Blog

یوتیوب سیستم توصیه‌ Shorts را به‌روزرسانی می‌کند: اولویت با محتوای اصلی، کاهش دسترسی کانال‌های بازنشرکننده

یوتیوب پس از قطع جریان درآمد، اکنون قصد دارد جریان ترافیک را نیز قطع کند. این پلتفرم در تاریخ ۱ اکتبر ۲۰۲۶، در اطلاعیه‌ای اعلام کرد که سیستم توصیه‌ Shorts خود را به‌روزرسانی می‌کند تا محتوای اصلی را در اولویت قرار دهد و دسترسی کانال‌هایی که ویدیوهای دیگران را بازنشر می‌کنند، کاهش دهد.

جزئیات تغییرات

این تغییرات صرفاً بر توزیع ترافیک توصیه‌شده در Shorts تأثیر می‌گذارد و کل الگوریتم سایت یا قوانین جدید کسب درآمد را شامل نمی‌شود. واجد شرایط بودن برای کسب درآمد همچنان تابع سیاست‌های موجود YPP (برنامه شریک یوتیوب) است. در حالی که سه خط قرمز اعلام شده در ماه جولای به اندازه کافی سخت‌گیرانه بودند، اکنون نوبت به بخش نمایش محتوا رسیده است.

نکته کلیدی این است که یوتیوب «توصیه محتوای اصلی را بیشتر در اولویت قرار می‌دهد و دسترسی محتوایی را که صرفاً از بازنشر ویدیوهای دیگر سازندگان بدون افزودن هیچ ارزشی تشکیل شده است، کاهش می‌دهد». این اقدام با هدف بهبود تجربه بینندگان و فراهم کردن «بهترین فرصت‌های رشد» برای سازندگان محتوای اصلی انجام می‌شود و با سیاست‌های موجود همسو است.

معنای عملی برای سازندگان

به زبان ساده‌تر، اگر کانال شما عمدتاً به جمع‌آوری یا بازنشر ویدیوهای دیگر سازندگان بدون تغییرات قابل توجه اختصاص دارد، انتظار می‌رود که نمایش شما در جریان توصیه‌شده Shorts «به احتمال زیاد کاهش یابد». اگر می‌خواهید از قطعات ویدیوهای دیگران استفاده کنید، باید با افزودن نظرات، تدوین منحصربه‌فرد یا روایت خود، ارزش واقعی را به آن اضافه کنید.

این اطلاعیه همچنین اشاره می‌کند که به جای «تغییرات فنی جزئی» یا «تغییرات قالبی» برای متفاوت جلوه دادن ویدیوها، بهتر است صدای، روایت یا دیدگاه شخصی خود را وارد کنید.

توضیحات بیشتر از سوی یوتیوب

در ویدیوی Creator Insider که در همان روز منتشر شد، رنه ریچی، مسئول ارتباط با سازندگان، در ۷۳ ثانیه سه نکته را بیان کرد:
۱. اگر ویدیویی را دوست دارید و می‌خواهید آن را به مخاطبان خود معرفی کنید، از تب «پست‌ها» در کانال خود برای اشتراک‌گذاری آن استفاده کنید تا بینندگان به تماشای ویدیوی اصلی هدایت شوند.
۲. اگر قصد دارید از قطعات ویدیوهای دیگران برای خلق مجدد محتوا استفاده کنید، صرفاً توصیف آنچه در صفحه نمایش اتفاق می‌افتد با صداگذاری، تدوین فنی جزئی یا تغییرات دسته‌ای قالبی، ارزش واقعی محسوب نمی‌شود. شما باید دیدگاه، نظر، تحلیل و روایت شخصی خود را اضافه کنید.
۳. برای کانال‌هایی که عمدتاً بر جمع‌آوری یا بازنشر محتوا تمرکز داشتند و اکنون به سمت تولید محتوای اصلی روی می‌آورند، سیستم توصیه‌شده «دسترسی را مجدداً ارزیابی خواهد کرد».

دلایل پشت این تصمیم

نیل موهان در سخنرانی خود در جشنواره خلاقیت کن در ژوئن ۲۰۲۵ اشاره کرد که میانگین بازدید روزانه Shorts بیش از ۲۰۰ میلیارد بار است. با این حجم عظیم، بازنشر و تولید انبوه محتوا می‌تواند سود قابل توجهی به همراه داشته باشد.

تحلیل‌ها نشان می‌دهند که کیفیت محتوا یک مسئله مهم است. آمارهای Kapwing، ارائه‌دهنده ابزارهای ویرایش ویدیو، در اواخر سال ۲۰۲۵ نشان داد که از ۵۰۰ ویدیوی اول در Shorts که با یک حساب کاربری جدید مشاهده شده‌اند، ۱۰۴ مورد (۲۱%) محتوای زباله تولید شده با هوش مصنوعی و ۳۳% دیگر محتوای بی‌کیفیت «مغز شستشو» بوده‌اند. در میان ۱۵ هزار کانال برتر در سراسر جهان، ۲۷۸ کانال صرفاً محتوای زباله تولید شده با هوش مصنوعی را منتشر می‌کردند که مجموعاً ۶۳ میلیارد بازدید و ۲۲۱ میلیون مشترک داشته و درآمد تبلیغاتی تخمینی سالانه ۱۱۷ میلیون دلار را به خود اختصاص داده‌اند.

مسیر تحول یوتیوب

با نگاهی به گذشته، مسیر روشن‌تر می‌شود. در ۱۵ ژوئیه ۲۰۲۵، یوتیوب سیاست «محتوای تکراری» YPP را به «محتوای غیر اصلی» تغییر داد و بر تولید انبوه و محتوای تکراری تمرکز کرد. در ۱۶ ژوئیه ۲۰۲۶، سه خط قرمز جدید برای YPP تعیین شد: ویدیوهای با قالب عمومی، محتوای دستکاری شده دردناک، و شخصیت‌های هوش مصنوعی که در مورد مسائل حساس صحبت می‌کنند؛ هیچ‌کدام از این‌ها دیگر قادر به کسب درآمد نخواهند بود.

در ۱ اکتبر ۲۰۲۶، نوبت به جریان توصیه‌شده رسید. با این سه گام، یوتیوب از قطع جریان درآمد به قطع جریان ترافیک برای محتوای غیر اصلی روی آورده است.

همسویی با رقبا

رقبا نیز در حال پیمودن مسیری مشابه هستند. متا در مارس ۲۰۲۶ در یک بیانیه خبری اعلام کرد که محتوای تولید شده توسط خود سازندگان، دسترسی و فرصت‌های کسب درآمد بیشتری دریافت خواهد کرد، در حالی که پست‌های تکراری یا محتوای با تغییرات جزئی در فید و Reels اولویت کمتری خواهند داشت.

تغییرات کم‌ارزش مانند افزودن حاشیه، زیرنویس یا تنظیم سرعت پخش، همگی به عنوان محتوای غیر اصلی طبقه‌بندی می‌شوند و حساب‌هایی که عمدتاً محتوای غیر اصلی تولید می‌کنند، واجد شرایط کسب درآمد نخواهند بود و در دسته «عدم توصیه» قرار می‌گیرند. با توجه به این اقدامات، محدود کردن همزمان ترافیک و درآمد برای بازنشرکنندگان، جهت‌گیری مشترک سرویس‌های ویدیو کوتاه شده است.

ابهامات باقی‌مانده

این پلتفرم تاریخ اجرایی مشخصی را اعلام نکرده است، آستانه «تغییرات قابل توجه» را تعریف نکرده، مدت زمان ارزیابی مجدد را مشخص نکرده و هیچ صفحه وضعیت یا اطلاعیه‌ای برای اطلاع سازندگان از کاهش احتمالی رتبه آن‌ها ارائه نداده است.

دو حوزه خاکستری نیز وجود دارد: اول، کانال‌های تدوین که با مجوز یا حتی با پرداخت هزینه از سازنده اصلی، محتوا را ویرایش می‌کنند؛ اطلاعیه در مورد اینکه آیا این موارد مستثنی هستند یا خیر، سکوت کرده است. دوم، عبارات رسمی بیشتر به محتوای «از دیگر سازندگان» اشاره دارد، بنابراین برش دادن ویدیوهای بلند خود به Shorts برای تبلیغ، طبق متن، در محدوده هدف قرار نمی‌گیرد.

تأثیر بر محتوای تولید شده با هوش مصنوعی

عبارت «توصیف آنچه در صفحه نمایش اتفاق می‌افتد» ممکن است بیشترین تأثیر را بر بازنشر قالب‌بندی شده با صداگذاری هوش مصنوعی داشته باشد. هسته اصلی این رویکرد، استفاده از صدای مصنوعی برای بیان آنچه در صفحه نمایش رخ می‌دهد و سپس استفاده از قالب‌ها برای تولید انبوه است. هنگامی که هوش مصنوعی هزینه صداگذاری و تدوین را به سمت صفر سوق می‌دهد، خود صداگذاری دیگر تمایزی ایجاد نمی‌کند؛ اگر سیستم توصیه‌شده واقعاً طبق استانداردهای ویدیوی Creator Insider اجرا شود، سود حاشیه‌ای تولید انبوه قالب‌بندی شده در وهله اول فشرده خواهد شد.

آنتروپیک آکادمی Claude Frontier را برای تربیت مهندسان استقرار هوش مصنوعی راه‌اندازی کرد

شرکت هوش مصنوعی آنتروپیک (Anthropic) با سرمایه‌گذاری ۱۰۰ میلیون دلاری، آکادمی Claude Frontier را تأسیس کرده است تا تا پایان سال ۲۰۲۷، ۱۰ هزار مهندس استقرار هوش مصنوعی در سطح سازمانی را آموزش دهد. این آکادمی به مشتریان و شرکت‌های مشاور اجازه می‌دهد تا حقوق مهندسان را خودشان پرداخت کنند و در عین حال، وابستگی به مدل Claude را افزایش دهد. شرکت‌های مشاور نیز با این رویکرد، در هر دو جبهه سرمایه‌گذاری می‌کنند.

رقابت در تربیت متخصصان هوش مصنوعی سازمانی

در حالی که شرکت‌های پیشرو در حوزه هوش مصنوعی برای پر کردن شکاف استعداد در استقرار فناوری‌های هوش مصنوعی در سازمان‌ها سرمایه‌گذاری می‌کنند، رویکردهای متفاوتی را در پیش گرفته‌اند. آنتروپیک با ۱۰۰ میلیون دلار سرمایه‌گذاری، هدف آموزش ۱۰ هزار نفر را دنبال می‌کند که به طور متوسط حدود ۱۰ هزار دلار برای هر نفر هزینه دارد. در مقابل، برنامه شرکای OpenAI با ۱۵۰ میلیون دلار سرمایه‌گذاری، هدف ۳۰۰ هزار نفر را تعیین کرده است که به طور متوسط حدود ۵۰۰ دلار برای هر نفر هزینه دارد. مایکروسافت نیز ۶ هزار نفر را به طور داخلی آموزش می‌دهد.

رویکرد منحصربه‌فرد آنتروپیک

در تاریخ ۲ اکتبر، آنتروپیک از راه‌اندازی آکادمی Claude Frontier خبر داد که رویکردی متمایز در میان این سه استراتژی دارد: این آکادمی نه تنها کارکنان خود شرکت، بلکه مهندسان مشتریان و شرکت‌های مشاور را نیز آموزش می‌دهد.

هدف این آکادمی، تربیت ۱۰ هزار مهندس استقرار پیشرفته (Frontier Deployed Engineer) یا به اختصار FDE تا پایان سال ۲۰۲۷ است. این عنوان شغلی از مهندسان استقرار خط مقدم شرکت Palantir وام گرفته شده است. به طور خلاصه، این مهندسان به طور بلندمدت در شرکت‌های مشتری مستقر می‌شوند و مسئولیت کامل فرآیند را از انتخاب موارد استفاده، ساخت سیستم‌ها تا آموزش کارکنان برای استفاده از آن‌ها را بر عهده می‌گیرند.

برنامه آموزشی FDE Residency

اولین دوره آموزشی این آکادمی، FDE Residency یا برنامه اقامت است. آنتروپیک به صراحت اعلام کرده است که این برنامه از آموزش پزشکی الگوبرداری شده است: یادگیری از متخصصان، تمرین با موارد واقعی و کسب مجوز برای فعالیت مستقل پس از گذراندن آزمون‌ها. شرکت‌کنندگان توسط سازمان خود معرفی می‌شوند و هر فرد باید با یک پروژه مشخص مبتنی بر Claude در زمان ثبت‌نام حاضر شود و پس از اتمام دوره، مسئولیت آن پروژه را بر عهده بگیرد. این دوره نیازی به تجربه قبلی در زمینه عامل‌های هوش مصنوعی ندارد، اما نیازمند مهارت‌های قوی در زمینه نرم‌افزار، تجربه توسعه مدل‌های زبان بزرگ و توانایی هدایت همکاران برای استفاده از هوش مصنوعی در کار است.

این فرآیند شامل دو مرحله است. ابتدا، دوره‌های حضوری چند روزه توسط مهندسان آنتروپیک و مربیان مجاز برگزار می‌شود که در آن یک استقرار کامل در یک محیط شبیه‌سازی شده سازمانی، از انتخاب موارد استفاده مناسب تا بررسی امنیتی و تحویل پروژه، انجام می‌شود. در نهایت، یک آزمون عملی امتیازی برگزار می‌شود و کسانی که موفق به گذراندن آن شوند، نشان Claude Resident Engineer را دریافت می‌کنند.

پس از آن، دوره ۱۲ هفته‌ای اقامت آغاز می‌شود که در آن شرکت‌کنندگان موارد استفاده واقعی Claude را در شرکت خود با پشتیبانی مهندسان آنتروپیک هدایت می‌کنند. پس از ۱۲ هفته، آزمون دیگری برگزار می‌شود و کسانی که موفق به گذراندن آن شوند، نشان Claude Frontier Deployed Engineer را دریافت خواهند کرد. انتظار می‌رود اولین گروه از این مهندسان در اوایل سال ۲۰۲۷ فارغ‌التحصیل شوند.

اولین دوره‌ها در سانفرانسیسکو، نیویورک و لندن آغاز شده‌اند و شرکت‌هایی مانند Accenture، Bain، Capgemini، Commonwealth Bank of Australia، Deloitte، McKinsey، Morgan Stanley و Novo Nordisk در لیست شرکت‌کنندگان حضور دارند. این آکادمی بر بستر شبکه شرکای Claude (Claude Partner Network) بنا شده است که بیش از ۴۶ هزار نفر از متخصصان در ۴.۶ هزار شرکت، بیش از ۱۷۵ هزار گواهینامه Claude را دریافت کرده‌اند و نزدیک به ۴ هزار نفر دوره Basecamp را که همان دوره آموزشی فشرده‌ای است که تیم‌های کاربردی هوش مصنوعی آنتروپیک در زمان ورود به شرکت طی می‌کنند، گذرانده‌اند.

Ram Ramalingam، مسئول FDE در Accenture، معتقد است که این طراحی با تعریف آن‌ها از نقش مورد نظر مطابقت دارد: ارزیابی قدرت قضاوت در استقرار سازمانی شبیه‌سازی شده، به جای ارزیابی صرفاً فنی در انزوا.

چالش استقرار هوش مصنوعی

آنتروپیک در اطلاعیه خود به این نکته اشاره کرده است که هر سازمانی در تلاش است تا هوش مصنوعی را در سازمان خود پیاده‌سازی کند، اما افرادی که واقعاً می‌توانند این فناوری را در شرکت به کار گیرند، به کمیاب‌ترین استعدادها تبدیل شده‌اند.

به عبارت دیگر، گلوگاه از مرحله مدل به مرحله استقرار منتقل شده است. Shambhavi Shambhavi، مسئول استراتژی و عملیات شرکا در آنتروپیک، به CNBC گفته است: “ما از مشتریان و سازمان‌های شریک خود می‌شنویم که به افراد بیشتری نیاز دارند که بتوانند آشنایی با فناوری‌های سازمانی و زمینه‌های کسب‌وکار را با تسلط عالی بر هوش مصنوعی ترکیب کنند تا مشکلات واقعی را حل کنند.”

راه‌حل‌های رقبا

راه حل رقبا، ورود مستقیم به میدان است. OpenAI در ماه مه شرکت تابعه استقرار خود، DeployCo را تأسیس کرد و با سرمایه‌گذاری اولیه بیش از ۴ میلیارد دلار، شرکت مشاور اسکاتلندی Tomoro را خریداری کرد و حدود ۱۵۰ متخصص FDE و استقرار را به خدمت گرفت تا مستقیماً در شرکت‌های مشتری مستقر شوند.

مایکروسافت در ماه ژوئیه Frontier Company را با سرمایه‌گذاری ۲.۵ میلیارد دلاری راه‌اندازی کرد و ۶ هزار نفر از متخصصان صنعت و مهندسان را برای استقرار مستقیم در دفاتر مشتریان خود اختصاص داد. OpenAI همچنین برنامه شرکای خود را دارد که Accenture، McKinsey، PwC، Bain و BCG را جذب کرده است تا تا پایان سال ۲۰۲۶، ۳۰۰ هزار مشاور هوش مصنوعی را گواهینامه دهد. ۱۵۰ میلیون دلار سرمایه‌گذاری برای حمایت از کل اکوسیستم شرکا است و نه صرفاً هزینه آموزش، بنابراین رقم ۵۰۰ دلار برای هر نفر تنها یک میانگین ساده است.

انتخاب آنتروپیک رویکردی متفاوت است: به جای ایجاد یک واحد استقرار هزاران نفری یا پیگیری تعداد گواهینامه‌ها، این شرکت بر آموزش عمیق تعداد کمی از افراد تمرکز دارد و حقوق آن‌ها را مشتریان و شرکت‌های مشاور پرداخت می‌کنند.

پیامدهای استراتژیک

رویترز در ۲۸ سپتامبر به پیش‌نویس افشاشده اسناد عرضه اولیه سهام (IPO) آنتروپیک دست یافت. پیش‌بینی می‌شود درآمد این شرکت در سال ۲۰۲۵ حدود ۴.۶ میلیارد دلار باشد که حدود ۱۲ برابر سال ۲۰۲۴ است، در حالی که زیان عملیاتی ۸۰.۶ میلیارد دلار خواهد بود. نزدیک به یک چهارم درآمد از دو مشتری اصلی حاصل می‌شود و اسناد همچنین هشدار می‌دهند که بسیاری از مشتریان بزرگ سازمانی قراردادهای بلندمدت امضا نکرده‌اند و ممکن است هزینه‌های خود را کاهش داده یا متوقف کنند.

با در نظر گرفتن این دو موضوع، جنبه دیگر آکادمی آشکار می‌شود. مشتریان قرارداد بلندمدت ندارند و می‌توانند در هر زمان خارج شوند؛ اما اگر قوی‌ترین مهندسان مشتری، دوره‌های آکادمی آنتروپیک را گذرانده، نشان‌های اعطا شده توسط آنتروپیک را دریافت کرده و با یک پروژه مشخص مبتنی بر Claude به شرکت خود بازگردند، در صورت تغییر تأمین‌کننده، نیاز به آموزش مجدد این افراد خواهد بود.

با این حال، این دیوار دفاعی یک نقطه ضعف دارد. Accenture، McKinsey و Bain هم در لیست شرکای OpenAI و هم در لیست اولین دانشجویان آنتروپیک حضور دارند. Novo Nordisk هم مشتری اولیه مایکروسافت در Frontier Company است و هم مهندسانی را به آکادمی آنتروپیک فرستاده است، در حالی که مشتریان مایکروسافت می‌توانند مدل‌های OpenAI، آنتروپیک، مایکروسافت یا متن‌باز را انتخاب کنند. شرکت‌های مشاور در هر دو جبهه سرمایه‌گذاری می‌کنند و در یک سازمان، ممکن است یک گروه گواهینامه‌های OpenAI را دریافت کنند و گروهی دیگر در کلاس‌های آنتروپیک شرکت کنند.

آنتروپیک قصد دارد از طریق این آکادمی، استعدادها را به یک مزیت رقابتی تبدیل کند. اما در مورد شرکت‌های مشاور، این رودخانه از هر دو طرف قابل عبور است.

بیت‌کوین با جهشی چشمگیر، جمعه از مرز ۸۷ هزار دلار عبور کرد. این افزایش پس از انتشار گزارش ضعیف مشاغل آمریکا رخ داد و نشان‌دهنده بهبود قابل توجه تقاضای نهادی در ماه‌های اخیر است. در همین حال، توکن‌های Hyperliquid، Zcash و Kaspa نیز با کاتالیست‌های مهم پروتکلی و بازاری روبرو هستند. در ادامه به سطوح کلیدی و تحولات قابل توجه این رمزارزها می‌پردازیم.

بیت‌کوین (BTC)

داده‌های تورم پایین‌تر از حد انتظار آمریکا، تقاضای قوی نهادی و گزارش مشاغل ضعیف‌تر از پیش‌بینی روز جمعه، به بیت‌کوین کمک کرد تا بخشی از زیان‌های اخیر خود را جبران کند. این رمزارز در پایان هفته کاری مجدداً سطح مقاومت کلیدی ۸۷ هزار دلاری را به چالش کشید.

آخرین داده‌های شاخص هزینه‌های مصرف شخصی (PCE) نشان داد که تورم هسته در ماهانه ۰.۲ درصد و در سالانه حدود ۳.۰ درصد افزایش یافته است که هر دو کمتر از انتظارات بودند. این موضوع، در کنار رقم نسبتاً پایین ۲۹ هزار شغل ایجاد شده در ماه سپتامبر، نگرانی‌ها در مورد نیاز به انقباض پولی بیشتر از سوی فدرال رزرو آمریکا را تا حدی کاهش داد.

با این حال، وضعیت کاملاً صعودی نیست. گزارش اخیر Glassnode نشان می‌دهد که سودگیری نسبت به اوج‌های قبلی بازار محدود بوده است، اما فروش توسط دارندگان بلندمدت اخیراً افزایش یافته است. حجم معاملات نیز همچنان نسبتاً ضعیف است و این نشان می‌دهد که بیت‌کوین ممکن است برای تأیید یک روند صعودی قوی‌تر، به مشارکت بیشتر خریداران نیاز داشته باشد.

سطح مقاومت ۸۷ تا ۸۷.۵ هزار دلاری همچنان اولین مانع قابل توجه در مسیر بیت‌کوین است. شکست قاطع بالای این سطح می‌تواند راه را به سوی منطقه فروش بزرگ بعدی در حدود ۹۵ هزار دلار باز کند.

Hyperliquid (HYPE)

توکن بومی Hyperliquid اخیراً از قوی‌ترین عملکردها در بازار را داشته و به طور متوالی به بالاترین سطوح خود دست یافته است، زیرا فعالیت پروتکل و توسعه اکوسیستم همچنان در حال گسترش است. یکی از این تحولات، معرفی وام‌دهی دستی از طریق HyperCore بود. از ۱۸ سپتامبر، کاربران توانسته‌اند از HYPE و BTC به عنوان وثیقه برای وام‌گیری USDC یا USDT استفاده کنند و حجم وام‌دهی در روز اول به نزدیک ۲۷۰ میلیون دلار رسید.

این پروژه همچنین دستورات حد ضرر متحرک (trailing-stop) را برای بازارهای دائمی معرفی کرده است و توکنومیکس آن همچنان فشار خرید مداومی را ایجاد می‌کند. ۹۹ درصد از کارمزدهای پلتفرم به صندوق کمک (Assistance Fund) هدایت می‌شود تا HYPE را از بازار باز خریداری کند.

از منظر فنی، سوال مهم بعدی این است که آیا منطقه ۹۰ تا ۹۲ دلاری می‌تواند به حمایت پایدار تبدیل شود. اگر این اتفاق بیفتد، ساختار صعودی همچنان پابرجا خواهد ماند. در مقابل، ۸۵ دلار می‌تواند به عنوان اولین حمایت اصلی در صورت عقب‌نشینی عمل کند.

Zcash (ZEC)

هنگامی که صحبت از افزایش قیمت‌های چشمگیر می‌شود، دشوار است که ZEC را از این بحث کنار گذاشت. این رمزارز به طور مکرر شاهد افزایش‌های قابل توجهی بوده است، به طوری که در حدود یک سال گذشته بیش از ۱۰۰۰ درصد رشد داشته و اخیراً برای اولین بار در یک دهه از مرز ۱۶۰۰ دلار عبور کرده است.

مهم‌ترین تحول، هفتمین ارتقاء عمده شبکه است که با حمایت قاطع رأی‌دهندگان روبرو شد و قرار است در ۵ نوامبر فعال شود. این ارتقاء زمان تولید بلاک را از ۷۵ ثانیه به ۲۵ ثانیه کاهش می‌دهد و عملاً نرخ تولید بلاک را سه برابر می‌کند. شرکت‌کنندگان همچنین به حفظ ساختار هاوینگ فعلی Zcash رأی دادند که شبیه به مدل انتشار بیت‌کوین است.

یکی دیگر از معیارهای قابل توجه، میزان ZEC نگهداری شده در استخرهای محافظت شده (shielded pools) است. به‌روزرسانی‌های اخیر در این زمینه نشان می‌دهد که ۲۹ درصد از عرضه موجود در حال حاضر محافظت شده است. همچنین ۴ میلیون توکن دیگر به استخر جدیدتر Ironwood منتقل شده است.

Kaspa (KAS)

تحولات اخیر Kaspa بیشتر بر گسترش قابلیت‌های توسعه‌دهندگان برای ساخت برنامه‌ها بر روی شبکه تمرکز داشته است، مانند هارد فورک Tokata. این هارد فورک، UTXOها، کاوننت‌ها (covenants)، بازرسی تراکنش‌ها و تأیید بومی دانش صفر (zero-knowledge verification) را معرفی کرد و پروژه را فراتر از نقش اصلی خود به عنوان یک شبکه پرداخت اثبات کار با توان عملیاتی بالا سوق داد.

Silverscript 1.0 که در ماه سپتامبر منتشر شد، ابزارهای سطح بالاتری را برای ساخت منطق کاوننت، از جمله کیف پول‌ها، امانات، مکانیزم‌ها و قفل‌های زمانی اضافه کرد. سرویس نام .k نیز در همان ماه راه‌اندازی شد و به آدرس‌های Kaspa اجازه می‌دهد تا با نام‌های خوانا جایگزین شوند. در چند روز اول، چندین هزار ثبت‌نام انجام شد.

از نظر حرکات قیمتی، KAS در ماه گذشته حدود ۵۰ درصد افزایش یافته و سطح روانی ۰.۵۰ دلار را دوباره در کانون توجه قرار داده است. سوال اکنون این است که آیا استفاده از شبکه می‌تواند با توسعه فناوری همگام شود.

بیت‌کوین همچنان جای رشد تا ۹۲ هزار یا حتی ۹۷ هزار دلار را دارد، اما تنها در صورتی که بتواند باند حمایتی باریکی را درست بالای ۸۱ هزار دلار حفظ کند. این آخرین دیدگاه یک تحلیلگر است که می‌گوید روند صعودی آغاز شده در ماه جولای همچنان پابرجاست.

چرا چشم‌انداز همچنان مثبت است

این کارشناس به سه نشانه به نفع بیت‌کوین اشاره کرد:

منطقه حمایتی مهم

منطقه مهم از ۸۱,۶۰۰ تا ۸۲,۹۳۷ دلار است. تا زمانی که بیت‌کوین بالای این منطقه باقی بماند، مسیر برای قیمت‌های بالاتر باز است.
اگر این منطقه شکسته شود، سطوح بعدی که باید زیر نظر گرفته شوند عبارتند از:

چه چیزی حرکت به سمت ۹۲ هزار یا ۹۷ هزار دلار را تأیید می‌کند

بیت‌کوین برای آغاز مرحله بعدی رشد، باید از اوج ۲ اکتبر خود که در بالای منطقه مقاومت فعلی قرار دارد، عبور کند. این امر سیگنال آغاز مرحله بعدی صعود را خواهد داد.
در حال حاضر، تأییدیه روشنی وجود ندارد. جهش از پایین‌ترین سطح ۲۸ سپتامبر در سه مرحله رخ داد، الگویی که معمولاً نشان‌دهنده یک بهبود ضعیف است. بیت‌کوین در حال حاضر در یک محدوده معاملاتی قرار دارد و محدوده‌ها روند مشخصی ندارند.

هنوز اوجی تأیید نشده است

این تحلیلگر گفت که در هیچ مقطعی از این رالی، اوجی را پیش‌بینی نکرده و همچنان یک اوج دیگر را «بسیار محتمل» می‌داند. روند کوتاه‌مدت که در ۱۶ سپتامبر آغاز شد نیز همچنان شکسته نشده است.
هنگامی که اوج شکل بگیرد، انتظار می‌رود شاهد عقب‌نشینی به سمت منطقه حمایتی گسترده‌تر بین ۶۳,۳۲۶ تا ۷۴,۸۰۰ دلار باشیم. این می‌تواند قبل از پیشروی بعدی به سمت اوج‌های تاریخی، یک کف بالاتر را ایجاد کند.

بازار آرام ممکن است آرام نماند

نوسانات در حال حاضر پایین است. این کانال هشدار داد که دوره‌های آرام اغلب درست قبل از یک حرکت بزرگ رخ می‌دهند، همانطور که در ماه جولای اتفاق افتاد، زمانی که بیت‌کوین برای چهار هفته در یک محدوده جانبی در نوسان بود و سپس رشد کرد.

مهندسی که با هوش مصنوعی رمز نامفهوم ناپلئون را گشود

یک مهندس در شرکت SentinelOne با استفاده از مدل GPT-6 Astra و حدود ۶ ساعت زمان پردازش، موفق شد نامه‌ای رمزگذاری شده را که به دستور ناپلئون برای ژنرال مارمونت نوشته شده بود و به مدت ۲۱۷ سال دست‌نخورده باقی مانده بود، از روی یک تصویر منتشر شده در مجله‌ای در سال ۱۹۶۹ رمزگشایی کند.

پیش‌زمینه: رمزگشایی تلگراف آلمانی و رمز اسکاتلندی

این اولین بار نیست که هوش مصنوعی به حل معماهای تاریخی کمک می‌کند. پیش از این، مدل GPT-6 Astra در عرض دو روز موفق به رمزگشایی یک تلگراف آلمانی شد که ۲۱ سال حل نشده باقی مانده بود. همچنین، کلود فابل موفق به شکستن یک رمز باستانی اسکاتلندی شد که ۳۷۳ سال حل نشده بود.

نامه‌ای که ۲۱۷ سال ناخوانا ماند

این نامه، که به مدت ۲۱۷ سال برای هیچ‌کس قابل درک نبود، سرانجام توسط مهندسی که پیش از این هیچ تجربه‌ای در رمزگشایی نداشته، و با صرف حدود ۶ ساعت زمان پردازش مدل، رمزگشایی شد.

کارتر چرچ، مهندس هوش مصنوعی در شرکت SentinelOne و با بیش از ده سال سابقه در حوزه امنیت سایبری، در اواخر سپتامبر در وبلاگ شخصی خود جزئیات این رمزگشایی را منتشر کرد. او با استفاده از مدل GPT-6 Astra، موفق شد یک نامه نظامی رمزگذاری شده مربوط به سال ۱۸۰۹، در دوران ناپلئون، را از روی یک تصویر اسکن شده بخواند.

زمینه تاریخی نامه

در فوریه ۱۸۰۹، اتریش تصمیم به جنگ گرفت و به این امید که نیروهای نخبه ناپلئون در اسپانیا گرفتار شده‌اند، دست به اقدام زد. مشکل ناپلئون در آن زمان، ژنرال مارمونت بود که با حدود ۱۳ هزار نفر (بر اساس تخمین خود ناپلئون) در سواحل غربی شبه جزیره بالکان در دالماسی، که سرزمینی اتریشی بود، منزوی شده بود. در روز آغاز جنگ، او دورافتاده‌ترین ژنرال امپراتوری محسوب می‌شد.

در ۱۶ مارس، ناپلئون از پاریس به جانشین خود و فرماندار ایتالیا، اوژن دو بوآرنه، دستور داد تا با استفاده از رمز، نامه‌ای را برای مارمونت ارسال کند و موقعیت هر یک از نیروهای فرانسوی و متحدان را مشخص کند. این نامه توسط ستاد اوژن صادر شد و نه مستقیماً توسط ناپلئون.

ساختار نامه و چالش‌های رمزگشایی

سطر اول نامه به زبان فرانسوی واضح نوشته شده بود: «ژنرال مارمونت، شما باید نامه‌های مورخ ۸، ۱۴ و ۲۰ ماه جاری را دریافت کرده باشید.» پس از آن، ۲۴ سطر شامل اعداد، حروف و نمادهای ابداعی قرار داشت که کلید رمزگشایی آن هرگز منتشر نشد. این نامه تنها از طریق یک تصویر منتشر شده در مجله نظامی فرانسوی Revue historique des Armées در سال ۱۹۶۹ باقی مانده بود، که سال انتشار آن را نیز به اشتباه ۱۸۰۷ ذکر کرده بود.

فهرست Cryptiana که توسط ساتوشی توموکویو نگهداری می‌شود و شامل رمزهای تاریخی حل نشده است، تنها به سطر اول این نامه اشاره کرده بود. یادداشت‌های دانیل بوردیو، رمزگشای دیگر، حتی صریح‌تر بود: «هیچ کاری نمی‌توان انجام داد، متن رمزگذاری شده در هیچ کجای قابل دسترسی منتشر نشده است.»

نسخه اسکن شده این مجله در واقع در پایگاه داده علمی فرانسوی Persée به صورت عمومی در دسترس بود. این تصویر با ابعاد ۱۲۰۲ در ۱۸۳۶ پیکسل، هر نماد را حدود ۱۹ پیکسل در بر می‌گرفت. دانیل تانت، مورخ رمز فرانسوی، پیش از این ۳۳ جفت حرف را شناسایی کرده بود که امکان خواندن ۴۳۵ واحد را فراهم می‌کرد، که حدود یک سوم متن را شامل می‌شد. ۸۶۵ واحد باقی مانده، یعنی حدود دو سوم، باید با استفاده از مدل و از خود متن نامه استخراج می‌شد.

پیچیدگی‌های رمز هموفونیک

نامه شامل ۱۳۰۰ واحد رمزگذاری شده و ۱۵۵ نماد مختلف بود. این یک رمز هموفونیک (homophonic cipher) بود: حروف رایج دارای چندین نماد قابل تعویض بودند که شمارش فراوانی را بی‌فایده می‌کرد.

روش رمزگشایی با هوش مصنوعی

مدل Astra ابتدا تصویر را به ستون‌هایی تقسیم کرد، نمادها را خواند و ۱۷۵ علامت موقت را مشخص کرد. سپس تشخیص داد که کدام نمادها دو بار نوشته شده‌اند و پس از ادغام آن‌ها، فرآیند رمزگشایی آغاز شد. رونویسی و تحلیل رمز معمولاً دو تخصص مجزا هستند، اما در این مورد به صورت یکپارچه انجام شد.

ابزار اصلی مورد استفاده، شبیه‌سازی تبرید (simulated annealing) بود. به طور خلاصه، ابتدا یک تطابق تصادفی بین نمادها حدس زده شد و سپس با تنظیمات جزئی، امتیازدهی بر اساس فراوانی ترکیب حروف در زبان فرانسوی انجام شد. اگر امتیاز بهبود می‌یافت، تغییرات حفظ می‌شدند و گاهی اوقات پاسخ‌های ضعیف‌تر نیز پذیرفته می‌شدند تا از گیر افتادن زودهنگام جلوگیری شود. داده‌های مورد استفاده برای امتیازدهی، فراوانی ترکیب‌های ۳، ۴ و ۵ حرفی در آثار ویکتور هوگو، الکساندر دوما و خاطرات مارمونت بود.

هنگامی که مشخص شد هر تلاشی برای تطابق نمادها، روانی زبان فرانسوی را مختل می‌کند، چرچ فرض کرد که آن‌ها «کلمات کامل» را نشان می‌دهند. این کلمات شامل عباراتی مانند “de”، “que”، “vous” و “général” بودند. نحوه خواندن هر نماد نیز با تمام موقعیت‌های آن در تصویر مقایسه می‌شد و تنها در صورتی که همه آن‌ها معتبر بودند، حفظ می‌شد.

مهم‌ترین گام، اثبات معکوس بود. او خاطرات مارمونت و تمام متون دوران ناپلئون را از داده‌های امتیازدهی حذف کرد و دوباره اجرا کرد و به همان تفسیر دست یافت. این نشان می‌داد که کلید رمز با تکیه بر «دیدن پاسخ» در داده‌های زبانی به دست نیامده است.

نتایج رمزگشایی و تأیید تاریخی

نامه رمزگشایی شده هفت استقرار نیرو را فهرست می‌کرد: ۴۰ هزار نفر از ارتش باواریا، ۳۰ هزار نفر از ارتش لهستان، ارتش ساکسون، ۸۰ هزار نفر از نیروهای داووت، ۶۰ هزار نفر از نیروهای ماسنا، ۴۰ هزار نفر از نیروهای اودینو، و همچنین پیشروی ارتش روسیه به سمت اتریش. ترتیب و اعداد کاملاً با شماره ۱۴۹۰۸ از مجموعه نامه‌های ناپلئون که در سال ۱۸۶۵ منتشر شد، یعنی همان دستور ۱۶ مارس، مطابقت داشت. توموکویو در ۲۰ سپتامبر پاسخ را دریافت کرد، آن را بررسی کرد و این مورد را به عنوان «حل شده» در فهرست خود ثبت کرد و سال انتشار را به ۱۸۰۹ تغییر داد.

در واقع، مواد لازم از قبل در دسترس بود: جدول تطبیقی تانت، مجموعه نامه‌ها که در دهه ۱۸۶۰ منتشر شد، و خاطرات مارمونت که در پروژه گوتنبرگ موجود بود. یک متخصص صبور در سال ۱۹۷۰ می‌توانست این کار را انجام دهد. مشکل این بود که این امر نیازمند هفته‌ها زمان تخصصی بود: دانش زبان فرانسوی آن دوره، توانایی تمرکز بر ۱۳۰۰ نماد دست‌نویس، و مهارت‌های آماری، که همگی بر روی یک تصویر متمرکز می‌شدند.

افرادی که این مهارت‌ها را داشتند، احتمالاً موضوعات مهم‌تری برای رسیدگی داشتند. مانع اصلی، دشواری نبود، بلکه هزینه بود؛ اما اکنون این مانع توسط هوش مصنوعی شکسته شده است و تنها کنجکاوی شماست که در مقابل فهرست موارد حل نشده قرار دارد.

مقالات مرتبط

• مدل استدلال OpenAI رمز و راز ۸۰ ساله ریاضیات را گشود؛ سه ریاضیدان برجسته تأیید کردند.
• هوش مصنوعی کنترل دنیای ریاضیات را به دست می‌گیرد؟ مدل Astra OpenAI ۱۰ معمای صد ساله را حل کرد؛ دانشمندان نگرانند: سهم بشریت از بین برود.
• OpenAI مدل اصلی نسل بعدی خود، Astra، را معرفی کرد: ۱۰ مسئله ریاضی که ۱۰ سال بشر را به چالش کشیده بود، یکجا حل شد.
• GPT-6 Astra در آزمون ورودی دانشگاه کره نمره کامل گرفت! GPT-5.6 با ۱.۵ امتیاز اختلاف دوم شد.
• مهندسان Claude، Grok و GPT را به خودروی واقعی متصل کردند! تنها Astra توانست کامل اجرا شود.

آغاز پرداخت حقوق با روبل دیجیتال در روسیه

وزارت دارایی روسیه روز جمعه اعلام کرد که برخی از کارکنان این وزارتخانه برای اولین بار حقوق خود را با روبل دیجیتال دریافت کرده‌اند. این اقدام بخشی از تلاش‌های بانک مرکزی روسیه و وزارت دارایی برای ادغام ارز دیجیتال ملی در فرآیندهای بودجه‌ای است.

بر اساس بیانیه‌ای مطبوعاتی وزارت دارایی، پرداخت حقوق با ارز دیجیتال بانک مرکزی به صورت داوطلبانه برای شهروندان روسیه در دسترس قرار گرفته و از روز پنجشنبه، اول اکتبر، آغاز شده است. این وزارتخانه جزئیات مربوط به تعداد شرکت‌کنندگان یا مجموع مبلغ پرداختی با ارز دیجیتال را منتشر نکرده است.

این وزارتخانه همچنین اعلام کرد که در جریان آزمایش‌های مربوط به هزینه‌های بودجه فدرال در سال ۲۰۲۵، حدود ۱۶ میلیون روبل دیجیتال (معادل ۱۹۲,۲۴۵ دلار) پرداخت شده است. به همین دلیل، وزارت دارایی رویه‌های اثبات‌شده را برای فرآیند پرداخت حقوق خود نیز به کار گرفته است.

پیش از این، در تاریخ ۲ ژوئیه، کوین‌تلگراف گزارش داده بود که روسیه قصد دارد ارز دیجیتال بانک مرکزی خود را در تاریخ ۱ سپتامبر راه‌اندازی کند، زمانی که بانک‌های بزرگ و شرکت‌های خرده‌فروشی شروع به فعال‌سازی تراکنش‌ها با این ارز جدید کردند.

این ارز دیجیتال قرار بود به عنوان مکملی برای پول رایج روسیه، یعنی روبل، عرضه شود و در ابتدا توسط مؤسسات مالی و اعتباری پذیرفته شود. توسعه روبل دیجیتال در سال ۲۰۲۱ آغاز شد و در ماه آوریل، مقامات اتحادیه اروپا تحریم‌هایی پیشگیرانه علیه این ارز وضع کردند. شورای اروپا اعلام کرد که این بسته تحریمی در واکنش به “جنگ تجاوزکارانه روسیه علیه اوکراین” صورت گرفته است که در فوریه ۲۰۲۲ آغاز شد.

سابق افسر پلیس بریتانیا به دلیل سرقت بیت‌کوین‌های ضبط شده از پرونده جاده ابریشم به پرداخت بیش از ۱.۸ میلیون پوند محکوم شد

پاول چولز، افسر سابق اداره ملی جرایم بریتانیا (NCA) که در تحقیقات پرونده جاده ابریشم (Silk Road) نقش داشت، به سرقت ۵۰ بیت‌کوین از کیف پول‌های ضبط شده در این پرونده متهم شده است. این بیت‌کوین‌ها که در زمان سرقت ارزشی حدود ۵۹,۴۰۹ پوند داشتند، اکنون ارزشی معادل ۱,۸۱۰,۶۷۸.۹۳ پوند پیدا کرده‌اند و دادگاه دستور مصادره این مبلغ را صادر کرده است.

جزئیات پرونده: از کیف پول ضبط شده تا کارت نقدی

چولز، که در آن زمان ۴۴ سال داشت و افسر عملیاتی NCA در زمینه جرایم دارک وب بود، در سال ۲۰۱۷ میلادی اقدام به سرقت این ۵۰ بیت‌کوین کرد. این سرقت در حالی صورت گرفت که NCA به همراه FBI در حال تحقیق بر روی نسل دوم جاده ابریشم (Silk Road 2.0) بودند. توماس وایت، بنیانگذار Silk Road 2.0، در سال ۲۰۱۹ به جرم خود محکوم شد.

چولز مسئولیت تحلیل و استخراج ارزهای دیجیتال از دستگاه‌های ضبط شده وایت را بر عهده داشت. در تاریخ ۶ و ۷ مه ۲۰۱۷، او ۵۰ بیت‌کوین از مجموع ۹۷ بیت‌کوین ضبط شده را به دو آدرس عمومی منتقل کرد. سپس این مقدار را به تراکنش‌های کوچک‌تر تقسیم کرده و از طریق سرویس میکسر Bitcoin Fog برای پنهان کردن ردپای مالی خود استفاده کرد.

او برای تبدیل بیت‌کوین‌ها به پول نقد از کارت‌های نقدی Cryptopay و Wirex که خود افتتاح کرده بود، استفاده کرد. طبق گزارش‌ها، ۲۷۹ تراکنش از طریق کارت Cryptopay به مبلغ ۲۳,۳۰۹ پوند و ۶,۲۳۲ پوند از طریق تبدیل ارز و برداشت نقدی انجام شده بود. همچنین ۷۹,۸۸۴.۷۷ پوند از طریق حساب و کارت Wirex هزینه شده بود.

پس از ناپدید شدن بیت‌کوین‌ها، ابتدا انگشت اتهام به سمت وایت نشانه رفت. تیم NCA در ابتدا تصور می‌کرد که وایت خود این اقدام را انجام داده است. در اواخر سال ۲۰۲۱، این ۵۰ بیت‌کوین به عنوان دارایی غیرقابل بازیابی از حساب‌ها حذف شدند. وایت خود به پرداخت ۱,۵۶۰,۵۰۶ پوند محکوم شده بود و با فروش ۴۷ بیت‌کوین باقی‌مانده، همچنان ۱,۰۶۶,۹۵۶ پوند بدهکار بود. وایت اصرار داشت که این سرقت توسط یکی از اعضای داخلی NCA انجام شده است، زیرا تنها آن‌ها به کلیدهای خصوصی کیف پول دسترسی داشتند.

نقطه عطف پرونده و دستگیری چولز

نقطه عطف پرونده در اوایل سال ۲۰۲۲ رخ داد. پس از آزادی مشروط وایت و انتقال مسئولیت نظارت بر او به پلیس مرسی‌ساید، در جلسه‌ای با حضور چولز، پلیس مرسی‌ساید از سرقت ۵۰ بیت‌کوین مطلع شد.

پلیس تحقیقات خود را آغاز کرد و در ماه مه ۲۰۲۲، چولز را دستگیر کرد. در بازرسی از تلفن همراه او، آیفونی کشف شد که به حساب‌های مورد استفاده برای انتقال بیت‌کوین متصل بود و سابقه مرورگر مربوط به خدمات تبدیل ارز دیجیتال را نشان می‌داد. همچنین در دفتر کار او، دفترچه‌هایی حاوی نام کاربری، رمز عبور و اطلاعات مربوط به حساب‌های رمزنگاری شده وایت پیدا شد.

در تاریخ ۲۳ مه ۲۰۲۵، چولز به جرم سرقت، انتقال و پنهان کردن اموال حاصل از جرم اعتراف کرد. NCA در تاریخ ۱۱ ژوئیه او را اخراج کرد و در ۱۶ ژوئیه، دادگاه کیفری لیورپول او را به ۵ سال و ۶ ماه زندان محکوم کرد.

جان بلک، بازرس ارشد پلیس مرسی‌ساید، در بیانیه دادگاه گفت: “او از موقعیت خود در این تحقیق برای منافع شخصی سوءاستفاده کرد و نقشه‌ای را طراحی کرد که فکر می‌کرد می‌تواند ردپای او را پنهان کند. اما اشتباه می‌کرد.”

محاسبه مبلغ مصادره و سرنوشت آن

مبلغ ۱.۸۱ میلیون پوندی که در حکم مصادره قید شده، لزوماً مبلغی نیست که چولز مستقیماً دریافت کرده است. طبق گزارش رسانه‌های بریتانیایی، افزایش ارزش بیت‌کوین باعث شده است که سود حاصل از جرم او به ۱,۹۷۰,۷۵۹.۲۷ پوند برسد. با این حال، دادگاه دارایی‌های قابل اجرا توسط او را ۱,۸۱۰,۶۷۸.۹۳ پوند ارزیابی کرده است.

طبق قانون “درآمد حاصل از جرم” بریتانیا، مبلغ مصادره بر اساس کمترین مبلغ بین سود حاصل از جرم و دارایی‌های قابل اجرا تعیین می‌شود. بنابراین، حدود ۱۶۰ هزار پوند از این اختلاف در حکم مصادره فعلی لحاظ نشده است، اما دادستانی همچنان می‌تواند در صورت کشف دارایی‌های جدید، درخواست تجدید نظر در ارزیابی را داشته باشد.

نکته قابل توجه دیگر در این پرونده، صدور دستور پرداخت غرامت به “قربانی” است. این مبلغ برای تسویه بدهی‌های باقی‌مانده قربانی از دستور مصادره قبلی استفاده خواهد شد. اگرچه هویت قربانی به طور رسمی اعلام نشده است، اما با توجه به جزئیات پرونده، محتمل‌ترین فرد توماس وایت است که هنوز ۱,۰۶۶,۹۵۶ پوند از حکم مصادره خود را پرداخت نکرده است. در این صورت، این مبلغ پس از طی یک دور، دوباره به خزانه دولت باز خواهد گشت.