نادلا به کلود فیبل تاخت؛ «این مدل بیش از حد کنترل‌شده است»

جنجال این‌بار از دل یک جلسه‌ی داخلی بیرون زد. ساتیا نادلا، مدیرعامل مایکروسافت، در جمع مهندسان کوپایلت به مدل کلود فیبل شرکت آنتروپیک تاخت و گفت محدودیت‌های آن «هیچ منطقی ندارد». نکته‌ی جالب ماجرا این است که مایکروسافت هم‌زمان سرمایه‌گذار آنتروپیک است و همین مدل را در محصولات خودش سرو می‌کند. این تنش، تصویر روشنی از رقابت و وابستگی هم‌زمان غول‌های هوش مصنوعی می‌دهد.

۱) ماجرا از کجا شروع شد؟

روز چهارشنبه ۱۶ جولای ۲۰۲۶، ساتیا نادلا در نشستی با مهندسان تیم کوپایلت صحبت می‌کرد. موضوع جلسه، راهبرد مدل‌های مایکروسافت بود، اما بخشی از سخنان او که به بیرون درز کرد، به‌سرعت تیتر رسانه‌ها شد.

نادلا درباره‌ی رفتار مدل کلود فیبل گفت وقتی این مدل برای هر چیز تصادفی‌ای درخواست را رد می‌کند، آدم از خودش می‌پرسد آخرین‌بار کِی با ابزار خلاقیتی روبه‌رو شده که این‌قدر تحریریه‌ای کنترل شده باشد؛ و افزود که این وضعیت منطقی ندارد.

عبارت «تحریریه‌ای کنترل‌شده» دقیقاً همان جمله‌ای بود که در فضای رسانه‌ای گرفت. تشبیه او روشن است: یک ابزار خلاقیت باید مثل قلم و دوربین در اختیار کاربر باشد، نه مثل یک سردبیر که پیش از انتشار، محتوا را تأیید یا رد می‌کند.

۲) مشکل دقیقاً چیست؟ ماجرای رد کردن بیش از حد

انتقاد نادلا از هوا نیامده است. از هفته‌های نخست عرضه‌ی نسل تازه‌ی فیبل، کاربران در شبکه‌های اجتماعی گزارش می‌دادند که مدل درخواست‌های کاملاً بی‌ضرر را رد می‌کند. طیف این گزارش‌ها از پرسش‌های ساده‌ی آموزشی تا کارهای معمول نویسندگی را در بر می‌گرفت.

سازوکار فنی پشت این رفتار هم بخشی از ماجراست. طبق گزارش‌ها، در برخی موضوعات حساس، پرسش کاربر به‌جای مدل نسل جدید به مدل قدیمی‌تر کلود اپوس ۴.۸ ارجاع داده می‌شود. موضوعاتی مانند توسعه‌ی مدل‌های بزرگ هوش مصنوعی، امنیت سایبری، زیست‌شناسی، شیمی و تقطیر مدل در این فهرست بوده‌اند.

مسئله این‌جاست که مرز میان «پرسش خطرناک» و «پرسش آموزشی» در این حوزه‌ها باریک است. یک دانشجوی زیست‌شناسی که درباره‌ی مکانیسم یک آنزیم می‌پرسد، از نظر طبقه‌بند خودکار ممکن است شبیه یک درخواست پرخطر به نظر برسد.

۳) پاسخ آنتروپیک؛ اعتراف به نرسیدن به تعادل

آنتروپیک پیش از این اظهارات نادلا هم فشار افکار عمومی را حس کرده بود. این شرکت در ژوئن ۲۰۲۶ اعلام کرد که سازوکارهای ایمنی تازه، سهم اندکی بیشتر از درخواست‌های بی‌ضرر را علامت‌گذاری می‌کنند و بابت «نرسیدن به تعادل درست» عذرخواهی کرد.

اصلاحی که در پی آن اعمال شد، جالب توجه است: به‌جای حذف سازوکار، آن را قابل مشاهده کردند. یعنی از آن پس هر بار که یک درخواست علامت‌گذاری و به مدل قدیمی‌تر ارجاع می‌شود، کاربر آن را می‌بیند. هم‌چنین دلیل رد شدن درخواست‌ها در رابط برنامه‌نویسی شفاف‌تر بیان می‌شود.

این اصلاح، اصل انتقاد را حل نمی‌کند اما کیفیت تجربه‌ی کاربر را عوض می‌کند؛ چون بدترین حالت یک محدودیت، محدودیتی است که کاربر نمی‌فهمد چرا و چه زمانی فعال شده است.

۴) بحث دوم نادلا: انحصار ظرفیت محاسباتی

نادلا در همان جلسه به موضوع دومی هم پرداخت که شاید از انتقاد اول مهم‌تر باشد. او گفت نمی‌تواند چنین باشد که تنها دو شرکت در جهان صاحب سرمایه‌ی توکن باشند و بقیه آن را اجاره کنند؛ به گفته‌ی او این وضعیت از نظر اقتصادی معنا ندارد.

منظور او از «سرمایه‌ی توکن» ظرفیت محاسباتی برای تولید توکن است؛ یعنی همان زیرساختی که مدل‌ها روی آن اجرا می‌شوند. استدلال نادلا این است که اگر ظرفیت واقعی در دست دو بازیگر متمرکز بماند، بقیه‌ی صنعت در موقعیت مستأجر دائمی قرار می‌گیرد.

این استدلال مستقیماً به راهبرد مایکروسافت گره می‌خورد. این شرکت طبق گزارش‌ها بیش از ۱۱ هزار مدل را از طریق سرویس فاندری در دسترس گذاشته است؛ ترکیبی از مدل‌های آنتروپیک، اوپن‌ای‌آی و مدل‌های داخلی خودش. پیام ضمنی روشن است: وابستگی به یک تأمین‌کننده، ریسک راهبردی است.

۵) نکته‌ی عجیب ماجرا: مایکروسافت هم سرمایه‌گذار آنتروپیک است

این‌جا داستان پیچیده می‌شود. مایکروسافت طبق گزارش‌ها در نوامبر گذشته ۵ میلیارد دلار در آنتروپیک سرمایه‌گذاری کرده و آنتروپیک هم تعهدی حدود ۳۰ میلیارد دلاری برای استفاده از آژور داده است. علاوه بر این، مدل‌های کلود در بخش‌هایی از محصولات کوپایلت به کار می‌روند.

یعنی مدیرعامل مایکروسافت دارد از محصولی انتقاد می‌کند که شرکتش هم در آن سهم دارد، هم آن را می‌فروشد و هم زیرساختش را تأمین می‌کند. این ترکیب عجیب، ویژگی بارز اکوسیستم امروز هوش مصنوعی است: همه با همه هم‌زمان شریک و رقیب‌اند.

از نگاه راهبردی، این اظهارات را می‌توان نوعی فشار عمومی برای تغییر رفتار محصول خواند؛ اهرمی که یک سرمایه‌گذار بزرگ می‌تواند بدون فسخ قرارداد به کار بگیرد. برای درک بهتر ساختار این بازار، مرور معرفی اوپن‌ای‌آی و اهمیت هوش مصنوعی در کسب‌وکار کمک‌کننده است.

۶) بحث اصلی: ایمنی یا کارآمدی؟

در پس این جدال، یک اختلاف فلسفی قدیمی نشسته است. آنتروپیک از روز نخست خود را شرکتی تعریف کرده که ایمنی را بر سرعت ترجیح می‌دهد. سیاست محافظه‌کارانه در رد درخواست‌ها، نتیجه‌ی منطقی همین موضع است.

در سوی مقابل، دیدگاهی قرار دارد که می‌گوید یک ابزار حرفه‌ای باید به کاربر بالغ اعتماد کند و مسئولیت استفاده را به او بسپارد. طرفداران این دیدگاه معتقدند رد کردن بیش از حد، نه‌تنها بی‌فایده است بلکه ضدامنیتی هم هست؛ چون کاربر را به سراغ ابزارهای بدون هیچ محافظی می‌فرستد.

واقعیت احتمالاً جایی میان این دو است. هیچ‌کس نمی‌گوید محافظ لازم نیست؛ بحث بر سر کالیبراسیون است. یک طبقه‌بند بیش‌ازحد حساس، همان‌قدر بی‌فایده است که یک طبقه‌بند بیش‌ازحد بی‌تفاوت.

۷) این ماجرا برای کاربر ایرانی چه معنایی دارد؟

اگر با این مدل‌ها کار می‌کنید و با پاسخ‌های «متأسفانه نمی‌توانم در این مورد کمک کنم» روبه‌رو شده‌اید، حالا می‌دانید که پشت آن یک لایه‌ی طبقه‌بندی خودکار نشسته که گاهی اشتباه می‌کند. راه‌حل عملی هم معمولاً بازنویسی درخواست است، نه تکرار همان جمله.

روشن‌کردن هدف، افزودن زمینه‌ی حرفه‌ای یا آموزشی و تقسیم درخواست پیچیده به چند گام کوچک‌تر، معمولاً نرخ رد شدن را کاهش می‌دهد. برای یادگیری اصولی این مهارت می‌توانید راهنمای پرامپت‌نویسی را بخوانید و برای کار عملی سری به آموزش‌های چت‌جی‌پی‌تی بزنید.

۸) گام بعدی چیست؟

سه اتفاق را باید در ماه‌های آینده زیر نظر گرفت. نخست، آیا آنتروپیک آستانه‌ی طبقه‌بندهایش را بازتنظیم می‌کند و نرخ رد شدن پرسش‌های بی‌ضرر پایین می‌آید؟ این شرکت پیش‌تر گفته بود در حال تنظیم دقیق‌تر طبقه‌بندهای زیستی و سایبری است.

دوم، آیا فشار عمومی شرکت‌های بزرگ باعث می‌شود سیاست‌های محتوایی مدل‌ها شفاف‌تر و مستندتر شوند؟ شفافیت، خواسته‌ی مشترک همه‌ی طرف‌های این بحث است.

سوم، آیا راهبرد چندمدلی مایکروسافت واقعاً وابستگی این شرکت را کاهش می‌دهد یا صرفاً یک موضع مذاکراتی است؟ پاسخ این پرسش را می‌توان در ترکیب مدل‌های پشت محصولات کوپایلت در ماه‌های آینده دید. پیگیری این تحولات را می‌توانید در بخش اخبار دنبال کنید.

۹) سابقه‌ی ماجرا؛ این نخستین بار نیست

تنش بر سر «رد کردن بیش از حد» تازه نیست. از همان روزهای نخست عرضه‌ی نسل تازه‌ی فیبل، گزارش‌های متعددی منتشر شد که این مدل حتی در گفت‌وگوهای کاملاً معمولی و از همان جملات آغازین، مکالمه را متوقف می‌کند. رسانه‌های فناوری این پدیده را نمونه‌ای از هزینه‌ی رویکرد «ایمنی در وهله‌ی نخست» توصیف کردند.

نکته‌ی مهم این است که همین رویکرد محافظه‌کارانه، بخشی از هویت برند آنتروپیک است و در بازار سازمانی مزیت هم محسوب می‌شود. یک بانک یا بیمارستان معمولاً مدلی را ترجیح می‌دهد که در موقعیت مبهم سکوت کند تا مدلی که ریسک می‌کند. مشکل زمانی پیدا می‌شود که همین سیاست، بدون تفکیک زمینه، به توسعه‌دهنده و پژوهشگر هم اعمال شود.

به همین دلیل بحث اصلی صنعت در ماه‌های اخیر از «آیا محافظ لازم است؟» به «محافظ باید چقدر آگاه به زمینه باشد؟» جابه‌جا شده است. مدل ایده‌آل، مدلی است که تشخیص دهد پرسنده دانشجوی شیمی است یا کسی با نیت آسیب‌رساندن؛ و این تشخیص، کاری به‌مراتب دشوارتر از فیلترکردن کلیدواژه است.

۱۰) اثر این جدال بر بازار سازمانی

برای مدیران فناوری اطلاعات، این ماجرا یک درس عملی دارد: پیش از انتخاب مدل، نرخ رد شدن آن را روی نمونه‌های واقعی کاری خودتان اندازه بگیرید. مدلی که در بنچمارک‌های عمومی نمره‌ی بالایی می‌گیرد، ممکن است در جریان کاری خاص شما بارها متوقف شود.

راهبرد چندمدلی هم دقیقاً به همین دلیل در سازمان‌ها محبوب شده است. وقتی یک لایه‌ی مسیریابی میان چند مدل وجود داشته باشد، توقف یک مدل به معنای توقف کل جریان کار نیست. این همان استدلالی است که نادلا با اشاره به فهرست گسترده‌ی مدل‌های فاندری مطرح کرد.

در سوی دیگر، تنوع مدل هزینه‌ی خودش را دارد؛ از پیچیدگی مدیریت و ارزیابی گرفته تا ناهماهنگی لحن و کیفیت خروجی. مقایسه‌ی رویکرد بازیگران مختلف این بازار را در تحلیل نبرد چت‌جی‌پی‌تی و دیپ‌سیک می‌توانید دنبال کنید.

پرسش‌های پرتکرار درباره‌ی انتقاد نادلا از کلود فیبل

نادلا دقیقاً چه گفت؟

او گفت وقتی فیبل برای هر چیز تصادفی‌ای درخواست را رد می‌کند، آدم می‌پرسد آخرین‌بار کِی ابزار خلاقیتی دیده که این‌قدر تحریریه‌ای کنترل شده باشد و افزود که این وضعیت منطقی ندارد. این سخنان در جلسه‌ی داخلی با مهندسان کوپایلت بیان شد.

چرا فیبل بعضی درخواست‌ها را رد می‌کند؟

به‌دلیل لایه‌ای از طبقه‌بندهای ایمنی که موضوعات حساس مانند امنیت سایبری، زیست‌شناسی و توسعه‌ی مدل‌های پیشرفته را شناسایی می‌کند. طبق گزارش‌ها، در این موارد پرسش به مدل قدیمی‌تر کلود اپوس ۴.۸ ارجاع داده می‌شود.

آیا آنتروپیک این مشکل را پذیرفته است؟

بله. این شرکت اعلام کرد سازوکارهای تازه سهم اندکی بیشتر از درخواست‌های بی‌ضرر را علامت‌گذاری می‌کنند و بابت نرسیدن به تعادل درست عذرخواهی کرد. سپس این سازوکار را برای کاربران قابل مشاهده کرد.

چرا مایکروسافت با وجود سرمایه‌گذاری در آنتروپیک از آن انتقاد می‌کند؟

چون کیفیت تجربه‌ی کاربر در محصولات کوپایلت مستقیماً به رفتار همین مدل‌ها گره خورده است. انتقاد عمومی، اهرمی برای تغییر رفتار محصول است بدون آن‌که شراکت راهبردی به هم بخورد.

منظور نادلا از «سرمایه‌ی توکن» چه بود؟

ظرفیت محاسباتی لازم برای تولید توکن. استدلال او این است که اگر این ظرفیت در دست تنها دو شرکت متمرکز بماند، بقیه‌ی صنعت ناچار به اجاره‌کردن آن می‌شوند و این وضعیت از نظر اقتصادی پایدار نیست.