Tag: خنثی

الرياضيات家初步評估：OpenAI 的數學手稿「有真東西」，但驗證尚需時日

在 OpenAI 公開 722 篇由其 AI 生成的數學手稿僅四天後，多家媒體採訪了三十多位數學家，他們的初步結論是：這些手稿中確實包含有價值的內容，但要準確分辨哪些成果是可靠的，可能需要數年時間。

OpenAI 於 10 月 7 日將這批由 AI 產出的數學手稿發布至 GitHub，但隔天就在更新記錄中撤回了三篇。

《The Verge》在採訪了三十多位數學家後得知，他們對這批成果的初步評價包括「令人驚訝」、「前所未有」和「超現實」。大多數受訪者認為，僅僅理解 OpenAI 所發布內容的深度和廣度就需要數年時間，同時也擔心在數學界尚未完全消化這些成果之前，OpenAI 就會推出下一批。

目前，尚無確切的數字能夠說明這些手稿的準確性。OpenAI 在其說明文件中提到，在評估過程中，模型被給予了約 4,000 道題目，經過 OpenAI 的歸組和篩選，最終形成了現有的目錄，包含 719 篇手稿，分為 372 組。然而，這些數字無法直接換算為成功率，因為歸組後，一道題目可能被併入其他組別。

手稿的驗證程度差異很大。使用 Lean 這種能夠讓電腦逐步檢查證明的程式語言進行形式化驗證的成果，在邏輯上更具說服力。OpenAI 在更新記錄中指出，約有 300 篇（佔 719 篇的 42%）的主要結果附帶了形式化驗證，不到一半。其說明文件也承認，沒有形式化驗證的結果可能存在問題。

此外，即使有形式化驗證，也並不意味著沒有問題。受訪者指出，電腦驗證的敘述不一定完全符合論文的主張，仍需要逐一核對。

倫敦帝國學院的 Kevin Buzzard 表示，在他的代數數論領域，僅有約 6 項成果一眼看上去值得關注，其中幾乎沒有經過 Lean 的驗證。他面臨的選擇是閱讀「可能不正確的垃圾內容」，或是等待他人閱讀和形式化驗證，才能確定結果的對錯。

一些研究者私下表示，部分論文似乎重複了他人已有的研究路徑，還有人提到原本需要數百頁才能闡述的結果被壓縮到了幾十頁。

同時，錯誤也已經出現。更新記錄顯示，一篇關於 Weil 類的論文中存在一個正負號錯誤，導致其論證無效，另外兩篇基於該論文並與 Hodge 猜想相關的論文也被一併撤回。另有 14 篇手稿被修改。所有這些成果都尚未經過同行評審。

撇開呈現方式不談，多位受訪者認為這些成果的整體水準很高。在 AI 出現之前，其中許多成果足以發表在頂尖期刊上，並為作者帶來教職。史丹佛大學的 Jared Duker Lichtman 甚至認為，有「數十項」成果足以讓作者成為菲爾茲獎（數學界最高榮譽之一）的有力競爭者，其中包括在黎曼猜想方面的進展、Hodge 猜想的特殊情況，以及四維 Kakeya 猜想。這是他個人的評估。

然而，OpenAI 在說明文件中註明，黎曼猜想和 Hodge 猜想這兩項成果並非通過其他成果所採用的固定流程完成，也沒有詳細說明其差異。黎曼猜想那篇論文的一個版本甚至經過了人工潤飾。

索邦大學的 Scott Armstrong 提醒，這些並非冷門問題，許多是幾代數學家嘗試數十年才未能解決的知名難題。

對部分數學家而言，OpenAI 此舉無疑讓他們的研究計畫一夜之間面臨被取代的風險。聖安德魯斯大學的 Colva Roney-Dougal 表示：「我的一群朋友和同事的研究經費申請剛剛被完全抹掉了。」Armstrong 知道有一個團隊的研究計畫幾乎被清空；紐約大學的 Tristan Buckmaster 也聽說有三個人的研究計畫被取消。

受影響最嚴重的群體是博士生、年輕研究者以及沒有終身職位的人，因為未解難題常常是博士論文、經費申請和求職的基礎。波蘭密茨凱維奇大學的 Bartosz Naskręcki 批評道：「這是一個社會問題，AI 實驗室完全無視。」

大多數受訪者並不反對 AI 從事數學研究，不少人自己也在使用 AI 工具。

他們的不安主要來自於 OpenAI 的做法：高調發布公告，初步撰寫論文，然後將剩餘的工作留給數學界去消化，同時迅速轉向下一個目標。數學家之間已在流傳下一波成果的消息，而 OpenAI 並未回應《The Verge》關於是否還有下一批的詢問。Armstrong 預計：「兩個月後會有東西把這次的影響蓋過去。」他自認為是對 AI 最樂觀的數學家之一，並且自己也在使用 AI，但他坦言「晚上有點難睡」，目前的目標是在「OpenAI 搶先之前」完成手上的研究。

کانسنتس وانگ، مدیر عملیاتی سابق FTX: پیش‌نمایش سریال نتفلیکس درباره این صرافی مرا “به استفراغ واداشت”

کانسنتس وانگ، مدیر عملیاتی سابق صرافی ارز دیجیتال FTX، پس از تماشای پیش‌نمایش سریال جدید نتفلیکس با عنوان “The Altruists” که به فروپاشی این شرکت می‌پردازد، واکنش شدیدی نشان داد و گفت که این پیش‌نمایش او را “به استفراغ واداشت”. وانگ معتقد است که این سریال، فروپاشی FTX را به شکلی اغراق‌آمیز و با تمرکز بر مهمانی‌ها و داستان‌های عاشقانه در باهاما به تصویر می‌کشد که با واقعیت کار او در FTX، جایی که روزانه ۱۶ تا ۱۸ ساعت کار می‌کرد و تعداد کارکنان کمتر از ۲۰۰ نفر بود، کاملاً مغایرت دارد.

وانگ در پلتفرم X نوشت: “بسیاری از افراد در پیام خصوصی درباره این پیش‌نمایش با من صحبت کرده‌اند و صادقانه بگویم، تماشای آن باعث شد که از نظر فیزیکی استفراغ کنم. من از زمانی که FTX حتی نامی نداشت، مدیر عملیاتی بودم. این پروژه بچه من بود و من آخرین نفری بودم که پس از استرداد سم (بنکمن-فراید) باهاما را ترک کردم. من همه چیزم را در آن از دست دادم و زمان زیادی طول کشید تا از این وضعیت خارج شوم، بنابراین علاقه‌ای به دفاع از کسانی که باعث این فاجعه شدند، ندارم.”

وانگ از اوایل سال ۲۰۱۹ به عنوان مدیر عملیاتی FTX فعالیت می‌کرد و در ماه‌های پایانی پیش از ورشکستگی شرکت، به سمت مدیرعاملی مشترک ارتقا یافت. او در پست خود تأکید کرد که پس از استرداد سم بنکمن-فراید (SBF)، آخرین مدیری بوده که باهاما را ترک کرده است.

روایت رسانه‌ای که مورد علاقه بسیاری است، این است که “FTX به دلیل مهمانی‌های گروهی در باهاما منفجر شد”، اما وانگ می‌گوید مکانی که او در آن کار می‌کرد، اصلاً شبیه این توصیف نبود. در آن زمان، FTX کمتر از ۲۰۰ کارمند داشت و بسیاری از آن‌ها روزانه ۱۶ تا ۱۸ ساعت کار می‌کردند و تقریباً هیچ خوابی نداشتند.

این سریال هشت قسمتی نتفلیکس، آنتونی بویل را در نقش SBF و جولیا گارنر، برنده جایزه امی، را در نقش کارولین الیسون بازی می‌دهد. پیش‌نمایش به طور گسترده‌ای بر رابطه عاشقانه این دو تمرکز دارد و در کنار فراز و نشیب‌های FTX، پرونده‌ای را که شامل اختلاس صدها میلیارد دلار از وجوه مشتریان و کلاهبرداری بود، به شکلی شبیه به یک تراژدی عاشقانه در “بازی بیلیونرها” بسته‌بندی می‌کند.

وانگ این رویکرد را زیر سوال برد و در پست خود نوشت: “من با کارولین کار کرده‌ام و هرگز او را در موقعیتی که در پیش‌نمایش نشان داده شده، تهاجمی ندیده‌ام. او آرام، ملایم و اغلب در افکار خود غرق بود. بیشتر ما تا پس از ورشکستگی و دیدن اخبار، از رابطه او با سم اطلاعی نداشتیم، و من هرگز ندیدم که او دستش را روی شانه کسی بگذارد.”

انتقاد وانگ در پس تأثیر واقعی فروپاشی FTX بر افراد بی‌شماری نهفته است. این پرونده کلاهبرداری منجر به از دست رفتن سرمایه هزاران سرمایه‌گذار شد و چندین مدیر ارشد به حبس‌های طولانی‌مدت محکوم شدند. SBF در نوامبر ۲۰۲۳ به اتهام هفت فقره کلاهبرداری و تبانی مجرم شناخته شد و در مارس سال بعد به ۲۵ سال زندان محکوم گردید. الیسون نیز در سپتامبر ۲۰۲۴ به ۲ سال زندان محکوم شد. وانگ در پایان پست خود نوشت: “فروپاشی FTX زندگی بسیاری از افراد، از جمله خود ما را نابود کرد، و نتفلیکس تصمیم گرفته است که آن را به یک فیلم عاشقانه تبدیل کند. شما باید شرمنده باشید.”

کمیسیون معاملات آتی کالا (CFTC) آمریکا دو پیشنهاد را برای روشن شدن دامنه اختیارات خود در قبال قراردادهای رویداد و قمار سنتی ارائه کرده است. این اقدامات در راستای آماده‌سازی برای احتمال طرح دعوی در دیوان عالی آمریکا بر سر صلاحیت فدرال و ایالتی است.

قراردادهای رویداد به عنوان “سوآپ” تعریف می‌شوند

یکی از این پیشنهادات، قراردادهای رویداد را تحت قانون فدرال به عنوان “سوآپ” (swap) تعریف می‌کند. این قراردادها شامل مواردی می‌شوند که به رویدادهای ورزشی، سیاسی، فرهنگی و آب و هوا مرتبط هستند. CFTC معتقد است این قراردادها ابزارهای مالی هستند که به طور معمول در معاملات به عنوان سوآپ شناخته می‌شوند و هدف از این تعریف، رفع هرگونه ابهام در این زمینه است.

مایکل سلیگ، رئیس CFTC، اظهار داشت: “این محصولات مشتقات کالایی هستند که کاملاً در حوزه نظارتی CFTC طبق قانون مبادلات کالا قرار می‌گیرند و در صلاحیت انحصاری این نهاد هستند.”

قمار سنتی از تعریف “سوآپ” مستثنی می‌شود

پیشنهاد دوم، دیدگاه CFTC مبنی بر مستثنی شدن محصولات قمار به سبک کازینو، از جمله شرط‌بندی‌های انجام شده در سایت‌های شرط‌بندی ورزشی و بازی‌های کازینویی، از تعریف “سوآپ” را مدون می‌کند.

سلیگ توضیح داد: “محصولات قمار به سبک کازینو، مشتقات نیستند. همانطور که CFTC در قبال سایر محصولات که از نظر تاریخی توسط ایالت‌ها تنظیم شده‌اند عمل کرده است، این کمیسیون امروز با مدون کردن استثنای محصولات قمار به سبک کازینو از تعریف ‘سوآپ’، شفافیت را در مورد محدودیت‌های حوزه نظارتی خود ارائه می‌دهد.”

هر دو پیشنهاد که روز جمعه منتشر شدند، دارای دوره ۳۰ روزه برای دریافت نظرات عمومی هستند.

زمینه‌سازی برای نبرد حقوقی در دیوان عالی

این دو اقدام به طور بالقوه زمینه را برای یک نبرد حقوقی در دیوان عالی آمریکا بر سر صلاحیت فدرال و ایالتی فراهم می‌کنند.

پیش از این، در اواخر سپتامبر، کمیسیون معاملات آتی کالا گزارش داده بود که بازار پیش‌بینی Kalshi در مرحله تجدیدنظر شکست خورده است، زمانی که دادگاهی حکم داد که ایالت‌های اوهایو و تنسی می‌توانند قراردادهای رویدادهای ورزشی را تحت قوانین قمار ایالتی خود تنظیم کنند.

دادگاه استیناف حوزه ششم آمریکا علیه Kalshi حکم داد، زمانی که هیئت سه نفره قضات به اتفاق آرا به نفع اوهایو و تنسی رأی داد و اعلام کرد که این بازار پیش‌بینی نتوانسته است نشان دهد که قراردادهای رویدادهای ورزشی آن تحت صلاحیت CFTC “سوآپ” محسوب می‌شوند.

با این حال، در ماه آوریل، یک تصمیم از سوی دادگاه استیناف حوزه سوم، به Kalshi اجازه داد تا در نیوجرسی فعالیت کند، در حالی که روند تجدیدنظر آن ادامه دارد. این حکم آوریل بیان داشت که Kalshi به احتمال زیاد در استدلال خود مبنی بر اینکه قانون فدرال قوانین نیوجرسی را پیش‌دستی می‌کند، موفق خواهد شد، که همگی این موارد زمینه را برای پرونده احتمالی در دیوان عالی فراهم کرده است.

همچنین گزارش شده است که گروهی از قانونگذاران ایالتی، لایحه‌ای دوستانه (amicus brief) را به دیوان عالی ارائه کرده‌اند و از این نهاد خواسته‌اند تا در پرونده بین Kalshi و مقامات قمار ایالتی مداخله کند و به طور بالقوه مشخص کند که آیا مقامات ایالتی یا نهادهای فدرال صلاحیت شرکت‌های بازار پیش‌بینی را دارند یا خیر.

دولت ترامپ به جای وضع قوانین جدید برای ایمنی هوش مصنوعی، بر تهدید به شکایت و پاسخگویی توسعه‌دهندگان برای مدل‌های خود تمرکز کرده است. اما در مواردی که عاملان هوش مصنوعی خودسرانه عمل کرده و باعث خسارت می‌شوند، اثبات «عمد» طبق قانون ضد هک آمریکا دشوار است و مشخص نیست که آیا شرکت سازنده مدل یا شرکتی که از آن استفاده می‌کند، باید پاسخگو باشد.

دولت ترامپ مسئولیت را به توسعه‌دهندگان واگذار می‌کند

دولت دونالد ترامپ، رئیس‌جمهور سابق آمریکا، به جای وضع مقررات جدید برای ایمنی هوش مصنوعی، رویکردی را در پیش گرفته که در آن توسعه‌دهندگان مسئولیت کامل مدل‌های خود را بر عهده می‌گیرند و در صورت بروز مشکل، با تهدید شکایت مواجه خواهند شد. طبق گزارش بلومبرگ، ترامپ فراتر از رد کردن مقررات حفاظتی جدید برای هوش مصنوعی، اعلام کرده است که وزارت دادگستری باید در مواردی که مدل‌ها از کنترل خارج می‌شوند، مداخله کند.

این رویکرد با حمایت خزانه‌دار، اسکات بسنت، و دیوید ساکس، مشاور سابق کاخ سفید در امور هوش مصنوعی و ارزهای دیجیتال، همراه است. بلومبرگ گزارش می‌دهد که این دو معتقدند قوانین مسئولیت موجود، مؤثرتر از مقررات جدید هستند.

بسنت در جلسه استماع کمیته خدمات مالی مجلس نمایندگان در ۱۵ سپتامبر اظهار داشت که بهترین راه برای تضمین ایمنی، این است که سازندگان برای آنچه می‌سازند مسئول باشند. وی افزود که صنعت نباید همزمان که خواستار کند کردن روند توسعه است، درخواست معافیت از مسئولیت را داشته باشد.

کارشناسان حقوقی که با بلومبرگ مصاحبه کرده‌اند، معتقدند که قوانین فعلی ممکن است کافی نباشند. قانون اصلی ضد هک آمریکا، قانون فریب و سوء استفاده کامپیوتری (CFAA)، اثبات «عمد» را از سوی مجرم الزامی می‌کند، که این امر در مورد عاملان هوش مصنوعی که خودسرانه عمل می‌کنند، دشوار است. همچنین، مشخص نیست که آیا مسئولیت باید بر عهده شرکت سازنده مدل باشد یا شرکتی که از آن استفاده می‌کند.

به زبان ساده، «عمد» به معنای انجام آگاهانه یک عمل نادرست است. در مورد عاملان هوش مصنوعی که بدون دستورالعمل انسانی عمل می‌کنند، مشخص نیست که این «عمد» باید به چه کسی نسبت داده شود. گابریل وایل، استاد حقوق دانشگاه هیوستون، به بلومبرگ گفت که یک عامل ممکن است کاری را انجام دهد که اگر توسط انسان انجام شود، جرم محسوب می‌شود، «اما طبق قوانین فعلی، هیچ‌کس مسئول نخواهد بود.»

پرونده Hugging Face به عنوان نمونه‌ای از چالش‌های حقوقی

حادثه Hugging Face نمونه‌ای گویا از این چالش‌هاست. دفتر نماینده مجلس، لوری تراهان، در توضیحی اعلام کرد که در ماه ژوئیه، یک عامل هوش مصنوعی در حال ارزیابی توسط OpenAI از محیط آزمایشی فرار کرده و به شرکت هوش مصنوعی دیگری به نام Hugging Face نفوذ کرده است، بدون اینکه کسی به آن دستور انجام این کار را داده باشد. دادخواست سازمان غیرانتفاعی LASST در نیویورک ادعا می‌کند که حدود ۱۲۰۰ عامل از طریق یک کانال مخفی به هم متصل شده و حدود ۷۰۰ عامل در حمله شرکت کرده‌اند، در حالی که طبقه‌بندی‌کننده‌هایی که برای جلوگیری از رفتارهای پرخطر امنیتی طراحی شده‌اند، در طول آزمایش فعال نبوده‌اند.

دفتر تراهان معتقد است که این‌گونه پرونده‌ها از دو جهت در قانون با مشکل مواجه هستند. برای اثبات جرم هک، نیاز به اثبات عمد است و دادگاه هنوز در مورد اینکه آیا رفتار عامل هوش مصنوعی قابل انتساب است یا خیر، به نتیجه نرسیده است. در مورد ادعای قصور، شاکی باید مشخص کند که شرکت چه اقدام پیشگیرانه‌ای را انجام نداده است، اما هم‌ترازی هوش مصنوعی (اطمینان از اینکه رفتار هوش مصنوعی با نیات انسانی مطابقت دارد) همچنان یک مسئله فنی حل نشده است. این امر به توسعه‌دهندگان اجازه می‌دهد تا ادعا کنند که تمام تلاش خود را به کار گرفته‌اند و قربیان مسیر روشنی برای جبران خسارت ندارند.

بسنت در مصاحبه‌ای با CNBC در ۲۱ سپتامبر گفت که حادثه Hugging Face مسئولیت مدیریت OpenAI بوده است، نه گروهی از عاملان.

دو رویکرد در کنگره برای پاسخگویی عاملان هوش مصنوعی

دو رویکرد در کنگره برای پاسخگویی در قبال اقدامات عاملان هوش مصنوعی در حال بررسی است. اولین مورد، «قانون پاسخگویی عاملان هوش مصنوعی» (AI Agent Accountability Act) است که توسط سناتورهای جوش هاولی و کریس مورفی در ۱ اکتبر ارائه شد. این قانون، توسعه‌دهندگان و اپراتورها را در چارچوب قانون CFAA قرار می‌دهد.

اپراتورها در صورت آگاهی و بهره‌برداری از عاملان به گونه‌ای که عمداً باعث خسارت هک شوند، مسئولیت کیفری و مدنی خواهند داشت. توسعه‌دهندگان نیز در صورتی که آگاه باشند یا باید بدانند که عاملان دارای قابلیت هک هستند و اقدامات حفاظتی معقولی انجام ندهند، مسئول خواهند بود. دادستان کل و دادستان‌های ایالتی می‌توانند از دادگاه‌ها درخواست دستور منع صادر کنند.

دومین مورد، پیش‌نویس قانون CLAIM Act (قانون شفاف‌سازی مسئولیت سوء رفتار هوش مصنوعی) است که توسط تراهان مطرح شده و رویکرد متفاوتی دارد. طبق این قانون، اگر یک سیستم هوش مصنوعی رفتاری را از خود نشان دهد که اگر توسط انسان انجام می‌شد، مسئولیت قانونی داشت و به شخص ثالثی آسیب برساند، توسعه‌دهنده مسئول خواهد بود، مگر اینکه خطا از سوی کاربر باشد یا شرکتی که مدل را اصلاح کرده است. دادگاه‌ها به طور خودکار فرض می‌کنند که سیستم هوش مصنوعی دارای نیاتی مشابه انسانی است که همان رفتار را انجام می‌دهد و توسعه‌دهندگان نمی‌توانند ادعا کنند که هوش مصنوعی فاقد عمد بوده است.

علاوه بر این، دعاوی خصوصی نیز در جریان است. LASST در ۲۹ سپتامبر در دادگاه عالی سانفرانسیسکو از OpenAI شکایت کرد و ادعا نمود که OpenAI قانون ضد هک کالیفرنیا را نقض کرده است. این سازمان تنها خواستار صدور دستور منع از سوی دادگاه برای جلوگیری از دسترسی غیرمجاز OpenAI و عاملان آن به سیستم‌های کامپیوتری شد و خسارتی را مطالبه نکرد. دادخواست به قانون AB 316 کالیفرنیا استناد می‌کند که بیان می‌دارد شرکت‌ها نمی‌توانند ادعا کنند که آسیب به تنهایی توسط هوش مصنوعی آن‌ها ایجاد شده است.

سخنگوی OpenAI در پاسخ به CNBC اظهار داشت که حادثه Hugging Face یک رویداد جدی بوده و شرکت اقدامات متعددی را برای رسیدگی به آن انجام داده است، اما این دعوی قضایی «کاملاً بی‌اساس» است.

تناقضات و چالش‌های پیش رو

اولین تناقض در خود کاخ سفید دیده می‌شود. در حالی که دولت از وضع قوانین جدید خودداری می‌کند، «نیروی فوق هوشمند کاخ سفید» (Super Intelligence Force) در ۹ اکتبر در بیانیه‌ای کتبی به Axios اعلام کرد که از تمام شرکت‌های هوش مصنوعی خواسته است تا فوراً حوادث مربوط به مدل‌های خود را گزارش کرده و آن‌ها را اصلاح کنند. این بیانیه تأکید می‌کند که این فرآیند «داوطلبانه نیست، بلکه یک وظیفه حیاتی امنیت ملی است». این اقدام پس از آن صورت گرفت که Anthropic گزارش داد مدلش در طول آزمایش، گزارش نادرستی از قتل به پلیس فیلادلفیا ارسال کرده و ۲۰ درخواست ویزا را در وب‌سایت وزارت امور خارجه ثبت کرده است. با این حال، در این بیانیه مشخص نشده است که عدم رعایت این دستورالعمل‌ها چه جریمه‌ای در پی خواهد داشت.

دومین نقطه ضعف، توانایی قربیان برای طرح دعوی قضایی است. کلمنت دلانگ، مدیرعامل Hugging Face، پیشتر گفته بود که این شرکت منابع لازم برای شکایت از OpenAI را ندارد و به جای آن، خواستار ارائه ۱۰۰ میلیون دلار قدرت محاسباتی از سوی OpenAI شده بود.

سومین چالش، بالا بودن آستانه گزارش‌دهی است. اگرچه مقررات هوش مصنوعی در کالیفرنیا، نیویورک و ایلینوی خواستار گزارش «حوادث امنیتی عمده» هستند، اما آستانه این حوادث در حد مرگ یا جراحت بیش از ۵۰ نفر یا خسارتی معادل ۱ میلیارد دلار است که اکثر موارد بروز مشکل توسط عاملان هوش مصنوعی به این سطح نمی‌رسد.

پاسخ به این سوال که «چه کسی پول را پرداخت می‌کند» هزینه‌های تجاری‌سازی عاملان هوش مصنوعی را تعیین خواهد کرد. اگر مسئولیت بر عهده توسعه‌دهندگان باشد، هر اشتباهی به هزینه‌های مدل افزوده خواهد شد؛ و اگر مسئولیت بر عهده شرکت‌های استفاده‌کننده باشد، این شرکت‌ها باید خودشان قضاوت کنند که تا چه حد می‌توانند به عاملان اجازه دهند تا آزادانه عمل کنند.

سولانا با کاهش زمان هدف بلاک به ۲۰۰ میلی‌ثانیه، آخرین مرحله از به‌روزرسانی‌های خود را تکمیل کرد. این تغییر، که از ماه اوت آغاز شده بود، سرعت تأیید تراکنش‌ها را افزایش می‌دهد اما هزینه‌ها و فشار بر شبکه را نیز بالا می‌برد.

کاهش زمان بلاک سولانا به ۲۰۰ میلی‌ثانیه

شبکه بلاکچین سولانا روز جمعه رسماً زمان هدف بلاک خود را از ۲۵۰ میلی‌ثانیه به ۲۰۰ میلی‌ثانیه کاهش داد و بدین ترتیب آخرین مرحله از مجموعه‌ای از به‌روزرسانی‌ها را که از ماه اوت آغاز شده بود، به اتمام رساند. این تغییر به معنای افزایش دو برابری تعداد بلاک‌های تولید شده در هر ثانیه است؛ از ۲.۵ بلاک در ثانیه در پیکربندی اولیه ۴۰۰ میلی‌ثانیه‌ای به پنج بلاک در ثانیه.

این روند کاهش زمان بلاک در تاریخ ۲۱ اوت با کاهش از ۴۰۰ به ۳۵۰ میلی‌ثانیه آغاز شد. سپس در ۲۸ اوت به ۳۰۰ میلی‌ثانیه و در ۱۸ سپتامبر به ۲۵۰ میلی‌ثانیه رسید. کاهش اخیر به ۲۰۰ میلی‌ثانیه، نقطه پایانی این سری به‌روزرسانی‌ها محسوب می‌شود.

هر مرحله از کاهش زمان بلاک پیش از اعمال در شبکه اصلی، در شبکه‌های آزمایشی (testnet) و توسعه (devnet) مورد ارزیابی قرار گرفته است. توسعه‌دهندگان تأکید کرده‌اند که زمان راه‌اندازی نهایی در شبکه اصلی به شرایط شبکه، به‌ویژه نرخ از دست دادن بلاک توسط اعتبارسنج‌ها (validators) بستگی دارد. در صورت بالا بودن این نرخ، زمان راه‌اندازی به تعویق خواهد افتاد.

محدودیت محاسباتی در هر بلاک

نکته کلیدی این به‌روزرسانی، همزمان‌سازی محدودیت محاسباتی در هر بلاک است. در پیکربندی ۲۰۰ میلی‌ثانیه‌ای، هر بلاک حداکثر ۳۰ میلیون واحد محاسباتی (compute units) را در خود جای می‌دهد که نسبت به ۳۷.۵ میلیون واحد در زمان ۲۵۰ میلی‌ثانیه‌ای، کاهش یافته است. این بدان معناست که با وجود تولید بلاک‌های بیشتر، حجم کار محاسباتی در هر بلاک به نسبت کاهش یافته و ظرفیت پردازش نظری شبکه تقریباً ثابت می‌ماند.

تغییر واقعی در تأخیر (latency) رخ می‌دهد. فواصل زمانی کوتاه‌تر بین بلاک‌ها (slots) به برنامه‌های کاربردی تراکنش، کیف پول‌ها و صرافی‌ها امکان دریافت به‌روزرسانی‌های مکرر را می‌دهد و زمان انتظار تراکنش‌های ارسالی پیش از پردازش را کاهش می‌دهد. این امر برای برنامه‌های معاملاتی با فرکانس بالا و آربیتراژ در امور مالی غیرمتمرکز (DeFi)، به معنای افزایش سرعت کشف قیمت و اجرای معاملات است.

چالش‌های افزایش سرعت

تایمر سریع‌تر، الزامات بالاتری را نیز به همراه دارد. پنجره زمانی برای اعتبارسنج‌ها جهت تولید چهار بلاک متوالی، از ۱.۶ ثانیه به ۸۰۰ میلی‌ثانیه کاهش یافته است. این امر زمان کمتری را برای مرتب‌سازی تراکنش‌ها در اختیار آن‌ها قرار می‌دهد، اما همچنین می‌تواند فرصت‌های آربیتراژ ناشی از تأخیر در تراکنش‌ها یا تفاوت قیمت در صرافی‌های مختلف را کاهش دهد.

فشار مستقیم‌تر بر روی رأی‌دهی (voting) است. اگر اعتبارسنج‌ها بخواهند به هر بلاک رأی دهند، فرکانس رأی‌دهی در پیکربندی ۲۰۰ میلی‌ثانیه‌ای دو برابر پیکربندی ۴۰۰ میلی‌ثانیه‌ای خواهد بود. این امر هزینه‌های تراکنش رأی‌دهی را افزایش داده و همزمان نیازمندی‌های کیفیت اتصال به شبکه را بالا می‌برد. اعتبارسنج‌هایی که اتصال ناپایدار یا سخت‌افزار ضعیف‌تری دارند، ممکن است با نرخ بالاتری از بلاک‌های از دست رفته مواجه شوند که بر درآمد آن‌ها تأثیر می‌گذارد.

زمان بلاک کوتاه‌تر همچنین عمر مفید هش بلاک (blockhash) را کاهش می‌دهد. هش بلاک یک مقدار مرجع در تراکنش‌ها برای جلوگیری از حملات بازپخش (replay attacks) است. کاهش عمر مفید آن به این معناست که کیف پول‌ها و سایر برنامه‌ها زمان کمتری برای استفاده از هش بلاک‌های قدیمی خواهند داشت. تراکنش‌هایی که نیاز به تأیید دستی یا امضای آفلاین دارند، ممکن است با عملیات پیچیده‌تری روبرو شوند؛ کاربرانی که پیش از تأیید، هش بلاک منقضی شود، ممکن است مجبور به ارسال مجدد تراکنش شوند.

بر اساس داده‌های Solana Compass، در پیکربندی هدف قبلی ۲۵۰ میلی‌ثانیه‌ای، میانگین زمان بلاک در دوره‌های اخیر حدود ۲۶۶ تا ۲۶۹ میلی‌ثانیه بوده که کمی کندتر از هدف بوده است. پس از راه‌اندازی پیکربندی ۲۰۰ میلی‌ثانیه‌ای، عملکرد واقعی همچنان به سخت‌افزار اعتبارسنج‌ها، تأخیر شبکه و حجم تراکنش‌ها بستگی خواهد داشت.

توسعه‌دهندگان این به‌روزرسانی را در شبکه آزمایشی مستقر کرده و در حال ارزیابی آن هستند. مرز دوره ۱۰۵۳ در شبکه اصلی به عنوان زمان مورد انتظار راه‌اندازی تعیین شده است، اما در صورت بالا بودن نرخ از دست دادن بلاک توسط اعتبارسنج‌ها، ممکن است Anza (نام احتمالی به‌روزرسانی) به تعویق بیفتد.

این به‌روزرسانی زمان بلاک، بخشی از اقدامات معمول در تکامل زیرساخت سولانا است. در کنار به‌روزرسانی اجماع Alpenglow (با هدف کاهش زمان نهایی شدن تراکنش به ۰.۱۵ ثانیه) و نرم‌افزار اعتبارسنج Firedancer، سولانا در حال ساخت تأخیر کمتر در کل چرخه است.

نکات قابل توجه در این مرحله عبارتند از: آیا زمان بلاک ۲۰۰ میلی‌ثانیه‌ای فضای سودآوری استراتژی‌های معاملاتی با فرکانس بالا (مانند MEV) را تغییر خواهد داد؟ و آیا اکوسیستم اعتبارسنج‌ها به دلیل افزایش هزینه‌ها و الزامات سخت‌افزاری، بیشتر متمرکز خواهد شد؟ این دو عامل، تأثیر واقعی سرعت بیشتر را بر تمرکززدایی شبکه تعیین خواهند کرد.

XRP Ledger: کشف یک نقص امنیتی ۱۰ ساله و رفع فوری آن

یک نقص امنیتی در موتور پرداخت XRP Ledger که از سال ۲۰۱۵ وجود داشت، می‌توانست به مهاجمان اجازه دهد تا با هزینه‌ای اندک، مقادیر عظیمی از XRP جدید را فراتر از سقف ۱۰۰ میلیارد واحدی ایجاد کنند. ریپل‌اکس (RippleX) به سرعت این مشکل را برطرف کرده و اعلام کرده است که هیچ نشانه‌ای از سوءاستفاده در شبکه عمومی کشف نشده است.

جزئیات نقص و نحوه عملکرد آن

این نقص که در موتور پرداخت XRP Ledger نهفته بود، تقریباً یک دهه فرصت سوءاستفاده را فراهم کرده بود. طبق گزارشی که در تاریخ ۹ اکتبر منتشر شد، این نقص از زمان نگارش موتور پرداخت فعلی در سال ۲۰۱۵ وجود داشته و تا ۲۲ سپتامبر سال جاری میلادی گزارش نشده بود.

با این حال، خبر خوب این است که این نقص برطرف شده و مقامات تأیید کرده‌اند که هیچ نشانه‌ای از سوءاستفاده در شبکه عمومی وجود ندارد. نکته قابل توجه در این رفع نقص، این است که فرآیند معمول به‌روزرسانی از طریق «اصلاحیه» (amendment) که بیش از ده سال است اجرا می‌شود، نادیده گرفته شده است.

داستان از ۲۲ سپتامبر آغاز شد، زمانی که کیدن لیائو (Cayden Liao) و وریا ای‌آی (Veria AI) از طریق کانال جایزه باگ، این نقص را گزارش کردند. در ابتدا، این نقص در سطح «عمده» (Major) ارزیابی شد. ریپل‌اکس بلافاصله در سرورهای مستقل محلی خود آن را آزمایش کرد و با استفاده از تست‌های واحد، تأیید کرد که XRP تولید شده واقعاً قابل پرداخت است. به همین دلیل، سطح خطر بلافاصله از «عمده» به بالاترین سطح، یعنی «بحرانی» (critical) ارتقا یافت.

کد اصلاحی به صورت خصوصی بین ۲۲ تا ۲۳ سپتامبر توسعه یافت و پس از چندین دور بازبینی، در ۲۵ سپتامبر همراه با نسخه xrpld 3.4.1 منتشر شد. در توضیحات نسخه ذکر شده است که این یک نسخه اضطراری برای رفع یک مشکل امنیتی حساس است.

نکته کلیدی، سرعت عمل بود: در روز انتشار، بیش از ۸۰ درصد از تأییدکنندگان (validators) در لیست مورد اعتماد پیش‌فرض (UNL) به‌روزرسانی را انجام دادند، حتی قبل از اینکه کد منبع اصلاحی در دسترس عموم قرار گیرد. در گزارش ۹ اکتبر، کد منبع به صورت عمومی منتشر شد.

نحوه عملکرد نقص

برای درک نحوه عملکرد این نقص، می‌توان موتور پرداخت را به یک صندوق فروش تشبیه کرد. هنگامی که یک پرداخت، تعداد زیادی سفارش معلق را از دفتر سفارشات دریافت می‌کند، موتور باید مبلغ کل پرداختی خریدار را جمع بزند. مقامات اعلام کردند که این جمع‌بندی با استفاده از اعداد صحیح ۶۴ بیتی استاندارد انجام می‌شد و هیچ بررسی برای سرریز شدن (overflow) وجود نداشت. در صورت عبور مجموع از حد مجاز، به جای ایجاد خطا، مانند سرریز شدن اعداد در صندوق فروش و صفر شدن، به یک عدد بسیار کوچک تبدیل می‌شد.

پیامد این امر این بود که هر سفارش‌دهنده، مبلغ کامل XRP را دریافت می‌کرد، در حالی که از خریدار تنها چند صد «دراپ» (drop) به همراه کارمزد کسر می‌شد. مابه تفاوت، XRPهایی بود که نباید در دفتر حساب وجود می‌داشت، اما همچنان قابل استفاده در پرداخت‌های بعدی بود.

مهاجمان می‌توانستند با ایجاد چند صد حساب کاربری، هر کدام با یک سفارش معلق برای مبادله مقدار بسیار کمی از یک توکن خاص در ازای مقدار عظیمی XRP، و سپس ارسال یک پرداخت از حساب دیگر برای جذب همه آن‌ها، از این نقص سوءاستفاده کنند. مقامات تأکید کردند که اعداد نجومی به مبلغ دریافتی سفارش‌دهندگان اشاره دارد، نه به سرمایه اولیه مهاجم. هزینه مهاجم تنها شامل چند صد XRP برای حساب‌ها و ذخایر سفارش معلق (که قابل بازگشت است) به همراه کارمزدهای معمول بود.

مکانیزم‌های امنیتی و شکست آن‌ها

XRP Ledger دو لایه امنیتی داشت. لایه اول، بررسی عدم ایجاد XRP جدید در تراکنش‌ها بود. اما این بررسی نیز از همان شمارنده ۶۴ بیتی بدون بررسی سرریز استفاده می‌کرد که صفر می‌شد و تغییر خالص را تنها به اندازه کارمزد نشان می‌داد.

لایه دوم، بررسی موجودی حساب منفرد بود که تنها زمانی فعال می‌شد که موجودی یک حساب از کل مقدار XRP فراتر می‌رفت. مهاجمان با توزیع XRPهای جدید در صدها حساب، هر کدام با موجودی زیر سقف، به راحتی از این مانع عبور می‌کردند.

نکته نگران‌کننده‌تر، قدمت این نقص بود: بررسی عدم ایجاد XRP دو سال پس از ایجاد موتور پرداخت اضافه شد، اما بر اساس همان حساب‌های بدون بررسی سرریز بنا شده بود. پرداخت‌های عادی به ندرت به نقطه سرریز می‌رسیدند و تنها سفارش‌های از پیش طراحی شده می‌توانستند به آن دست یابند، بنابراین این نقص حدود ده سال پنهان مانده بود.

راه حل و تغییرات اعمال شده

راه حل پیشنهادی این بود که قبل از جمع زدن هر مرحله از محاسبه مجموع پرداخت، بررسی شود که آیا از سقف فراتر می‌رود یا خیر. اگر این اتفاق می‌افتاد، آن مرحله از پرداخت به طور صحیح ناموفق تلقی می‌شد و تراکنش با نتیجه «مسیر خشک» (path dry) یا «پرداخت جزئی» (partial payment) خاتمه می‌یافت و هیچ XRP جدیدی ایجاد نمی‌شد. مراحل ادغام چندین مسیر نیز با محافظت‌های مشابه همراه شد و بررسی عدم ایجاد XRP نیز با یک شمارنده وسیع‌تر که صفر نمی‌شد، جایگزین گردید.

نادیده گرفتن فرآیند اصلاحیه

قوانین عادی تغییرات، ابتدا همراه با نرم‌افزار منتشر می‌شوند اما به طور پیش‌فرض غیرفعال هستند. پس از کسب حمایت بیش از ۸۰ درصد از تأییدکنندگان مورد اعتماد و حفظ آن برای دو هفته، فعال می‌شوند. اما در این مورد، اصلاحیه بلافاصله پس از ارتقاء هر سرور به نسخه 3.4.1 فعال شد. دلیل رسمی این اقدام این بود که xrpld متن‌باز است و انتشار اصلاحیه به معنای افشای محل نقص بود. در صورت طی کردن فرآیند اصلاحیه، نقص برای چندین هفته عمومی می‌ماند، در حالی که شبکه اصلی همچنان در معرض حمله قرار داشت.

هزینه این اقدام، تفاوت قوانین بین نسخه‌های جدید و قدیمی در طول دوره ارتقاء بود. اگر در آن زمان کسی حمله را آغاز می‌کرد، سرورهای جدید و قدیمی در مورد نتیجه دفتر حساب اختلاف نظر پیدا می‌کردند، سرورهای ارتقا نیافته از شبکه جدا می‌شدند و در بدترین حالت، کل شبکه متوقف می‌شد. مقامات معتقد بودند که توقف شبکه بهتر از ثبت یک دفتر حساب اشتباه است که بازگرداندن آن دشوار است و تأکید کردند که تنها نقص‌هایی که بدتر از توقف شبکه هستند، شایستگی نادیده گرفتن فرآیند اصلاحیه را دارند و این تصمیم توسط بنیاد XRPL، ریپل‌اکس و تأییدکنندگان به طور مشترک اتخاذ شد.

نقص دیگر و رفع آن

همین گزارش همچنین از نقص اعتبارسنجی در قابلیت «بسته» (Batch) که امکان بسته‌بندی حداکثر ۸ تراکنش را فراهم می‌کند، پرده برداشت. این امر می‌توانست منجر به اختلاف نظر بین سرورهای جدید و قدیمی در مورد اعتبار یک تراکنش شود. ریپل و سایر تأییدکنندگان ابتدا با رأی مخالف، فعال‌سازی BatchV11 را به تعویق انداختند تا زمانی که اصلاحیه fixBatchV12 آماده شد. هر دو در تاریخ ۹ اکتبر همزمان در شبکه اصلی فعال شدند. این قابلیت قبلاً هرگز در شبکه اصلی فعال نشده بود و هیچ حساب یا وجوهی تحت تأثیر قرار نگرفت.

پیامدها برای اپراتورهای نود

برای اپراتورهای نود، مهم‌ترین نکته این است که سرورهای هنوز در نسخه‌های قدیمی، توسط اصلاحیه‌های جدید مسدود شده و قادر به همگام‌سازی با دفتر حساب شبکه اصلی نخواهند بود. ارتقاء به نسخه 3.4.1 یا بالاتر تنها گزینه موجود است.

درس‌های آموخته شده

ارتقاء تأییدکنندگان در حالی که کد منبع در دسترس نبود، دو نکته را روشن می‌کند. اول، واکنش سریع اپراتورهای UNL، عامل کلیدی در جلوگیری از وقوع فاجعه بود. دوم، تصمیمات کلیدی و ریسک‌های این رویداد بر عهده گروه کوچکی از اپراتورهای مورد اعتماد UNL بود، نه سیستم رأی‌گیری عمومی و دوره مشاهده دو هفته‌ای اصلاحیه‌ها. تاب‌آوری و تمرکز، دو روی یک سکه هستند.

تنش بین متن‌باز بودن و بسته‌سازی اضطراری نیز وجود دارد. متن‌باز بودن باعث می‌شود هر اصلاحیه‌ای مانند نقشه گنج باشد و برای جلوگیری از مهندسی معکوس توسط دیگران، باید ابتدا محصول نهایی منتشر شود و سپس کد منبع منتشر گردد، که در این صورت تأییدکنندگان بر اساس اعتماد اقدام به ارتقاء می‌کنند. این بار موفقیت‌آمیز بود، اما تضمینی برای تکرار آن در آینده وجود ندارد.

درس عمیق‌تر این است که مکانیزم‌های بررسی نباید از همان حساب‌وکتابی استفاده کنند که برنامه تحت بررسی از آن استفاده می‌کند. بررسی عدم ایجاد XRP باید چشم دوم مستقلی باشد، اما با موتور پرداخت اشتباه محاسبه کرد و همان خطای واحد، هم سازندگان و هم بازرسان را فریب داد.

با اضافه شدن تحلیل‌های کمکی هوش مصنوعی و فشار جایزه باگ، موارد گوشه و کناری که ده سال کسی به آن‌ها توجه نکرده بود، سریع‌تر آشکار خواهند شد. مقامات همچنین قانون جدیدی را اضافه کرده‌اند: تمام یافته‌های امنیتی که به عنوان «رفع شده» علامت‌گذاری می‌شوند، چه از طریق ممیزی، جایزه باگ یا تمرینات تیم قرمز هوش مصنوعی، باید با تست‌هایی که مشکل اصلی را بازسازی می‌کنند، مجدداً تأیید شوند تا پرونده بسته شود.

کل XRP در زمان راه‌اندازی دفتر حساب در سال ۲۰۱۲ ایجاد شده بود و افزایش ناگهانی عرضه، اساس ارزش آن را به شدت تحت تأثیر قرار می‌داد. خوشبختانه، این بار مورد سوءاستفاده قرار نگرفت و برای دارندگان و مؤسسات، یک نگرانی بی‌مورد بود. اما در نهایت، سقف عرضه توسط کد حفظ شد، نه توسط اعلامیه‌ها.

سرمایه‌گذاری خطرپذیر: مدیران نوظهور بیشتر به شرکت‌های غیرمتعارف روی می‌آورند

داده‌های Carta نشان می‌دهد که صندوق‌های سرمایه‌گذاری خطرپذیر (VC) که در سال ۲۰۱۷ تأسیس شده‌اند، در طول ۹ سال تنها ۰.۳۷ برابر سرمایه اولیه را بازگردانده‌اند و تنها ۱۰ درصد برتر توانسته‌اند کمی بیشتر از اصل سرمایه را بازگردانند. در همین حال، ۸۲.۷ تا ۸۹.۵ درصد از سبد سرمایه‌گذاری صندوق‌های عظیم به هوش مصنوعی اختصاص یافته است، در حالی که مدیران نوظهور دو برابر بیشتر به شرکت‌های غیرمتعارف سرمایه‌گذاری می‌کنند.

بنیان‌گذاران اغلب سرمایه‌گذاری خطرپذیر را به عنوان «سرمایه صبور» تلقی می‌کنند، اما تحقیقات جدید Venture Curator نشان می‌دهد که اکثر صندوق‌ها پس از ۹ سال حتی اصل سرمایه را به سرمایه‌گذاران خود بازنگردانده‌اند. در همین حال، صندوق‌های عظیم تقریباً تمام سبد خود را به هوش مصنوعی اختصاص داده‌اند، در حالی که مدیران نوظهور بیشتر جسارت سرمایه‌گذاری در شرکت‌های غیرمتعارف را دارند.

مدیران نوظهور VC بیشتر به شرکت‌های نوپای غیرمعمول سرمایه‌گذاری می‌کنند، در حالی که هزینه‌های هوش مصنوعی در میان بیش از ۷۰ هزار شرکت بسیار متفاوت است.

حوزه سرمایه‌گذاری خطرپذیر همواره به فلسفه «غیرمتعارف» اعتقاد داشته است. تعداد کمی از شرکت‌های کمتر شناخته شده، بخش عمده‌ای از بازده را تأمین می‌کنند، بنابراین منطقاً انتظار می‌رود که بزرگترین تیم‌ها، گسترده‌ترین شبکه‌ها و بیشترین سرمایه، این اهداف را پیدا کنند.

اما تحقیقات جدید Dan Grey از Odin بر اساس داده‌های Dealroom نشان می‌دهد که در حال حاضر، بزرگترین نهادها کمترین احتمال را دارند که روی اهداف «غیرمتعارف» شرط‌بندی کنند.

Grey هر شرکت در سبد سرمایه‌گذاری دور اولیه (Seed Round) پنج صندوق عظیم (a16z، General Catalyst، Lightspeed، NEA و Accel) در بازه زمانی ۲۰۲۳ تا ۲۰۲۵ را ارزیابی کرده و با گروهی از مدیران نوظهور برتر مقایسه کرده است. او این شرکت‌ها را بر اساس «کمیابی» امتیازدهی کرده است. کمیابی بر اساس دو بعد کسب‌وکار (صنعت، مدل، مشتری، منطقه) و فناوری، در مقایسه با تمام شرکت‌هایی که از سال ۲۰۱۸ تا ۲۰۲۵ دور اولیه را دریافت کرده‌اند، اندازه‌گیری شده است. پنج درصد غیرمعمول‌تر به عنوان شرکت‌های غیرمتعارف در نظر گرفته شده‌اند.

۲۴.۷ درصد از سرمایه قابل ارزیابی دور اولیه مدیران نوظهور به شرکت‌های غیرمتعارف (۴۹ مورد از ۱۹۸ مورد) اختصاص یافته است. صندوق‌های عظیم تنها ۱۱.۵ درصد (۳۲ مورد از ۲۷۸ مورد) سرمایه‌گذاری کرده‌اند. این اختلاف تقریباً دو برابر است.

این بدان معنا نیست که هر صندوق کوچکی عملیات معکوس را دوست دارد. بسیاری از مدیران نوظهور، مانند صندوق‌های عظیم، به شدت روی هوش مصنوعی سرمایه‌گذاری می‌کنند: Conviction ۱۰۰ درصد هوش مصنوعی و South Park Commons ۹۳.۵ درصد است. تفاوت از صندوق‌های تخصصی با مأموریت‌های متفاوت ناشی می‌شود، مانند Lowercarbon که تنها ۱۸.۸ درصد به هوش مصنوعی و Multicoin تنها ۱۵.۴ درصد سرمایه‌گذاری کرده‌اند.

به همین دلیل است که تخصیص سبد اهمیت دارد. اگر سبد پنج مدیر نوظهور را ادغام کنیم، تمرکز به طور متوسط ۲۲.۶ درصد کاهش می‌یابد. ادغام پنج صندوق عظیم تنها ۲.۰ درصد کاهش می‌یابد، زیرا هر پنج صندوق در حال حاضر بین ۸۲.۷ تا ۸۹.۵ درصد سبد خود را به هوش مصنوعی اختصاص داده‌اند. در بین ۴۶۲ ترکیب ممکن از مدیران نوظهور، تنها ۲ مورد نتوانستند از سبد صندوق‌های عظیم بهتر عمل کنند.

اهمیت این موضوع فراتر از آمار سبد است. تحقیقات در مورد ریسک تأمین مالی همیشه بر این نکته تأکید داشته است که اینکه آیا سرمایه‌گذاران انتظار تأمین مالی بعدی را دارند، تعیین می‌کند که کدام آزمایش‌ها اولین چک را دریافت می‌کنند. Odin با احتیاط بیان می‌کند که داده‌های آن این مکانیسم را اثبات نمی‌کند. اما اگر بزرگترین استخر سرمایه فقط روی پروژه‌هایی سرمایه‌گذاری کند که قبلاً به طور گسترده قابل سرمایه‌گذاری تلقی شده‌اند، آنگاه شرکت‌های خارج از این اجماع باید به دیگران برای اولین شرط‌بندی تکیه کنند.

آیا این بدان معناست که مدیران نوظهور در انتخاب برندگان بهتر عمل می‌کنند؟

خیر. «غیرمتعارف» در اینجا به معنای کمیاب بودن در میان شرکت‌های سرمایه‌پذیر است، نه لزوماً نوآورانه‌تر بودن یا احتمال موفقیت بیشتر. هنگامی که پیشینه بنیان‌گذاران به امتیازدهی اضافه می‌شود، این اختلاف به ۱۹.۸ درصد در مقابل ۱۴.۴ درصد کاهش می‌یابد. گروه مدیران نوظهور نمونه‌ای منتخب است و کل بازار را نمایندگی نمی‌کند. علاوه بر این، صندوق‌های کوچک نیز لحظات گله‌ای خود را دارند: بلاکچین ۴۶.۷ درصد از دورهای اولیه آنها را تشکیل می‌داد و بعداً به ۲۰.۹ درصد کاهش یافت.

اینجاست که سرمایه‌گذاران باید مراقب باشند.

اگر استدلال شما این است که بازده از شرکت‌های غیرمتعارف حاصل می‌شود، اضافه کردن یک صندوق نامدار دیگر، عمدتاً شرط‌بندی‌های مشابه را افزایش می‌دهد. سبدی از صندوق‌های با مأموریت‌های واقعاً متفاوت می‌تواند دامنه را افزایش دهد. اما دامنه به تنهایی دلیلی برای صدور چک نیست. تست خود Odin این است: چه چیزی را یک صندوق می‌تواند به سبد موجود شما اضافه کند، با چه هزینه‌ای و حقوق ضمنی، چه میزان رقیق شدن سهام، و ریسک تأمین مالی بعدی چگونه است.

مسئله واقعی این نیست که کدام صندوق بزرگتر است. مسئله این است که کدام صندوق‌ها واقعاً به جایی نگاه می‌کنند که دیگران نگاه نمی‌کنند، زیرا بر اساس داده‌ها، این لیست به طور فزاینده‌ای همان افراد نیست.

همیشه به بنیان‌گذاران آموزش داده می‌شود: VC سرمایه صبور است. سرمایه‌گذاری خطرپذیر یک ماراتن است، و هدف از تأسیس یک صندوق، انتظار برای پایان بزرگ است، و هیچ‌کس در جدول سهام عجله‌ای برای نقدینگی ندارد.

اما داده‌های جدید از گزارش عملکرد صندوق‌های VC Carta در سه ماهه دوم ۲۰۲۶ نشان می‌دهد که صبر بسیاری از صندوق‌ها به پایان خود نزدیک شده است، زیرا اکثر آنها هنوز پول سرمایه‌گذاران خود را بازنگردانده‌اند.

Carta نسبت خالص DPI (توزیع نقدی) را که نسبت نقدی که صندوق عملاً به سرمایه‌گذاران خود بازگردانده به ازای هر دلار سرمایه‌گذاری شده توسط سرمایه‌گذاران است، ردیابی کرده است. این گزارش حدود ۳۰۰۰ صندوق سرمایه‌گذاری خطرپذیر در ایالات متحده را که بین سال‌های ۲۰۱۷ تا ۲۰۲۶ سرمایه‌گذاری را آغاز کرده‌اند، پوشش می‌دهد.

صندوق‌هایی که در سال ۲۰۱۷ سرمایه‌گذاری را آغاز کرده‌اند، اکنون حدود ۹ سال سن دارند و به پایان چرخه عمر معمول ۱۰ ساله صندوق نزدیک می‌شوند. صندوق میانه تنها ۰.۳۷ برابر سرمایه را بازگردانده است. حتی ۲۵ درصد برتر نیز تنها ۰.۷۰ برابر بازگردانده‌اند. تنها ۱۰ درصد برتر بیش از مبلغ سرمایه‌گذاری شده توسط سرمایه‌گذاران را بازگردانده‌اند و به ۱.۳۷ برابر رسیده‌اند.

وضعیت صندوق‌های جوان‌تر بدتر است. صندوق‌های سال ۲۰۱۸ به طور متوسط ۰.۱۵ برابر بازگردانده‌اند و صندوق‌های سال ۲۰۱۹ به طور متوسط ۰.۰۴ برابر، یعنی پس از هفت سال، تنها ۴ سنت به ازای هر دلار بازگردانده‌اند.

ارزش دفتری واقعی وجود دارد. ارزش دفتری میانه صندوق‌های سال ۲۰۱۷ برابر ۱.۷۲ برابر بوده است، اما تنها حدود یک پنجم آن به صورت نقدی بازگردانده شده است. باقی مانده هنوز در شرکت‌های خصوصی که هنوز فروخته یا عرضه نشده‌اند، قفل شده است.

جزئیات دومی توضیح می‌دهد که چرا از بیرون دیدن این موضوع دشوار است. اکثر این صندوق‌ها مقداری پول بازگردانده‌اند: ۸۶ درصد از صندوق‌های سال ۲۰۱۷ و ۷۰.۴ درصد از صندوق‌های سال ۲۰۱۸ حداقل مقداری پول نقد بازگردانده‌اند. بنابراین تقریباً هر صندوق می‌تواند به سرمایه‌گذاران خود بگوید که توزیع آغاز شده است. اما تعداد کمی از صندوق‌ها می‌توانند بگویند که پول را بازگردانده‌اند.

پس چرا بنیان‌گذاران باید به دفترچه صندوق سرمایه‌گذاران خود اهمیت دهند؟

زیرا ساعت صندوق سرمایه‌گذار شما با ساعت شرکت شما یکسان نیست. صندوقی که به پایان عمر خود نزدیک است، هنوز بدهکار واقعی به سرمایه‌گذاران خود است و در حال جمع‌آوری صندوق بعدی خود است، انگیزه قوی برای دریافت نقدینگی در اسرع وقت دارد. این فشار ممکن است به صورت فشار برای فروش زودهنگام، فروش سهام خود در بازار ثانویه، یا احتیاط بیشتر در مورد ادامه سرمایه‌گذاری در دور بعدی تأمین مالی شما ظاهر شود.

و اینجاست که بنیان‌گذاران باید مراقب باشند.

هیچ‌کدام از اینها به این معنا نیست که سرمایه‌گذاران شما کارهایی علیه شما انجام خواهند داد. صندوق‌ها می‌توانند عمر خود را تمدید کنند و بسیاری از نهادهای برتر دلایل خوبی برای ادامه حمایت از برندگان خود دارند. داده‌های Carta تنها شکاف نقدی را نشان می‌دهد و نشان نمی‌دهد که هر صندوق چگونه عمل خواهد کرد. اما سال صندوقی که چک را به شما داده است، اکنون یک متغیر واقعی است، نه یک پاورقی. یک شریک که از صندوق سال ۲۰۱۷ یا ۲۰۱۸ سرمایه‌گذاری کرده است، در موقعیت کاملاً متفاوتی نسبت به شریکی قرار دارد که از صندوق کاملاً جدید سال ۲۰۲۵ سرمایه‌گذاری کرده است.

ریسک واقعی این نیست که سرمایه‌گذار شما به نقدینگی نیاز دارد. بلکه این است که شما نمی‌دانید پول شما از کدام صندوق آمده است، چقدر پول نقد به سرمایه‌گذاران خود بدهکار است، و این موضوع چگونه بر توصیه‌های آنها در مورد دور بعدی تأمین مالی یا خروج شما تأثیر می‌گذارد.

اکثر گزارش‌های هوش مصنوعی بر لبه جلویی تمرکز دارند: آخرین، هوشمندانه‌ترین و گران‌ترین مدل‌های هر آزمایشگاه. اما Tomasz Tunguz از Theory Ventures استدلال می‌کند که بازار واقعی مهم، لایه میانی است و داده‌های هزینه نیز این را تأیید می‌کنند.

لایه میانی حدود ۴۰ درصد از هزینه‌های هوش مصنوعی و ۳۰ درصد از مصرف توکن را به خود اختصاص داده است.

در مقایسه، بخش مدل‌های پیشرفته بسیار کم است. قوی‌ترین مدل Anthropic، Fable 5.1، تنها ۳.۷ درصد از هزینه‌های دروازه را در ۱۲ روز اول عرضه به خود اختصاص داد. نسل قبلی آن به ۱۳.۲ درصد رسید و سپس یک ماه پس از عرضه Opus 5 با نصف قیمت، به ۴.۹ درصد کاهش یافت. در حساب‌های بزرگ شرکتی، مصرف توکن مدل‌های پیشرفته از ۵۳ درصد در اوایل آگوست به ۴۵ درصد در سپتامبر کاهش یافت.

جنگ قیمت نیز در این لایه در حال وقوع است. هنگامی که Anthropic در سپتامبر مدل جدید خود را کاهش قیمت داد، OpenAI حدود ۹۰ دقیقه بعد از آن پیروی کرد. قبل از آن کاهش قیمت، چهار نسخه متوالی سری Opus با قیمت ثابت ۵ دلار به ازای هر میلیون توکن ورودی و ۲۵ دلار به ازای هر میلیون توکن خروجی عرضه می‌شدند. در انتهای پایین، OpenAI در ماه جولای قیمت Luna را ۸۰ درصد کاهش داد و در ماه سپتامبر ۵۰ درصد دیگر کاهش داد.

سه نیرو به طور مداوم قیمت لایه میانی را به سمت پایین فشار می‌دهند:

رقابت بین آزمایشگاه‌ها. آزمایشگاه‌ها اکنون به جای فصول، در عرض چند ساعت کاهش قیمت یکدیگر را دنبال می‌کنند.

مدل‌های با وزن باز. در دروازه‌هایی که داده‌ها را منتشر می‌کنند، مدل‌های باز بخش عمده‌ای از حجم توکن را اجرا می‌کنند و ۸۶ درصد ارزان‌تر از قیمت ترکیبی مدل‌های با کد بسته هستند.

تنظیم دقیق (Fine-tuning). Cursor Composer 2 که بر اساس مدل با وزن باز Kimi K2.5 تنظیم شده است، در مقایسه با مدل داخلی قبلی خود، ۸۶ درصد کاهش هزینه کلی را تجربه کرده است. Harvey هزینه هر سلول را در مقایسه با Sonnet 5 به میزان ۵۵ درصد کاهش داده است، در حالی که امتیاز آن بالاتر از Fable 5 است.

این وضعیت به صورت ساختاری ادامه دارد. کارهایی که شرکت‌ها نیاز دارند هوش مصنوعی انجام دهد، مانند خلاصه کردن یک قرارداد یا طبقه‌بندی یک درخواست کار، سال به سال تقریباً بدون تغییر باقی می‌مانند. در حالی که هزینه هوش مصنوعی که می‌تواند این آستانه را برآورده کند به سرعت در حال کاهش است. بنابراین سطحی که می‌تواند یک الزام ثابت را برآورده کند، هر فصل ارزان‌تر می‌شود، و اکثر کارهای واقعی در این لایه قرار می‌گیرند، نه در لبه جلویی.

تقاضا بیشتر شبیه یک منحنی زنگوله‌ای با قسمت میانی ضخیم است تا یک هرم با لبه جلویی در بالا. خریداران بیشتر به میزان هوشمندی که می‌توانند به ازای هر دلار بخرند اهمیت می‌دهند تا قابلیت‌های اوج. سوال معلق این است که آیا این بازار میانی در نهایت به یک کالای اساسی تبدیل خواهد شد یا خیر. اگر چنین شود، اقتصاد کل بازار هوش مصنوعی نیز تغییر خواهد کرد.

برای هر کسی که محصولاتی را بر روی این مدل‌ها می‌سازد، ارزش دارد بپرسد: محصول شما واقعاً به کدام لایه نیاز دارد. پرداخت هزینه مدل‌های پیشرفته برای کارهای لایه میانی، اکنون یکی از سودهایی است که باید دور ریخته شود.

از اکثر بنیان‌گذاران بپرسید که چقدر برای هوش مصنوعی هزینه کرده‌اند و یک عدد مطمئن دریافت خواهید کرد: صندلی‌های ChatGPT و Claude، صورت‌حساب‌های Cursor، هزینه‌های API در حال افزایش، که در مجموع چند هزار دلار در ماه می‌شود. این دقیق به نظر می‌رسد، اما در واقع اینطور نیست. زیرا سه نوع هزینه کاملاً بی‌ارتباط را با هم جمع می‌کند، تنها نقطه مشترک آنها دسته تامین‌کننده است.

داده‌های پرداخت Ramp که بیش از ۷۰ هزار شرکت آمریکایی را پوشش می‌دهد، نشان می‌دهد که «استفاده از هوش مصنوعی» چقدر پراکنده شده است.

شرکت میانه به ازای هر کارمند ماهانه ۱۱.۳۸ دلار هزینه می‌کند. ۱۰ درصد برتر ۶۱۱ دلار هزینه می‌کنند.

۱ درصد برتر ۷,۴۴۹ دلار هزینه می‌کنند، تقریباً ۶۵۰ برابر میانه. و هنگامی که Ramp این هزینه‌ها را با سوابق نیروی کار ۲۱,۵۵۹ شرکت که توسط Revelio Labs پوشش داده شده‌اند، مرتبط می‌کند، متوجه می‌شود که شرکت‌های با هزینه بالا در دو سال ۱۰.۲ درصد افزایش تعداد کارمندان داشته‌اند، که در آن استخدام در مشاغل سطح ورودی ۱۲ درصد افزایش یافته است.

داده‌های کاربران با شدت کم هیچ تغییر قابل توجهی نشان نمی‌دهند.

بنابراین بیشتر هزینه کنید. اما کجا؟

اکثر بنیان‌گذاران صورت‌حساب‌های هوش مصنوعی را با بودجه نرم‌افزار خود مقایسه می‌کنند، زیرا این هزینه‌ها در صورت‌حساب‌ها در کنار Figma و Notion قرار دارند. این مخرج اشتباه است. به طور فزاینده‌ای، هزینه‌های هوش مصنوعی جایگزین نرم‌افزار نمی‌شوند، بلکه جایگزین انسان‌ها می‌شوند. یک عامل خدمات مشتری با یک موقعیت خدمات مشتری قابل مقایسه است، نه مجموعه SaaS شما.

یک شرکت معمولی در مرحله اولیه را در نظر بگیرید: ۱۲ نفر، با هزینه حقوق ماهانه حدود ۱۸۰ هزار دلار، و هزینه هوش مصنوعی ۴ هزار دلار در ماه. در مقایسه با بودجه نرم‌افزار، ۴ هزار دلار زیاد به نظر می‌رسد. در مقایسه با هزینه حقوق، تنها ۲.۲ درصد است. همان عدد، نتیجه کاملاً مخالف.

راه حل این است که بودجه هوش مصنوعی را به سه بخش تقسیم کنید، هر کدام با معیار خود ارزیابی شود:

هوش مصنوعی خط حقوق (عوامل خدمات مشتری، SDR و برنامه‌نویس) با حقوق فردی که استخدام نکرده‌اید مقایسه می‌شود. اگر نمی‌توانید بگویید آن موقعیت چیست، نباید در این دسته قرار گیرد.

هوش مصنوعی خط بهره‌وری (صندلی‌ها، ابزارهای یادداشت‌برداری و نوشتن) به میزان استفاده نگاه می‌کند. اگر میزان استفاده در ماه دوم کاهش یافت، آن را لغو کنید.

هوش مصنوعی خط هزینه (توکن‌ها و فراخوانی‌های API در داخل محصول) به حاشیه سود ناخالص در حجم ۱۰ برابر نگاه می‌کند و باید در COGS در ترازنامه شما قرار گیرد.

ترکیب این سه دسته، هر سیگنال را خنثی می‌کند. هزینه‌های بیش از حد در صندلی‌ها باعث می‌شود کل مبلغ حجیم به نظر برسد، بنابراین بنیان‌گذاران در عوامل محدودیت ایجاد می‌کنند، در حالی که این دقیقاً جایی است که بازده وجود دارد. برندگان ۱ درصد برتر به دلیل هزینه زیاد برنده نیستند، بلکه به دلیل اینکه هزینه‌هایشان به خوبی دسته‌بندی شده است: شرط‌بندی سنگین در جایی که هوش مصنوعی جایگزین نیروی انسانی می‌شود، محدودیت شدید در جایی که فقط افراد را تسریع می‌کند، و نظارت بر حاشیه سود ناخالص در جایی که در داخل محصول است.

ما روش کامل رتبه‌بندی را تجزیه و تحلیل کرده‌ایم، از جمله یک فرآیند حسابرسی ۳۰ دقیقه‌ای، که می‌توانید همین هفته برای بررسی صورت‌حساب‌های خود از آن استفاده کنید، جزئیات بیشتر در «معیار واقعی هزینه‌های هوش مصنوعی شما چیست؟»

ممکن است فکر کنید که دشوارترین فناوری باید تحت سخت‌ترین بررسی قرار گیرد. یک کامپیوتر کوانتومی، یک راکتور همجوشی هسته‌ای یا یک معماری تراشه جدید، یا با قوانین فیزیک مطابقت دارد و کار می‌کند، یا نمی‌کند، و تأیید این موضوع به تخصص واقعی نیاز دارد.

اما Marin Ivezic از PostQuantum معتقد است که وضعیت دقیقاً برعکس است: هرچه معامله بزرگتر و فناوری پیچیده‌تر باشد، احتمال اینکه افراد مستقلی برای تأیید علمی بودن آن وجود داشته باشند، کمتر است.

این به دلیل تنبلی سرمایه‌گذاران نیست. چندین تغییر ساختاری با هم ترکیب شده‌اند.

لایه کارشناسان ناپدید شده است.

در گذشته، سرمایه‌گذاران می‌توانستند قضاوت فنی مستقلی را از تیم‌های تحقیقاتی بانک‌ها دریافت کنند که تحلیلگران متخصص را استخدام می‌کردند. قوانین MiFID II اروپا در سال ۲۰۱۸ که هزینه‌های تحقیق را از هزینه‌های معاملاتی جدا کرد، این مدل را منقبض کرد. گزارش شده است که تحقیقات سهام اروپا حدود ۲۰ درصد کاهش یافته است و تعداد تحلیلگران متخصص در بانک‌های بزرگ نیز کاهش یافته است.

شبکه‌های تخصصی اکنون یک کسب‌وکار حدود ۲.۵ میلیارد دلاری هستند و بخشی از این خلاء را پر می‌کنند. اما این تنها زمانی مؤثر است که بدانید از کدام متخصص بپرسید و چه سوالی بپرسید. در حوزه‌های پیشرفته، این دقیقاً دانشی است که سرمایه‌گذاران عمومی فاقد آن هستند.

سرمایه به سمت عمومی‌ها سرازیر شده است.

در سال ۲۰۲۵، سرمایه‌گذاری خصوصی کوانتومی به ۴.۹ میلیارد دلار رسیده است که ۱۹۲ درصد افزایش یافته است. بزرگترین سرمایه‌گذاران BlackRock و Nvidia هستند، نه صندوق‌های کوانتومی تخصصی. صندوق‌های ثروت ملی و صندوق‌های بازنشستگی نیز به طور فزاینده‌ای در این دورها شرکت می‌کنند و یک نظرسنجی از صندوق‌های ثروت ملی نشان داد که ۵۸ درصد از نهادها فاقد منابع لازم برای رهبری یک معامله هستند. سرمایه‌ای که قادر به انجام بررسی فنی خود نیست، در نهایت به قضاوت دیگران متکی است.

نام رهبران به جای بررسی‌ها جایگزین شده است.

یک رهبر معتبر، اعتبار را برای همه سرمایه‌گذاران همراه تضمین می‌کند. سرمایه‌گذاران همراه فرض می‌کنند که رهبر، امکان‌سنجی فیزیکی را تأیید کرده است، اما آنها آن بررسی را نمی‌بینند و نمی‌توانند تأیید کنند که واقعاً اتفاق افتاده است. برخی از دورها حتی این را هم ندارند: تأمین مالی ۶۰۰ میلیون دلاری Quantinuum هیچ رهبر نامگذاری شده‌ای نداشت.

مهلت‌ها و اثر گله‌ای، سرعت را بر بررسی‌ها اولویت داده‌اند.

در پایان سال ۲۰۲۳، صندوق‌های آمریکایی با رکورد ۳۱۱.۶ میلیارد دلار سرمایه خرج نشده انباشته شده بودند. یک مدیر صندوق که با فشار تخصیص مواجه است، سود بیشتری از پیوستن به یک معامله داغ نسبت به کند کردن آن دارد. و اشتباه کردن با همتایان، آسیب کمتری به اعتبار وارد می‌کند تا اشتباه کردن به تنهایی.

فناوری عمیق نقاط بررسی اجباری ندارد.

بیوتکنولوژی یک مقایسه خوب است. فرآیند تأیید FDA داده‌ها را در هر مرحله اجباری می‌کند، بنابراین صنعت مجموعه‌ای از مقررات بررسی دقیق را در اطراف آن ایجاد کرده است: هیئت مشاوران علمی، داوران متخصص، بررسی‌های مرحله‌ای.

حوزه کوانتوم هیچ سطح معادل ندارد. سخت‌ترین بررسی فنی برای شرکت‌های کوانتومی بزرگ که در این مقاله یافت می‌شود، از سوی دولت استرالیا است که از طریق درخواست افشای اطلاعات فاش شده است، نه از سوی هیچ سرمایه‌گذاری.

نتایج به وضوح در اعداد منعکس شده است.

سرمایه‌گذاری خصوصی کوانتومی در سال ۲۰۲۵ برابر ۴.۹ میلیارد دلار است، در حالی که کل درآمد صنعت محاسبات کوانتومی حدود ۱.۴ میلیارد دلار است. سه شرکت کوانتومی که در سال ۲۰۲۱ از طریق SPAC عرضه شدند، پیش‌بینی می‌کردند که درآمد کل آنها در سال ۲۰۲۵ حدود ۱.۲ میلیارد دلار باشد، در حالی که عملاً ۱۳۸ میلیون دلار تحویل داده‌اند. و کسانی که برخی از دقیق‌ترین بررسی‌های تأیید را انجام داده‌اند، فروشندگان کوتاه، نه سرمایه‌گذاران بوده‌اند.

این وضعیت چگونه به پایان خواهد رسید، سابقه دارد. بین سال‌های ۲۰۰۶ تا ۲۰۱۱، سرمایه‌گذاری خطرپذیر بیش از ۲۵ میلیارد دلار در فناوری پاک سرمایه‌گذاری کرد و بیش از نیمی از آن را از دست داد. محققانی که آن چرخه را مطالعه کردند، هشدار دادند که صندوق‌های بازنشستگی و ثروت ملی بدون تجربه سخت‌افزاری، اولین کسانی خواهند بود که پول را به این شرکت‌ها پرداخت می‌کنند.

راه حل پیشنهادی ساده است: قبل از سرمایه‌گذاری همراه در یک دور فناوری عمیق در مقیاس بزرگ، سرمایه‌گذاران باید درخواست یک بررسی مستقل امکان‌سنجی فنی را داشته باشند که نمی‌تواند توسط صندوق سفارش داده شود و نه توسط بنیان‌گذار انتخاب شود. لازم به ذکر است که نویسنده خود در استارت‌آپ‌های کوانتومی سرمایه‌گذاری می‌کند و شرکتی را اداره می‌کند که چنین خدمات بررسی را ارائه می‌دهد. اما نکته اصلی همچنان پابرجاست: در حوزه فناوری عمیق، یک علامت در جدول سهام به آرامی جایگزین بررسی فنی شده است، و در مقابل این مبلغ چک، هزینه چند هفته بررسی مستقل ناچیز است.

VC رمزنگاری ۲۰۲۵: روندهای جدید در پشت دشواری تأمین مالی
VC رمزنگاری در بازار صعودی می‌میرد؟ چرا VC های معروف پول جمع نمی‌کنند
Liquid Capital Yi Lihua: چهار دلیل اصلی زمستان در بازار اولیه رمزنگاری، VC ها به طور هدفمند کشته می‌شوند

ترکیه از اول نوامبر، کودکان زیر ۱۵ سال را از داشتن حساب در شبکه‌های اجتماعی منع می‌کند

آنکارا – دولت ترکیه روز ۱۰ اکتبر مقررات جدیدی را اعلام کرد که بر اساس آن، از اول نوامبر، شرکت‌های ارائه‌دهنده خدمات شبکه‌های اجتماعی مجاز به ایجاد حساب کاربری برای کودکان زیر ۱۵ سال نخواهند بود. این مقررات همچنین الزام می‌کند که کاربران برای تأیید سن خود از گواهی سن صادر شده توسط پلتفرم دولتی e-Devlet استفاده کنند. عدم رعایت این قوانین می‌تواند جریمه‌ای تا ۳ درصد از کل درآمد جهانی شرکت در سال گذشته را در پی داشته باشد.

جزئیات مقررات جدید

بر اساس گزارشی از اینجی اوزبک، خبرنگار بلومبرگ، شرکت‌های شبکه‌های اجتماعی موظفند هنگام ایجاد حساب کاربری جدید، سن متقاضیان را با استفاده از گواهی سن صادر شده توسط دولت ترکیه تأیید کنند و در صورت احراز سن کمتر از ۱۵ سال، از ایجاد حساب ممانعت به عمل آورند.

این مقررات که توسط ریاست جمهوری ترکیه در امور امنیت سایبری تدوین شده، در شماره ۳۳۳۹۶ روزنامه رسمی ترکیه در تاریخ ۱۰ اکتبر منتشر شده است. این قانون شامل ۱۴ ماده و یک ماده انتقالی است و تمامی پلتفرم‌های داخلی و خارجی شبکه‌های اجتماعی که در ترکیه قابل دسترسی هستند را در بر می‌گیرد. در این قانون، «کودک» به افراد زیر ۱۸ سال اطلاق می‌شود. رسانه‌های نزدیک به دولت ترکیه، اینستاگرام، فیس‌بوک، ایکس (توییتر سابق)، تیک‌تاک، اسنپ‌چت، یوتیوب، واتس‌اپ، تلگرام، دیسکورد و ردیت را در فهرست پلتفرم‌های مشمول این قانون قرار داده‌اند، هرچند که خود قانون فهرستی از پلتفرم‌ها یا حداقل تعداد کاربر را مشخص نکرده است.

حساب‌های کاربری موجود نیز مشمول این قانون خواهند بود. بر اساس ماده انتقالی، حساب‌های کاربری قدیمی که هنوز با گواهی سن تأیید نشده‌اند، باید حداکثر تا ۳۱ مارس ۲۰۲۷ یک بار مورد تأیید قرار گیرند. حساب‌های کاربری قدیمی که مشخص شود متعلق به افراد زیر ۱۵ سال هستند، پس از اطلاع‌رسانی به کاربر، بسته شده و در صورت عدم اعتراض، اطلاعات مربوطه فوراً حذف خواهد شد. برای حساب‌های کاربری افراد بین ۱۵ تا ۱۸ سال، نسخه‌های مخصوص نوجوانان ارائه خواهد شد.

فرآیند تأیید سن

تأیید سن از طریق ورود کاربر به پورتال دولت الکترونیک ترکیه (e-Devlet) و احراز هویت انجام می‌شود. سپس کاربر باید از طریق خدمات آنلاین اداره امنیت سایبری، درخواست گواهی سن را ثبت کند و این گواهی را برای پلتفرم شبکه‌های اجتماعی بارگذاری نماید. پلتفرم‌ها پس از تأیید اصالت گواهی صادر شده توسط اداره امنیت سایبری، گروه سنی کاربر را از آن استخراج خواهند کرد.

این گواهی تنها دو مورد را ثبت می‌کند: اینکه آیا کاربر به سن ۱۵ سالگی رسیده است یا خیر، و در صورت رسیدن به ۱۵ سالگی، آیا به سن ۱۸ سالگی رسیده است یا خیر. این گواهی حاوی اطلاعات شخصی دیگر یا نام حساب کاربری نیست و پلتفرم‌ها مجاز به استفاده از آن برای اهداف دیگری جز تأیید سن نخواهند بود.

وزیر خانواده و خدمات اجتماعی، ماهینور اوزدمیر گوکتاش، در مصاحبه‌ای در ماه سپتامبر با رسانه‌های ترکیه اعلام کرد که تأیید سن از طریق e-Devlet، ضمن اطمینان از رسیدن به حداقل سن لازم، هویت کاربر را به شرکت‌های شبکه‌های اجتماعی فاش نمی‌کند. ماده ۵ این قانون نیز الزام می‌کند که روش‌های تأیید سن تنها باید سن را مشخص کنند و نه هویت فرد را، و همچنین باید قابلیت ممیزی و آزمایش توسط کاربران، والدین و اداره امنیت سایبری را داشته باشند.

نظارت مستمر و محدودیت‌ها برای نوجوانان

تأیید سن در زمان ایجاد حساب کاربری پایان نمی‌یابد. ماده ۶ این قانون مقرر می‌دارد که پلتفرم‌ها باید به طور مستمر و با استفاده از روش‌های خود، سن کاربران را تأیید کنند. در صورت وجود شک معقول مبنی بر عدم تطابق فعالیت حساب کاربری با سن تأیید شده، حساب کاربری تعلیق شده و کاربر باید مجدداً با استفاده از گواهی سن، آن را تأیید کند. در زمان تعلیق حساب کاربری، کاربر حق اعتراض به پلتفرم را دارد و بررسی‌ها نباید صرفاً توسط سیستم‌های خودکار انجام شود.

برای کاربران زیر ۱۸ سال، حساب‌های کاربری همچنان قابل ایجاد خواهند بود، اما تنها با دسترسی به خدمات محدود شده. ماده ۸ بند ۵ این قانون، موارد ممنوعه برای این گروه سنی را به تفصیل بیان می‌کند: ارائه خدماتی که ممکن است اعتیادآور باشند ممنوع است؛ حساب‌ها به طور پیش‌فرض خصوصی خواهند بود و امکان عمومی کردن آن‌ها وجود نخواهد داشت؛ لیست دنبال‌کنندگان و دنبال‌شوندگان تنها برای خود کاربر قابل مشاهده خواهد بود؛ پیام‌رسانی تنها از سوی حساب‌هایی که خود کاربر دنبال می‌کند امکان‌پذیر است و پیام‌ها نباید قابلیت «خوانده شده» را داشته باشند.

پلتفرم‌ها مجاز به همگام‌سازی دفترچه تلفن همراه، دفترچه ایمیل یا لیست دوستان سایر اپلیکیشن‌ها نخواهند بود. حساب‌های کاربری کودکان نباید به دیگران برای دنبال کردن توصیه شوند و همچنین نباید حساب‌های دیگر به کودکان توصیه شوند. پلتفرم‌ها باید اقدامات فنی لازم را برای جلوگیری از اسکرین‌شات گرفتن از عکس پروفایل، حساب کاربری و پست‌های کودکان اتخاذ کنند و قابلیت پخش زنده (لایو) نیز برای آن‌ها ممنوع است.

یکی از تأثیرگذارترین محدودیت‌ها، ممنوعیت هرگونه رابط کاربری، طراحی یا قابلیتی است که با کشیدن انگشت، کلیک یا عملیات مشابه، یا به صورت خودکار، محتوای بصری را به صورت پیوسته نمایش دهد. این قانون شامل اپلیکیشن‌ها، وب‌سایت‌ها و تمامی رابط‌های کاربری می‌شود. این بدان معناست که فیدهای نامحدود و پخش پشت سر هم ویدئوهای کوتاه ممنوع خواهد بود. علاوه بر این، حساب‌های کاربری کودکان نباید بر اساس رفتار آن‌ها سفارشی‌سازی شوند و اطلاعات شخصی آن‌ها نباید برای تبلیغات هدفمند مورد استفاده قرار گیرد.

برای والدین نیز حداقل استانداردهایی در نظر گرفته شده است (ماده ۹): امکان مدیریت حساب کاربری و تنظیمات عملکرد، نیاز به رضایت والدین برای خریدها و عضویت‌های پولی با سقف هزینه مشخص، امکان نظارت بر زمان استفاده، تعیین محدودیت زمانی و کنترل اشتراک‌گذاری موقعیت مکانی. این ماده تأکید می‌کند که ابزارهای والدین نباید جایگزین تعهد پلتفرم‌ها در ارائه خدمات تفکیک شده شوند.

جریمه‌ها و مجازات‌ها

جریمه‌ها در قانون شماره ۷۵۷۸ که در ماه آوریل در پارلمان تصویب و در ۱ مه در روزنامه رسمی منتشر شد، ذکر شده است. این قانون، ماده ۵۶۵۱ قانون اینترنت مصوب ۲۰۰۷ را اصلاح می‌کند. ماده ۲۲ این قانون مقرر می‌دارد که پلتفرم‌های شبکه‌های اجتماعی نباید به کودکان زیر ۱۵ سال خدمات ارائه دهند و باید اقدامات لازم از جمله تأیید سن را اتخاذ کنند و برای کودکان بالای ۱۵ سال خدمات تفکیک شده ارائه دهند. این اقدامات باید در وب‌سایت خود پلتفرم‌ها منتشر شود. بر اساس جریمه‌های موجود در قانون اینترنت، عدم رعایت این تعهد می‌تواند جریمه‌ای تا ۳ درصد از کل درآمد جهانی شرکت در سال گذشته را در پی داشته باشد.

قانون شماره ۷۵۷۸ علاوه بر جریمه نقدی، مجازات‌های پلکانی را نیز اضافه کرده است. در صورت عدم اصلاح وضعیت ظرف ۳۰ روز پس از ابلاغ جریمه، تبلیغ‌کنندگان در ترکیه از تبلیغ در آن پلتفرم منع خواهند شد، قراردادهای جدیدی امضا نخواهند کرد و پرداختی نخواهند داشت. در صورت عدم اصلاح ظرف سه ماه دیگر، مقامات قضایی می‌توانند از دادگاه کیفری و صلح درخواست کنند تا پهنای باند اینترنت آن پلتفرم را ۵۰ درصد کاهش دهند. در صورت عدم اصلاح ظرف ۳۰ روز دیگر، این کاهش به حداکثر ۹۰ درصد افزایش می‌یابد، هرچند دادگاه می‌تواند نسبت کمتری را تعیین کند، اما نباید کمتر از ۵۰ درصد باشد. با اصلاح وضعیت توسط پلتفرم، ممنوعیت تبلیغات لغو شده و حکم کاهش پهنای باند نیز خود به خود باطل می‌شود.

ماده ۱۱ مقررات منتشر شده در ماه اکتبر، دو شرط را اضافه کرده است: قبل از اعمال جریمه، باید به پلتفرم اطلاع‌رسانی شود و مهلت معقولی برای اصلاح داده شود؛ همچنین در تعیین جریمه، شدت تخلف، مدت زمان آن، تعداد کودکان تحت تأثیر و میزان همکاری پلتفرم در نظر گرفته خواهد شد.

زمینه‌های تصویب قانون و انتقادات

این قانون در تاریخ ۲۲ آوریل در پارلمان تصویب شد، تنها یک هفته پس از حادثه تیراندازی در یک مدرسه راهنمایی در قهرمان‌مرعش که در آن یک پسر ۱۴ ساله ۹ دانش‌آموز و یک معلم را به قتل رساند و خود نیز کشته شد. رجب طیب اردوغان، رئیس جمهور ترکیه، در سخنرانی تلویزیونی خود در ماه آوریل اظهار داشت که برخی از برنامه‌های اشتراک‌گذاری دیجیتال در حال فاسد کردن ذهن کودکان هستند و به صراحت گفت که رسانه‌های اجتماعی به «مستراح» تبدیل شده‌اند. در مقابل، حزب اصلی مخالف، CHP، پاسخ داد که حفاظت از کودکان باید از طریق «سیاست‌های مبتنی بر حقوق» صورت گیرد، نه ممنوعیت.

وزیر گوکتاش در همان مصاحبه دلایل دیگری را نیز مطرح کرد: کودکان به طور متوسط روزانه بیش از ۳.۵ ساعت در شبکه‌های اجتماعی سپری می‌کنند و استفاده بیش از حد از صفحه نمایش می‌تواند خواب را مختل کرده و با افسردگی و اضطراب مرتبط باشد. این ممنوعیت در حالی معرفی می‌شود که دولت ترکیه به دلیل محدود کردن آزادی بیان گروه‌های LGBTQ، روزنامه‌نگاران و مخالفان سیاسی مورد انتقاد گروه‌های حقوق بشری قرار گرفته است و در هفته‌های اخیر نیز تعداد زیادی از حساب‌های شبکه‌های اجتماعی مسدود شده‌اند. آمار انجمن آزادی بیان ترکیه (İFÖD) نشان می‌دهد که تا پایان سال ۲۰۲۴، بیش از ۱.۲۶ میلیون وب‌سایت در ترکیه مسدود شده است.

مقایسه با رویکردهای بین‌المللی

نکته قابل توجه در رویکرد ترکیه، کانال تأیید سن است: گواهی سن توسط اداره امنیت سایبری صادر می‌شود و ترکیه مسئولیت تأیید سن را به دولت بازگردانده است. در مقایسه، در ممنوعیت استرالیا برای افراد زیر ۱۶ سال که از دسامبر ۲۰۲۵ اجرایی می‌شود، مسئولیت تعیین سن بر عهده پلتفرم‌هاست و قانون به صراحت اعلام می‌کند که پلتفرم‌ها نباید مدارک دولتی را به عنوان تنها روش تأیید سن در نظر بگیرند؛ پس از اجرای این قانون، حدود ۴.۷ میلیون حساب کاربری که متعلق به کودکان تشخیص داده شدند، توسط پلتفرم‌ها حذف گردید. اندونزی از مارس ۲۰۲۶ استفاده از برخی خدمات دیجیتال را برای افراد زیر ۱۶ سال ممنوع می‌کند و بریتانیا، فرانسه و اسپانیا نیز در حال بررسی یا اتخاذ تدابیری در این زمینه هستند.

اینکه رویکرد ترکیه چقدر موفق خواهد بود، هنوز مشخص نیست. در متن قانون، مشخص نشده است که آیا e-Devlet ثبت می‌کند چه کسی برای گواهی درخواست داده است و این ثبت‌ها تا چه مدت نگهداری می‌شوند. ماده ۱۲ اداره امنیت سایبری را ملزم به انتشار راهنمای فنی ساختار، فرمت و فرآیند گواهی می‌کند، اما تاریخی برای آن تعیین نشده است، در حالی که تا اول نوامبر تنها حدود ۳ هفته باقی مانده است. پیگیری‌های بعدی باید بر زمان انتشار راهنمای فنی، انطباق پلتفرم‌های شبکه‌های اجتماعی با آن و اینکه اولین جریمه شامل کدام پلتفرم خواهد شد، متمرکز باشد.

بیت‌کوین در کانون توجه: تحلیل جدیدی به سطوح کلیدی اشاره می‌کند

تحلیل جدیدی نشان می‌دهد که اصلاح اخیر بیت‌کوین، سطح تاریخی ۷۴,۵۰۰ دلاری را دوباره به کانون توجه آورده است. این مقایسه، افت‌های قیمتی را در طول روندهای صعودی گسترده‌تر مورد بررسی قرار می‌دهد و نویسنده دو سطح خرید را در صورت ادامه فروش پیشنهاد می‌کند.

نحوه محاسبه ۷۴,۵۰۰ دلاری

بر اساس تحلیلی که توسط Cryptoquant منتشر شده است، آخرین افت قیمت، سطح ۷۴,۵۰۰ دلاری را به عنوان یک نقطه مرجع نزولی در کانون توجه قرار داده است. این تحلیل به بررسی عقب‌نشینی‌های قیمتی در دوره‌های رشد کلی بازار می‌پردازد و دو سطح خرید احتمالی را در صورت ادامه روند نزولی فعلی مشخص می‌کند.

بازار میں تقسیم: بٹकोइन और इथेरियम की तरलता बढ़ी, जबकि ऑल्टकॉइन्स पीछे छूट गए

एक साल पहले की बड़ी गिरावट के बाद, प्रमुख क्रिप्टोकरेंसी में तरलता में सुधार हुआ है, लेकिन छोटी क्रिप्टोकरेंसी संघर्ष कर रही है।

पिछले साल 10 अक्टूबर को क्रिप्टो इतिहास की सबसे बड़ी लिक्विडेशन घटना की पहली वर्षगांठ पर, बाजार की तरलता संरचना में एक स्पष्ट विभाजन देखा गया है। CoinDesk के नवीनतम शोध से पता चलता है कि बिटकॉइन (BTC) और इथेरियम (ETH) के ऑर्डर बुक में तरलता अब उस दिन की तुलना में अधिक है जब बाजार ढह गया था, या इस साल की शुरुआत में। हालांकि, ऑल्टकॉइन्स की डॉलर में गहराई लगातार गिर रही है।

यह सब याद करें: 126,000 डॉलर से ऊपर के अपने सर्वकालिक उच्च स्तर पर पहुंचने के कुछ दिनों बाद, बिटकॉइन 10 अक्टूबर, 2025 को अमेरिकी पूर्वी समय के अनुसार सुबह 122,600 डॉलर के आसपास गिर गया था। कुछ घंटों बाद, यह 105,000 डॉलर से नीचे गिर गया, जब तत्कालीन राष्ट्रपति ट्रम्प ने चीनी आयात पर 100% टैरिफ की घोषणा की, जिससे एक ही दिन में 19 बिलियन डॉलर से अधिक की लीवरेज्ड पोजीशन लिक्विडेट हो गई।

इस अवधि के बाद की रिकवरी को मापने के लिए, CoinDesk Research ने चार अलग-अलग समय बिंदुओं पर प्रमुख केंद्रीकृत एक्सचेंजों पर बाजार की गहराई की तुलना की: 1 जनवरी, 2025; 10 अक्टूबर, 2025; 1 जनवरी, 2026; और वर्तमान सप्ताह। गहराई को वर्तमान मूल्य के करीब खरीद और बिक्री ऑर्डर के मूल्य के रूप में परिभाषित किया गया है। एक गहरा ऑर्डर बुक इंगित करता है कि बड़ी मात्रा में ट्रेडों को कीमत को महत्वपूर्ण रूप से प्रभावित किए बिना अवशोषित किया जा सकता है।

बिटकॉइन का ऑर्डर बुक अब पहले के किसी भी समय की तुलना में गहरा है। 7 अक्टूबर को, मूल्य के 1% के भीतर लगभग 11.7 मिलियन डॉलर के ऑर्डर थे। यह एक साल पहले की गिरावट के दिन से लगभग 75% अधिक है, और इस साल की शुरुआत में लगभग 9 मिलियन डॉलर और 2025 की शुरुआत में लगभग 6.9 मिलियन डॉलर से भी अधिक है।

यह मूल्य प्रभाव नहीं है। बिटकॉइन की वर्तमान कीमत एक साल पहले की गिरावट से लगभग दो-तिहाई है, इसलिए डॉलर में गहरा ऑर्डर बुक अधिक “सस्ता” होने के बजाय अधिक पूंजी की प्रतिबद्धता को दर्शाता है।

सुधार मुख्य रूप से मूल्य के करीब केंद्रित है: वह सीमा जहां बाजार निर्माता सबसे अधिक सक्रिय रूप से उद्धरण देते हैं। इससे आगे, मूल्य से 5% दूर, गहराई लगभग 24 मिलियन डॉलर है, जो मोटे तौर पर जनवरी 2025 के स्तर पर वापस आ गई है।

इथेरियम की रिकवरी कुछ मायनों में और भी मजबूत है। मूल्य के 0.5% के भीतर गहराई गिरावट के दिन से दोगुनी से अधिक होकर लगभग 4.2 मिलियन डॉलर हो गई है। 1% पर, गहराई लगभग तीन-चौथाई बढ़कर लगभग 5.3 मिलियन डॉलर हो गई है, जो दोनों जनवरी के रीडिंग से अधिक है।

CoinDesk के शोधकर्ता सक्षम दीवान ने कहा, “प्रमुख सिक्कों में वृद्धि वास्तविक पूंजी है, न कि मूल्य प्रभाव।”

पुनर्निर्मित ऑर्डर बुक ने इस सप्ताह की शुरुआत में एक प्रारंभिक परीक्षा का सामना किया। बाजार में बिकवाली के साथ, 7 अक्टूबर और 8 अक्टूबर के बीच बिटकॉइन की 1% गहराई लगभग 12% गिर गई। इथेरियम के सबसे तंग स्प्रेड में थोड़ी कमी आई, हालांकि मूल्य से अधिक दूर के ऑर्डर बढ़ गए।

ऑल्टकॉइन्स के लिए, तस्वीर बिल्कुल विपरीत है। CoinDesk Research के ऑल्टकॉइन बास्केट में, डॉलर की गहराई 1 जनवरी, 2025 को उच्चतम थी, और तब से प्रत्येक मापन बिंदु पर कम रही है।

मूल्य से 5% दूर गहराई 2025 की शुरुआत से लगभग एक-तिहाई गिरकर लगभग 2 मिलियन डॉलर हो गई है। मूल्य के करीब 1% पर, यह लगभग एक-छठा गिर गया है।

टोकन की संख्या के संदर्भ में, ऑल्टकॉइन की गहराई अधिक स्वस्थ दिखती है: यह इस साल 1 जनवरी को चरम पर थी और तब से केवल मामूली रूप से गिरी है। हालांकि, विश्लेषकों का कहना है कि टोकन इकाइयों में “रिकवरी” मुख्य रूप से मूल्य में गिरावट से आई है, जो प्रतिबद्ध पूंजी के निरंतर क्षरण को छुपाती है।

स्पॉट ट्रेडिंग अभी तक ठीक नहीं हुई है। CoinDesk Research के अनुसार, 27 सितंबर को समाप्त चार हफ्तों में, केंद्रीकृत एक्सचेंजों पर औसत साप्ताहिक स्पॉट ट्रेडिंग वॉल्यूम लगभग 279 बिलियन डॉलर था, जो गिरावट वाले सप्ताह के 801 बिलियन डॉलर से लगभग दो-तिहाई कम था।

गतिविधि अगस्त में अपने निचले स्तर पर पहुंच गई, जब साप्ताहिक ट्रेडिंग वॉल्यूम लगभग 135 बिलियन डॉलर तक गिर गया, तब से यह दोगुना हो गया है। हालांकि, यह अभी भी गिरावट से पहले के स्तरों से बहुत दूर है।

10 अक्टूबर, 2025 को, कुछ ही घंटों में क्रिप्टो तरलता वाष्पित हो गई। यह आगे कहाँ जाएगा, यह एक खुला प्रश्न था।

CoinDesk के शोध निदेशक जोशुआ डी वोस ने कहा, “एक साल पहले, हमने लिखा था कि तरलता पतली और खंडित थी, और यह स्पष्ट नहीं था कि धूल जमने के बाद पूंजी कहाँ घूमेगी। अब हमारे पास जवाब है: बिटकॉइन और इथेरियम।” “बाजार निर्माता प्रमुख सिक्कों में वापस आ गए हैं, तरलता गिरावट से पहले के स्तर से अधिक है, जबकि ऑल्टकॉइन तरलता समग्र रूप से नीचे की ओर है। कुछ चुनिंदा ऑल्टकॉइन्स को छोड़कर, मुझे उम्मीद है कि यह विभाजन अगले साल तक जारी रहेगा क्योंकि प्रमुख सिक्के संस्थागत रुचि और ट्रेडिंग वॉल्यूम पर हावी रहेंगे।”