💠 روایت تایمز از جنگ الگوریتمی آمریکا و اسرائیل علیه ایران /روزنامه The Times/ 🔹 روزنامه «تایمز» انگلیس در گزارشی تحلیلی، به بررسی ابعاد استفاده گسترده از هوش مصنوعی توسط ارتش آمریکا و رژیم صهیونیستی در حمله به ایران (با نام ادعایی عملیات خشم حماسی) پرداخته است. این گزارش در کنار ارائه جزئیات فنی، کاملاً در چارچوب سناریوسازی رسانه‌ای غرب تنظیم شده و تلاش می‌کند مسئولیت جنایات جنگی آشکار را به خطای محاسباتی ماشین تقلیل دهد. 🔹 در این گزارش فشرده، تایمز با استناد به کارشناسان نظامی غرب، بر موارد زیر تمرکز کرده است: ▫️ سرعت سرسام‌آور تولید هدف: سیستم‌های هوش مصنوعی با پردازش اقیانوسی از کلان‌داده‌ها (تصاویر ماهواره‌ای، داده‌های پهپادی و منابع انسانی)، در ۲۴ ساعت نخست جنگ بیش از ۱۰۰۰ هدف را برای حمله مشخص کرده‌اند. تولید ۴۲ هدف پیشنهادی در هر ساعت، این سوال را ایجاد کرده که آیا کنترل میدان نبرد کاملاً به دست ماشین‌ها افتاده است؟ ▫️ فاجعه میناب و بهانه «دیتای قدیمی»: در حمله موشکی (با کروزهای تام‌هاوک آمریکایی) به دبستان دخترانه «شجره طیبه» در میناب که منجر به شهادت ۱۱۰ کودک و ده‌ها غیرنظامی دیگر شد، روایت غربی ادعا می‌کند که هوش مصنوعی دچار خطا شده و به تصاویر ماهواره‌ای ۹ سال پیش استناد کرده است؛ زمانی که این مدرسه به ادعای آن‌ها بخشی از یک مجتمع نظامی بود. در همین راستا، دونالد ترامپ در اظهاراتی بی‌اساس و بدون سند (در قالب خط فریب رسانه‌ای) مدعی شد که خود ایران یا «شخص دیگری» این حمله را انجام داده است. ▫️ زیرساخت‌های نرم‌افزاری پنتاگون: ارتش آمریکا از سیستم «پروژه مِیوِن» (Project Maven) با پشتیبانی شرکت داده‌کاوی Palantir استفاده می‌کند. همچنین، چت‌بات Claude (متعلق به شرکت Anthropic) برای تحلیل اطلاعات منبع‌باز در این عملیات به کار گرفته شده است. این گزارش اذعان می‌کند که مقیاس استفاده از این سیستم‌ها در ایران، به دلیل وسعت جغرافیایی، بسیار گسترده‌تر و پیچیده‌تر از جنگ اوکراین است. ▫️ هشدار نهادهای غربی نسبت به «سوگیری اتوماسیون»: به گزارش مؤسسه خدمات سلطنتی متحد بریتانیا (RUSI) و پژوهشگران دانشگاه‌های نیوکاسل و کوئین مری لندن، تولید این حجم از اهداف در زمان کوتاه باعث ایجاد «سوگیری اتوماسیون» (Automation Bias) و «سوگیری اقدام» می‌شود؛ شرایطی که در آن ماشین به مرجع نهایی تصمیم‌گیری تبدیل شده و فرصت ارزیابی اخلاقی، حقوقی و انسانی به طور کامل سلب می‌گردد. 🔺انتشار این سطح از جزئیات در یکی از معتبرترین رسانه‌های بریتانیا، علاوه بر جنبه‌های خبری، بخشی از پازل جنگ شناختی غرب است که از سه زاویه قابل تحلیل است: 1️⃣ تطهیر جنایت از طریق «ماشین» (Machine-Washing): غرب با برجسته کردن نقش هوش مصنوعی در فاجعه بمباران مدرسه میناب، در حال پیاده‌سازی یک تکنیک شناختی فریبکارانه است. آن‌ها سعی دارند عاملیت انسانی، دستورات فرماندهان پنتاگون و ماهیت جنایتکارانه این حمله را پنهان کرده و کشتار صد و خورده‌ای کودک بی‌گناه را به یک «باگ نرم‌افزاری» و خطای درک تصویر توسط ماشین تقلیل دهند تا از بار حقوقی بین‌المللی آن شانه خالی کنند. 2️⃣ فریب شناختی و تناقض در روایت: در حالی که تحلیل داده‌های میدانی، استفاده از سلاح‌های آمریکایی را به وضوح تایید می‌کند، پمپاژ اظهارات متناقض و بی‌اساس از سوی مقامات ارشد غربی (مبنی بر نقش داشتن خود ایران در انفجار)، تلاشی برای ایجاد «آشفتگی ادراکی» و مختل کردن درک افکار عمومی جهانی از واقعیت میدان است. 3️⃣ عادی‌سازی جنایات پیش‌دستانه در منطقه خاکستری: گزارش تایمز با نقل قول از کارشناسان، به طور ضمنی افکار عمومی را برای فاز خطرناک‌تری از جنگ روانی آماده می‌کند: روزی که ماشین‌های جنگی غرب نه بر اساس اهداف نظامی قطعی، بلکه صرفاً با تحلیل الگوریتمی و پیش‌بینی «رفتارهای مشکوک»، دستور حملات پیش‌دستانه را صادر کنند. این یک گنده‌گویی برای القای سلطه بی‌چون‌وچرای تکنولوژیک است. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت

💠 سیستم هوشمند «مِیوِن» (Maven) 🔹 در ویدئویی یکی از مدیران ارشد شرکت نرم‌افزاری-اطلاعاتی «پَلانتیر» (پیمانکار کلیدی وزارت دفاع آمریکا)، ابعاد فنی و عملیاتی «سیستم هوشمند مِیوِن» (Maven Smart System) را به نمایش می‌گذارد. این ارائه نشان می‌دهد که چگونه نرم‌افزارها در حال تبدیل فرآیند هدف‌گیری نظامی به یک چرخه کاملاً خودکار و ماشین‌محور هستند. 🔹 در این ارائه، شرکت پلانتیر بر موارد زیر به عنوان دستاوردهای بی‌بدیل نظامی خود (برای فروش به ارتش آمریکا و متحدانش) تمرکز کرده است: ▫️ یکپارچه‌سازی و تجمیع داده‌ها (Data Fusion): به روایت این شخص، سیستم مِیوِن به جای استفاده از ۸ تا ۹ سیستم نرم‌افزاری مجزا، تمامی جریان‌های داده (Data Feeds) را در یک ابزار بصری‌سازیِ واحد ادغام کرده است. این امر به فرماندهان اجازه می‌دهد تا روی یک نقشه واحد، محیط را رصد کنند. ▫️ تشخیص هدف با بینایی ماشین (Computer Vision): سیستم با استفاده از هوش مصنوعی، اهداف (مانند خودروها و تجهیزات) را شناسایی می‌کند. کاربرِ نظامی تنها با چند کلیک ساده می‌تواند این اهداف را تایید کرده و آن‌ها را مستقیماً وارد «جریان کارِ هدف‌گیری» (Targeting Workflow) کند. ▫️ تولید خودکار مسیر اقدام (COA Generation): پس از انتخاب هدف توسط اپراتور، الگوریتم به صورت خودکار محاسبه می‌کند که کدام سلاح یا تجهیزاتِ در دسترس (Asset) برای انهدام آن هدف مناسب‌تر است. مسافت، میزان سوخت پلتفرم شلیک‌کننده، زمان رسیدن به هدف و نوع مهمات در کسری از ثانیه توسط ماشین مقایسه و پیشنهاد می‌شود. ▫️ تسریع چشمگیر «چرخه کشتار» (Kill Chain): آنچه راوی «انقلابی» می‌خواند، حذف عامل انسانی در انتقال داده‌هاست. فرآیندی که پیشتر نیازمند نیروی انسانی برای جابجایی دستی اطلاعات میان ده‌ها سیستم بود، اکنون با یک تایید نهایی کاربر (Approve) منجر به شلیک و انهدام هدف (نمایش انفجار در انتهای ویدئو) می‌شود. 🔺در این دمو، فرآیند پیچیده، کثیف و خونین جنگ به یک محیط کاربری شبیه به بازی‌های کامپیوتری تقلیل یافته است ("راست‌کلیک کن، چپ‌کلیک کن، بمباران کن"). این تکنیک خطرناک، بار روانی و اخلاقی کشتار را از دوش اپراتور برداشته و جنایات جنگی (نظیر آنچه در غزه رخ می‌دهد) را به یک «اقدام نرم‌افزاری و روتین الگوریتمی» تبدیل می‌کند. 🔸استفاده از واژگانی نظیر اقدام «جادویی» (Magically) برای شناسایی اهداف، یک عملیات روانی برای القای «اشراف اطلاعاتی و خداییِ بلامنازع» آمریکا است. غرب تلاش می‌کند با این نمایش پردازشی، توان تصمیم‌گیری حریف را دچار انفعال کند؛ در حالی که این روایتِ استریل و آزمایشگاهی، به شدت در محیط‌های نبرد نامتقارن، در برابر فریب‌های فیزیکی، ماکت‌ها و جنگ الکترونیک آسیب‌پذیر و مستعد خطاست. اگرچه راوی سرعتِ سیستم یکپارچه را به رخ می‌کشد، اما تجمیع تمام داده‌ها و تصمیمات در یک سیستم واحد (Single Point of Failure)، نقطه ضعف ساختاری این دکترین است. اتکای بیش از حد به خروجی "بینایی ماشین"، خطای محاسباتی را به‌شدت افزایش می‌دهد و هک شدن یا اختلال در این بستر واحد، می‌تواند کل شبکه فرماندهی ارتش آمریکا را فلج کند. 🌐 متاکاگ | فراتر از شناخت

📚 کتاب معماری شناختی با رویکرد اجتماعی #معرفی_کتاب #هفته_چهلم 📄 چند خطی از کتاب: این کتاب فصل مشترک میان علوم شناختی و علوم اجتماعی را می‌جوید و به طور ویژه، در پی یافتن نقاط مشترک میان مدلسازی شناختی فردی و مدلسازی تقابل چندعاملی است. دو حوزه مددرسانِ مدلسازی شناختی محاسبه‌ای (به‌ویژه معماری‌های شناختی) و مدلسازی تقابل چندعاملی (شامل مدلسازی اجتماعی و در سطحی بالاتر، مجموعه‌های چندعاملی)، در چند سال اخیر رشد چشمگیری داشته‌اند و می‌توان این دو حوزه را حاصل پیشرفت‌های قابل توجه در نتیجه مطالعات انجام‌شده دانست. متأسفانه برخلاف پیشرفت چشمگیر مدلسازی شناختی فردی و مدلسازی تقابل چندعاملی، فصل مشترک میان این دو حوزه پیشرفت و توسعه کافی نداشته است. ما بر این باوریم که مطالعه فصل مشترک دو حوزه یادشده در مقابل مطالعه تنها یک حوزه، ممکن است از اهمیت بیشتر و قابل توجهی برخوردار باشد. این دو، مبانی اساسی ذهنی بسیاری با خود به همراه دارند که می‌توانند میان دو حوزه یادشده همگرایی واقعی ایجاد کنند و موجب درک بهتر شناخت فردی و فرایندهای اجتماعی شوند؛ درنتیجه، مطالعاتِ شناخت فردی و فرایند اجتماعی، عمیق‌تر انجام شود. 🔗 برای دانلود/ خریداری کتاب 🔗 برای مطالعه و اطلاعات بیشتر 🌐 متاکاگ | فراتر از شناخت

✍️ روایت متاکاگ از کتاب معماری شناختی با رویکرد اجتماعی 🔹چیزی که برای من در همان فصل‌های ابتدایی برجسته شد، این بود که نویسنده صرفاً در حال توضیح یک نظریه یا یک مدل فنی نیست؛ چراکه در واقع می‌خواهد نشان دهد که شناخت انسان، بدون فهم جامعه، ناقص است و برعکس، تحلیل جامعه بدون درک سازوکار ذهن، سطحی خواهد بود. 🔹عبور از نگاه تک‌بعدی به ذهن در بسیاری از آثار حوزه علوم شناختی، تمرکز اصلی بر «فرد» است: حافظه، یادگیری، تصمیم‌گیری و پردازش اطلاعات. در مقابل، در علوم اجتماعی بیشتر با «گروه»، «ساختار» و «تعامل» سروکار داریم. این کتاب دقیقاً در نقطه اتصال این دو ایستاده است. نویسنده به‌خوبی توضیح می‌دهد که اگر بخواهیم رفتارهای پیچیده اجتماعی مثل همکاری، رقابت، شکل‌گیری افکار عمومی یا حتی تصمیمات جمعی را بفهمیم، نمی‌توانیم فقط به داده‌های بیرونی اکتفا کنیم. باید بدانیم در درون ذهن افراد چه می‌گذرد و این ذهن‌ها چگونه در کنار هم یک «نظام اجتماعی» را می‌سازند. 🔹معماری شناختی؛ مدل‌سازی ذهن یکی از بخش‌های مهم کتاب، توضیح «معماری‌های شناختی» است. این معماری‌ها در واقع مدل‌هایی هستند که تلاش می‌کنند نحوه کار ذهن انسان را شبیه‌سازی کنند؛ از حافظه و یادگیری گرفته تا تصمیم‌گیری و حل مسئله. در اینجا نویسنده به نمونه‌هایی مثل ACT-R و Soar اشاره می‌کند و نشان می‌دهد که چگونه می‌توان فرآیندهای ذهنی را به‌صورت محاسباتی مدل‌سازی کرد. نکته مهم اینجاست که این مدل‌ها فقط نظری نیستند؛ بلکه می‌توانند در شبیه‌سازی رفتار واقعی انسان به کار گرفته شوند. برای من جالب بود که کتاب نشان می‌دهد این مدل‌ها چگونه می‌توانند تفاوت‌های فردی را هم توضیح دهند؛ یعنی چرا دو نفر در یک موقعیت مشابه، تصمیم‌های متفاوتی می‌گیرند. 🔹از فرد به جامعه؛ گام دوم تحلیل اما نقطه قوت اصلی کتاب، جایی است که از سطح فرد عبور می‌کند و وارد «مدل‌سازی چندعاملی» می‌شود. یعنی حالتی که چندین عامل (یا همان افراد) با یکدیگر تعامل دارند. در این بخش، نویسنده مثال‌های متنوعی می‌آورد؛ از محیط‌های ساده آزمایشگاهی تا شبیه‌سازی‌های پیچیده‌تر مثل رفتار گروهی یا حتی سناریوهای شبه‌نظامی. هدف این است که نشان دهد چگونه تعامل ذهن‌های فردی، به پدیده‌های اجتماعی منجر می‌شود. اینجا یک نکته مهم روشن می‌شود: جامعه فقط جمع افراد نیست؛ بلکه حاصل تعاملات میان ذهن‌هاست. 🔹کاربردهای عملی؛ از تحلیل اجتماعی تا سیاست‌گذاری یکی از بخش‌هایی که به نظرم کاربردی‌تر بود، جایی است که کتاب به استفاده‌های عملی این مدل‌ها اشاره می‌کند. برای مثال: - تحلیل رفتار جمعی در بحران‌ها - پیش‌بینی واکنش‌های اجتماعی - طراحی سیستم‌های هوشمند که رفتار انسانی را تقلید می‌کنند - حتی شبیه‌سازی تصمیم‌گیری در محیط‌های پیچیده این‌ها نشان می‌دهد که بحث صرفاً تئوریک نیست؛ بلکه می‌تواند در حوزه‌هایی مثل سیاست‌گذاری، امنیت، رسانه و حتی اقتصاد هم کاربرد داشته باشد. 🔹اهمیت کتاب در فضای امروز اگر بخواهم یک برداشت کلی‌تر داشته باشم، این کتاب در زمانه‌ای نوشته شده که «داده»، «الگوریتم» و «رفتار انسانی» بیش از هر زمان دیگری به هم گره خورده‌اند. در چنین فضایی، فهم دقیق‌تر از رابطه ذهن و جامعه، اهمیت مضاعف پیدا می‌کند. به‌خصوص در موضوعاتی مثل جنگ شناختی، عملیات رسانه‌ای یا حتی مدیریت افکار عمومی، این نوع نگاه یعنی ترکیب تحلیل ذهنی و اجتماعی می‌تواند بسیار راهگشا باشد. چون در این حوزه‌ها، مسئله فقط پیام نیست، بلکه چگونگی دریافت و پردازش پیام در ذهن افراد است. 🌐 متاکاگ | فراتر از شناخت

💠 در جهان چه می گذرد!! 🤯 🔷 اُلاف (از انیمیشن فروزن) رو واقعی کردن! شرکت ان‌ویدیا با همکاری مهندسان دیزنی و دیپ مایند گوگل این ربات مجهز به هوش مصنوعی پیشرفته رو درست کردن. و همین طور که آقای هوانگ میگه: به زودی در دیزنی لند و دیزنی ورد شاهد ربات های این طوری زیادی خواهیم بود! #هوش_مصنوعی #آخرین_اخبار_تکنولوژی

💠 سی ان ان به ملاقات اُلاف رباتیک می رود! 🔷 این ربات از پیشرفته ترین تجهیزات شرکت ان‌ویدیا بهره می برد! 🔷 در ۲۹ مارس برای اولین بار در دیزنی لند پاریس جلوی مردم ظاهر می شود. 🔷 ببینید سازنده ش چی میگه: قبل از اینکه بدنه اون ساخته بشه، رفتن با سازندگان انیمیشن فروزن کار کردن تا بتونن با این کاراکتر به خوبی آشنا بشن. بعد رفتن یه دنیای مجازی ساختن و این کاراکتر رو وارد اون شبیه سازی کردند. اونوقت در اونجا به اُلاف یاد دادن چطور راه بره، چطور حرف بزنه، چطور دست هاشو تکون بده و به این ترتیب در نتیجه آموزش این جزئیات ریز به اون، تونستن کپی برابر اصل این کاراکتر رو در دنیای واقعی ایجاد کنند. #هوش_مصنوعی #آخرین_اخبار_تکنولوژی

💠 نصب Claude Code در ۶۰ ثانیه 1️⃣ در گوگل Claude Quick Start Guide رو سرچ کنید. 2️⃣ کد مربوط به سیستم تون رو کپی و در ترمینال یا Cmd تون پیست کنید تا بعد از چند دقیقه خودش در سیستم تون راه اندازی بشه. 3️⃣ حالا در ترمینال، وقتی Claude رو تایپ کنین و اینتر بزنین، خودش مستقیم لاگین می کنه به حساب کلاد تون. #هوش_مصنوعی #ابزارها

📖 آخرین اخبار در حوزه Open Claw 1️⃣ وقتی این هوش مصنوعی حدود ۲-۳ ماه پیش منتشر شد، دقیقا همون اثری رو داشت که انتشار Chat GPT داشت: تحولی وسیع در دنیا. این ابزار می تونه عملا همه کاری براتون بکنه از تحلیل پیج ها و حساب های شبکه های اجتماعی تا تحقیق و جستجو و ساخت برنامه و سایت و محتوا و ایده یابی و پرداخت قبوض و خرید اینترنتی و بررسی ایمیل ها و پاسخدهی به مشتریان و... 2️⃣ یه مدت بعد انتشار این ابزار، سازنده ش Moltbook رو درست کرد همون شبکه اجتماعی مخصوص Agent ها (بدون حضور انسان) و قبلاً پست براش گذاشتیم: در خصوص ساخت زبان مخفی مخصوص ایجنت ها و دین مخصوص شون و غیره! 3️⃣ بعدش سازنده این ابزار با سم آلتمن و Open AI قرارداد بست و به اونا پیوست. 4️⃣ چین تموم سعی ش رو کرد که از قافله عقب نمونه. دوتا ابزار چینی Kimi و Mini Max کپی های خودشون رو از این ابزار ساختن با هزینه کمتر و همین چند روز پیش، دولت چین در یه سری از مراکز تکنولوژی، این امکان رو فراهم آورده که مردم میان و Open Claw رو داخل تبلت و کامپیوتر هاشون مستقیم نصب می کنند. حتی یه نفر هست که بهشون کامل توضیح هم میده! نماد این ابزار یک خرچنگ هست و اصطلاحی که برای کار با این ابزار استفاده می کنند raising lobsters هست یعنی بزرگ کردن خرچنگ ها. 5️⃣ موضوع بسیار مهمی که این ابزار به دنیای هوش مصنوعی اضافه کرد (و هم چنین اهمیت یادگیری اش رو) بحث Skills یا مهارت ها هستند. فایل های markdown (.MD) که به ایجنت تون می دین تا قابلیت انجام کاری رو یاد بگیره؛ انگار مثلا خرچنگ تون رو فرستادین مدرسه یا دانشگاه!! دیگه وقتی ازش سوالی بپرسین، می‌ره اون مهارت رو پیدا می کنه و ازش برای پاسخگویی استفاده می کنه. 6️⃣ بحث امنیت هم چنان دغدغه مهمی برای این ابزارها هست؛ حتی با وجود آپدیت های متعدد. 7️⃣ حالا می ریم سراغ Claude شرکت Anthropic همونی که هیچ جوره راضی نشد نسخه «بی حد و مرز» خودش رو به پنتاگون بفروشه! این هوش مصنوعی واقعا ثابت کرد در جهان یکه تاز هست. بعضیا میگن Deep Seek v4 که همین زودیا میخواد بیاد از مدل پرچم دار کلاد Opus 4.6 کمی بهتره: اما اولا دیپ سیک فقط کار تحلیل و پردازش متن انجام میده؛ حتی عکس هم پردازش نمی کنه! دوماً به دلیل تفاوت چشمگیر مقدار بودجه و تعداد کاربر، در عمل نمی تونه از Claude جلو بزنه!! کلاد با آپدیت هایی که داده مثل: ۱. افزونه کروم ۲. اضافه کردن Skills برای انجام کارهای مختلف (حتی تولید عکس و ویدیو) ۳. فیچر Cowork که ایجنت خودکار کلاد هست ۴. قابلیت دسترسی به کل سیستم با نصب بر روی ترمینال ۵. فیچر Dispatch که می تونین از طریق گوشی تون با کلاد داخل کامپیوتر صحبت کنین و بهش بگین مثلا ۱۰ تا اسکرین شات آخرم رو پاورپوینت کن بفرست تو گوشیم! ۶. حتی این اواخر مهندسان Anthropic یه لیست ۳۰۰-۴۰۰ تایی از اون Skill های خوب و کار راه انداز هم منتشر کردن. 🔷 بنابر این می تونیم بگیم Claude در حال حاضر چه از نظر امنیت و چه از نظر هزینه و سهولت کار و نصب می تونه حتی از Open Claw هم جلو بزنه. با این وجود اگر کسی سیستمی ایزوله داره (یا فضای ابری و VPS اجاره ای) و با کمی تکنیکال بودن هم مشکلی نداره می تونه از Open Claw هم استفاده کنه چرا که «خودکار» بودن اون هم چنان بیشتره؛ مثلا بهش Skill های لازم رو بدین و نقش هم قشنگ براش تعریف کنین، دیگه خودش ۲۴ ساعته کار می کنه و شما لازم نیست مدام حواستون بهش باشه! #هوش_مصنوعی #آخرین_اخبار_تکنولوژی

💠 روایت‌سازی عربستان از هوش مصنوعی برای تطهیر شناختی /نشریه Campaign Middle East - به قلم مدیرعامل ORA/ 🔹 نشریه حوزه مارکتینگ و روابط عمومی «کمپین میدل ایست» در یادداشتی تحلیلی به بررسی تغییر نقش ارتباطات در عصر هوش مصنوعی در عربستان سعودی پرداخته است. این متن که در راستای «برندسازی ملی» و پیشبرد پروژپاگاندای چشم‌انداز ۲۰۳۰ ریاض تنظیم شده، به وضوح نشان می‌دهد که چگونه دولت‌های همسو با غرب در منطقه، در حال استفاده از ابزارهای رسانه‌ای مدرن برای مدیریت خروجیِ مدل‌های هوش مصنوعی و مهندسی ادراک جهانی هستند. 🔹 در این یادداشت، محورهای زیر به عنوان استراتژی‌های جدید ارتباطی برجسته شده است: ▫️ خوراک‌دهی به ماشین‌ها (AI Prompts) به جای انسان‌ها: نویسنده اذعان می‌کند که اولین برخورد مخاطب با یک سازمان دیگر از طریق وب‌سایت یا تیتر اخبار نیست، بلکه از طریق «پرسش از هوش مصنوعی» است. در نتیجه، خروجی‌های روابط عمومی مستقیماً تبدیل به «داده‌های ورودی» (Input) برای شکل‌دهی به شهرت نهادها توسط ماشین‌ها می‌شود. ▫️ گذار از پیام‌رسانی به مهندسی اجتماعی: نقش روابط عمومی از یک ابزار حاشیه‌ای (برای اعلام خبر یا کنترل بحران) به لایه اصلی کسب اعتبار تغییر کرده است. شهرت نهادها دیگر تنها با آنچه خودشان می‌گویند شکل نمی‌گیرد، بلکه بر اساس استنباط ماشین‌ها از ردپای دیجیتال آن‌ها ساخته می‌شود. ▫️ نیاز به قضاوت انسانی در بحران بی‌اعتمادی: با وجود سرعت تولید محتوا توسط ماشین (افزایش کارایی، رصد بهتر و نگارش سریع‌تر)، مدیریت بحران و تصمیم‌گیری برای سکوت یا واکنش، نیازمند قضاوت انسانی است. این امر به ویژه برای نهادهای دولتی و پروژه‌های کلان (Giga-projects) عربستان که زیر ذره‌بین جهانی هستند، حیاتی است تا «منطقی، معتبر و انسانی» جلوه کنند. 🔹عربستان سعودی با سرمایه‌گذاری عظیم در پروژه‌های چشم‌انداز ۲۰۳۰ و پیوند زدن نام خود با «هوش مصنوعی، اخلاق و شفافیت»، به دنبال پاک کردن سوابق تاریک حقوق بشری و مداخلات منطقه‌ای خود در افکار عمومی غرب است. آن‌ها از فناوری به عنوان یک «سپر ادراکی» برای بازسازی چهره خود و جذب سرمایه خارجی استفاده می‌کنند. این جریان رسانه‌ای که توسط بازوهای تبلیغاتی غرب پشتیبانی می‌شود، تلاش دارد با پمپاژ کلیدواژه‌هایی نظیر "تحول سریع"، "زیرساخت‌های هوش مصنوعی" و "رهبری منطقه"، ریاض (و شرکایش نظیر امارات) را به عنوان تنها نمادهای توسعه‌یافتگی در خاورمیانه تثبیت کند. 🔺اعتراف به اینکه «خروجی روابط عمومی، ورودی هوش مصنوعی است»، نشان‌دهنده آغاز فاز جدیدی از مهندسی اجتماعی است. محور غربی-عربی در حال تولید انبوه و هدفمند محتوای مطلوب خود در سطح وب است. هدف این است که مدل‌های زبانی بزرگ (LLMها) در آینده، هنگام پاسخ به کاربران جهانی درباره خاورمیانه، روایتی کاملاً سوگیرانه، منطبق بر منافع آن‌ها و در تضاد با روایت مستقل مقاومت و جمهوری اسلامی ایران تولید کنند. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت