به دنیای مخاطبان ماشینی خوش آمدید

طی ۳۰ سال گذشته و اخیراً در ساختمانی در سانفرانسیسکو که پیش‌ازاین کلیسا بوده، «آرشیو اینترنت» به طور سیستماتیک بیش از یک تریلیون نسخه از وب را حفظ و نگهداری کرده است. این نهاد بایگانی‌کننده اواخر سال ۲۰۲۵، کار متفاوتی را آغاز کرد: سیستم‌های هوش مصنوعی چگونه به پرسش‌هایی درباره جهان پاسخ می‌دهند؟

کتابدار بزرگ وب پدیده جدیدی را که ارزش حفظ‌کردن دارد، به رسمیت شناخته است و این نشانه‌ای است از اینکه مرکز ثقل در اقتصاد اطلاعات ممکن است در حال جابه‌جایی از «آنچه منتشر می‌شود» به «آنچه پرسیده می‌شود» باشد.

گفتمان پیرامون هوش مصنوعی و اقتصاد اطلاعات، عمدتاً بر سمت «عرضه» متمرکز است؛ زیرا محتوا در حال کالایی‌شدن است. روزنامه‌نگاری در حال مرگ است، مالکیت فکری بدون رضایت یا جبران خسارت در حال استخراج (Scraping) و سرقت است و اینترنت با اطلاعات نادرست و محتوای بی‌ارزش و هرز (Slop) اشباع می‌شود. این نگرانی‌ها قابل‌درک است و اشتباه هم نیست؛ اما به یک دلیل مشخص، به‌شدت ناقص است. این روایت تا حد زیادی توسط کسانی شکل گرفته است که نماینده سمت عرضه هستند. آنچه در اینجا نادیده گرفته می‌شود این است که تأثیر هوش مصنوعی بر اکوسیستم اطلاعاتی، هم‌زمان یک شوک در سمت تقاضا و مسلماً یک توسعه در سمت تقاضا نیز هست.

هر انقلاب بزرگ اطلاعاتی، از صنعت چاپ گرفته تا تلفن‌های ، بازار دانش را اغلب به شکلی چشمگیر گسترش داده است. هوش مصنوعی نیز احتمالاً همین کار را خواهد کرد، اما تفاوت آن ماهوی است؛ زیرا جهان در حال ورود به عصر «مخاطبان ماشینی» است.

در نظر بگیرید وقتی شخصی از یک هوش مصنوعی سؤالی درباره جهان می‌پرسد، چه اتفاقی می‌افتد. این سیستم از مقادیر عظیمی از دانش و سایر محتواها بهره می‌گیرد، آنچه را که مرتبط می‌داند ترکیب و سنتز می‌کند و پاسخی ارائه می‌دهد که برای برآورده‌کردن نیات آن شخص شکل گرفته است. این پاسخ کاملاً جدید است و ممکن است دیگر هرگز دیده نشود. همان‌طور که پروتکل‌های ارتباط ماشین با ماشین؛ مانند «پروتکل زمینه مدل» (Model Context Protocol) متعلق به شرکت آنتروپیک یا Agent2Agent متعلق به گوگل؛ در حال محکم‌کردن جای پای خود هستند، بیش‌ازپیش محتمل به نظر می‌رسد که اطلاعات به‌زودی پیش از آنکه اصلاً به دست یک انسان برسد، از چندین سیستم هوش مصنوعی عبور کند. این یک دسته‌بندی جدید از تقاضا است که در مقیاس ماشین عمل می‌کند.

اما هوش مصنوعی تنها تقاضای ماشینی ایجاد نمی‌کند. این فناوری به طور هم‌زمان تقاضای انسانی را نیز گسترش می‌دهد. زوایای پنهان و مبهمِ تقاضای اطلاعات؛ یعنی نیازهای بسیار خاصی که پیش‌ازاین هیچ مقاله یا برنامه‌ای نمی‌توانست به آن‌ها پاسخ دهد، اکنون قابل‌رسیدگی می‌شوند. هوش مصنوعی محاوره‌ای همچنین تقاضای پنهان را به نمایان می‌کند و به افراد کمک می‌کند تا نیازهایی که پیش‌تر قادر به بیان آن‌ها نبودند را بیان کنند. علاوه بر این، هوش مصنوعی موانع شناختی را کاهش می‌دهد. اطلاعات پیچیده‌ای که زمانی تنها برای متخصصان قابل‌درک بود، اکنون برای هر کسی که بتواند سؤالی بپرسد، قابل‌درک می‌شود. طبق آمار خود شرکت OpenAI، مدل ChatGPT حدود ۹۰۰ میلیون کاربر هفتگی دارد. یک گزارش مستقل از دفتر ملی پژوهش‌های اقتصادی آمریکا (NBER) که توسط OpenAI منتشر شده، نشان می‌دهد که تقریباً یک‌سوم تعاملات، بیشتر به فرایند «معناسازی» (Sense-making) شباهت دارند تا «بازیابی اطلاعات» (Information Retrieval).

این وضعیت برای دانش‌پژوهان سنتی به‌شدت ناخوشایند است؛ زیرا مصرف‌کننده اصلی در این بازار جدید، «ماشین» است و مدل‌های کسب‌وکار و اصول اخلاقی و فرهنگی‌ای که دانش‌پژوهان سنتی طی قرن‌ها بنا کرده‌اند، برای چنین بازاری طراحی نشده است.

برای پاسخگویی به این تقاضای جدید، درک کاربر شامل «زمینه» (Context) و «قصد» (Intent) بسیار حیاتی است. زمینه آن چیزی است که فرد از قبل می‌داند، موقعیتی که در آن قرار دارد و تاریخچه‌ای از آنچه قبلاً پرسیده است. قصد آن چیزی است که کاربران در حال حاضر می‌پرسند و سعی دارند به آن دست یابند. این دو در کنار هم، «سیگنال تقاضا» (Demand Signal) را تشکیل می‌دهند که ممکن است داراییِ تعیین‌کننده و کلیدی اکوسیستم اطلاعاتیِ مبتنی بر واسطه‌گری هوش مصنوعی باشد؛ نه تعداد کلیک‌ها و نه مدت‌زمان سپری‌شده. این واحدهای پولیِ «اقتصاد توجه» در این پارادایم جدید ارزش خود را از دست می‌دهند.

به طور پیش‌فرض، این دارایی نزد هر کسی که رابطه با کاربر را در دست دارد، انباشته می‌شود و هرچه یک سیستم هوش مصنوعی درباره یک فرد بیشتر بداند، بهتر می‌تواند نیازهای او را برآورده کند و تغییردادن آن سیستم و رفتن به سراغ سیستمی دیگر دشوارتر می‌شود. سیستم‌های هوش مصنوعی که بیشترین اطلاعات را درباره زمینه کاربران جمع‌آوری می‌کنند، به دروازه ورود تبدیل می‌شوند. تولیدکنندگان دانش (Knowledge Producers)، شناخت خود از انسان‌های آن‌سوی ماشین‌ها را از دست می‌دهند، زیرا واسطه (ماشین)، سیگنال تقاضایی که زمانی بین «آنچه تولید می‌شد» و «آنچه موردنیاز بود» ارتباط برقرار می‌کرد را به خود جذب می‌کند و ارزش این بازارِ بسیار گسترش‌یافته، توسط هر کسی که مالکیت رابط کاربری را در اختیار دارد، تصاحب می‌شود. اگر این روند کنترل نشود، برای همه و حتی خود شرکت‌های هوش مصنوعی به یک مشکل تبدیل خواهد شد. بدون وجود تولیدکنندگانی که بتوانند با اطلاعات موثق به تقاضا پاسخ دهند، پایگاه دانش تحلیل رفته و تنزل می‌یابد و سیستم‌های هوش مصنوعی ارزش کمتری برای بهره‌برداری خواهند داشت.

تغییر این وضعیت نیازمند سه چیز است

1. تولیدکنندگان به دسترسی به سیگنال تقاضا نیاز دارند تا بتوانند محصولات جدیدی بسازند که نیازهای واقعی را برطرف کند.
2. کاربران نیازمند قابلیت انتقال زمینه انباشته‌شده خود (تاریخچه آنچه پرسیده‌اند، آموخته‌اند و تصمیم گرفته‌اند) از یک سیستم هوش مصنوعی به سیستم دیگر هستند، همان‌طور که ممکن است فردی سوابق و رابطه خود با یک پزشک را به مطب جدیدی ببرد.
3. جامعه نیز نیازمند یک زمینه مشترک است. زمانی که پاسخ‌ها بر اساس زمینه و نیت یک فرد شکل می‌گیرند، واقعیت‌های مشترکی که جوامع را در کنار هم نگه می‌دارند، شروع به فروپاشی می‌کنند.

صفحه اول روزنامه یا یک بخش خبری ممکن است فناوری خامی به نظر برسد، اما چیزی تولید می‌کند که شخصی‌سازیِ مبتنی بر قصد، فاقد آن است؛ یعنی تجربه دانستنِ آنچه دیگران می‌دانند.

این بازار تازه در ابتدای شکل‌گیری است. هیچ مکانیزم پایداری برای تطبیق و قیمت‌گذاری سیگنال تقاضا در برابر عرضه‌ای که بتواند به آن پاسخ دهد، وجود ندارد. زنجیره تأمین اطلاعاتی که می‌تواند از نحوه تأمین دانش، تا نحوه تبادل آن توسط عامل‌های هوشمند و نحوه ارائه درک و فهم به انسان‌ها توسط هوش مصنوعی امتداد یابد، فاقد مسیرهای مشترک و ساختار انگیزشی برای پاداش‌دادن به «دقت علمی و سخت‌گیری» (Rigour) و برتری‌دادن آن نسبت به «روانی کلام» (Fluency) است. محصولات و خدمات دانشی که می‌توانند به این بازار گسترش‌یافته خدمت کنند، به‌سختی حتی تصور شده‌اند، چه رسد به اینکه ایجاد شده باشند.

برای تولیدکنندگان فعلی دانش، مبارزه برای تخصیص عادلانه و جبران خسارت ضروری است؛ اما بازار جدیدی به‌موازات آن در حال شکل‌گیری است که توسط کسانی شکل خواهد گرفت که اکنون در حال ساختن آن هستند. اصولی اعم از حقیقت‌جویی، پاسخگویی و خوداصلاحی که روزنامه‌نگاری و روش علمی طی قرن‌ها توسعه داده‌اند همان اصول عملیاتی هستند که این بازار به آن‌ها نیاز خواهد داشت.

گزارش حاضر در نسخه April 18^th2026 نشریه The Economist منتشر شده است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.