دیباچه
ما اینجا نیستیم که این فناوری را کُند کنیم.
اینجاییم چون کسی که صادقانه از آن استفاده کرده و همین را گفته، بهخاطر گفتنش جریمه میشود — و کسی که استفاده کرده و ساکت مانده، نمیشود. این یک انگیزهٔ خراب است، و انگیزههای خراب خودبهخود درست نمیشوند. انباشته میشوند.
هر دعوایی که امروز بر سرِ هوش مصنوعی و مؤلف بودن درمیگیرد، از دلِ برچسبی میگذرد که فقط دو حالت دارد. مسئله همان برچسب است. نه مدلها. نه آدمهایی که از آنها استفاده میکنند. برچسب.
این بهایی است که میپردازیم، و این چیزی است که جایش را میگیرد.
مسئله هوش مصنوعی نیست. مسئله پنهانکاری است.
هیچجای این سند از کسی نمیخواهد کمتر از هوش مصنوعی استفاده کند. فقط میخواهد بگوید چه کرده است.
مخاطب همین حالا یک لغزنده دارد. سازنده هنوز تنها یک کلید دارد.
تیکتاک میگذارد انتخاب کنید چه مقدار محتوای تولیدشده با هوش مصنوعی در فیدتان بیاید.1 پینترست میگذارد کمترش را بخواهید.2 به کسانی که اثر را مصرف میکنند یک طیف دادهاند. به کسی که آن را ساخته فقط یک تیکمربع میرسد: مجرم، یا بیگناه.
«ساختهشده با هوش مصنوعی» یک واقعیت نیست. یک حکم است.
جراحی را که سی سال تجربهاش را به مدلی دیکته کرده و تکتکِ سطرها را تصحیح کرده، با اسکریپتی که دیشب — وقتی صاحبش خواب بود — ده هزار صفحه بیرون ریخته، در همان چند کلمهٔ واحد یکی میکند. برچسبی که نتواند این دو را از هم تشخیص دهد، اطلاعات نیست. اتهامی است که غلطیابِ املایی به آن وصل کردهاند.
جایی که واقعیت یک طیف است، ما یک دوتایی ساختیم و شرم را به یک سرِ آن چسباندیم.
هر شکستی که در پی میآید، از همان یک خطای طراحی میآید.
وقتی صداقت جریمه دارد و سکوت رایگان است، سکوت برنده میشود.
این ضعفِ اخلاقیِ سازندگان نیست. حساب و کتاب است.
اندازهگیری شده و اسم هم دارد: پارادوکس افشا. در پژوهشی که از پیش ثبت شده بود، مردم گفتند افشای استفاده از هوش مصنوعی مهم است — و بعد، وقتی افشا شد، به همان اثر نمرهٔ پایینتری دادند. نتیجهگیریِ خودِ پژوهشگران: این کار «خطرِ ایجاد انگیزههای وارونه برای افشا نکردن را در پی دارد.»3
ما آزمایشی را اجرا میکنیم که در آن راستگو را جریمه و ساکت را پاداش میدهیم، و بعد از نتیجهاش ابراز شگفتی میکنیم.
جریمه به کیفیت ربطی ندارد. به زحمت ربط دارد.
وقتی به خوانندگان گفتند داستان کوتاهی را انسانی نوشته است، تخمین زدند نوشتنش 148 دقیقه طول کشیده. وقتی گفتند همان داستانِ عیناً یکسان را هوش مصنوعی نوشته، تخمینشان شد شش دقیقه. برچسب، نظرشان را دربارهٔ خوب بودنِ داستان عوض نکرد — نه خلاقیتش را، نه اصالتش را، نه لذتی را که برده بودند. تنها یک چیز را عوض کرد: اینکه فکر میکردند نوشتنش چقدر هزینه برداشته. و همان تخمینِ هزینه بود که همهچیزِ دیگر را پیشبینی میکرد.4
تمامِ یافته همین است، و همین دلیلِ وجود این مقیاس است. یک کلید نمیتواند زحمت را منتقل کند. یک مقیاس میتواند. شاید این تنها شکلی از افشا باشد که افشاکننده را جریمه نمیکند.
فقط ماشین را نشانه بزنید؛ آنوقت هر چیزِ بینشان، انسانی به نظر میرسد.
بخشی از تیترهای دروغ را علامت بزنید، آنوقت تیترهای بیعلامت باورپذیرتر میشوند — اثری که در Management Science اثبات شد و نامش را اثرِ صدقِ ضمنی گذاشتند. راهحلی که خودِ همان پژوهشگران یافتند: تیترهای درست را هم تأیید کنید.5
پس سامانهای که فقط هوش مصنوعی را برچسب میزند، هر چیزِ بیبرچسب — از جمله تمامِ هوش مصنوعیای که از دستش در رفته — را بهطور پیشفرض انسانی جلوه میدهد.
به همین دلیل است که این مقیاس از صفر شروع میشود. کسانی که اصلاً از هوش مصنوعی استفاده نمیکنند هم به یک عدد نیاز دارند. نه از سرِ ادب. بهعنوان یک عضوِ باربر.
سطح شرمآور وجود ندارد. تنها سطحِ اعلامنشده وجود دارد.
برای یک گزارش خودکارِ بازار، اعلامِ صادقانه سطح 5 است. برای یک خاطرهنگاری، اعلامِ صادقانه سطح 0 است. هیچکدام بالاتر از دیگری نیست.
مقیاسی که سطحهای خودش را رتبهبندی کند، نردبانِ شرمی است که روپوش سفید پوشیده، و هر کاربری با دروغ از آن پایین میرود. همان لحظهای که سطح 4 به توهین بدل شود، همه 2 میشوند و ما همان دوتاییِ قبلی را با چند پلهٔ اضافه از نو ساختهایم.
خاستگاه را میشود اثبات کرد. سهم را فقط میشود اعلام کرد.
رمزنگاری واقعی است، و کافی نیست.
C2PA میتواند تاریخچهای رمزنگاریشده و امضاشده به یک اثر پیوست کند که دستکاری در آن آشکار میشود. در پرسشهای متداولِ خودش آمده که مشخصات اصلی «انتساب محتوا به افراد یا سازمانها را پشتیبانی نمیکند.»6 هر کسی میتواند مشخصات باز آن را پیاده کند، اما ورود به الگوی رسمیِ اعتماد C2PA نیازمند محصولی منطبق و گواهیِ امضایی است که ریشه در فهرست اعتماد آن داشته باشد.7 کاربردهای اصلیاش داراییهای رسانهای و اسنادند، نه نثر معمولِ وب.
به این پرسش پاسخ میدهد: چه چیزی به این دست زد. به این یکی نمیتواند پاسخ دهد: اندیشهٔ چه کسی درونِ این است. هیچچیز نمیتواند، جز خودِ کسی که میداند.
اعلام، شکلِ ضعیفی از اثبات نیست. یکسره چیز دیگری است.
سطر نام نویسنده یک اعلام است. برچسبِ ارزش غذایی یک اعلام است. بیانیهٔ تعارض منافع در پایان یک مقاله یک اعلام است. هیچکدام اثبات نیستند، و تمدن با وجود این بر پایهٔ همینها میچرخد.
کار میکنند چون ساختنشان ارزان است و شکستنشان گران.
تشخیص، تورِ ایمنی نیست؛ هیچوقت هم نبوده.
هفت آشکارسازِ تجاریِ هوش مصنوعی، 61% از جستارهای واقعیِ ورود به دانشگاه را که غیرِانگلیسیزبانها نوشته بودند، ماشینساخته علامت زدند. نود و هشت درصدشان دستکم بهدستِ یکی از آنها علامت خوردند.8
استانداردی که با تشخیص تحمیل شود، ماشینی است برای متهم کردنِ بیگناه: مهاجر، آدمِ نارساخوان، کسی که فقط ساده مینویسد. هر سامانهای که برای کار کردن به آشکارساز نیاز دارد، کار نمیکند.
افشا یک اعتراف نیست. یک سطر در تیتراژ است.
چاپخانهداران پانصد سال است شناسنامهٔ کتاب را امضا میکنند — حروف، کاغذ، ماشین چاپ، شمارگان. فیلمها تیتراژشان را تا آخرین دستیار بالا میبرند. نجّار زیرِ کشو را امضا میکند.
هیچکس هرگز از تیتراژ شرمنده نبوده است. ابزارها هیچوقت راز نبودند.
هزینهٔ پنهانکاری انباشته میشود، و آن را کسی که پنهان میکند نمیپردازد.
آن را سازندهٔ صادقی میپردازد که دیگر کسی باورش نمیکند. شرکتی میپردازد که به کاری متهم شده که نکرده است. خوانندهای میپردازد که کمکم فرض را بر جعلی بودنِ همهچیز گذاشته — و روزبهروز بیشتر حق دارد.
Merriam-Webster واژهٔ «slop» را واژهٔ سال 2025 کرد: «محتوای دیجیتالِ بیکیفیت که معمولاً بهکمکِ هوش مصنوعی و بهصورت انبوه تولید میشود.»9 این همان آبرویی است که حالا بیهیچ تفکیکی به همهاش میچسبد — به بیدقت و بادقت، یکسان.
سازمانهایی که محتوا میسازند از اهمیت موضوع آگاهاند. در نظرسنجیِ سال 2026 از 27 برند چندملیتی، 82 درصد گفتند شفافیت دربارهٔ هوش مصنوعی برای اعتبار برند ضروری است و 79 درصد آن را برای اعتماد مصرفکننده ضروری دانستند. بااینحال، همان پژوهش از قواعد پراکنده و ابهام در انتظارها خبر داد.10 این ابهام بهانهٔ سکوت نیست؛ دلیل نیاز به واژگانی مشترک است.
زیر این بدهیِ آشکار، بدهی دیگری هم انباشته میشود. مدلها محتوا تولید میکنند؛ آن محتوا وارد مجموعهدادههای آموزشیِ بعدی میشود؛ مدلهای بعد نسخهای محدودتر از آن را بازتولید میکنند؛ و چرخه ادامه مییابد. پژوهشی در Nature این شکست را فروپاشی مدل مینامد: آموزشِ بازگشتی و بیتمایز بر دادههای تولیدشده میتواند دنبالههای توزیع اصلی را محو کند و خطاها را نسلبهنسل بیفزاید.11 دادهٔ مصنوعی ذاتاً بد نیست و ترکیبهای سنجیده میتوانند همچنان سودمند باشند. خطر آنجاست که دیگر نتوانیم تشخیص دهیم چه نوع مادّهای وارد پیکره شده است.
یک اعلام نمیتواند تعیین کند خزندهای اجازه دارد اثری را برای آموزش به کار ببرد یا نه؛ این کارِ مجوزها، شروط و کنترل دسترسی است. اما میتواند نشانهای را که سازندگان مدل کم دارند فراهم کند: اینکه مادّه انسانی، با کمک هوش مصنوعی، با هدایت انسان، با پرامپت، یا بیبازبینی منتشر شده است. حفظ این تمایز فقط ادای احترام به خواننده نیست؛ به حفظ تنوع دادههایی هم کمک میکند که مدلهای آینده از آنها میآموزند.
پاسخِ قانون به ظرافت، یک معافیت است. پاسخِ ما یک مقیاس.
از 2 اوت 2026، مادهٔ 50 قانون هوش مصنوعیِ اتحادیهٔ اروپا افشای متنِ تولیدشده با هوش مصنوعی را — متنی که برای آگاهیبخشی به عموم در موضوعاتِ منفعتِ عمومی منتشر میشود — الزامی میکند؛ مگر آنکه انسانی که مسئولیتِ تحریریه دارد آن را بازبینی کرده باشد، که در آن صورت هیچ افشایی لازم نیست.12
یک بار دیگر بخوانید. قانون میتواند تفاوتِ اثرِ بازبینیشده و بازبینینشده را ببیند. فقط واژگانی برای بیانِ آن ندارد؛ پس ظرافت را با خاموش کردنِ کلِ الزام حل میکند.
تمایزی که قانون بهسویش دست دراز میکند و نمیتواند نامش را بگذارد، همان تمایزِ میان سطح 4 و سطح 5 است. ما داریم نامش را میگذاریم.
شفافیت حدود یک سال عجیب به نظر میرسد، و بعد اصلاً به چشم نمیآید.
امروز هیچکس نمیتواند بستهبندیِ خوراکی را بدون جدولِ پشتش تصور کند، و هیچکس از کالریهای چاپشده روی آن شرمنده نیست. برچسب، غذا را نکُشت.
به حدسزدن پایان داد.
آنچه میخواهیم
سطح خود را اعلام کنید. روی اثر بگذاریدش. به تعریفش پیوند بدهید.
همین. رایگان است، سی ثانیه وقت میبرد، و هیچ کمیتهای هم نباید اجازه بدهد.
مقیاس شش سطح دارد و از صفر شروع میشود. نقشِ هوش مصنوعی در ساختن را میسنجد — اینکه اثر مضمونِ چه کسی را حمل میکند و چه کسی پشتش ایستاده است — نه اینکه مدلی چند نویسه بیرون داده است. CC0 است. مالکی ندارد. اگر اشتباه کردهایم، فورکش کنید.
اگر بهاندازهٔ کافی از ما این کار را بکنیم — پیش از آنکه عادتِ پنهانکاری سفت و سخت جا بیفتد — افشا دیگر یک اعتراف نخواهد بود و همان چیزی میشود که از اول باید میبود: یک سطر در تیتراژ.
این سند سطح خودش را اعلام میکند
این بیانیه سطح 3 است — هدایتشده.
تشخیص، استدلال، تصمیم به ساختنِ این چیز، و تکتکِ انتخابهای طراحی در این مقیاس از آنِ نویسنده است. پژوهش و نثر با یک مدلِ زبانیِ بزرگ تولید شد و سپس سطر به سطر خوانده، تصحیح و امضا شد. بدون نویسنده، این سند وجود ندارد. بدون مدل، وجود دارد — کندتر، و بدتر نوشتهشده.
و این دقیقاً همان چیزی است که این بیانیه از آن دفاع میکند. ساختنش و بعد پنهان کردنش پوچ میبود.
ترجمهها بهدست ماشین از همین متن انگلیسی تولید شدهاند و بر پایهٔ قاعدهٔ § ترجمه به همین نشان علامت خوردهاند.
منابع
Footnotes
-
تیکتاک ابزاری برای کنترل فید معرفی کرد که به کاربران اجازه میدهد انتخاب کنند چه مقدار محتوای تولیدشده با هوش مصنوعی ببینند، نوامبر 2025. https://techcrunch.com/2025/11/18/tiktok-now-lets-you-choose-how-much-ai-generated-content-you-want-to-see/ ↩
-
پینترست، کنترلهای «کمتر نشان بده» برای محتوای مولد به تفکیک دسته، اکتبر 2025. https://newsroom.pinterest.com/news/pinterest-rolls-out-new-tools-to-give-users-more-control-over-gen-ai-content/ ↩
-
“The AI penalty and disclosure paradox”، 2026، از پیش ثبتشده، N=547. https://www.sciencedirect.com/science/article/pii/S2949882126000551 ↩
-
“Know Your Author: Does the AI Penalty Hold in Short Fiction?”، 2026. برچسبهای مؤلف هیچ اثر قابلاتکایی بر خلاقیت، لذت یا اصالتِ ارزیابیشده نشان ندادند — تنها بر زحمتِ استنباطشده، که آن هم بهنوبهٔ خود لذت را پیشبینی میکرد. https://arxiv.org/pdf/2606.00006 ↩
-
Pennycook, Bear, Collins & Rand, “The Implied Truth Effect,” Management Science 66(11). https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3035384 ↩
-
پرسشهای متداولِ C2PA. https://c2pa.org/faqs/ ↩
-
برنامهٔ انطباقِ C2PA. https://c2pa.org/conformance/ ↩
-
Liang و همکاران، “GPT detectors are biased against non-native English writers”، استنفورد، 2023. https://arxiv.org/pdf/2304.02819 ↩
-
واژهٔ سال 2025 در Merriam-Webster: «slop». https://www.merriam-webster.com/wordplay/word-of-the-year ↩
-
فدراسیون جهانی تبلیغکنندگان، نظرسنجی از 27 برند چندملیتی، 2026. https://wfanet.org/knowledge/item/2026/04/02/global-brands-call-for-clearer-consensus-on-ai-labelling-as-usage-accelerates-wfa-research ↩
-
Shumailov و همکاران، “AI models collapse when trained on recursively generated data”، Nature 631، 2024. https://doi.org/10.1038/s41586-024-07566-y ↩
-
قانون هوش مصنوعی اتحادیهٔ اروپا، مادهٔ 50(4). از 2 اوت 2026 اجرا میشود. https://artificialintelligenceact.eu/article/50/ ↩