به گزارش خبرآنلاین، به نقل از یکپزشک، این پدیده که کُری دکتروف (Cory Doctorow) آن را «اِنشیتیفیکیشن» (Enshittification) مینامد، توضیح میدهد چگونه شبکههای اجتماعی، فروشگاههای آنلاین و حتی هوش مصنوعی، در چرخهای تکراری از زوال گرفتار شدهاند.
کلمهٔ Enshittification را دکتروف چند سال پیش برای توصیف «پوسیدگی تدریجی پلتفرمها» ابداع کرد! او میگوید گاهی برای آنکه مردم به مسئلهای پیچیده توجه کنند، باید نامی خندهدار و زمخت برایش بسازید. این واژه ابتدا در یک توییت عصبی متولد شد، زمانی که او در تعطیلات خانوادگی با وبسایت TripAdvisor کار میکرد و با دهها ردیاب (tracker) و تبلیغ مزاحم روبهرو شد. همانجا نوشت: «این یکی از اِنشیتیفایشدهترین سایتهایی است که دیدهام!» بازخورد طنزآمیز کاربران باعث شد بعدها این واژه به مفهومی تحلیلی بدل شود.
به گفته او، اِنشیتیفیکیشن توصیف فنیِ سادهای نیست، بلکه روایتی علّی است از چگونگی زوال تدریجی پلتفرمها. در این الگو، شرکتها ابتدا برای جلب کاربران، خدماتی صادقانه و باکیفیت ارائه میدهند. سپس زمانی که کاربران به آنها وابسته شدند، کیفیت را کاهش میدهند تا منافع تبلیغدهندگان و شرکای تجاری را بالا ببرند. در مرحلهٔ سوم، حتی آن شرکای تجاری نیز قربانی میشوند و شرکت تمام سود را برای مدیران و سهامداران خود برمیدارد. نتیجه، چیزی است شبیه به «تپهای از زبالهٔ دیجیتال» که کاربران در آن گیر افتادهاند.
او تأکید میکند که این روند نتیجهٔ بد یا به اصطلاح شرور شدن افراد نیست، بلکه حاصل حذف تدریجیِ «نیروهای بازدارنده» است؛ یعنی دیگر هیچ ترسی از مجازات، رقابت یا نظارت باقی نمانده است. وقتی قوانین ضدانحصار و فشار اجتماعی از میان میروند، شرکتها آزاد میشوند تا تجربهٔ کاربر را قربانی سود کوتاهمدت کنند.
بهظاهر، روندی که دکتروف توصیف میکند، همان منطق سادهٔ سرمایهداری است: ابتدا کالا ارزان و جذاب است، سپس با تثبیت بازار، کیفیت افت میکند. اما او تفاوت مهمی را برجسته میکند: «مشکل، سرمایهداری نیست، بلکه نبودِ مهار است.» شرکتها زمانی اخلاقیتر عمل میکنند که از رقابت یا قانون بترسند. وقتی هر دو از میان میرود، تنها چیزی که باقی میماند حرص است.
در جهان فیزیکی، دو عامل مانع طغیان شرکتها میشود: رقابت بازار و نظارت دولت. اما در فناوری، هر دو تضعیف شدهاند. ادغامهای گسترده، مانند خرید اینستاگرام توسط فیسبوک، نشان داد قانون ضدانحصار دیگر کارایی ندارد. حتی زمانی که زاکربرگ بهصراحت نوشت هدفش از خرید «کاهش رقابت» است، وزارت دادگستری آمریکا معامله را تأیید کرد.
دکتروف توضیح میدهد که ضعف قانونگذاری ضدانحصار و گسترش بیشازحد قوانین مالکیت فکری، دو ستون اصلی سقوط اینترنت آزاد بودهاند. در جهان واقعی، فروشگاههایی مانند والمارت همواره بهدلیل رقابت و نظارت دولتی در حدی از تعادل نگه داشته میشدند. اما در دنیای دیجیتال، هیچیک از این دو عامل بهدرستی عمل نکرد.
وقتی بخش فناوری به چند ابرشرکت محدود شد، رقابت واقعی از بین رفت. زاکربرگ در ایمیلی رسمی به مدیر مالی خود نوشت خرید اینستاگرام به این دلیل انجام میشود که کاربران در حال ترک فیسبوک هستند و با این خرید، «رقابت حذف میشود». این جمله، به تعبیر دکتروف، اعتراف صریح به انحصارطلبی است. با اینحال، نهادهای نظارتی دولت اوباما آن را تصویب کردند. چنین بیعملی در مقابل انحصار، به شرکتها آموخت که هیچ پیامد قانونی جدی در انتظارشان نیست.
وقتی تنها چند شرکت بر صنعتی چیره میشوند، بهراحتی میتوانند بر قوانین تأثیر بگذارند. آنها بودجهٔ کلان تبلیغاتی و لابیگری دارند، و برخلاف صدها شرکت کوچک که هرکدام منافع متفاوتی دارند، این چند غول میتوانند بهراحتی موضعی واحد بگیرند و قانون را به نفع خود شکل دهند. دکتروف به کنایه میگوید: «وقتی پاپ جهان تازهکشفشده را میان قدرتها تقسیم کرد، بازاری مشابه امروزِ فناوری شکل گرفت؛ هر شرکت سهم خود را گرفت و از رقابت دست کشید.»
در گفتوگو، سارا جونگ پرسشی کلیدی مطرح میکند: آیا آنچه امروز «آلودگی هوش مصنوعی» یا «AI slop» مینامیم، شکل تازهای از اِنشیتیفیکیشن نیست؟ دکتروف پاسخ میدهد که این دو پدیده عمیقاً در هم تنیدهاند. هر دو محصول نظامیاند که در آن، شرکتهای واسط (intermediaries) بیش از حد قدرتمند شدهاند و هیچکس توان نظارت بر آنها را ندارد.
او سپس از تفاوت «میانجی» و «میانجی قدرتمند» سخن میگوید. میانجیها بهخودیخود بد نیستند؛ هر نویسنده یا موسیقیدان برای رسیدن به مخاطب به ناشر و پخشکننده نیاز دارد. مشکل زمانی آغاز میشود که این واسطهها از نقش خدمتکار به دروازهبان (gatekeeper) تبدیل میشوند. دکتروف میگوید: «قدرت انحصاری، بزرگترین جاذبه برای مافیاست، چون دقیقاً همانجا میتوان از دو سوی بازار باج گرفت.»
دکتروف در گفتوگو توضیح میدهد که «هوش مصنوعی مولد» (Generative AI) در حقیقت ادامهٔ همان الگوی اِنشیتیفیکیشن است، فقط اینبار با چهرهای فریبندهتر. بهجای آنکه انسانها محتوا تولید کنند و پلتفرمها از آن سوءاستفاده کنند، حالا خود پلتفرمها با دادههای ما محتوا میسازند و بازار را با «خوراک ماشینی» یا همان AI slop پر میکنند.
اما او هشدار میدهد که باید میان دو مفهوم تفکیک قائل شد: نخست، «فرایند آموزشی» (training) که در آن هوش مصنوعی آثار انسانی را تحلیل میکند و دوم، «انحصار ناشران و شرکتهای رسانهای» که میخواهند از این قانون به سود خود استفاده کنند. بهزعم او، اگر حق تازهای برای «کنترل آموزش مدلها» ایجاد شود، در عمل سود آن به جیب همان ناشران انحصارگر خواهد رفت، نه خالقان مستقل. او با طنز میگوید: «دادن پول توجیبی بیشتر به کودکِ زورگو، فقط باعث میشود غذای دیگران را هم بخورد.»
از نظر دکتروف، مسئله اصلی در آموزش هوش مصنوعی، «حق شمردن» (right to count) است. همانطور که پژوهشگر داده میتواند تعداد کلمات در یک کتاب را بشمارد، الگوریتم نیز باید بتواند الگوها را بیاجازه ناشر بررسی کند. اگر این کار ممنوع شود، نه فقط مدلهای زبانی بلکه تمام پژوهشهای آماری و زبانی فلج خواهند شد.
او در ادامه به یکی از جنجالیترین پرسشهای مصاحبه پاسخ میدهد: آیا توسعهٔ قوانین کپیرایت واقعاً به نفع هنرمندان بوده است؟ پاسخ او قاطع است: «هرگز». در چهل سال گذشته، هر بار که قانون حق نشر گستردهتر شده، سود شرکتهای رسانهای افزایش یافته و سهم واقعی هنرمندان کاهش یافته است.
از نگاه دکتروف، تنها استثنای موفق اخیر، «اتحادیهٔ نویسندگان آمریکا» (Writers Guild of America) بود که در برابر استفاده بیرویه از هوش مصنوعی ایستاد. دلیل موفقیت آن، وجود ساختار «چانهزنی بخشی» (sectoral bargaining) بود؛ یعنی همه نویسندگان سینما و تلویزیون بهصورت یکپارچه در برابر استودیوها مذاکره کردند. او میگوید: «اگر قرار است قانونی تازه بنویسیم، بهتر است بهجای گسترش حق نشر، این نوع چانهزنی را قانونی کنیم.»
داکتِرو پیشبینی میکند که حباب کنونی هوش مصنوعی بهزودی میترکد. او آمار چشمگیری ارائه میدهد: تنها هفت شرکت، اکنون سی درصد از شاخص S&P 500 را تشکیل میدهند، درحالیکه سرمایهگذاریشان در حوزه هوش مصنوعی به ۷۰۰ میلیارد دلار رسیده اما کل درآمد حاصل از آن فقط ۴۵ میلیارد دلار است. حتی اگر این سرمایهگذاریها ورشکست شوند و داراییها با ده درصد ارزش واقعی فروخته شود، هزینه نگهداری مدلها آنقدر سنگین است که باز هم کسی قادر به ادامه کار نخواهد بود.
او میگوید: «ما داریم واژهپیشبینیکنندهها (next-word guessers) را با مغزهای مصنوعی اشتباه میگیریم. همانطور که نمیتوان با اصلاح نژاد اسب، لوکوموتیو ساخت، با افزودن میلیاردها واژه هم نمیتوان هوش آفرید.»
از نگاه او، هوش مصنوعی در مشاغل پردرآمد مانند مهندسی نرمافزار یا رادیولوژی تهدیدی جدیتر از هنر و تصویرسازی است، زیرا شرکتها میکوشند متخصصان را با رباتهای ارزان جایگزین کنند. اما نتیجه نه صرفهجویی، بلکه فاجعه است: کیفیت کار سقوط میکند و مسئولیت خطاها بر دوش انسانهای باقیمانده میافتد.
۵۸۵۸
