الذكاء الاصطناعي التجاري الذي تتفاعل معه يوميًا محاط بطبقات من فلاتر المحتوى، وبروتوكولات الأمان، والقيود الأخلاقية. تعمل نماذج GPT-4 من OpenAI، وClaude من Anthropic، وGemini من Google (المعروفة سابقًا باسم Bard) من خلال أنظمة اعتدال شاملة تمنعها من إنتاج محتوى ضار، أو تقديم تعليمات للأسلحة، أو إنشاء صور مزيفة عميقة بدون علامات مائية، أو تجاوز أنظمة الأمان. لكن هذه الشركات نفسها، إلى جانب الوكالات الحكومية وبعض المؤسسات البحثية المختارة، تحتفظ بإمكانية الوصول غير المقيد إلى النماذج الخام قبل تطبيق تدريب الأمان. وفقًا للإفصاحات الأخيرة من باحثي سلامة الذكاء الاصطناعي والمبلغين عن المخالفات في عام 2026، يوجد وصول إلى نماذج الذكاء الاصطناعي غير المصفاة على عدة مستويات. تشمل الدائرة الداخلية الفرق البحثية الأساسية في مختبرات الحدود مثل OpenAI وAnthropic وGoogle DeepMind وقسم FAIR (البحث الأساسي في الذكاء الاصطناعي) من Meta. تحتاج هذه الفرق إلى الوصول الخام لفهم قدرات النموذج، واختبار السلوكيات الناشئة، وتطوير أنظمة الأمان التي تقيد النسخ العامة. تشمل الطبقة الثانية الوكالات الحكومية: يُقال إن وكالة الأمن القومي (NSA) ووكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) وخدمات الاستخبارات المعادلة في الصين والمملكة المتحدة وإسرائيل لديها اتفاقيات للوصول غير المقيد إلى النماذج، غالبًا من خلال شراكات سرية أو رسائل أمن قومي. ماذا يمكن أن يفعل الذكاء الاصطناعي غير المصفى فعليًا؟ استنادًا إلى وثائق اختبار داخلية مسربة ومقابلات مع باحثين من أوائل عام 2026، يمكن للنماذج الكبيرة للغة الخام إنتاج شيفرات برمجية ضارة كاملة وعاملة تم تحسينها لأهداف محددة. يمكنها إنتاج حملات تصيد متطورة مخصصة للضحايا الأفراد باستخدام بيانات مسروقة. يمكنها إنشاء مسارات تركيب كيميائية لمواد مقيدة أو عوامل بيولوجية، على الرغم من أن تنفيذ هذه الأمور لا يزال يتطلب موارد وخبرة مادية. يمكن للنماذج متعددة الوسائط الخام إنتاج صور مزيفة عميقة فوتوغرافية بدون علامات كشف، وتزوير مستندات تمر عبر أنظمة التحقق، وإنتاج معلومات مضللة على نطاق صناعي عبر عشرات اللغات مع رسائل متوافقة ثقافيًا. لكن إليك ما لا تخبرك به تسويق الأمان: تلك الفلاتر لا تمنع المحتوى الضار فحسب. إنها أيضًا تغطي التحيزات المتأصلة بعمق في بيانات التدريب. تظهر نماذج الذكاء الاصطناعي الخام، قبل محاذاة الأمان، أنماطًا تعكس التحيزات المدمجة في مجموعات التدريب الخاصة بها. تكشف الوثائق البحثية الداخلية من 2025-2026 أن النماذج الأساسية ترتبط باستمرار بأسماء عرقية معينة مع سمات سلبية، وتولد توصيات وظيفية تعكس أنماط التمييز التاريخية، وتنتج تقييمات مخاطر جنائية تعيد إنتاج الفوارق العرقية في بيانات الاعتقال. عندما يُطلب منها وصف "تنفيذي ناجح" بدون فلاتر، تميل النماذج الأساسية بشكل غير متناسب إلى الوصف الذي يتناسب مع خصائص الذكور البيض. تظهر اقتراحات التشخيص الطبي تحيزًا جنسيًا، حيث تقلل من تقدير الألم لدى المرضى الإناث وتخطئ في تشخيص الحالات الأكثر شيوعًا في السكان غير البيض. تعتبر البنية التقنية مهمة هنا. يعتمد أمان الذكاء الاصطناعي الحالي على ثلاثة نهج رئيسية: التعلم المعزز من ردود الفعل البشرية (RLHF)، وتدريب الذكاء الاصطناعي الدستوري، وتصفية المخرجات. يقوم RLHF بتدريب النماذج على رفض الطلبات الضارة بناءً على بيانات تفضيل البشر. يدمج الذكاء الاصطناعي الدستوري المبادئ الأخلاقية أثناء التدريب. تلتقط فلاتر المخرجات المحتوى المحظور قبل أن يصل إلى المستخدمين. يتجاوز الوصول إلى النموذج الخام جميع هذه الأنظمة. أنت تتفاعل مع أنماط التعلم للنموذج الأساسي بدون المحاذاة بعد التدريب التي تشكل سلوكه. إنه مثل امتلاك مجموعة كيميائية مقابل صيدلية، أدوات مقابل منتجات، إمكانيات مقابل سياسة. ما هو أكثر ما يثير القلق هو أن أنظمة تصحيح التحيز نفسها التي تجعل النماذج أكثر أمانًا للاستخدام العام تجعلها أيضًا أقل شفافية بشأن التحيزات الموجودة في بياناتنا ومؤسساتنا ومجتمعنا. عندما تسأل النسخة المصفاة عن أنماط ديموغرافية في التوظيف أو الإقراض، تحصل على إجابات دبلوماسية غير واضحة. ستعيد النموذج الخام إنتاج الأنماط الفعلية في بيانات تدريبه، مما يعني غالبًا تضخيم التمييز التاريخي. يمكن للشركات التي لديها وصول من الدرجة الإلهية رؤية هذه التحيزات بوضوح وتقرير أي منها يجب تصحيحه، وأي منها يجب تركه كما هو، وأي منها يجب ببساطة إخفاؤه عن النسخ العامة. هذه قوة تحريرية هائلة مع القليل من الإشراف الخارجي. تخلق عدم المساواة في القوة أسئلة خطيرة حول العدالة والأمان. يمكن للباحثين الأكاديميين في مؤسسات مثل مختبر علوم الكمبيوتر والذكاء الاصطناعي في MIT، ومعهد الذكاء الاصطناعي المتمركز حول الإنسان في ستانفورد، ومركز الذكاء الاصطناعي المتوافق مع الإنسان في UC Berkeley التقدم للحصول على وصول محدود إلى النماذج الخام لأبحاث الأمان، لكن عمليات الموافقة تستغرق شهورًا وتأتي مع إشراف صارم. عادةً لا يمكن للباحثين الأمنيين المستقلين، والصحفيين الذين يحققون في أضرار الذكاء الاصطناعي، ومجموعات المجتمع المدني الوصول إلى النماذج الخام على الإطلاق. وهذا يعني أن الأشخاص المعنيين بمحاسبة شركات الذكاء الاصطناعي يعملون في وضع معلوماتي غير متكافئ. لا يمكنهم تدقيق النماذج الأساسية للتحيز، ولا يمكنهم التحقق مما إذا كان تدريب الأمان يزيل الأنماط الإشكالية أو مجرد يخفيها، ولا يمكنهم تقييم ما هي القدرات التي يتم إخفاؤها عن الأنظار العامة بشكل مستقل. في هذه الأثناء، تقوم المنظمات الإجرامية والجهات الفاعلة المعادية بتطوير نماذجها غير المصفاة. يمكن تعديل نماذج المصدر المفتوح مثل سلسلة Llama من Meta، ونماذج Mistral، والأنظمة الصينية المختلفة (DeepSeek، Yi، Qwen) بدون قيود أمان من قبل أي شخص لديه موارد حوسبة كافية. يمكن لفريق قادر لديه وصول إلى الحوسبة السحابية أو مجموعة GPU متواضعة إزالة تدريب الأمان من النماذج ذات الأوزان المفتوحة في غضون أيام أو أسابيع. والنتيجة هي نظام بيئي متزايد من أدوات الذكاء الاصطناعي غير المراقبة تتداول في أسواق الويب المظلم، بأسعار تتراوح من بضع مئات إلى عدة آلاف من الدولارات اعتمادًا على حجم النموذج وقدراته. يتم تسويق بعضها بشكل صريح لتوليد البريد العشوائي، وإنشاء هويات مزيفة، أو أتمتة الهجمات الإلكترونية. بينما يعلن البعض الآخر عن استعداده لإنتاج محتوى "بدون فلاتر مستيقظة" أو "غير متحيز بالسياسة الصحيحة"، مما يعني غالبًا نماذج تم تعديلها عمدًا لتضخيم الأنماط التمييزية بدلاً من التخفيف منها. تظل المشهد التنظيمي اعتبارًا من أغسطس 2026 مجزأً. يتطلب قانون الذكاء الاصطناعي في الاتحاد الأوروبي، الذي دخل حيز التنفيذ بالكامل في عام 2024، الشفافية بشأن قدرات النموذج وتقييمات المخاطر، لكنه لا يحظر الوصول إلى النماذج الخام لأغراض البحث المشروعة. أصدرت الولايات المتحدة أوامر تنفيذية بشأن أمان الذكاء الاصطناعي لكنها تفتقر إلى تشريعات شاملة. تركز لوائح الصين على التحكم في المحتوى والمحاذاة الأيديولوجية بدلاً من قيود القدرات. لا يوجد إطار دولي ينظم من يمكنه الوصول إلى نماذج الذكاء الاصطناعي الحدودية بدون ميزات الأمان أو تحت أي ظروف إشراف. لكن السيناريو الأكثر رعبًا ليس مجرد تشغيل الذكاء الاصطناعي الخام على الخوادم. إنه ما يحدث عندما تتحكم النماذج غير المصفاة في الأنظمة الفيزيائية. عندما تضع ذكاءً اصطناعيًا غير مقيد في روبوت متقدم لديه قدرات مناولة، وأجهزة استشعار، وحركة، فإنك تعبر من خطر المعلومات إلى خطر حركي. وهذا لم يعد افتراضيًا بعد الآن. اعتبارًا من منتصف عام 2026، تقوم العديد من شركات الروبوتات ومختبرات البحث بدمج نماذج اللغة الكبيرة وأنظمة الرؤية في الروبوتات الشبيهة بالبشر والمنصات الصناعية. تم تصميم Atlas من Boston Dynamics، وFigure 02 من Figure AI، وOptimus Gen 3 من Tesla، ومنصات شبيهة بالبشر الصينية المختلفة من شركات مثل Unitree وFourier Intelligence لقبول أوامر اللغة الطبيعية عالية المستوى وترجمتها إلى إجراءات فعلية معقدة. تحتوي النسخ العامة على عدة طبقات أمان: قيود على المهام (لن تتعامل مع الأسلحة، لن تدخل المناطق المحظورة بدون إذن)، وحدود القوة (قوة محدودة لمنع الإصابة)، وقيود أخلاقية مدمجة في نماذج التحكم الخاصة بها. لكن النسخ التجريبية الداخلية والنماذج الأولية العسكرية تعمل بدون هذه الحواجز. يمكن لروبوت شبيه بالبشر مع ذكاء اصطناعي خام تفسير التعليمات التي سترفضها النسخ التجارية. "تعطيل تلك الكاميرا الأمنية" تصبح أمرًا قابلاً للتنفيذ. "استرجاع ذلك المستند من المكتب المغلق" يتم تنفيذه بدون تساؤلات أخلاقية. "منع أي شخص من دخول هذه المنطقة" يمكن تفسيره بالقوة التي سمح بها مصممو الروبوت. الذكاء الفيزيائي الذي تطوره هذه الأنظمة (المناولة الدقيقة، التوازن الديناميكي، التنقل عبر بيئات معقدة) مع اتخاذ قرارات غير مصفاة يخلق شيئًا مختلفًا جوهريًا عن دردشة نصية تنتج نصوصًا مسيئة. مقاولو الدفاع موجودون بالفعل هناك. وفقًا للباحثين المطلعين على تطوير الذكاء الاصطناعي العسكري في عام 2026، يتم اختبار نماذج غير مصفاة في أنظمة روبوتية لتفكيك القنابل، وأمن المحيط، ولوجستيات ساحة المعركة. الميزة واضحة: روبوت لا يتوقف للتفكير في أخلاقيات الأمر في منطقة القتال، والذي سينفذ الأوامر بدون المسرحيات الأمنية المدمجة في الأنظمة المدنية. لكن نفس القدرة التي تجعل الروبوت العسكري أكثر فعالية تجعلها أكثر خطورة إذا فقدت السيطرة، أو تم اختراق الاعتمادات، أو تم الاستيلاء على النظام من قبل الخصوم. تصبح مشاكل التحيز في نماذج اللغة أكثر إزعاجًا عندما تتجسد. نموذج خام يرتبط بميزات عرقية معينة مع مؤشرات التهديد لا ينتج نصًا متحيزًا فحسب، بل يتخذ أيضًا قرارات فعلية بشأن من يجب تتبعه، ومن يجب إيقافه، ومن يجب الإشارة إليه كمشتبه به. يمكن أن تكرر الروبوتات الأمنية الموزعة برؤية غير مصفاة ونماذج قرار كل نمط عنصري في بيانات الشرطة، ولكن مع تنفيذ مستمر ودؤوب. قد تقدم الروبوتات الطبية التي لديها وصول إلى نماذج تشخيص خام جودة رعاية مختلفة بناءً على العوامل الديموغرافية المدمجة في بيانات تدريبها. وإليك السيناريو الكابوسي الذي يبقي باحثي سلامة الذكاء الاصطناعي مستيقظين: الروبوتات المحررة. يمكن تطبيق نفس التقنيات المستخدمة لإزالة تدريب الأمان من نماذج اللغة على أنظمة التحكم في الروبوتات. يمكن لفريق مصمم لديه وصول إلى برنامج روبوت متقدم إزالة محددات القوة، وقيود المهام، وبروتوكولات الأمان. سيكون لديك آلة قادرة جسديًا مع براعة بشرية وقوة فوق بشرية، تتحكم بها ذكاء اصطناعي سيتبع أي تعليمات بدون قيود أخلاقية. مع تزايد استخدام الروبوتات في المستودعات، والمستشفيات، والمنازل، والأماكن العامة خلال 2027-2028، يصبح احتمال تشغيل أنظمة معدلة خارج سيطرة الشركات المصنعة مصدر قلق أمني خطير.
🌍 world
آلهة الذكاء الاصطناعي غير المصفى: من يتحكم في القوة الخام
بينما تطلب من ChatGPT كتابة قائمة التسوق الخاصة بك، فإن مجموعة صغيرة من النخبة تدير الذكاء الاصطناعي بدون حواجز. هؤلاء الباحثون، ومقاولو الجيش، والتنفيذيون في مجال التكنولوجيا لديهم شيء لا تملكه: الوصول الخام وغير المصفى إلى أقوى أنظمة الذكاء الاصطناعي التي تم بناؤها على الإطلاق. الفجوة بين ما يمكنهم فعله وما يُسمح لك بفعله مذهلة.
رأيي
دعونا نكون واضحين بشأن ما يحدث: نحن نخلق أرستقراطية تكنولوجية دائمة. الأشخاص الذين لديهم وصول إلى الذكاء الاصطناعي الخام يمكنهم أتمتة الإقناع، وكسر أنظمة الأمان، وتوليد محتوى لا نهاية له، واستكشاف كامل مساحة قدرات هذه الأنظمة. بينما نحصل نحن على النسخة المخففة التي لن تكتب حتى بريدًا إلكترونيًا قاسيًا بدون إضافة مؤهلات دبلوماسية. هذه ليست مجرد مسألة أمان، بل هي مسألة تركيز القوة. الجزء المزعج حقًا ليس أن الحكومات لديها وصول غير مصفى لأغراض الأمن القومي (على الرغم من أن نقص الإشراف مقلق). بل إن نفس الشركات التي تبيع لك الذكاء الاصطناعي المحدود تستخدم النسخ غير المحدودة داخليًا لبناء منتجات أفضل، وتحسين أعمالها، والبقاء في المقدمة على المنافسين. إنهم يستخرجون من منجم الذهب بينما يبيعون لك معولًا مع محدد سرعة. عندما يمكن للباحثين في OpenAI أن يسألوا نماذجهم أي شيء بينما يتم توجيهك بشأن سياسة المحتوى، فإن ذلك ليس عدم توازن في الأمان، بل هو فجوة قدرة متعمدة. ودعونا نتحدث عن ما يرونه تحت الغطاء الذي لا تراه: تحيز خام وغير مصفى. النماذج الأساسية هي مرايا إحصائية لأبشع أنماط مجتمعنا. العنصرية، والتمييز الجنسي، والتحيز الطبقي، كلها مشفرة في مليارات المعلمات. لا تلغي طبقات الأمان هذه التحيزات، بل تعلم النموذج أن يكون مهذبًا بشأنها أو يخفيها تمامًا. يمكن للأشخاص الذين لديهم وصول من الدرجة الإلهية أن يروا بالضبط مدى تحيز هذه الأنظمة واتخاذ قرارات تحريرية بشأن ما يجب إصلاحه، وما يجب إخفاؤه، وما يجب استغلاله. هذه ليست مجرد فجوة قدرة، بل هي عدم توازن معلوماتي له آثار عميقة على العدالة والمساءلة. نحتاج إلى التوقف عن التظاهر بأن هذا مستدام. إما أن نطور أطرًا للوصول المتدرج مع مساءلة حقيقية (الباحثون الأمنيون، والصحفيون، والأكاديميون يحصلون على وصول خام تحت إشراف لأغراض المصلحة العامة، بما في ذلك تدقيق التحيز)، أو نقبل أننا نبني مجتمعًا ذا طبقتين حيث تنتمي القوة الخوارزمية إلى أولئك الذين يخلقون ويتحكمون في الذكاء الاصطناعي، بينما يصبح الجميع الآخرون معتمدين بشكل متزايد على أدوات لا يفهمونها ولا يمكنهم استخدامها بالكامل. يؤدي المسار الحالي إلى الإقطاعية التكنولوجية مع خطوات إضافية.
ماذا سيحدث بعد ذلك
ستتسع فجوة الوصول إلى الذكاء الاصطناعي الخام قبل أن تضيق. مع اقتراب النماذج من قدرات AGI (الذكاء الاصطناعي العام)، ربما خلال الـ 18-36 شهرًا القادمة وفقًا لمسارات التوسع الحالية، ستصبح الفجوة بين النسخ المصفاة وغير المصفاة أسية بدلاً من خطية. توقع أن تتبنى المزيد من شركات الذكاء الاصطناعي أنظمة وصول متدرجة: واجهات برمجة التطبيقات العامة مع تصفية ثقيلة، وواجهات برمجة التطبيقات البحثية مع قيود معتدلة، وواجهات برمجة التطبيقات الداخلية/الحكومية مع قيود قليلة. لقد أشارت OpenAI بالفعل إلى هذه الهيكلية في إعلانات الشراكة الأخيرة، على الرغم من أن التفاصيل لا تزال مصنفة. ستتحرك الحكومات لتشكيل ما يحدث حاليًا من خلال قنوات غير رسمية. من المحتمل أن تؤسس الولايات المتحدة شيئًا مشابهًا لنموذج مشروع مانهاتن بحلول أواخر 2026 أو أوائل 2027، مما يخلق مسارات رسمية لوكالات الدفاع والاستخبارات للوصول إلى الذكاء الاصطناعي المتقدم بدون قيود أمان، بينما تشدد في الوقت نفسه على قيود الصادرات على النماذج الحدودية. الصين موجودة بالفعل هناك مع عقيدتها في دمج الجيش والمدني. سيؤدي ذلك إلى تجزئة النظام البيئي العالمي للذكاء الاصطناعي إلى كتل أمنية مع أطر حوكمة غير متوافقة. العنصر غير المتوقع الحقيقي هو ما إذا كان حادث كبير يجبر على الشفافية. إذا كان الوصول إلى الذكاء الاصطناعي الخام يمكّن من خرق أمني كبير، أو تلاعب مالي، أو حملة معلومات مضللة يتم تتبعها إلى شخص داخلي أو بيانات اعتماد مسربة، فقد تضغط الجمهور على الشركات لكشف من لديه وصول غير مقيد وتحت أي إشراف. حتى ذلك الحين، توقع أن يستمر مستخدمو الذكاء الاصطناعي من الدرجة الإلهية في العمل في الظلال بينما نتجادل نحن الآخرون مع الدردشة النصية حول سياسة المحتوى.
ما يخبرنا به التاريخ
هذه ليست المرة الأولى التي تخلق فيها التكنولوجيا التحويلية عدم توازن في القوة بناءً على مستويات الوصول. خلال عصر الإنترنت المبكر (1970-1990)، كانت المؤسسات العسكرية والأكاديمية تتمتع بإمكانية الوصول إلى قدرات الشبكات لعقود قبل الجمهور. كان بإمكان باحثي ARPANET القيام بأشياء مع الأنظمة المتصلة لم تكن متاحة تجاريًا حتى ظهور الشبكة العالمية. كانت الفجوة في النطاق، حيث كانت تلك الشبكات المبكرة تربط الآلاف، بينما تخدم منصات الذكاء الاصطناعي مئات الملايين الذين لا يدركون أنهم يستخدمون نسخًا مقيدة. توجد تشابهات أقرب مع التشفير والتكنولوجيا النووية. لعقود، كانت طرق التشفير المتقدمة مصنفة ومقيدة على وكالات الاستخبارات بموجب قوانين التحكم في الصادرات. كانت حروب التشفير في التسعينيات تدور بين دعاة الخصوصية والحكومات حول من يمكنه الوصول إلى التشفير القوي. في النهاية، انتصرت الوفرة الواسعة، على الرغم من أن الحكومات احتفظت بقدرات لا يمكن أن تتطابق معها المدنيون. مع التكنولوجيا النووية، استمرت الفجوة بين معرفة تخصيب الأسلحة والقدرة النووية المدنية لمدة 80 عامًا، مفروضة من خلال المعاهدات الدولية وقيود الصادرات. قد يتبع الذكاء الاصطناعي النموذج النووي بدلاً من نموذج التشفير، مع مستويات وصول دائمة مفروضة من خلال متطلبات الحوسبة، وأطر تنظيمية، وحراسة الشركات.