سانسور هوشمند: نبرد نابرابر هوش مصنوعی و آزادی بیان در فضای مجازی

در مجموعه مقالاتی به پدیده سانسور و ابعاد گوناگون آن می‌پردازیم. در مقالات پیشین گفتیم: سانسور هوشمند، برخلاف روش‌های سنتی که مبتنی بر مسدودسازی کلی وب‌سایت‌ها یا کلمات کلیدی هستند، از فن‌آوری‌های پیشرفته مانند هوش مصنوعی، یادگیری ماشین و تحلیل داده‌ها برای کنترل پویا و هدفمند محتوا استفاده می‌کند. این سیستم‌ها می‌توانند بر اساس عوامل متغیری مانند زمان، مکان، هویت کاربر، زبان و حتی زمینه گفتار، محتوا را فیلتر یا محدود کنند. برای مثال، یک پیام ممکن است در شرایط عادی قابل دسترسی باشد، اما در زمان بحران‌های سیاسی یا برای گروه‌های خاص کاربران سانسور شود. ابزارهای کلیدی این روش شامل بازرسی عمیق بسته‌ها (DPI)، الگوریتم‌های پردازش زبان طبیعی و سیستم‌های اعتبارسنجی کاربران است که به دولت‌ها اجازه می‌دهند بدون جلب توجه بین‌المللی، هزینه دور زدن سانسور را افزایش دهند و کنترل دقیق‌تری اعمال کنند.

نمونه‌های عینی سانسور هوشمند در کشورهای مختلف نشان‌دهنده انعطاف‌پذیری و پیچیدگی آن است. در چین، سیستم «سپر طلایی» محتوای حاوی کلیدواژه‌های حساس را حتی در چت‌های خصوصی حذف می‌کند، در حالی که در ایران، فیلترینگ انتخابی هشتگ‌ها و پست‌های خاص در اینستاگرام جایگزین مسدودسازی کامل شده است. روسیه با استفاده از DPI ترافیک Tor و VPNها را شناسایی می‌کند، و هند در زمان اعتراضات، اینترنت موبایل را به صورت منطقه‌ای از دسترس دور می‌سازد. در ایران نیز، علاوه بر فیلترینگ پویا، از تحلیل رفتار کاربران برای شناسایی مخالفان و محدودسازی خدمات اینترنتی آنان استفاده می‌شود. این روش‌ها، مقابله را دشوارتر کرده‌اند، چرا که ابزارهای سنتی مانند VPN اغلب ناکارآمد هستند و نیاز به فن‌آوری‌های مقاوم‌تر مانند Tor با پل‌های اختصاصی یا رمزنگاری پیشرفته وجود دارد. این رقابت فن‌آورانه، سانسور هوشمند را به چالشی پیچیده در حوزه حقوق دیجیتال تبدیل کرده است. اکنون این بحث را با اهمیت هوش مصنوعی پی می‌گیریم.

اهمیت هوش مصنوعی در اعمال سانسور هوشمند

 هوش مصنوعی (AI) نقش اساسی در تحول سانسور هوشمند ایفا می‌کند، چرا که امکان پردازش حجم عظیمی از داده‌های دیجیتال را با دقت و سرعتی بی‌سابقه فراهم می‌آورد. الگوریتم‌های یادگیری ماشین می‌توانند الگوهای زبانی، تصاویر و حتی رفتارهای کاربران را در مقیاسی فراتر از توانایی روش‌های سنتی تحلیل می‌کنند. برای مثال، سیستم‌های مبتنی بر پردازش زبان طبیعی (NLP) نه تنها کلیدواژه‌های آشکار، بلکه استعاره‌ها، کنایه‌ها یا حتی تغییر املای کلمات (مانند «زن_زندگی_آزادی» به صورت «زن‌زندگی‌آزادی») را نیز شناسایی می‌کنند. این توانایی، سانسور را از حالت واکنشی به کنشگرانه تبدیل می‌کند.

علاوه بر این، هوش مصنوعی امکان شناسایی و طبقه‌بندی تصاویر و ویدیوها را با دقت بالا فراهم می‌سازد. الگوریتم‌های بینایی ماشین می‌توانند نمادهای اعتراضی مانند مشت گره‌کرده، چهره‌های فعالان شناخته‌شده یا حتی پس‌زمینه‌های خاص (مانند خیابان‌های محل اعتراضات) را تشخیص دهند. این قابلیت به ویژه در شبکه‌های اجتماعی مانند اینستاگرام یا پیام‌رسان‌هایی مانند تلگرام کاربرد دارد، جایی که محتوای بصری نقش تعیین‌کننده‌ای در بسیج اجتماعی ایفا می‌کند. همچنین، هوش مصنوعی با تحلیل متادیتا (اطلاعات مربوط به اطلاعات. فراداده)، می‌تواند ارتباطات بین کاربران را نقشه‌برداری و شبکه‌های اعتراضی را شناسایی کند.

با این حال، هوش مصنوعی در عین حال می‌تواند به ابزاری قدرتمند برای مقابله با سانسور نیز مبدل شود. فن‌آوری‌هایی مانند مدل‌های زبانی مولد مانند ChatGPT، می‌توانند به کاربران کمک کنند تا محتوای خود را در قالب‌های غیرقابل تشخیص برای سیستم‌های سانسور رمزگذاری کنند. همچنین، پروژه‌هایی مانند دستیاران هوشمند ضد-سانسور در حال توسعه هستند که می‌توانند راه‌های دور زدن فیلترینگ را به صورت خودکار شناسایی و به کاربران پیشنهاد دهند. این تقابل پویا بین هوش مصنوعی سانسور و هوش مصنوعی ضد-سانسور، عرصه جدیدی را در نبرد برای آزادی اطلاعات رقم زده است.

«مصوبه صیانت» و قانونی جلوه دادن سانسور

قانون صیانت از فضای مجازی که در سال ۱۴۰۰ در مجلس ایران تصویب شد، با هدف محدود کردن اینترنت جهانی و تقویت شبکه ملی اطلاعات طراحی شده است. طبق این قانون، کاربران برای دسترسی به پلتفرم‌های خارجی مانند اینستاگرام و واتس‌اپ باید ثبت‌نام کرده و هویت خود را مشخص کنند. همچنین، شرکت‌های ارائه‌دهنده خدمات اینترنتی موظف هستند ترافیک داده‌ها را از طریق شبکه‌های داخلی منتقل کنند.

این قانون باعث می‌شود که نظارت بر محتوا دقیق‌تر شود، سانسور هوشمند از طریق شناسایی کاربران آسان‌تر شود و دسترسی به خدمات خارجی در مواقع بحرانی به راحتی قطع شود. منتقدان معتقدند که این قانون به بهانه حفاظت از داده‌ها، در واقع ابزارهای کنترل اجتماعی را گسترش داده و سانسور را تقویت می‌کند.

سانسور پویا به سیستم‌های پیشرفته‌ای اشاره دارد که به جای اعمال محدودیت‌های ثابت و یکسان، به صورت هوشمند، منعطف و واکنش‌گرا محتوا و کاربران را بر اساس شرایط واقعی فیلتر می‌کنند. این نوع سانسور با استفاده از فن‌آوری‌هایی مانند هوش مصنوعی، تحلیل داده‌های کلان و نظارت لحظه‌ای می‌تواند در زمان‌های حساس (مانند اعتراضات) برخی محتواها را مسدود کند، در حالی که در شرایط عادی همان محتوا قابل دسترس است. ویژگی «پویا» در اینجا به توانایی سیستم برای تطبیق سریع با تغییرات اشاره دارد، نه لزوماً به ماهیت مثبت یا منفی آن؛ در واقع، این پویایی باعث می‌شود سانسور کمتر قابل پیش‌بینی و مقابله باشد، هرچند از نظر فنی پیشرفته‌تر از روش‌های سنتی عمل می‌کند.

قانون صیانت با ایجاد قوانین و ساختارهای اداری، به سانسور هوشمند مشروعیت قانونی و رسمی می‌دهد. این قانون با اجبار شرکت‌های ارائه‌دهنده خدمات اینترنتی به ثبت‌نام و شناسایی کاربران، امکان نظارت دقیق‌تر بر رفتارهای آنلاین را فراهم می‌کند و با استفاده از مفاهیمی مانند «حفاظت از داده‌های ملی» یا «امنیت فضای مجازی»، محدود کردن دسترسی را به عنوان یک وظیفه قانونی برای پلتفرم‌ها و شرکت‌های خدمات اینترنتی تعریف می‌کند. از طریق روش‌هایی مانند اجبار به عبور ترافیک از شبکه‌های داخلی (شبکه ملی اطلاعات) و اجبار به استفاده از سامانه‌های شناسایی ملی، این قانون به نهادهای نظارتی اجازه می‌دهد تا با استناد به قوانین تصویب شده، فیلترینگ هدفمند، شناسایی کاربران مخالف و قطع خدمات پلتفرم‌های خارجی را بدون مشکلات قانونی قبلی اجرا کنند.

همچنین، این قانون با ایجاد نهادهای نظارتی جدید (مانند «مرکز ملی فضای مجازی») و تعریف جرایم جدید سایبری، سازوکارهای مجازات برای نقض مقررات را تقویت می‌کند. به این ترتیب، سانسور نه به عنوان یک اقدام امنیتی موقت، بلکه به عنوان بخشی از نظام قانونی رسمی تثبیت می‌شود که نقض آن پیگرد قانونی دارد. این فرآیند، استفاده از ابزارهای سانسور پویا (مانند فیلترینگ هوشمند یا محدودسازی منطقه‌ای اینترنت) را از حالت استثنا خارج کرده و به رویه عادی حکمرانی دیجیتال تبدیل می‌کند.

ادامه دارد...