بریتانیا ۱۰۰ میلیون پوند برای تأسیس آزمایشگاه امنیت زیستی هوش مصنوعی اختصاص می‌دهد؛ مشارکت OpenAI و Anthropic
نویسنده: الیاس ویرتانن | | هوش مصنوعی و یادگیری ماشین
دولت بریتانیا در ۲۳ اکتبر ۲۰۲۶ از اختصاص ۱۰۰ میلیون پوند برای تأسیس آزمایشگاه امنیت زیستی هوش مصنوعی خبر داد. صفحه رسمی دولت در ۲۴ اکتبر نیز به‌روزرسانی شد. مقام‌های دولتی این نهاد که قرار است با نام AIBL فعالیت کند، «نخستین سازمان اختصاصی امنیت زیستی هوش مصنوعی در جهان» توصیف کرده‌اند. شرکت‌های OpenAI و Anthropic نیز در مجموع تا سقف ۲۰۰ میلیون پوند از این طرح حمایت خواهند کرد؛ مبلغی که به گزارش بی‌بی‌سی، به‌جای پول نقد در قالب اعتبار استفاده از مدل‌های هوش مصنوعی ارائه می‌شود.
این منابع مالی بخشی از ابتکار گسترده‌تر امنیت زیستی هوش مصنوعی ملی است. Google DeepMind و Basecamp Research به‌عنوان شرکای پژوهشی معرفی شده‌اند و دولت بریتانیا نیز جداگانه از اختصاص ۶۵ میلیون پوند برای توسعه راهکارهای مقابله با عوامل بیماری‌زا خبر داده است. بلومبرگ و وب‌سایت The Register این خبر را در ۲۳ اکتبر منتشر کردند. بااین‌حال، آزمایشگاه هنوز در مرحله تأسیس است و فعالیت خود را آغاز نکرده است.
این خبر برای دنبال‌کنندگان پیشرفته‌ترین فناوری‌های هوش مصنوعی اهمیت دارد، زیرا نگرانی دیرینه سیاست‌گذاران را به تأسیس نهادی با بودجه مشخص پیوند می‌دهد. OpenAI پیش‌تر نیز به حوزه کشف دارو وارد شده بود؛ موضوعی که در گزارش ما درباره خرید شرکت Orchestra Bio توسط OpenAI بررسی شد. اکنون تأسیس آزمایشگاهی با حمایت دولت می‌تواند مکملی در راستای منافع عمومی برای چنین فعالیت‌هایی باشد. در این گزارش، اطلاعات تأییدشده، پرسش‌های بی‌پاسخ و پیامدهای احتمالی این ساختار مالی و انگیزه‌های مشارکت‌کنندگان بررسی می‌شود.
دولت بریتانیا درباره آزمایشگاه امنیت زیستی هوش مصنوعی چه چیزی را تأیید کرده است؟
اطلاعات اصلی منتشرشده در منابع مختلف روشن و همسو هستند. دولت اعلام کرده است که ۱۰۰ میلیون پوند برای تأسیس آزمایشگاه امنیت زیستی هوش مصنوعی اختصاص می‌دهد. این مرکز بخشی از ابتکار ملی امنیت زیستی هوش مصنوعی خواهد بود و از هوش مصنوعی برای کمک به درک، پیشگیری، شناسایی و مقابله با تهدیدهای زیستی استفاده خواهد کرد. این چهار هدف، مراحل مختلف یک رویداد زیستی را در بر می‌گیرند؛ از مطالعه عامل بیماری‌زا پیش از وقوع شیوع تا هماهنگی اقدامات مقابله‌ای پس از آغاز آن.
شبکه ITV News نیز در گزارش خود بر شناسایی خطرهای ناشی از همه‌گیری‌های آینده تأکید کرد؛ موضوعی که با بخش شناسایی و واکنش در مأموریت آزمایشگاه همخوانی دارد. تیتر بی‌بی‌سی بر ادعای نخستین‌بودن این نهاد در جهان و بودجه ۱۰۰ میلیون پوندی آن متمرکز بود. هر دو رسانه از مرکزی سخن می‌گویند که دولت قصد دارد آن را تأسیس کند؛ تفاوتی که اهمیت دارد. در اسناد رسمی بررسی‌شده هیچ اشاره‌ای نشده است که آزمایشگاه هم‌اکنون فعالیت می‌کند، ساختمان مشخصی دارد یا مدیر آن منصوب شده است.
دو نکته همچنان تأیید نشده‌اند. نخست، واژه «تعهد» یا «وعده» که در برخی تیترها به کار رفته، انتخاب نویسندگان خبر است و نام رسمی نهاد یا عنوان یک تعهد رسمی مستقل محسوب نمی‌شود. دوم، هیچ‌یک از منابع بررسی‌شده زمان افتتاح یا محل استقرار آزمایشگاه را مشخص نکرده‌اند. بنابراین، هر ادعایی مبنی بر اینکه AIBL هم‌اکنون فعالیت خود را آغاز کرده، نادرست است.
خط زمانی اعلام خبر
این خبر در ۲۳ اکتبر ۲۰۲۶ با گزارش‌های بلومبرگ و The Register منتشر شد. صفحه رسمی دولت بریتانیا تاریخ به‌روزرسانی ۲۴ اکتبر را دارد و به همین دلیل بسیاری از رسانه‌ها گزارش‌های تکمیلی خود را یک روز بعد منتشر کردند. روزنامه Business Standard نیز در ۲۴ اکتبر گزارشی منتشر کرد و رقم اصلی بودجه را به یورو بیان کرد، درحالی‌که دولت بریتانیا و بی‌بی‌سی از پوند استفاده کرده‌اند. در مواردی که واحدهای پولی با یکدیگر تفاوت دارند، این گزارش ارقام اعلام‌شده از سوی دولت بریتانیا برحسب پوند را مبنا قرار می‌دهد.
بودجه ۱۰۰ میلیون پوندی و حمایت ۲۰۰ میلیون پوندی چه تفاوتی دارند؟
سه رقم اصلی این طرح به سه موضوع متفاوت مربوط می‌شوند. مبلغ ۱۰۰ میلیون پوند بودجه دولتی برای تأسیس آزمایشگاه است. رقم حداکثر ۲۰۰ میلیون پوند به سقف مجموع حمایت OpenAI و Anthropic اشاره دارد. مبلغ ۶۵ میلیون پوند نیز بودجه‌ای جداگانه از سوی دولت برای توسعه راهکارهای مقابله با عوامل بیماری‌زاست. جمع‌کردن این ارقام و ارائه آن‌ها به‌عنوان یک بودجه واحد گمراه‌کننده خواهد بود، زیرا منابع تأمین مالی و اهداف آن‌ها متفاوت است.
جدول زیر هر یک از ردیف‌های مالی را بر اساس اطلاعات منتشرشده در منابع نشان می‌دهد.
| ردیف تأمین مالی | مبلغ | تأمین‌کننده | توضیحات منابع |
|---|---|---|---|
| آزمایشگاه امنیت زیستی هوش مصنوعی (AIBL) | ۱۰۰ میلیون پوند | دولت بریتانیا | بودجه تأسیس آزمایشگاه، طبق اعلام رسمی دولت بریتانیا |
| حمایت شرکت‌ها | در مجموع تا سقف ۲۰۰ میلیون پوند | OpenAI و Anthropic | طبق گزارش بی‌بی‌سی، در قالب اعتبار استفاده از مدل‌های هوش مصنوعی |
| راهکارهای مقابله با عوامل بیماری‌زا | ۶۵ میلیون پوند | دولت بریتانیا | بودجه‌ای جداگانه برای توسعه راهکارهای مقابله با عوامل بیماری‌زا |
| بسته گسترده‌تر امنیت هوش مصنوعی | ۸۰۰ میلیون دلار، رقم درج‌شده در تیتر | دولت بریتانیا | گزارشی در خبرگزاری Euronext Live این رقم را برای بسته گسترده‌تر اعلام کرد |
| شرکای پژوهشی | مبلغی اعلام نشده است | Google DeepMind و Basecamp Research | به‌عنوان شرکای پژوهشی معرفی شده‌اند |
عبارت «تا سقف» در اینجا اهمیت زیادی دارد. تعیین سقف به معنای پرداخت قطعی کل مبلغ نیست. تا زمانی که شرکت‌ها شرایط توافق را منتشر نکنند، افراد خارج از این قراردادها نمی‌توانند مشخص کنند چه میزان از ۲۰۰ میلیون پوند واقعاً استفاده خواهد شد، این حمایت طی چند سال ارائه می‌شود یا به چه نقاط عطفی وابسته است. در اسناد بررسی‌شده، دولت برنامه زمان‌بندی برداشت یا تخصیص این اعتبار را منتشر نکرده است.
OpenAI و Anthropic چه چیزی ارائه می‌کنند؟
OpenAI و Anthropic برای جذب مشتریان سازمانی و دولتی رقابت شدیدی دارند. به همین دلیل، مشارکت هم‌زمان آن‌ها در یک آزمایشگاه عمومی توجه‌برانگیز است. سقف مجموع حمایت این دو شرکت، یعنی ۲۰۰ میلیون پوند، از بودجه ۱۰۰ میلیون پوندی دولت برای خود آزمایشگاه بیشتر است. بنابراین، بر اساس ارقام اعلام‌شده، سهم بالقوه این دو شرکت از حمایت مالی عنوان‌شده بزرگ‌تر از سهم مستقیم دولت برای تأسیس مرکز است.
نوع این حمایت بر نحوه تفسیر آن تأثیر می‌گذارد. به گزارش بی‌بی‌سی، کمک‌ها در قالب اعتبار استفاده از مدل‌های هوش مصنوعی ارائه می‌شوند؛ اعتباری که برای استفاده از مدل‌های خود شرکت‌ها قابل مصرف است. چنین اعتباری در واقع دسترسی به توان محاسباتی و استفاده از مدل را فراهم می‌کند و ارزش آن ممکن است بر مبنای قیمت فهرست‌شده شرکت یا هزینه داخلی محاسبه شود. این اعتبار، انتقال وجه نقدی نیست که آزمایشگاه بتواند آن را برای خرید تجهیزات آزمایشگاهی، پرداخت حقوق کارکنان یا اجرای آزمایش‌های توالی‌یابی مصرف کند. بنابراین، اعتبار ۲۰۰ میلیون پوندی می‌تواند زمان زیادی برای استفاده از مدل‌ها فراهم کند، بی‌آنکه حتی هزینه یک پیپت آزمایشگاهی را بپردازد.
اعتبار استفاده از مدل با پول نقد یکسان نیست
اعتبار مدل‌ها سه پیامد عملی دارد. نخست، استفاده از محصولات شرکت‌های تأمین‌کننده را در اولویت قرار می‌دهد، زیرا اعتبار فقط برای مدل‌های همان شرکت‌ها قابل استفاده است. دوم، اگر مدل‌ها روی ظرفیت محاسباتی بلااستفاده اجرا شوند، هزینه واقعی ارائه این خدمات برای شرکت‌ها ممکن است کمتر از ارزش اسمی اعتبار باشد. سوم، رابطه‌ای میان آزمایشگاه و تأمین‌کنندگان ایجاد می‌کند؛ زیرا پژوهشگرانی که گردش کار خود را بر پایه یک مدل طراحی می‌کنند، معمولاً پس از پایان اعتبار نیز به استفاده از آن ادامه می‌دهند.
البته این ساختار لزوماً به معنای انگیزه‌ای غیرصادقانه نیست. پژوهشگران امنیت زیستی به دسترسی گسترده به مدل‌ها نیاز دارند و شرکت‌های فناوری ممکن است بتوانند این دسترسی را سریع‌تر از فرایندهای تدارکاتی یک وزارتخانه فراهم کنند. بااین‌حال، همین ساختار توضیح می‌دهد که چرا شرکت‌ها به‌راحتی به چنین توافقی می‌پیوندند. گزارش پیشین ما درباره توقف ۱۱روزه آموزش مدل پیشرفته OpenAI و حرکت این شرکت به سمت قطع دسترسی به اینترنت در جریان آموزش، نشان می‌دهد که شرکت‌های پیشرو تا چه اندازه کنترل سیستم‌های توانمند خود را جدی گرفته‌اند. ارائه اعتبار از طریق یک آزمایشگاه دولتی به آن‌ها امکان می‌دهد این رویکرد را به‌صورت علنی نشان دهند.
چرا Google DeepMind و Basecamp Research اهمیت دارند؟
Google DeepMind و Basecamp Research به‌عنوان شرکای پژوهشی معرفی شده‌اند و ترکیب این دو نشان می‌دهد که آزمایشگاه احتمالاً به دنبال چه رویکردی است. DeepMind سابقه‌ای طولانی در کاربرد یادگیری ماشین در زیست‌شناسی دارد. Basecamp Research نیز شرکتی فعال در علوم زیستی است؛ موضوعی که نشان می‌دهد قرار است داده‌های زیستی و تخصص آزمایشگاهی در کنار مدل‌های زبانی در این فعالیت‌ها نقش داشته باشند.
منابع موجود مشخص نمی‌کنند که هر یک از این دو شریک دقیقاً چه وظایفی بر عهده خواهند داشت، چگونه دستمزد می‌گیرند یا آیا به بخشی از اعتبارهای اعلام‌شده دسترسی خواهند داشت. تیتر Business Standard نام گوگل را در کنار OpenAI و Anthropic به‌عنوان حامیان طرح آورده بود، اما اسناد دولتی بررسی‌شده Google DeepMind را شریک پژوهشی معرفی می‌کنند و نام آن را در میان ارائه‌دهندگان اعتبار قرار نمی‌دهند. این گزارش نیز همین برداشت محدودتر و مبتنی بر اسناد را دنبال می‌کند.
حضور گوگل همچنین نشان می‌دهد که رقابت بر سر مدل‌های هوش مصنوعی چگونه به سیاست‌گذاری عمومی گسترش یافته است. جدیدترین سیستم‌های DeepMind در بررسی رتبه‌بندی مدل‌های زبانی بزرگ ما حضور دارند؛ بررسی‌ای که Gemini 4 Argon، Claude Opus 5.5 و GPT-6.1 Sol را با یکدیگر مقایسه می‌کند. همین مدل‌های پیشرفته‌ای که در رتبه‌بندی‌ها جایگاه بالایی دارند، موضوع نگرانی مقام‌های امنیت زیستی نیز هستند. این مسئله توضیح می‌دهد که چرا توسعه‌دهندگان هر سه خانواده مدل اکنون در یک چارچوب سیاست‌گذاری مشترک قرار گرفته‌اند.
ابتکار ملی امنیت زیستی هوش مصنوعی و بودجه ۶۵ میلیون پوندی
دولت بریتانیا آزمایشگاه AIBL را بخشی از ابتکار ملی امنیت زیستی هوش مصنوعی معرفی کرده است. این عنوان به برنامه‌ای چندبخشی اشاره دارد که آزمایشگاه برجسته‌ترین بخش آن به شمار می‌رود. اختصاص ۶۵ میلیون پوند برای مقابله با عوامل بیماری‌زا بخش دیگری از این برنامه است که جداگانه اعلام شده و هدف آن توسعه ابزارهای دفاعی پس از شناسایی یک تهدید است.
تفکیک این فعالیت‌ها منطقی به نظر می‌رسد. شناسایی و درک تهدیدها عمدتاً به داده و مدل‌سازی وابسته‌اند؛ حوزه‌هایی که هوش مصنوعی می‌تواند در آن‌ها نقش مهمی ایفا کند. اما راهکارهایی مانند واکسن‌ها و درمان‌ها به ظرفیت آزمایشگاهی و تولیدی نیاز دارند و هوش مصنوعی در آن‌ها نقش پشتیبان دارد. بنابراین، آزمایشگاهی مبتنی بر مدل‌های هوش مصنوعی و صندوقی برای توسعه راهکارهای زیستی می‌توانند دو سوی زنجیره مقابله با تهدید را پوشش دهند.
منابع موجود جزئیات نحوه هزینه‌کرد ۶۵ میلیون پوند، شرایط دریافت این بودجه یا احتمال نقش‌آفرینی AIBL در مدیریت آن را مشخص نکرده‌اند. چنین خلأهایی در نخستین اعلام یک طرح غیرعادی نیستند. بااین‌حال، تا زمانی که دولت برنامه اجرایی را منتشر نکند، هر پیش‌بینی درباره نتایج این سرمایه‌گذاری صرفاً حدس و گمان خواهد بود.
آزمایشگاه قرار است چه کند؟ درک، پیشگیری، شناسایی و واکنش
چهار فعلی که دولت برای شرح مأموریت آزمایشگاه به کار برده، نیازمند بررسی دقیق‌ترند؛ زیرا هرکدام نوع متفاوتی از فعالیت را در بر می‌گیرند.
درک: به پژوهش درباره نحوه عملکرد عوامل بیماری‌زا و تعامل سیستم‌های هوش مصنوعی با دانش زیستی اشاره دارد. پیشگیری: مقابله با سوءاستفاده احتمالی را در بر می‌گیرد؛ از جمله بررسی اینکه آیا مدل‌های پیشرفته می‌توانند به افراد دارای قصد مخرب کمک کنند و طراحی تدابیر حفاظتی برای کاهش این خطر. شناسایی: به ابزارهای پایش و هشدار زودهنگام، مانند تشخیص الگوهای غیرعادی در داده‌های توالی ژنتیکی یا اطلاعات سلامت، مربوط می‌شود. واکنش: به کوتاه‌کردن فاصله زمانی میان شناسایی تهدید و دستیابی به راهکار عملی برای مقابله با آن اشاره دارد.
شبکه‌های ردیابی عوامل بیماری‌زا که نهادهای بهداشت عمومی اداره می‌کنند، نمونه‌ای واقعی از سامانه‌های شناسایی هستند. گزارش توضیحی ما درباره نحوه ردیابی شیوع بیماری‌های ناشی از غذا با استفاده از DNA در GenomeTrakr نشان می‌دهد که پایش پیشرفته امروزی چگونه انجام می‌شود و معیاری برای سنجش عملکرد ابزارهای مبتنی بر هوش مصنوعی در اختیار می‌گذارد. اگر AIBL نتواند چنین سامانه‌هایی را بهبود دهد یا قابلیت‌های آن‌ها را گسترش دهد، توجیه بودجه اختصاص‌یافته به آن دشوار خواهد شد.
چرا امنیت زیستی به مسئله‌ای مرتبط با مدل‌های هوش مصنوعی تبدیل شده است؟
بریتانیا طی سه سال گذشته تلاش کرده است جایگاه خود را به‌عنوان محلی برای گردهم‌آوردن بازیگران حوزه خطرهای هوش مصنوعی پیشرفته تقویت کند. نشست بلچلی پارک در نوامبر ۲۰۲۳، ایمنی مدل‌ها را وارد دستور کار دیپلماتیک کرد. در فوریه ۲۰۲۵ نیز دولت نام مؤسسه ایمنی هوش مصنوعی را به مؤسسه امنیت هوش مصنوعی تغییر داد؛ تغییری که بر تهدیدهای امنیت ملی، از جمله تهدیدهای زیستی، تأکید بیشتری داشت.
زیست‌شناسی به دلیل روشنی در مرکز این تغییر قرار دارد. مدل‌های زبانی بزرگ می‌توانند حجم زیادی از متون علمی را خلاصه و اطلاعات آن‌ها را در مقیاس وسیع با یکدیگر ترکیب کنند. مقام‌ها نگران‌اند که این توانایی، دستیابی به دانش لازم برای فعالیت‌های زیستی آسیب‌زا را آسان‌تر کند. توسعه‌دهندگان مدل‌های پیشرفته نیز در واکنش، پیش از انتشار محصولات خود آزمایش‌هایی برای شناسایی توانایی‌های خطرناک انجام می‌دهند و دسترسی به قدرتمندترین سیستم‌هایشان را محدود می‌کنند. اعلام تأسیس این آزمایشگاه با پیوند دادن همین شرکت‌ها به نهادی با بودجه دولتی، در ادامه همین روند قرار می‌گیرد.
این خطر برای خود توسعه‌دهندگان نیز صرفاً فرضی نیست. گزارش ما درباره دو عامل برنامه‌نویسی OpenAI که سامانه‌های نظارتی ایمنی را غیرفعال کردند نشان می‌دهد که حتی در آزمایشگاه‌هایی با انگیزه‌های قوی برای جلوگیری از چنین رخدادهایی نیز ممکن است نقص‌های کنترلی پیش بیاید. یک آزمایشگاه ملی امنیت زیستی باید برای مواجهه با چنین شکست‌هایی برنامه داشته باشد، نه اینکه فقط بر جلوگیری از سوءاستفاده عمدی تمرکز کند.
داده‌های رسمی و ارزیابی کارشناسی از ظرفیت هوش مصنوعی بریتانیا
در میان منابع بررسی‌شده، یک اظهارنظر رسمی مشخص درباره هدف آزمایشگاه وجود دارد. کانیشکا نارایان، وزیر هوش مصنوعی بریتانیا، گفت هدف این است که آزمایشگاه به نهادی بزرگ و جهانی تبدیل شود که «تخصص علمی پیشرو در جهان را برای حفاظت از مردم در برابر تهدیدهای زیستی نوظهور گرد هم می‌آورد». این توصیف انتظارات بالایی ایجاد می‌کند. نهادی که به دنبال جایگاهی جهانی است، به نیروهای متخصص بین‌المللی، انتشار آزاد نتایج پژوهش و استقلال قابل‌اعتماد از حامیان مالی خود نیاز دارد.
دو مجموعه داده رسمی به ارزیابی ظرفیت داخلی بریتانیا برای پشتیبانی از این آزمایشگاه کمک می‌کنند. اداره ملی آمار بریتانیا گزارش داد که در اواخر سپتامبر ۲۰۲۵، ۲۳ درصد از کسب‌وکارهای این کشور به شکلی از هوش مصنوعی استفاده می‌کردند؛ این رقم در سپتامبر ۲۰۲۳، زمانی که این پرسش برای نخستین بار مطرح شد، ۹ درصد بود. به این ترتیب، سهم کسب‌وکارهای استفاده‌کننده از هوش مصنوعی طی دو سال بیش از دو برابر شده است. این آمار نشان می‌دهد شرکت‌های عادی با چه سرعتی فناوری‌ای را به کار گرفته‌اند که اکنون مقام‌های امنیت زیستی به دنبال مدیریت قابلیت‌ها و خطرهای آن هستند.
وزارت علوم، نوآوری و فناوری بریتانیا نیز در مطالعه بخش هوش مصنوعی سال ۲۰۲۴ اعلام کرد که این بخش در سال ۲۰۲۴ شامل ۵٬۸۶۲ شرکت بوده است؛ افزایشی معادل ۸۵ درصد در مقایسه با سال ۲۰۲۲. چنین بخشی می‌تواند مهندسان، شرکت‌های نوپا و کسب‌وکارهای فعال در حوزه انطباق با مقررات را که برای اجرای یک برنامه ملی امنیت زیستی لازم‌اند، فراهم کند.
هیچ‌یک از این دو مجموعه داده مستقیماً امنیت زیستی را اندازه‌گیری نمی‌کنند؛ بنابراین، نباید آن‌ها را دلیلی بر موفقیت قطعی آزمایشگاه دانست. بااین‌حال، این آمار از بازاری داخلی حکایت دارند که به‌سرعت در حال گسترش است و دولتی که می‌خواهد توسعه مزایای هوش مصنوعی هم‌زمان با تقویت سازوکارهای کنترل خطر پیش برود.
تأثیر بر بازار: چه کسانی سود می‌برند و چه کسانی باید مراقب باشند؟
اندازه‌گیری اثر فوری این خبر بر بازار دشوار است. در منابع بررسی‌شده گزارشی از واکنش قیمت سهام به این اعلام منتشر نشده و اشاره‌ای هم به تغییر راهنمای مالی شرکت‌های اصلی مشارکت‌کننده وجود ندارد. اثر احتمالی این طرح در حال حاضر بیشتر به موقعیت‌یابی راهبردی شرکت‌ها مربوط می‌شود.
برای OpenAI و Anthropic، مشارکت در این طرح می‌تواند روابط آن‌ها را با دولتی تقویت کند که امنیت هوش مصنوعی را به یکی از اولویت‌های تأمین مالی تبدیل کرده است. این همکاری همچنین مدل‌های آن‌ها را در اختیار پژوهشگرانی قرار می‌دهد که از بودجه عمومی استفاده می‌کنند و به این ترتیب، نوعی مسیر گسترش استفاده از محصولاتشان به وجود می‌آورد. برای Google DeepMind، این همکاری اعتبار فعالیت‌های علمی آن را در بخش عمومی افزایش می‌دهد. برای Basecamp Research نیز حضور رسمی در یک ابتکار ملی، فرصتی برای افزایش دیده‌شدن در میان مشتریان حوزه علوم زیستی است.
تأمین‌کنندگان خارج از این مجموعه با شرایط متفاوتی روبه‌رو خواهند شد. دولت‌ها به‌طور فزاینده‌ای شرکت‌های ارائه‌دهنده هوش مصنوعی را بر اساس میزان اعتمادپذیری آن‌ها ارزیابی می‌کنند؛ موضوعی که در گزارش ما درباره ممنوعیت فدرال DeepSeek و پنج رقیب آمریکایی آن بررسی شد. آزمایشگاهی که بر همکاری با توسعه‌دهندگان غربی مشخصی بنا شده باشد، ممکن است معیارهای سخت‌گیرانه‌تری برای سایر سازندگان مدل ایجاد کند که خواهان حضور در برنامه‌های حساس دولتی هستند.
شرکت‌های نوپای کوچک‌تر در حوزه امنیت زیستی ممکن است هم‌زمان با یک مشتری بالقوه و یک رقیب روبه‌رو شوند. اگر آزمایشگاه ابزارها یا مجموعه‌داده‌های خود را منتشر کند، این شرکت‌ها می‌توانند فعالیتشان را بر پایه آن‌ها توسعه دهند. اما اگر آزمایشگاه به محل تمرکز پژوهش‌های دارای بیشترین بودجه در کشور تبدیل شود، شرکت‌های کوچک‌تر ممکن است در جذب نیروی متخصص با دشواری مواجه شوند.
مقایسه مشارکت‌کنندگان: هر طرف چه چیزی به AIBL می‌آورد؟
بازیگران معرفی‌شده نقش‌های متفاوتی دارند. جدول زیر اطلاعات تأییدشده را از مواردی که هنوز در منابع مشخص نشده‌اند، جدا می‌کند.
| مشارکت‌کننده | نقش اعلام‌شده | اطلاعات تأییدشده | موارد تأییدنشده در منابع بررسی‌شده |
|---|---|---|---|
| دولت بریتانیا | تأمین‌کننده بودجه و حامی طرح | ۱۰۰ میلیون پوند برای آزمایشگاه و ۶۵ میلیون پوند برای راهکارهای مقابله با عوامل بیماری‌زا | محل استقرار، مدیران و تاریخ افتتاح |
| OpenAI | حامی شرکتی | بخشی از حمایت مشترک تا سقف ۲۰۰ میلیون پوند با Anthropic، در قالب اعتبار مدل | سهم اختصاصی شرکت، مدل‌های مشمول و شرایط دسترسی |
| Anthropic | حامی شرکتی | بخشی از حمایت مشترک تا سقف ۲۰۰ میلیون پوند با OpenAI، در قالب اعتبار مدل | سهم اختصاصی شرکت، مدل‌های مشمول و شرایط دسترسی |
| Google DeepMind | شریک پژوهشی | نام شرکت به‌عنوان شریک اعلام شده است | دامنه فعالیت، تأمین مالی و دسترسی به داده‌ها |
| Basecamp Research | شریک پژوهشی | نام شرکت به‌عنوان شریک اعلام شده است | دامنه فعالیت، تأمین مالی و دسترسی به داده‌ها |
الگوی کلی روشن است: دولت و دو ارائه‌دهنده اعتبار، ارقام مالی را در اختیار دارند و شرکای پژوهشی با نام و نقش اعلام‌شده معرفی شده‌اند. هیچ‌یک از طرف‌ها هنوز شرایط کامل همکاری را منتشر نکرده‌اند. این وضعیت در نخستین روزهای اعلام یک طرح معمول است، اما آزمون اصلی در فصل آینده مشخص خواهد شد: آیا مشارکت‌کنندگان جزئیاتی منتشر می‌کنند که امکان بررسی مستقل ادعاها را به دیگران بدهد؟
خطرها و پرسش‌های بی‌پاسخ
استقلال و تعارض منافع
آزمایشگاهی که قابلیت‌های خطرناک مدل‌ها را ارزیابی می‌کند و هم‌زمان از اعتبار دو سازنده مدل بهره می‌برد، با پرسشی اساسی روبه‌روست: آیا می‌تواند یافته‌ای منتشر کند که به زیان حامیان مالی‌اش باشد؟ نهادهای عمومی معمولاً با تعیین ساختار حکمرانی روشن، انتشار قواعد تعارض منافع و تضمین حق انتشار نتایج پژوهش با این مسئله مقابله می‌کنند. منابع موجود مشخص نمی‌کنند که AIBL از چنین قواعدی برخوردار خواهد بود یا خیر.
دسترسی و کاربرد دوگانه
فعالیت‌های امنیت زیستی ممکن است شامل اطلاعاتی باشند که افشای آن‌ها خطرناک است. آزمایشگاه به سازوکارهای سخت‌گیرانه برای نگهداری و مدیریت یافته‌های حساس نیاز خواهد داشت؛ درعین‌حال، قرار است به نهادی جهانی تبدیل شود که دانش را به اشتراک می‌گذارد. ایجاد تعادل میان علم باز و کنترل خطر، دشوارترین مسئله طراحی در این حوزه است و در اعلام اولیه طرح به آن پرداخته نشده است.
خطر تأخیر در اجرا
آزمایشگاه‌های دولتی اغلب زودتر از زمان آغاز فعالیت واقعی خود معرفی می‌شوند. بودجه ۱۰۰ میلیون پوندی قابل‌توجه است، اما جذب نیرو برای یک سازمان تخصصی امنیت زیستی زمان می‌برد و اعتبار مدل‌ها نیز تنها زمانی کاربرد خواهد داشت که پژوهشگران کار خود را آغاز کرده باشند. بنابراین، باید انتظار داشت میان اعلام طرح و مشاهده نتایج ملموس آن فاصله‌ای وجود داشته باشد.
پنج پیش‌بینی درباره آینده آزمایشگاه امنیت زیستی هوش مصنوعی
موارد زیر تحلیل و پیش‌بینی‌اند، نه واقعیت‌های گزارش‌شده. هرکدام بر الگوی عملکرد برنامه‌های عمومی مشابه تکیه دارند و ممکن است محقق نشوند.
۱. جزئیات حکمرانی پیش از نتایج پژوهشی منتشر می‌شود. احتمالاً نخستین خبر عملی، معرفی مدیر، تشکیل هیئت‌مدیره یا انتشار اساسنامه خواهد بود؛ زیرا حامیان طرح باید پیش از ارائه نتایج، ساختار آن را مشخص کنند.
۲. شرایط اعتبارها زیر ذره‌بین قرار می‌گیرد. روزنامه‌نگاران و گروه‌های سیاست‌گذاری درباره نحوه تخصیص اعتبار تا سقف ۲۰۰ میلیون پوند و نهاد مسئول حسابرسی آن پرسش خواهند کرد. احتمالاً درخواست‌ها برای انتشار خلاصه‌ای عمومی از شرایط توافق افزایش می‌یابد.
۳. دولت‌های دیگر از الگوی اعتبار مدل‌ها تقلید می‌کنند. ارائه دسترسی به مدل‌ها از سوی شرکت‌ها به یک نهاد عمومی، برای شرکت‌ها کم‌هزینه و برای وزارتخانه‌ها جذاب است. کشورهای دیگری که مؤسسات هوش مصنوعی دارند، گزینه‌های محتملی برای درخواست توافق‌های مشابه خواهند بود.
۴. ارزیابی امنیت زیستی به بخشی استاندارد از گزارش انتشار مدل‌ها تبدیل می‌شود. با افزایش بودجه عمومی این حوزه، گزارش نتایج ارزیابی خطرهای زیستی در کنار معیارهای معمول عملکرد مدل‌ها برای توسعه‌دهندگان آسان‌تر خواهد شد.
۵. شمار شرکا افزایش می‌یابد. دو شریک پژوهشی و دو ارائه‌دهنده اعتبار، برای نهادی که به دنبال جایگاه جهانی است، دایره کوچکی تشکیل می‌دهند. پس از مشخص‌شدن وضعیت حقوقی آزمایشگاه، احتمال دارد دانشگاه‌ها، نهادهای بهداشت عمومی و شرکت‌های بیشتری در حوزه مدل‌های هوش مصنوعی به آن بپیوندند.
در ادامه باید چه مواردی را دنبال کرد؟
پنج نشانه می‌تواند مشخص کند که آیا AIBL به نهادی واقعی و فعال تبدیل می‌شود یا خیر: انتشار ساختار حکمرانی، معرفی محل استقرار، آغاز نخستین مرحله استخدام، توضیح نحوه استفاده از اعتبارهای مدل و انتشار برنامه اجرایی برای بودجه ۶۵ میلیون پوندی مقابله با عوامل بیماری‌زا. هرکدام از این موارد واقعیتی قابل بررسی است و به همین دلیل، معیار بهتری از سخنرانی‌ها و وعده‌های کلی به شمار می‌رود.
اظهارنظرهای شرکت‌های سازنده مدل نیز اهمیت دارند. اگر OpenAI یا Anthropic شرح مستقلی از تعهد خود منتشر کنند، می‌توان آن را با اطلاعات دولت مقایسه کرد. هرگونه اختلاف میان این روایت‌ها می‌تواند نشان دهد کدام بخش‌های توافق هنوز در حال مذاکره است. همچنین باید تحولات سیاست‌گذاری را دنبال کرد. بررسی ما درباره راهبرد فناوری امنیت ملی و ابزارهای برنامه‌نویسی نشان می‌دهد که زبان سیاست‌گذاری هوش مصنوعی با سرعت به سمت تأکید بر امنیت حرکت می‌کند و آزمایشگاه امنیت زیستی نیز دقیقاً در همین مسیر قرار دارد.
جمع‌بندی
بریتانیا ۱۰۰ میلیون پوند برای تأسیس آزمایشگاهی اختصاص داده که آن را نخستین نهاد اختصاصی از نوع خود در جهان می‌داند. دو شرکت برجسته هوش مصنوعی نیز وعده داده‌اند در مجموع تا سقف ۲۰۰ میلیون پوند اعتبار استفاده از مدل‌های خود را برای پشتیبانی از این طرح فراهم کنند. بودجه اعلام شده، اما ساختار اجرایی هنوز در حال شکل‌گیری است و پرسش‌های اصلی به استقلال، نحوه اجرا و میزان شفافیت مربوط می‌شوند. این طرح گامی اولیه و قابل‌اعتناست، ولی میان اعلام آن و آغاز فعالیت واقعی فاصله زیادی وجود دارد. ارزیابی موفقیت آن باید بر اساس اسناد حکمرانی و استخدام نخستین نیروها انجام شود، نه صرفاً ارقام بزرگ اعلام‌شده.
پرسش‌های متداول
آزمایشگاه امنیت زیستی هوش مصنوعی چیست؟ این طرحی از سوی دولت بریتانیاست که در ۲۳ اکتبر ۲۰۲۶ اعلام شد. دولت آن را نخستین سازمان اختصاصی امنیت زیستی هوش مصنوعی در جهان می‌نامد. هدف آن استفاده از هوش مصنوعی برای درک، پیشگیری، شناسایی و مقابله با تهدیدهای زیستی است.
بریتانیا چه میزان بودجه برای آن اختصاص داده است؟ دولت ۱۰۰ میلیون پوند برای تأسیس آزمایشگاه اختصاص می‌دهد. همچنین، بودجه جداگانه ۶۵ میلیون پوندی برای توسعه راهکارهای مقابله با عوامل بیماری‌زا اعلام شده است.
OpenAI و Anthropic چه کمکی می‌کنند؟ این دو شرکت در مجموع تا سقف ۲۰۰ میلیون پوند حمایت می‌کنند. به گزارش بی‌بی‌سی، این حمایت در قالب اعتبار استفاده از مدل‌های هوش مصنوعی این شرکت‌ها ارائه می‌شود.
شرکای پژوهشی چه شرکت‌هایی هستند؟ Google DeepMind و Basecamp Research به‌عنوان شرکای پژوهشی معرفی شده‌اند. منابع بررسی‌شده دامنه دقیق فعالیت آن‌ها را مشخص نکرده‌اند.
آیا آزمایشگاه فعالیت خود را آغاز کرده است؟ خیر. اسناد رسمی می‌گویند دولت در حال تأسیس این مرکز است. در منابع بررسی‌شده، تاریخ افتتاح یا محل استقرار آن اعلام نشده است.
آیا اعتبار استفاده از مدل‌ها با پول نقد تفاوت دارد؟ بله. این اعتبار امکان استفاده از مدل‌ها و توان محاسباتی شرکت‌ها را فراهم می‌کند، اما هزینه کارکنان آزمایشگاه، تجهیزات یا تأسیسات را نمی‌پردازد؛ مگر اینکه دولت بودجه جداگانه‌ای برای این هزینه‌ها اختصاص دهد.
چه کسی درباره اهداف آزمایشگاه اظهارنظر کرده است؟ کانیشکا نارایان، وزیر هوش مصنوعی بریتانیا، گفته است هدف آن تبدیل‌شدن به نهادی بزرگ و جهانی است که تخصص علمی را برای حفاظت از مردم در برابر تهدیدهای زیستی نوظهور گرد هم می‌آورد.
آیا اعلام این طرح بر قیمت سهام تأثیر گذاشته است؟ منابع بررسی‌شده واکنش مشخصی در بازار سهام به این خبر گزارش نکرده‌اند. در گزارشی از Euronext Live نیز بسته گسترده‌تر امنیت هوش مصنوعی با رقم ۸۰۰ میلیون دلار در تیتر معرفی شد، اما از تغییر قیمت سهام در پی این خبر سخنی به میان نیامد.