود، رابط‌های ساده، و سناریوهای کم‌زیرساخت حیاتی باشد. ادغام LawTech درGeopatiation برای محیط‌های با ریسک عملیاتی بالا یا دسترسی محدود به منابع بسیار مهم است.

جمع‌بندی و معماری پیشنهادیبرای اینکه Geopatiation واقعاً یک «مجموعه یکپارچه» باشد، اجزاء زیر لازمند:

موتور LawTech برای قوانین و کنترل‌ها به علاوۀ تصمیم یاری در سیاست و انطباق.

موتور FinTech برای اموری مثل تراکنش و تسویه.

موتور InsureTech برای پیش‌بینی ریسک و خسارت.

موتور RegTech برای مشاهده‌پذیری و ممیزی.

لایۀ AI Agents یا کارگزاران هوش مصنوعی، برای تحلیل، پیش‌بینی و تصمیم‌یاری.

لایۀ LegalTech، برای fallbackیا جایگزینی مسیر، سادگی عملیاتی و تحمل خطا.

از نظر مفهومی، معماری فناوری Geopatiation ایده‌ای قابل دفاع است زیرا که به عنوان یک محصول منفرد، همزمان هم پلتفرمی هوشمند و هم قراردادی هوشمند است که چند حوزۀ فناوری را در یک منطق عملیاتی مشترک گرد می‌آورد.

چالش‌های خرید و فروش محصولات هوش مصنوعیواقعیت این است که دولت‌ها با گسترش هوش مصنوعی مولد و تشکیل شرکت‌های بزرگ فناوری، با چالش بی‌سابقه‌ای در زمینۀ حاکمیت دادۀ ملی و حاکمیت دیجیتالی روبه‌رو شده‌اند. شرکت‌هایی مانند اُپِن اِی آی، گوگل، مایکروسافت، مِتا، آمازون و پالانتیر زیرساخت، مدل‌های زبانی و توان رایانشی معظمی را در اختیار دارند که بسیاری از دولت‌ها فاقد آن هستند. عظمت این دارایی‌ها باعث می‌شود دولت‌ها بجای رویکرد خودکفا به هوش مصنوعی بومی، هم خریدار فناوری هوش مصنوعی از شرکت‌های بزرگ و هم در بسیاری از پروژه‌های ملی، ناچار به همکاری با این شرکت‌ها شوند.
اما واکنش کشورها در قبال چالش بی‌سابقۀ مذکور بسیار متفاوت بوده است:
اتحادیۀ اروپا با تصویب مقررات سخت‌گیرانه و سرمایه‌گذاری در پروژه‌های بومی، تلاش می‌کند وابستگی کشورهای عضو را کاهش دهد.چین توسعۀ مدل‌های هوش مصنوعی را عمدتاً در چارچوب شرکت‌های داخلی و تحت نظارت دولت پیش می‌برد.برخی کشورها مانند هند وعربستان نیز راهبرد میانه‌ای را برگزیده‌اند؛ یعنی هم از فناوری شرکت‌های خارجی استفاده می‌کنند و هم در پی ایجاد ظرفیت‌های داخلی هستند.بسیاری از کشورهایی که قراردادهای بزرگی با شرکت‌های خارجی امضا کرده‌اند،معمولاً دربارۀ محل نگهداری داده‌ها، حق دسترسی به اطلاعات، ممیزی امنیتی و مالکیت داده‌ها با شرکت‌های خارجی مذاکره می‌کنند؛ هرچند معمولاً سرشان کلاه می‌رود.لذا از منظر سیاست‌گذاری، آنچه امروز مشاهده می‌شود بیشتر تغییر توازن قدرت است تا از بین رفتن کامل حاکمیت دولت‌ها.

در واقع، گسترش هوش مصنوعی مولد، توازن قدرت میان دولت‌ها و شرکت‌های بزرگ فناوری را دگرگون کرده است. بسیاری از دولت‌ها، حتی با وجود قوانین حاکمیت داده، در عمل ناچارند بخشی از کنترل و تصمیم‌گیری را به شرکت‌های خارجیِ صاحب زیرساخت و مدل‌های هوش مصنوعی واگذار و «قدرت ملی» را با آنها تقسیم کنند! هرچند میزان این واگذاری و توان دولت‌ها برای حفظ حاکمیت دیجیتالی، از کشوری به کشور دیگر متفاوت است.
هیچکدام از انواع معماری‌های فناوری، راهکار نهایی رفع وابستگی نیستند، بلکه سازوکار مدیریت وابستگی‌اند.
ایدۀ اصلی معماری این فناوری‌ها این است که شرکت‌های بزرگ فناوری برای ورود به بازارهای ملی باید بخشی از زیرساخت، داده، پردازش، نیروی انسانی، حاکمیت و حتی مالکیت عملیات خود را در همان کشور مستقر سازند یا بومی کنند. به بیان دیگر، قرارداد/فناوری‌هایِ هوش مصنوعی از طرف خریدار و فروشنده امضا می‌شوند، اما نه صرفاً در چارچوب قواعد ملی!

منبع:عصر ارتباط