به گزارش خبرنگار علم و فناوری ایسکانیوز؛ مجمع جهانی اقتصاد از انتشار سالانه فناوری‌های نوظهور اهدافی را دنبال می‌کند که عبارت است از:
- راهنمایی سیاستگذاران و رهبران صنایع: این گزارش به دولت‌ها، شرکت‌ها و نهادهای تحقیقاتی کمک می‌کند تا از روندهای فناورانه آینده مطلع شده و برای سرمایه‌گذاری، تنظیم‌گری یا بهره‌برداری آمادگی کسب کنند.
- افزایش آگاهی عمومی: با معرفی فناوری‌هایی که هنوز در مراحل اولیه رشد هستند، جامعه جهانی نسبت به فرصت‌ها و تهدیدهای آنها هوشیارتر می‌شود.
- ایجاد اکوسیستم بین‌المللی نوآوری: انتشار سالانه گزارش، بستری برای همکاری جهانی در توسعه فناوری‌های سودمند و اخلاق‌مدار فراهم می‌کند.
- پیش‌بینی تأثیرات جهانی: این فناوری‌ها از منظر اثرگذاری بر عدالت اجتماعی، تغییرات اقلیمی، توسعه پایدار و اقتصاد دیجیتال بررسی می‌شوند.
طبق تعریف مجمع جهانی اقتصاد فناوری نوظهور، فناوری‌ای است که هنوز به بلوغ کامل نرسیده است، اما پتانسیل قابل توجهی برای تأثیر بر اقتصاد و جامعه جهانی در پنج تا ۱۰ سال آینده دارد.
این فناوری‌ها معمولاً دارای ویژگی‌های زیر هستند:
- نوآوری علمی یا فناورانه بنیادین
- رشد سریع اما هنوز در مراحل اولیه تجاری‌سازی
- قابلیت تغییر پارادایم‌های فعلی در صنعت یا جامعه
- پتانسیل ایجاد تأثیر مثبت یا منفی در سطح جهانی
- لزوم توجه به ملاحظات اخلاقی و نظارتی
دیروز در بخش نخست این گزارش پنج فناوری نوظهور برتر این لیست معرفی شد. امروز بقیه این فناوری‌ها را می‌خوانید:
۶- حسگرهای زیست‌شیمیایی خودکار
اتصال حسگرهای زیستی برای دریافت اطلاعات لحظه‌ای
حسگرهای زیست‌شیمیایی خودکار، دستگاه‌های تحلیلی‌ای هستند که به صورت خودکار و مداوم پارامترهای زیست‌شیمیایی خاصی را تشخیص و اندازه‌گیری می‌کنند، مانند نشانگرهای بیماری برای مدیریت سلامت فردی بیماران یا تغییرات شیمیایی در خاک یا آب برای مدیریت محیط زیست.
این حسگرها، مواد شیمیایی مورد نظر را با استفاده از مبدل‌های فیزیکوشیمیایی سفارشی‌شده یا حسگرهای زیستی مبتنی بر آنزیم‌ها، آنتی‌بادی‌ها یا حتی سلول‌های زنده مهندسی‌شده تشخیص می‌دهند. این حسگرها طوری طراحی شده‌اند که بدون نیاز به دخالت انسان، به طور مستقل کار کنند و نتایج را گزارش دهند.
آنها از ارتباط بی‌سیم و برداشت انرژی با منابع تغذیه خودکفا مانند سلول‌های سوختی زیستی بهره می‌برند تا امکان نظارت مداوم و لحظه‌ای فراهم شود. از آنجایی که داده‌ها می‌توانند به صورت از راه دور دریافت شوند، این حسگرها برای استفاده در مناطق دورافتاده یا دسترسی‌ناپذیر بسیار مناسب هستند. این ویژگی امکان نظارت مستمر بر سلامت انسان و شرایط محیطی را فراهم می‌کند.
در حالی که حسگرهای معمولی، مانند تست‌های شناخته‌شده کووید ۱۹ فقط یک بار مصرف هستند، چالش در حسگرهای زیست‌شیمیایی خودکار، رسیدن به نظارت مداوم و ثبت داده‌های الکترونیکی است. این محدودیت‌های فنی باعث شده حسگرهای زیست‌شیمیایی خودکار تنها در کاربردهای بسیار خاص به کار روند.
موفق‌ترین نمونه تاکنون، حسگر پوشیدنی گلوکز است که غلظت گلوکز را به صورت لحظه‌ای اندازه‌گیری می‌کند و با گوشی هوشمند ارتباط برقرار می‌کند تا پمپ انسولین را کنترل و سطح گلوکز را تثبیت کند. برخی از بزرگ‌ترین شرکت‌هایی که در توسعه و تولید این فناوری‌ها سرمایه‌گذاری کرده‌اند، شامل «ابوت لابراتواریز»، «روشه» و «دوپونت» می‌شوند.
با پیشرفت‌های همزمان در علم مواد، نانوتکنولوژی، بیومیمتیک و فناوری‌های بی‌سیم، حسگرهای زیست‌شیمیایی خودکار در حال گسترش به سمت هدف‌ها و کاربردهای جدید هستند. مثلاً، افزودن قابلیت تنظیم مجدد فعال در حسگر پوشیدنی برای نشانگرهای التهاب، امکان نظارت مداوم را به جای استفاده یکباره فراهم می‌کند.
شرکت آمریکایی «پرسپریتی هلت» در حال توسعه ابزار پوشیدنی برای نظارت مداوم هورمون‌های زنانه جهت ردیابی تخمک‌گذاری، درمان ناباروری و مراقبت از دوران یائسگی است. همچنین حسگرهای زیستی کل سلولی میکروبی در دست توسعه هستند که از میکروب‌هایی استفاده می‌کنند که هنگام مواجهه با هدف مورد نظر خود، آنزیمی تولید یا مصرف می‌کنند و این آنزیم راه ارتباطی آنها برای اعلام «تشخیص» است.
این فناوری‌های نوظهور پتانسیل تحول در زندگی بسیاری از افرادی را دارند که نیاز به نظارت مداوم بر شرایط خاص سلامت خود دارند. فرآیندهای ایمنی غذایی و نظارت محیطی، به ویژه برای شناسایی زود هنگام آلودگی، می‌توانند منجر به مزایای اجتماعی و زیست‌محیطی قابل توجهی شوند.
بسیاری از حسگرها هنوز عمر کوتاهی دارند و نیازمند تعویض مکرر هستند. با این حال، نسل‌های جدید حسگرها احتمالاً شاهد بهبودهایی خواهند بود که هزینه‌ها را کاهش می‌دهد. حسگرهای زیستی سلولی میکروبی، در مقایسه با دستگاه‌های حسگر پزشکی یا محیطی معمولی، با موانع نظارتی و چالش‌های اخلاقی بیشتری روبه‌رو هستند، زیرا موجودات زیستی مهندسی‌شده ژنتیکی هستند که امکان آزاد شدن آنها به محیط وجود دارد.
۷- تثبیت نیتروژن سبز
بازاندیشی تولید آمونیاک برای آینده‌ای با کربن صفر
تثبیت نیتروژن که بازاری به ارزش ۲۰۰ میلیارد دلار فقط در ایالات متحده دارد، سالانه بیش از ۱۵۰ میلیون تن آمونیاک تولید می‌کند؛ آمونیاکی که برای ساخت کود لازم است و از آن برای حمایت از ۵۰ درصد تولید غذای جهان استفاده می‌شود. هدف تثبیت نیتروژن سبز، کاهش اثر کربنی قابل توجه تولید نیتروژن مرسوم است که هم‌اکنون ۲ درصد از مصرف جهانی انرژی را به خود اختصاص می‌دهد.
در فرآیند تثبیت نیتروژن، میکروارگانیسم‌ها نیتروژن موجود در جو را به شکل‌هایی تبدیل می‌کنند که گیاهان و سایر موجودات بتوانند به عنوان مواد مغذی از آنها استفاده کنند، عمدتاً آمونیاک.
چالش اصلی در تثبیت نیتروژن، شکستن پیوند سه‌گانه بسیار پایدار بین ۲ اتم نیتروژن مولکول نیتروژن جوی (N₂) است. در فرآیند پیشرفته‌هابر-بوش، این مرحله نیازمند دماهای ۴۰۰ تا ۵۰۰ درجه سانتی‌گراد، فشار ۱۳۰ تا ۱۵۰ برابر فشار اتمسفر زمین و هیدروژنی است که عمدتاً از گاز طبیعی تأمین می‌شود و در این واکنش دی‌اکسید کربن تولید می‌شود.
اگرچه اصل فرآیند تثبیت نیتروژن جایگزین در دهه ۱۹۳۰ کشف شد، اما تنها اخیراً پیشرفت‌های قابل توجهی در جهت تجاری‌سازی در مقیاس بزرگ حاصل شده است. به عنوان مثال، رویکردهای زیستی مبتنی بر باکتری‌ها و آنزیم‌های مهندسی‌شده برای تثبیت نیتروژن و استفاده از نور خورشید یا برق سبز برای تأمین انرژی و عوامل احیاکننده مطرح شده است.
سیستم‌های الهام‌گرفته از زیست نیز نتایج امیدوارکننده‌ای نشان داده‌اند، به گونه‌ای که عملکرد آنزیم‌ها با پلی‌اکسومتالات‌های غیرآلی یا خوشه‌های اکسید فلزی آنیونی بازتولید می‌شود. همچنین فناوری‌های الکتروشیمیایی که از لیتیم به عنوان واسطه استفاده می‌کنند، در آستانه کاربرد تجاری قرار دارند.
فناوری‌های تثبیت نیتروژن سبز هم‌اکنون توسط شرکت‌های معتبر و استارتاپ‌ها در حال بررسی است. شرکت استرالیایی«ژوپیتر یونیکز» پیشرو در فناوری تثبیت نیتروژن مبتنی بر لیتیم است، در حالی که شرکت «آموبیا» در کالیفرنیا بر کاتالیزورهای جدید و کارآمدتر تمرکز دارد.
این فناوری‌های جایگزین همچنین امکان تأسیس کارخانه‌های تولید غیرمتمرکز را فراهم می‌کنند، به گونه‌ای که آمونیاک با استفاده از انرژی‌های تجدیدپذیر محلی مانند باد و خورشید تولید شود. آمونیاک تولیدشده محلی می‌تواند به طور مؤثر ذخیره یا به کود تبدیل شود که این امر در محل انجام و باعث صرفه‌جویی در انرژی و هزینه‌های حمل‌ونقل می‌شود.
پیشرفت در تولید آمونیاک سبز محلی نه تنها اثر کربنی تولید آمونیاک را کاهش می‌دهد، بلکه منابع دی‌اکسید کربن مرتبط مانند حمل‌ونقل را نیز کاهش می‌دهد. وسایل حمل‌ونقل نیز از این روند بهره‌مند می‌شوند، به طوری که کشتی‌های تجاری در حال حاضر از آمونیاک به عنوان سوخت دیزلی استفاده می‌کنند و برآوردها نشان می‌دهد که تا سال ۲۰۵۰ بیش از ۳۰ درصد سوخت دریایی جهان می‌تواند آمونیاک بدون کربن باشد.
فناوری‌های نسل بعدی که از شیمی لیتیم یا رویکردهای زیستی برای تثبیت نیتروژن استفاده می‌کنند، در حال بررسی هستند، اما هنوز قابلیت تجاری آنها اثبات نشده است. در مقابل، کارخانه‌های تولید آمونیاک که به جای گاز طبیعی از هیدروژن سبز استفاده می‌کنند، اثبات شده و هم‌اکنون در سطح جهانی در حال توسعه هستند. صنعت آمونیاک در حال گذار است و تلاش‌های فزاینده در تحقیق و توسعه فناوری تثبیت آمونیاک سبز، همراه با افزایش تقاضا (برای مثال از بخش حمل‌ونقل) موجب نوآوری و سرمایه‌گذاری بیشتر برای تولید آمونیاک با کربن صفر خواهد شد.
۸- نانوآنزیم‌ها
تقلید از کاتالیزورهای طبیعی برای دستاوردهای سلامت و محیط زیستی
نانوآنزیم‌ها نانومواد تولید شده در آزمایشگاه هستند که خواص مشابه آنزیم‌ها دارند. برخلاف آنزیم‌ها که توسط موجودات زنده تولید می‌شوند یا به صورت شیمیایی با هزینه و پیچیدگی زیاد سنتز می‌شوند، نانوآنزیم‌ها پایداری بالاتر، هزینه تولید کمتر و فرآیندهای سنتز ساده‌تری دارند. این نانوآنزیم‌ها از نانوذرات فلزات، اکسیدهای فلزی، کربن و مواد دیگر تشکیل شده‌اند و مانند کاتالیزورها عمل می‌کنند و همان واکنش‌های شیمیایی را که آنزیم‌ها تسهیل می‌کنند، ارتقا می‌دهند.
طبیعت مقاوم آنها امکان عملکرد در محیط‌های بسیار متنوع‌تری را فراهم می‌کند و این موضوع دامنه کاربرد آنها را در حوزه‌های پزشکی، محیط زیست و صنعتی گسترش می‌دهد. با استفاده از تکنیک‌های پیشرفته طراحی و تولید در مقیاس نانو، امکان ساخت نانوآنزیم‌های چندکاره نیز وجود دارد.
پیشرفت سریع فناوری نانوآنزیم‌ها در ۲ دهه گذشته توجه زیادی از شرکت‌های بزرگ داروسازی را به خود جلب کرده و منجر به افزایش سرمایه‌گذاری در پژوهش و توسعه این حوزه شده است. این افزایش بودجه سرعت نوآوری را افزایش داده و کاربردهای بالقوه نانوآنزیم‌ها را در زمینه‌های مختلف پزشکی گسترش داده است. به همین دلیل، تعداد زیادی آزمایش‌های بالینی برای درمان‌های مبتنی بر نانوآنزیم‌ها در حال انجام است که نتایج امیدوارکننده‌ای به ویژه در درمان سرطان و بیماری‌های تحلیل‌برنده عصبی مشاهده شده است.
در درمان سرطان، نانوآنزیم‌ها پتانسیل تحویل داروی هدفمند را دارند که می‌تواند اثربخشی شیمی‌درمانی را افزایش دهند و عوارض جانبی آن را کاهش دهند. نانوآنزیم‌ها برای بیماری‌های عصبی مانند آلزایمر و پارکینسون، به خاطر توانایی کاهش استرس اکسیداتیو و التهاب در مغز مورد بررسی قرار گرفته‌اند و ممکن است پیشرفت بیماری را کند کنند. قابلیت تطبیق‌پذیری نانوآنزیم‌ها باعث شده است که تحقیقات در زمینه بیماری‌های قلبی، عفونی و التیام زخم‌ها نیز انجام شود.
چندین شرکت و استارتاپ به طور فعال در مسیر تجاری‌سازی نانوآنزیم‌ها فعالیت می‌کنند. شرکت «لول ناین» در حال توسعه نانوآنزیم‌هایی برای استفاده در تولیدات زیستی صنعتی است. همچنین شرکت «نانوزیم» که از دانشگاه فلوریدا منشعب شده، در حال توسعه نانوماشین‌های سنتزی است که برنامه‌ریزی شده‌اند فقط به سلول‌های بیمار هدف وارد شوند تا درمان هدفمند بیماری با عوارض جانبی کمتر ممکن شود. هر چند هنوز در مراحل توسعه است، اما در صورت عدم بروز مشکلات پیش‌بینی‌نشده، انتظار می‌رود این برنامه‌ها در سال‌های آینده به محصولات تجاری تبدیل شوند.
تأثیر نانوآنزیم‌ها فراتر از حوزه سلامت است و شامل کاربردهای محیط زیستی مانند تصفیه آب می‌شود که می‌تواند راه‌حل‌های پایداری برای چالش‌های جهانی فراهم کند. در صنعت غذا، آنها می‌توانند ایمنی غذا را با تشخیص سریع آلودگی‌ها در بسته‌بندی‌های گوشت و سایر محصولات مصرفی افزایش دهند. در کاتالیز صنعتی، نانوآنزیم‌ها ممکن است جایگزین‌های کارآمدتر و دوستدار محیط زیست برای کاتالیزورهای سنتی ارائه دهند که به کاهش مصرف انرژی و مواد زائد کمک می‌کند.
بازار جهانی نانوآنزیم که در سال ۲۰۲۴ ارزش آن ۵/۱۳ میلیارد دلار بوده است، پیش‌بینی می‌شود با نرخ رشد مرکب سالانه ۲۷/۴ درصد به ۵۷/۹۵ میلیارد دلار تا سال ۲۰۳۴ برسد. کاربردهای کلیدی شامل زیست‌حسگری، بازسازی محیط زیست و تحویل داروی هدفمند هستند. نانوآنزیم‌ها نوید تحول در تشخیص‌ها و درمان‌ها، به ویژه در زمینه‌های تشخیص زودهنگام بیماری و تحویل داروی هدفمند را می‌دهند. این همگرایی فناوری نانو و تقلید آنزیمی می‌تواند نوآوری را در چندین بخش به پیش ببرد و در نهایت به بهبود کیفیت زندگی کمک کند.
نانوآنزیم‌ها همانند همه فناوری‌های نوظهور با چالش‌هایی مواجه‌اند. موانع فنی شامل بهبود انتخاب‌پذیری و کارایی کاتالیزوری برای رسیدن به سطح آنزیم‌های طبیعی یا فراتر از آن است. ملاحظات اخلاقی نیز به دلیل کاربردهای احتمالی در سیستم‌های زیستی مطرح است که نیازمند ارزیابی‌های دقیق ایمنی هستند. در نهایت، چارچوب‌های قانونی مرتبط با محصولات مبتنی بر نانوآنزیم هنوز در حال شکل‌گیری است که ممکن است بر روند تجاری‌سازی و پذیرش گسترده آنها تأثیر بگذارد.
۹- حسگرهای مشترک
توانمندسازی سیستم‌های متصل برای تصمیم‌گیری‌های آگاه از زمینه
حسگرها هم‌اکنون در خانه‌ها، خودروها و محیط‌های کاری به صورت فراگیر حضور دارند. در حالی که این حسگرها به تنهایی نیز مفیدند، اکنون هر چه بیشتر به یکدیگر متصل می‌شوند و با سیستم‌های مجهز به هوش مصنوعی ادغام می‌شوند. این روند زمینه‌ساز پیشرفت‌های سریع در حوزه حسگرهای مشترک است که می‌توانند با تولید بینش‌های مشترک، قابلیت‌های حسگرهای منفرد را ارتقا دهند.
فراتر از کاربردهای رایج در حمل‌ونقل شهری خودران، استفاده‌های نویدبخش حسگرهای مشترک بسیار متنوعند؛ از جمله شبکه‌های موبایلی درک‌پذیر که ارتباطات و حسگری را در یک شبکه یکپارچه می‌کنند. این فناوری نحوه عملکرد شهرها و چگونگی بهره‌برداری سازمان‌ها از اطلاعات برای تصمیم‌گیری را متحول خواهد کرد.
از کاربردهای جالب توجه می‌توان به بهبود جریان ترافیک شهری اشاره کرد. به عنوان مثال، چراغ‌های راهنمایی متصل می‌توانند با دریافت اطلاعات از دوربین‌های ترافیکی و حسگرهای محیطی، خود را به صورت پویا تنظیم کنند و به مدیریت ترافیک و کاهش انتشار آلاینده‌ها کمک کنند.
سایر نمونه‌های کاربردی شامل:
نقشه‌برداری خودران در مقیاس وسیع در معادن
تحلیل سامانه‌های طوفانی
دسته‌های پهپادی
پایش وضعیت سازه‌ها با استفاده از اینترنت اشیا
پایش محیط زیست
افزایش دقت در کشاورزی و مدیریت منابع طبیعی
حسگرهای مشترک حسگرهای توزیع شده (شامل حسگرهای ماهواره‌ای، زیرآبی و زیرزمینی) را با ارتباطات قابل اطمینان و پردازش الگوریتمی در لبه شبکه ترکیب می‌کنند تا حجم داده منتقل شده کاهش یابد.
عوامل خودران مانند ربات‌ها، پهپادها، وسایل نقلیه هوشمند و سیستم‌های رایانه‌ای، با قابلیت استدلال معنایی و برنامه‌ریزی پویا، به گونه‌ای طراحی می‌شوند که بتوانند در محیط‌های ناآشنا حرکت کرده و تصمیمات جمعی اتخاذ کنند.
پژوهش در حوزه‌های هم‌جوشی داده‌های حسگر ،حسگرهای همکارانه و خودمختاری گروه اغلب در پاسخ به نیازهای نظامی برای تصمیم‌گیری و اقدام در زمان واقعی توسعه یافته‌اند. اما امروزه مزایای مدنی این فناوری‌ها به‌سرعت در حال آشکار شدن هستند.
برای نمونه، تصور کنید خودرویی خودران که براساس داده‌های حسگرهای خود رانندگی می‌کند، بتواند از طریق حسگرهای متصل به چراغ راهنمایی در صدها متر دورتر، از نزدیک شدن یک خودرو با سرعت بالا و احتمال برخورد آگاه شود.
تصمیم اخیر کمیسیون ارتباطات فدرال آمریکا (FCC) برای تخصیص باند فرکانسی ۵/۹ گیگاهرتز به فناوری Cellular Vehicle-to-Everything (C-V۲X) گامی کلیدی در راستای تحقق چنین کاربردهایی است و فرصت‌های جدیدی برای کاهش هزینه‌های زیرساختی، کاهش ازدحام ترافیک، پیشگیری از تصادفات و کاهش انتشار گازهای گلخانه‌ای ایجاد خواهد کرد. اتحادیه اروپا و وزارت صنعت و فناوری اطلاعات چین نیز به‌طور مشابه، مقررات حمایتی برای توسعه این فناوری‌ها تصویب کرده‌اند.
با این حال، چالش‌هایی نیز وجود دارند. اغلب پلتفرم‌هایی که حسگرها روی آنها نصب می‌شوند، با محدودیت شدید در توان مصرفی و اتصال مواجه‌اند. از این رو، رویکردهای مهندسی خاصی لازم است؛ مانند:
فشرده‌سازی الگوریتم‌های طبقه‌بندی صحنه‌های سه‌بعدی
ناوبری بهبود یافته در شرایط فاقد GPS
پردازش کم‌مصرف در لبه شبکه
سیاست‌های امنیتی و حریم خصوصی مربوط به اشتراک داده‌ها نیز باید متناسب با این تحولات پیشرفت کنند.
رمز بهره‌برداری مؤثر از حسگرهای مشترک در مقیاس بزرگ و رسیدن به خودمختاری واقعی جمعی، در استفاده از الگوریتم‌های چند وجهی نهفته است؛ الگوریتم‌هایی که توان پردازش داده‌های متنوع حسگرها را دارند، از جمله داده‌های LiDAR، دوربین‌های الکترواپتیکی و فروسرخ (EO/IR)، رادار و فراتر از آن.
بخش زیادی از پژوهش‌های فعلی روی ایجاد تعادل میان «نمای مشترک اطلاعاتی» و «پردازش توزیع شده» تمرکز دارد، در حالی که تلاش می‌شود نیاز به پهنای باند و مصرف انرژی نیز به حداقل برسد.
در این میان، هوش مصنوعی مولد (Generative AI) نیز می‌تواند نقشی ایفا کند. پژوهش‌های اخیر نشان داده‌اند که مدل‌های زبانی بزرگ (LLMs) قادرند وظایف ناوبری همکارانه ساده را بسیار کارآمدتر از روش‌های سنتی یادگیری تقویتی عمیق انجام دهند.
۱۰- واترمارک‌گذاری تولیدی
تقویت اعتماد از طریق نشانه‌های نامرئی و تغییرناپذیر
فناوری‌های واترمارک‌گذاری در محتوای تولید شده توسط هوش مصنوعی، نشانه‌های نامرئی‌ای را در متن، تصویر، صدا و ویدئوهای تولید شده توسط هوش مصنوعی جاسازی می‌کنند تا اصالت آنها تائید شود و منشاء محتوا قابل رهگیری باشد. با توجه به اینکه تمایز میان محتوای تولید شده با هوش مصنوعی و محتوای انسانی روز به روز دشوارتر می‌شود، فناوری‌های نوآورانه واترمارک‌گذاری برای مقابله با اطلاعات نادرست، حفاظت از مالکیت فکری، جلوگیری از تقلب علمی و افزایش اعتماد به محتوای دیجیتال، با سرعت بالایی رشد کرده‌اند.
فناوری‌های واترمارک‌گذاری به گونه‌ای طراحی شده‌اند که خروجی‌های تولیدی هوش مصنوعی را به صورت ظریف و غیرقابل تشخیص تغییر دهند، بدون آنکه کیفیت آنها به طور محسوسی کاهش یابد.
مثلاً در مورد متن، فناوری‌هایی مانند SynthID از شرکت گوگل دیپ‌مایند، از این واقعیت بهره می‌برند که هزاران کلمه در هر زبان را می‌توان به طور طبیعی با کلمات دیگری جایگزین کرد. در این روش، مجموعه خاص و محدودی از این کلمات به گونه‌ای در متن گنجانده می‌شود که طبیعی به نظر برسد، اما در واقع نوعی «اثر انگشت زبانی» ایجاد می‌کند که مختص تولیدهای هوش مصنوعی است.
در مورد تصویر و ویدئو، فناوری‌های واترمارک‌گذاری معمولاً با اعمال تغییراتی نامحسوس در سطح پیکسل‌ها عمل می‌کنند، تغییراتی که حتی پس از ویرایش‌هایی مانند تغییر اندازه یا فشرده‌سازی همچنان باقی می‌مانند. به طور مثال، می‌توان مقدار عددی برخی پیکسل‌ها را به نحوی تغییر داد که ماشین آن را تشخیص دهد، ولی چشم انسان نتواند آن را ببیند، یا الگوهایی مخفی در تصاویر قرار داد که فقط توسط الگوریتم‌ها قابل استخراج باشند.
اهمیت واترمارک‌گذاری محتوای تولید شده با هوش مصنوعی از سال ۲۰۲۲ افزایش یافت؛ زمانی که مدل‌هایی چون ChatGPT و Stable Diffusion به طور گسترده مورد استفاده قرار گرفتند. در سال ۲۰۲۳، شرکت‌های بزرگ هوش مصنوعی از جمله OpenAI، گوگل و متا، تحت فشارهای قانونی، به استفاده از واترمارک متعهد شدند. در سال ۲۰۲۴، گوگل دیپ‌مایند فناوری SynthID را به صورت متن‌باز منتشر کرد و همزمان، شرکت متا نیز سیستم واترمارک‌گذاری ویدیو به نام VideoSeal را معرفی کرد.
امروزه شرکت‌های پیشرو در زمینه هوش مصنوعی به‌طور فزاینده‌ای در حال یکپارچه‌سازی فناوری‌های واترمارک‌گذاری با محصولات خود هستند. به عنوان نمونه، گوگل در حال جاسازی فناوری SynthID در تمامی محتوای تصویری، متنی و ویدئویی تولیدی خود است. شرکت متا نیز از واترمارک‌های نامرئی و برچسب‌های متادیتا در محتوای تولیدی در پلتفرم‌های فیس‌بوک، اینستاگرام و تردز استفاده می‌کند. این شرکت‌ها همچنین با نهادهایی مانند Partnership on AI همکاری می‌کنند تا شفافیت در زمینه «رسانه‌های مصنوعی» را ارتقاء دهند.
با این حال، علیرغم پیشرفت‌های موجود، استفاده گسترده از واترمارک‌گذاری با چالش‌هایی روبه‌رو است. حتی تغییرات ساده در محتوای تولید شده توسط هوش مصنوعی ممکن است قابلیت تشخیص واترمارک‌ها را از بین ببرد. کاربران ممکن است تلاش کنند تا واترمارک‌ها را حذف یا جعل کنند؛ مثلاً با بریدن تصاویر یا ویدیوها از محل درج واترمارک یا تغییر متن (و حتی با استفاده از ابزارهای مبتنی بر هوش مصنوعی برای حذف واترمارک). از طرف دیگر، فقدان استانداردهای یکپارچه و جهانی باعث می‌شود که اجرای نامنسجم این فناوری، اثربخشی آن را کاهش دهد.
نگرانی‌های اخلاقی نیز در این زمینه وجود دارد؛ از جمله احتمال برچسب‌گذاری نادرست محتوای واقعی به‌عنوان محتوای تولید شده با هوش مصنوعی یا تشخیص‌های اشتباه که ممکن است پیامدهای منفی داشته باشند، به ویژه در زمینه‌هایی مانند صداقت علمی.
برای موفقیت این فناوری، باید دستورالعمل‌های حاکمیتی و راهکارهای نظارتی دقیق و هم‌سطح با پیچیدگی آن همراه باشند. چین هم‌اکنون قوانینی برای الزام واترمارک‌گذاری محتوای تولیدی تصویب کرده و اتحادیه اروپا نیز در حال تدوین مقررات مشابه برای امنیت و اعتبار محتوای دیجیتال است. همچنین ائتلافی به نام C۲PA (ائتلاف برای اثبات منشأ و اصالت محتوا) به رهبری شرکت‌های رسانه‌ای و فناوری، در حال تدوین استانداردهای فنی برای تأیید منشأ محتوای رسانه‌ای است؛ کاری که ممکن است از عهده نهادهای نظارتی سنتی خارج باشد.
واترمارک‌گذاری تولیدی به یکی از حوزه‌های مهم و پُرشتاب نوآوری در میان استارتاپ‌ها تبدیل شده و مسیرهای فناورانه متنوعی را در بر می‌گیرد. این فناوری‌های در حال ظهور به یکی از ارکان کلیدی استقرار مسئولانه هوش مصنوعی بدل شده‌اند، زیرا به ایجاد توازن میان نوآوری و پاسخ‌گویی کمک می‌کنند. گرچه هیچ روش واحدی بی‌نقص نیست، اما اتخاذ گسترده و هماهنگ این فناوری در سطح صنعت و قوانین حاکمیتی، تعیین‌کننده نقش و کارایی بلندمدت آن در دنیای محتوای تولیدشده با هوش مصنوعی خواهد بود.
انتهای پیام/