Import source: app/article-contents-23

Import the existing local project snapshot. This commit organizes existing files; it does not represent newly developed functionality.

app/article-contents-23.js

@@ -0,0 +1,177 @@
+export const ART59_CONTENT = `
+<div class="article-content">
+  <p class="lead">در خرداد ۱۴۰۵، کاخ سفید دستورالعملی اجرایی صادر کرد که آینده حکمرانی هوش مصنوعی در ایالات متحده را برای سال‌های آینده شکل خواهد داد. این دستورالعمل، شرکت‌های هوش مصنوعی را ملزم می‌کند پیش از انتشار مدل‌های پیشرفته با قابلیت‌های دوگانه سایبری، یک دوره بازبینی سی‌روزه داوطلبانه را طی کنند. اما همین کلمه «داوطلبانه» است که بزرگ‌ترین بحث را در محافل فناوری و سیاست‌گذاری برانگیخته است.</p>
+
+  <figure style="margin: 0 0 28px 0; border-radius: 10px; overflow: hidden; border: 1px solid #E4DDD2;">
+    <img src="/images/articles/ai-executive-order-june-2026-photo-1.jpg" alt="دستورالعمل اجرایی هوش مصنوعی آمریکا در خرداد ۱۴۰۵" loading="lazy" style="width: 100%; height: auto; display: block;" />
+    <figcaption style="font-size: 12px; color: #5F6B6D; padding: 10px 14px; background: #F4EFE6; line-height: 1.7; direction: rtl;">کاخ سفید در خرداد ۱۴۰۵ دستورالعملی اجرایی برای نظارت داوطلبانه بر مدل‌های هوش مصنوعی پیشرفته صادر کرد که واکنش‌های متفاوتی در صنعت فناوری برانگیخت.</figcaption>
+  </figure>
+
+  <h2>۱. متن دستورالعمل: چه چیزی الزامی شده است؟</h2>
+  <p>دستورالعمل اجرایی خرداد ۱۴۰۵ — که به‌صورت رسمی با عنوان <strong>«Safe and Secure Development of Advanced AI Systems»</strong> شناخته می‌شود — چند الزام اصلی را مشخص کرده است. نخست، هر مدل هوش مصنوعی که پارامترهای آموزشی آن از آستانه مشخصی فراتر رود و قابلیت‌های مرتبط با <strong>امنیت سایبری دوگانه</strong> داشته باشد، باید پیش از انتشار عمومی، به یک فرآیند ارزیابی سی‌روزه تن دهد.</p>
+  <p>این ارزیابی شامل آزمون‌های «<strong>Red Teaming</strong>» توسط تیم‌های مستقل، بررسی توانایی مدل در تولید کد مخرب، ارزیابی ظرفیت کمک به ساخت سلاح‌های بیولوژیکی یا شیمیایی، و سنجش میزان مقاومت مدل در برابر دستورالعمل‌های مضر می‌شود. <strong>مؤسسه ملی استاندارد و فناوری (NIST)</strong> مسئولیت تدوین چارچوب فنی این ارزیابی‌ها را بر عهده دارد و باید ظرف شصت روز از تاریخ صدور دستورالعمل، نسخه به‌روز چارچوب مدیریت ریسک هوش مصنوعی خود را منتشر کند.</p>
+  <p>دومین الزام اصلی، اشتراک‌گذاری نتایج ارزیابی با <strong>دفتر سیاست علم و فناوری کاخ سفید (OSTP)</strong> و وزارت امنیت داخلی است — البته به‌صورت محرمانه و نه در قالب گزارش عمومی. این نکته یکی از نقاط انتقادی جدی در میان محققان آزادی اطلاعات است.</p>
+
+  <blockquote style="border-right: 4px solid #D49A2A; margin: 28px 0; padding: 16px 20px; background: #D49A2A0A; border-radius: 0 8px 8px 0; font-size: 16px; color: #263238; font-style: normal;">«این دستورالعمل قدمی در مسیر درست است، اما بدون ضمانت اجرایی، تنها یک توصیه‌نامه با سربرگ رسمی است.» — مگی میلر، محقق ارشد Politico در حوزه سیاست‌گذاری فناوری</blockquote>
+
+  <h2>۲. معیارهای ارزیابی مدل: خط قرمزها کجاست؟</h2>
+  <p>دستورالعمل برای اولین بار معیارهایی نسبتاً مشخص برای تعریف «مدل پرخطر» ارائه می‌دهد. یک مدل در صورتی مشمول این مقررات می‌شود که حداقل یکی از شرایط زیر را داشته باشد:</p>
+  <ul>
+    <li><strong>آستانه محاسباتی:</strong> هزینه آموزش مدل از ۱۰۰ میلیون دلار محاسبه ابری فراتر رفته باشد (معادل تقریبی ۱۰²۶ FLOP).</li>
+    <li><strong>قابلیت سایبری دوگانه:</strong> مدل بتواند کد اکسپلویت برای آسیب‌پذیری‌های ناشناخته (zero-day) تولید کند یا در طراحی حملات سایبری پیچیده مشارکت داشته باشد.</li>
+    <li><strong>ریسک بیولوژیک:</strong> مدل توانایی راهنمایی قابل‌توجه در سنتز یا بهینه‌سازی عوامل بیولوژیکی خطرناک را داشته باشد.</li>
+    <li><strong>هوش عمومی:</strong> مدل در ارزیابی‌های استانداردشده به سطح عملکرد انسانی متخصص در حوزه‌های چندگانه دست یابد.</li>
+  </ul>
+
+  <div class="insight-box" style="padding: 14px; border-radius: 10px; background: #0F6B7311; border: 1px solid #0F6B7340; margin-bottom: 20px;"><strong>نکته فنی:</strong> چارچوب NIST AI RMF 2.0 که قرار است این ارزیابی‌ها را هدایت کند، چهار بُعد اصلی دارد: شناسایی (Govern)، اندازه‌گیری (Map)، مدیریت (Measure) و نظارت (Manage). اما منتقدان می‌گویند این چارچوب برای ارزیابی مدل‌های مرزی کافی نیست و باید با پروتکل‌های ارزیابی تخصصی مانند METR یا Apollo Research تکمیل شود.</div>
+
+  <h2>۳. معافیت‌های امنیت ملی: خلأ بزرگ قانون</h2>
+  <p>شاید جنجالی‌ترین بخش دستورالعمل، معافیت‌های گسترده امنیت ملی است. پروژه‌هایی که مستقیماً با وزارت دفاع، آژانس امنیت ملی (NSA)، سازمان اطلاعات مرکزی (CIA) یا سایر نهادهای اطلاعاتی در حال همکاری هستند، از شمول این بازبینی سی‌روزه خارج می‌شوند.</p>
+  <p>این معافیت به این معناست که مدل‌هایی مانند آنچه <strong>Palantir</strong> برای وزارت دفاع می‌سازد یا قراردادهایی که <strong>Anduril</strong> و <strong>Shield AI</strong> با ارتش آمریکا دارند، نیازی به این بازبینی داوطلبانه ندارند. منتقدان استدلال می‌کنند که دقیقاً این مدل‌های نظامی هستند که بیشترین پتانسیل خطر را دارند.</p>
+  <p>علاوه بر این، دستورالعمل تنها بر <strong>شرکت‌های آمریکایی</strong> اعمال می‌شود. آزمایشگاه‌های چینی مانند Zhipu AI، Moonshot AI، و DeepSeek — که مدل‌های قدرتمند خود را به‌صورت فعال توسعه می‌دهند — هیچ الزامی برای پیروی از این چارچوب ندارند. همین نکته باعث شده برخی تحلیل‌گران این دستورالعمل را «خلع‌سلاح یک‌طرفه صنعتی» بنامند.</p>
+
+  <blockquote style="border-right: 4px solid #D49A2A; margin: 28px 0; padding: 16px 20px; background: #D49A2A0A; border-radius: 0 8px 8px 0; font-size: 16px; color: #263238; font-style: normal;">«وقتی DeepSeek R2 را با هیچ محدودیتی می‌توان دانلود کرد اما GPT-6 باید سی روز منتظر بماند، رقابت‌پذیری صنعت آمریکا آسیب می‌بیند.» — یک مدیر ارشد در یک آزمایشگاه هوش مصنوعی پیشرو که نام خود را فاش نکرد</blockquote>
+
+  <h2>۴. واکنش صنعت: اجماع ظاهری، اختلاف پنهان</h2>
+  <p>سه شرکت بزرگ هوش مصنوعی — <strong>OpenAI</strong>، <strong>Anthropic</strong> و <strong>Google DeepMind</strong> — همگی بیانیه‌هایی منتشر کردند که از «روح» این دستورالعمل حمایت می‌کنند. اما جزئیات این بیانیه‌ها تفاوت‌های معناداری را آشکار می‌کند.</p>
+  <p>Anthropic که از پیش فرآیند «Responsible Scaling Policy» خود را داشت، این دستورالعمل را «گامی در مسیر درست» خواند و اعلام کرد رویه‌های داخلی‌اش با الزامات آن همخوانی دارد. OpenAI نیز از چارچوب NIST استقبال کرد اما تأکید داشت «جزئیات اجرایی باید با دقت تعیین شوند تا نوآوری متوقف نشود».</p>
+  <p><strong>Meta</strong> اما موضعی متفاوت گرفت. این شرکت که مدل‌های Llama خود را به‌صورت متن‌باز منتشر می‌کند، نگرانی صریحی مطرح کرد: «اگر مدل‌های متن‌باز مشمول این بازبینی شوند، اما نسخه‌های Fine-tuned توسط اشخاص ثالث معاف باشند، چطور می‌توان یکپارچگی قانون را حفظ کرد؟» این پرسش هنوز بدون پاسخ مانده است.</p>
+  <p>از طرف دیگر، شرکت‌های کوچک‌تر و استارتاپ‌ها — که منابع کافی برای تیم‌های Red Teaming ندارند — نگران هستند که این الزامات به مرور زمان از داوطلبانه به اجباری تبدیل شوند و آنها را از رقابت خارج کنند.</p>
+
+  <div class="insight-box" style="padding: 14px; border-radius: 10px; background: #0F6B7311; border: 1px solid #0F6B7340; margin-bottom: 20px;"><strong>مقایسه با قانون AI اروپا:</strong> قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) که از اوایل ۲۰۲۵ اجرایی شده، رویکردی کاملاً الزامی دارد. مدل‌های «General Purpose AI» با ریسک سیستمی ملزم به ارزیابی‌های اجباری، انتشار گزارش‌های شفافیت، و ثبت در پایگاه داده مرکزی اروپا هستند. جریمه‌های نقض قانون تا ۳ درصد گردش مالی جهانی است — اهرمی که دستورالعمل آمریکایی فاقد آن است.</div>
+
+  <h2>۵. مقایسه رویکردها: داوطلبانه در برابر الزامی</h2>
+  <p>بحث «داوطلبانه در برابر الزامی» در حکمرانی هوش مصنوعی ریشه‌ای فلسفی دارد. طرفداران رویکرد داوطلبانه استدلال می‌کنند که صنعت هوش مصنوعی آنقدر پویا است که قوانین سخت‌گیرانه بلافاصله منسوخ می‌شوند. آنها به موفقیت نسبی «داوطلبانه‌گرایی هدایت‌شده» در صنایعی مثل داروسازی در مراحل اولیه توسعه اشاره می‌کنند.</p>
+  <p>مخالفان اما یادآور می‌شوند که رویکرد داوطلبانه تنها زمانی کارآمد است که پیامد عدم پیروی وجود داشته باشد. در حال حاضر، اگر شرکتی از بازبینی سی‌روزه امتناع کند، هیچ مجازات قانونی در نظر گرفته نشده است. <strong>Bruce Schneier</strong>، متخصص مشهور امنیت سایبری، این را با «قانون سرعت بدون دوربین» مقایسه می‌کند.</p>
+  <p>نکته جالب اینکه حتی درون دولت آمریکا نیز اجماع وجود ندارد. برخی مقامات وزارت دفاع از محدودیت‌های داوطلبانه ناراضی‌اند، چون معتقدند رقبای خارجی از این فضا بهره می‌برند. در مقابل، مقامات دفتر بودجه کاخ سفید (OMB) نگران هستند که الزامات سخت‌گیرانه، سرمایه‌گذاری هوش مصنوعی را به خارج از آمریکا منتقل کند.</p>
+
+  <div class="footnote-box" style="padding: 14px; border-radius: 10px; background: #FAF7F0; border: 1px solid #E4DDD2; font-size: 12px; margin-bottom: 20px;">این دستورالعمل جایگزین دستورالعمل اجرایی ۱۴۱۱۰ (اکتبر ۲۰۲۳) نمی‌شود بلکه آن را تکمیل می‌کند. بسیاری از الزامات دستورالعمل قبلی — از جمله الزام گزارش‌دهی شرکت‌ها به دولت فدرال — همچنان پابرجاست. منابع: Federal Register Vol. 91, No. 112 (June 2026)؛ NIST AI RMF 2.0 Draft.</div>
+
+  <h2>۶. مسیر پیش رو: از داوطلبانه به الزامی؟</h2>
+  <p>کارشناسان سیاست‌گذاری معتقدند این دستورالعمل داوطلبانه را باید «پیش‌نویس قانون آینده» دانست. اگر تا پایان سال ۲۰۲۶ کنگره لایحه‌ای جامع در حوزه هوش مصنوعی تصویب کند — که احتمالش با توجه به قطب‌بندی سیاسی پایین است — این چارچوب داوطلبانه به پایه قانونی الزامی تبدیل خواهد شد.</p>
+  <p>در غیاب قانون کنگره، این دستورالعمل مسیر دیگری را طی می‌کند: شکل دادن به نُرم‌های صنعتی از طریق فشار بازار و شهرت. شرکت‌هایی که از این چارچوب پیروی کنند، می‌توانند آن را به‌عنوان مزیت رقابتی در قراردادهای دولتی استفاده کنند — و این عملاً یک مکانیزم انگیزشی غیرمستقیم است.</p>
+  <p>اتحادیه اروپا نیز با دقت این فرآیند را دنبال می‌کند. اگر رویکرد داوطلبانه آمریکا به نتایج قابل‌توجهی در کاهش ریسک منجر شود، ممکن است فشار بر اجرای سخت‌گیرانه EU AI Act کاهش یابد. اما اگر حادثه‌ای بزرگ رخ دهد، اروپا احتمالاً استانداردهای خود را تشدید خواهد کرد.</p>
+
+  <h2>نتیجه‌گیری: آیا داوطلبانه کافی است؟</h2>
+  <p>دستورالعمل اجرایی خرداد ۱۴۰۵ یک پیشرفت واقعی در حکمرانی هوش مصنوعی است — اما یک پیشرفت ناقص. برای اولین بار، دولت آمریکا معیارهای نسبتاً مشخصی برای تعریف مدل‌های پرخطر ارائه داده، چارچوب NIST را به‌عنوان استاندارد ملزم کرده، و کانالی برای اشتراک‌گذاری اطلاعات بین صنعت و دولت ایجاد کرده است.</p>
+  <p>اما بزرگ‌ترین ضعف آن همان کلمه «داوطلبانه» است. در جهانی که DeepSeek مدل‌های خود را بدون هیچ بازبینی‌ای منتشر می‌کند و مدل‌های متن‌باز می‌توانند Fine-tune شوند، یک چارچوب یک‌طرفه و بدون ضمانت اجرا نمی‌تواند به‌تنهایی ریسک‌های سیستمی را مدیریت کند. آنچه این دستورالعمل می‌تواند انجام دهد، ایجاد یک فرهنگ سازمانی است — و شاید این، در بلندمدت، از هر قانون اجباری مؤثرتر باشد.</p>
+</div>
+`;
+
+export const ART60_CONTENT = `
+<div class="article-content">
+  <p class="lead">در حالی که بیشتر کشورها هنوز در مرحله تدوین سیاست‌های هوش مصنوعی هستند، هند یک گام فراتر رفته و سیستم‌های حیاتی خود را با عوامل هوش مصنوعی به چالش کشیده است. برنامه ممیزی امنیتی حاکمیتی هند — که در چارچوب Digital India 3.0 تعریف شده — شبکه برق، سیستم‌های بانکی و زیرساخت مخابراتی این کشور را در معرض آزمون‌های فشار هوش مصنوعی قرار داده است. این تجربه منحصربه‌فرد، مدلی را ارائه می‌دهد که سایر کشورها با دقت زیر ذره‌بین دارند.</p>
+
+  <figure style="margin: 0 0 28px 0; border-radius: 10px; overflow: hidden; border: 1px solid #E4DDD2;">
+    <img src="/images/articles/india-sovereign-ai-audit-photo-1.jpg" alt="ممیزی امنیتی هوش مصنوعی در زیرساخت‌های حیاتی هند" loading="lazy" style="width: 100%; height: auto; display: block;" />
+    <figcaption style="font-size: 12px; color: #5F6B6D; padding: 10px 14px; background: #F4EFE6; line-height: 1.7; direction: rtl;">مرکز عملیات IndiaAI در دهلی‌نو که هماهنگی ممیزی‌های امنیتی هوش مصنوعی در زیرساخت‌های حیاتی کشور را بر عهده دارد — از شبکه برق تا سیستم‌های بانکی.</figcaption>
+  </figure>
+
+  <h2>۱. چرا هند این مسیر را انتخاب کرد: استقلال دیجیتال در برابر وابستگی فناوری</h2>
+  <p>برای درک منطق استراتژیک هند، باید زمینه ژئوپلیتیکی را در نظر گرفت. هند با <strong>۱.۴ میلیارد نفر جمعیت</strong> و سریع‌ترین رشد اقتصادی در میان اقتصادهای بزرگ جهان، به‌شدت نگران وابستگی فناوری به دو قطب آمریکا و چین است. نگرانی دهلی‌نو از چند محور اصلی ناشی می‌شود:</p>
+  <ul>
+    <li><strong>حاکمیت داده:</strong> زیرساخت‌های ابری آمریکایی مانند AWS و Azure میزبان بخش قابل‌توجهی از داده‌های دولتی و مالی هند هستند. این وابستگی در صورت تنش سیاسی می‌تواند به نقطه ضعف استراتژیک تبدیل شود.</li>
+    <li><strong>آسیب‌پذیری SCADA:</strong> سیستم‌های کنترل صنعتی شبکه برق هند — که بسیاری از آنها از تجهیزات چینی Huawei و ZTE استفاده می‌کنند — در معرض حملات سایبری دولتی هستند. حمله ۲۰۲۱ به شبکه برق Mumbai که چین پشت آن بود، هشداری جدی بود.</li>
+    <li><strong>رقابت فناوری:</strong> هند می‌خواهد به یک قدرت مستقل هوش مصنوعی تبدیل شود، نه صرفاً مصرف‌کننده مدل‌های غربی یا چینی. IndiaAI Mission 2025 که با بودجه ۱.۲۵ میلیارد دلار راه‌اندازی شده، نشان‌دهنده این جاه‌طلبی است.</li>
+  </ul>
+
+  <blockquote style="border-right: 4px solid #D49A2A; margin: 28px 0; padding: 16px 20px; background: #D49A2A0A; border-radius: 0 8px 8px 0; font-size: 16px; color: #263238; font-style: normal;">«هند نمی‌تواند اجازه دهد زیرساخت دیجیتال آن توسط سیستم‌هایی اداره شود که کدشان را نمی‌بینیم، آموزش آنها را کنترل نکرده‌ایم، و نمی‌دانیم در لحظه بحران چه خواهند کرد.» — S. Krishnan، وزیر فناوری اطلاعات هند، سخنرانی در India Global Forum 2025</blockquote>
+
+  <h2>۲. Digital India 3.0: معماری الزام امنیتی</h2>
+  <p>دستورالعمل <strong>Digital India 3.0 AI Security Mandate</strong> که در بهمن ۱۴۰۳ لازم‌الاجرا شد، سه دسته زیرساخت «حیاتی» را مشمول ممیزی اجباری هوش مصنوعی کرده است:</p>
+  <p><strong>دسته اول — زیرساخت انرژی:</strong> شبکه ملی برق (Grid India)، تأسیسات هسته‌ای تحت نظارت NPCIL، و سیستم‌های کنترل خطوط لوله نفت و گاز ONGC. این سیستم‌ها باید سالانه یک ممیزی کامل و هر شش ماه یک ارزیابی سریع داشته باشند.</p>
+  <p><strong>دسته دوم — سیستم مالی:</strong> Reserve Bank of India (RBI) و ده بانک دولتی بزرگ، شامل State Bank of India، Bank of Baroda و Punjab National Bank. سیستم‌های پرداخت آنی UPI — که روزانه بیش از ۵۰۰ میلیون تراکنش پردازش می‌کند — در اولویت قرار دارد.</p>
+  <p><strong>دسته سوم — مخابرات:</strong> BSNL (مخابرات دولتی)، شبکه‌های ماهواره‌ای ISRO، و سیستم‌های کنترل ترافیک هوایی. با توجه به اینکه Jio و Airtel (بخش خصوصی) بیش از ۸۰ درصد بازار موبایل را دارند، مذاکراتی برای گسترش الزامات به آنها نیز در جریان است.</p>
+
+  <div class="insight-box" style="padding: 14px; border-radius: 10px; background: #0F6B7311; border: 1px solid #0F6B7340; margin-bottom: 20px;"><strong>IndiaAI Mission 2025:</strong> این برنامه ملی که توسط وزارت الکترونیک و فناوری اطلاعات (MeitY) اجرا می‌شود، سه محور دارد: ساخت ابرکامپیوتر ملی هوش مصنوعی با ۱۰,۰۰۰ GPU، توسعه مدل‌های زبانی بومی برای ۲۲ زبان رسمی هند، و تأمین مالی ۵۰۰ استارتاپ هوش مصنوعی از طریق صندوق IndiaAI Innovation Centre. بودجه کل: ۱۰,۳۷۲ کرور روپیه (معادل ۱.۲۵ میلیارد دلار).</div>
+
+  <h2>۳. روش‌شناسی: چگونه عوامل هوش مصنوعی سیستم‌های حیاتی را آزمون می‌کنند</h2>
+  <p>روش‌شناسی ممیزی هند از یک رویکرد سه‌لایه‌ای استفاده می‌کند که توسط Indian Computer Emergency Response Team (CERT-In) و با مشاورت شرکت‌هایی مانند <strong>Tata Consultancy Services</strong> و <strong>Wipro Cybersecurity</strong> طراحی شده است:</p>
+  <p><strong>لایه اول — اسکن پسیو:</strong> عوامل هوش مصنوعی که بر پایه مدل‌های زبانی بزرگ ساخته شده‌اند، ترافیک شبکه‌های SCADA را به‌صورت غیرفعال تحلیل می‌کنند تا الگوهای ناهنجار را شناسایی کنند. این عوامل به پروتکل‌های صنعتی مثل Modbus، DNP3 و IEC 61850 آموزش داده شده‌اند.</p>
+  <p><strong>لایه دوم — Red Teaming فعال:</strong> در محیط‌های شبیه‌سازی‌شده (Digital Twin) که کپی دیجیتال زیرساخت واقعی هستند، عوامل هوش مصنوعی سعی می‌کنند با تکنیک‌های مختلف به سیستم نفوذ کنند. این شامل آزمایش حملات تزریق دستور (Command Injection) به سیستم‌های SCADA، آزمایش آسیب‌پذیری‌های API بانکی، و شبیه‌سازی حملات DDoS بر زیرساخت مخابراتی می‌شود.</p>
+  <p><strong>لایه سوم — تحلیل زنجیره تأمین:</strong> بررسی اینکه آیا اجزای سخت‌افزاری و نرم‌افزاری خریداری‌شده از تأمین‌کنندگان خارجی دارای «درهای پشتی» (Backdoor) هستند یا خیر. این لایه به‌ویژه برای تجهیزات چینی که در زیرساخت‌های قدیمی‌تر به‌کار رفته‌اند، اهمیت ویژه دارد.</p>
+
+  <h2>۴. نتایج موج اول: آنچه پیدا کردند</h2>
+  <p>گزارش اولیه ممیزی که در اسفند ۱۴۰۴ منتشر شد، نتایجی هشداردهنده داشت. <strong>۲۳ درصد</strong> از سیستم‌های SCADA بررسی‌شده دارای آسیب‌پذیری‌هایی بودند که از طریق رابط‌های مدیریتی قدیمی قابل بهره‌برداری بودند. <strong>۴۱ درصد</strong> از APIهای بانکی آزمون‌شده در برابر حملات منطق تجاری (Business Logic Attacks) — که هوش مصنوعی در کشف آنها برتری دارد — آسیب‌پذیر بودند.</p>
+  <p>جالب‌ترین یافته مربوط به سیستم UPI بود: عوامل هوش مصنوعی توانستند الگویی را شناسایی کنند که می‌توانست برای حملات «تأیید معامله تقلبی» (Fraudulent Transaction Confirmation) استفاده شود — آسیب‌پذیری‌ای که تیم‌های امنیتی انسانی در سه سال گذشته از آن غافل بودند. این آسیب‌پذیری فوری برطرف شد.</p>
+  <p>در حوزه مخابرات، شناسایی <strong>۱۷ نمونه مشکوک به تجهیزات با رفتار غیرعادی</strong> در شبکه BSNL — که احتمال دستکاری سخت‌افزاری را مطرح می‌کرد — بزرگ‌ترین نگرانی را ایجاد کرد. این موارد هنوز تحت بررسی هستند.</p>
+
+  <blockquote style="border-right: 4px solid #D49A2A; margin: 28px 0; padding: 16px 20px; background: #D49A2A0A; border-radius: 0 8px 8px 0; font-size: 16px; color: #263238; font-style: normal;">«هوش مصنوعی در کشف آسیب‌پذیری‌های منطق تجاری که انسان‌ها به آنها توجه نمی‌کنند، برتری مطلق دارد. این ابزار را باید در اختیار مدافعان گذاشت، نه فقط مهاجمان.» — Rajesh Pant، رئیس سابق NCSC هند</blockquote>
+
+  <h2>۵. مقایسه با رویکردهای آمریکا و اروپا</h2>
+  <p>رویکرد هند از چند جهت با همتایان غربی خود متمایز است. <strong>آمریکا</strong> از طریق CISA (Cybersecurity and Infrastructure Security Agency) یک چارچوب داوطلبانه برای ممیزی زیرساخت‌های حیاتی دارد، اما از هوش مصنوعی به‌عنوان ابزار اصلی Red Teaming استفاده نمی‌کند و تأکید بیشتری بر همکاری دولتی-خصوصی دارد تا الزامات اجباری.</p>
+  <p><strong>اتحادیه اروپا</strong> از طریق دستورالعمل NIS2 (Network and Information Security) الزاماتی برای ممیزی زیرساخت‌های حیاتی دارد، اما این الزامات عمدتاً بر روی گزارش‌دهی حوادث و استانداردهای فنی تمرکز دارند، نه آزمون‌های فعال توسط هوش مصنوعی.</p>
+  <p>تفاوت کلیدی هند در «<strong>هوش مصنوعی به‌عنوان ابزار دفاعی بومی</strong>» است. هند از مدل‌های هوش مصنوعی ساخت‌داخل — از جمله مدل‌هایی که توسط IIT‌ها و DRDO (سازمان تحقیقات و توسعه دفاعی) توسعه داده شده‌اند — برای انجام این ممیزی‌ها استفاده می‌کند. این به معنای عدم اتکا به ابزارهای غربی یا چینی در یک فرآیند حساس امنیتی است.</p>
+
+  <div class="insight-box" style="padding: 14px; border-radius: 10px; background: #0F6B7311; border: 1px solid #0F6B7340; margin-bottom: 20px;"><strong>مدل IIT در ممیزی امنیتی:</strong> IIT Madras و IIT Bombay برنامه‌های مشترکی با CERT-In دارند که دانشجویان دکترا در پروژه‌های ممیزی واقعی شرکت می‌کنند. این ترکیب دانشگاه-دولت-صنعت، مدل اجرایی منحصربه‌فردی ایجاد کرده که هم ظرفیت فنی را می‌سازد و هم هزینه‌ها را کاهش می‌دهد.</div>
+
+  <h2>۶. چالش‌ها و انتقادات: آنچه هنوز حل نشده است</h2>
+  <p>برنامه ممیزی هند با چند چالش جدی روبروست. اول، مسئله <strong>تعارض منافع</strong>: شرکت‌های TCS و Wipro که ممیزی‌ها را انجام می‌دهند، خود مشتریان بزرگ همان بانک‌ها و سازمان‌هایی هستند که ممیزی می‌شوند. آیا این استقلال واقعی ایجاد می‌کند؟</p>
+  <p>دوم، مشکل <strong>مقیاس‌پذیری</strong>: هند ۱۶۳۵ کیلومتر مرز با چین و ۳۳۲۳ کیلومتر مرز با پاکستان دارد و تهدیدات سایبری از هر دو جهت ادامه دارد. آیا ممیزی سالانه کافی است وقتی تاکتیک‌های حمله به‌صورت مداوم تکامل می‌یابند؟</p>
+  <p>سوم، چالش <strong>حریم خصوصی</strong>: ممیزی‌های فعال به دسترسی عمیق به سیستم‌ها نیاز دارند. در غیاب یک قانون جامع حفاظت از داده (Personal Data Protection Bill هند هنوز در مراحل نهایی تصویب است)، نگرانی‌هایی درباره چگونگی استفاده از داده‌های جمع‌آوری‌شده در طول ممیزی وجود دارد.</p>
+
+  <div class="footnote-box" style="padding: 14px; border-radius: 10px; background: #FAF7F0; border: 1px solid #E4DDD2; font-size: 12px; margin-bottom: 20px;">منابع: وزارت الکترونیک و فناوری اطلاعات هند (MeitY)، گزارش IndiaAI Mission Q3 2025؛ CERT-In Annual Report 2024-25؛ National Cyber Security Policy (Revised Draft) 2025؛ Observer Research Foundation, «India's AI Security Architecture», فوریه ۲۰۲۶.</div>
+
+  <h2>نتیجه‌گیری: مدلی برای جهان در حال توسعه</h2>
+  <p>رویکرد هند در ممیزی امنیتی هوش مصنوعی از چند جهت قابل‌توجه است. این رویکرد نشان می‌دهد که کشورهای در حال توسعه لازم نیست صرفاً «مصرف‌کننده» سیاست‌های امنیتی طراحی‌شده توسط آمریکا یا اروپا باشند — بلکه می‌توانند مدل‌های بومی‌شده متناسب با تهدیدات، منابع و اولویت‌های خود طراحی کنند.</p>
+  <p>موفقیت‌های اولیه — مانند کشف آسیب‌پذیری UPI — اثربخشی عملی این رویکرد را نشان داده است. اما پایداری این برنامه به حل سه چالش اصلی بستگی دارد: استقلال واقعی ممیزان، تداوم به‌روزرسانی روش‌ها، و شفافیت عمومی کافی برای ایجاد اعتماد بدون افشای اطلاعات حساس. اگر هند بتواند این توازن را برقرار کند، می‌تواند الگویی باشد که کشورهایی مانند برزیل، اندونزی، و آفریقای جنوبی از آن بیاموزند.</p>
+</div>
+`;
+
+export const ART61_CONTENT = `
+<div class="article-content">
+  <p class="lead">آنتروپیک — شرکتی که Claude را می‌سازد — سیاست استفاده‌ای دارد که به‌صراحت کاربردهای نظامی کشنده را ممنوع می‌کند. پاپ فرانسیس در آخرین نامه‌های پاپی خود از «الگوریتم‌های مرگ» سخن گفته است. در همین حال، رقبای آنتروپیک — گوگل، مایکروسافت و پالانتیر — میلیاردها دلار قرارداد با وزارت دفاع دارند. این شکاف نشان‌دهنده یکی از عمیق‌ترین جنگ‌های درونی در تاریخ سیلیکون‌ولی است: تعریف آینده‌ای که در آن فناوری با جنگ تلاقی پیدا می‌کند.</p>
+
+  <figure style="margin: 0 0 28px 0; border-radius: 10px; overflow: hidden; border: 1px solid #E4DDD2;">
+    <img src="/images/articles/anthropic-military-ban-papal-encyclical-photo-1.jpg" alt="آنتروپیک، پنتاگون و واتیکان در مسئله هوش مصنوعی نظامی" loading="lazy" style="width: 100%; height: auto; display: block;" />
+    <figcaption style="font-size: 12px; color: #5F6B6D; padding: 10px 14px; background: #F4EFE6; line-height: 1.7; direction: rtl;">سه صدای متفاوت در بحث اخلاق هوش مصنوعی نظامی: دفتر Anthropic در سان‌فرانسیسکو، پنتاگون در واشینگتن، و واتیکان در رم — هر کدام با رویکردی متفاوت به این سؤال اساسی پاسخ می‌دهند که هوش مصنوعی تا کجا می‌تواند در تصمیم‌گیری نظامی دخالت داشته باشد.</figcaption>
+  </figure>
+
+  <h2>۱. سیاست آنتروپیک: آنچه AUP واقعاً می‌گوید</h2>
+  <p>سیاست استفاده قابل‌قبول آنتروپیک (Acceptable Use Policy) صریح‌ترین ممنوعیت نظامی در میان شرکت‌های هوش مصنوعی پیشرو است. بخش پنجم این سیاست تحت عنوان «<strong>Activities That Endanger Safety</strong>» چند کاربرد را به‌طور مستقیم ممنوع اعلام کرده است:</p>
+  <ul>
+    <li><strong>سلاح‌های کشنده مستقل (LAWS):</strong> استفاده از Claude در هر سیستمی که بدون نظارت انسانی معنادار تصمیم کشتن می‌گیرد.</li>
+    <li><strong>هدف‌گذاری نظامی:</strong> کمک به شناسایی، ردیابی یا هدف‌گیری افراد یا گروه‌ها برای اقدامات خشونت‌آمیز.</li>
+    <li><strong>تسلیحات کشتارجمعی:</strong> هرگونه کمک در توسعه سلاح‌های بیولوژیک، شیمیایی، هسته‌ای یا رادیولوژیک.</li>
+    <li><strong>جنگ اطلاعاتی:</strong> کمپین‌های تأثیرگذاری پنهان یا عملیات روان‌شناختی علیه جمعیت‌های غیرنظامی.</li>
+  </ul>
+  <p>اما همین سیاست در حوزه‌های خاکستری مبهم است. «<strong>تحلیل اطلاعاتی دفاعی</strong>» به‌صراحت ممنوع نشده است. کمک به «<strong>برنامه‌ریزی لجستیکی نظامی غیرکشنده</strong>» نیز در منطقه ابهام قرار دارد. آنتروپیک به برخی قراردادهای دولتی از طریق بستر Amazon Bedrock دسترسی می‌دهد — جایی که کنترل مستقیم بر کاربرد نهایی کمتر است.</p>
+
+  <blockquote style="border-right: 4px solid #D49A2A; margin: 28px 0; padding: 16px 20px; background: #D49A2A0A; border-radius: 0 8px 8px 0; font-size: 16px; color: #263238; font-style: normal;">«ما بر این باوریم که توسعه هوش مصنوعی ایمن و سودمند برای بشریت، مستلزم اجتناب از کاربردهایی است که می‌توانند به نرمال‌سازی خشونت خودکار بدون نظارت انسانی منجر شوند.» — سیاست استفاده قابل‌قبول Anthropic، نسخه ۲.۴، ژانویه ۲۰۲۶</blockquote>
+
+  <h2>۲. پاپ و الگوریتم‌های مرگ: موضع واتیکان</h2>
+  <p>در بهمن ۱۴۰۴، واتیکان سندی منتشر کرد که اگرچه به اندازه رسانه‌های فناوری دیده نشد، اما از نظر تاریخی اهمیت فوق‌العاده‌ای دارد. این سند — که به‌عنوان ادامه منطقی <strong>Laudato Si</strong> (نامه پاپی ۲۰۱۵ درباره محیط‌زیست) و <strong>Laudate Deum</strong> (۲۰۲۳) شناخته می‌شود — برای اولین بار موضع رسمی کلیسای کاتولیک را درباره هوش مصنوعی در جنگ بیان می‌کند.</p>
+  <p>مهم‌ترین مفهوم معرفی‌شده در این سند، <strong>«Algorithmic Warfare and Human Dignity»</strong> است. این سند استدلال می‌کند که تفویض تصمیم کشتن به الگوریتم — حتی اگر انسانی در حلقه باشد — با کرامت ذاتی انسانی ناسازگار است، زیرا «مسئولیت اخلاقی را در دود منطق ماشین می‌پوشاند».</p>
+  <p>پاپ فرانسیس به‌طور ویژه از «<strong>تله‌گذاری الگوریتمی</strong>» سخن گفته — مفهومی که به سیستم‌هایی اشاره دارد که در آنها هوش مصنوعی شرایطی را می‌سازد که انسان‌ها را عملاً مجبور به تأیید دستورات نظامی می‌کند، حتی اگر نظارت رسمی حفظ شده باشد. این مستقیماً به سیستم‌هایی مانند AEGIS Navy یا Iron Dome اشاره دارد که در آنها سرعت عمل سیستم، تصمیم‌گیری انسانی واقعی را عملاً غیرممکن می‌کند.</p>
+
+  <div class="insight-box" style="padding: 14px; border-radius: 10px; background: #0F6B7311; border: 1px solid #0F6B7340; margin-bottom: 20px;"><strong>زمینه تاریخی:</strong> واتیکان قابلیت تأثیرگذاری نهادی قابل‌توجهی در بحث‌های بین‌المللی دارد. موضع‌گیری کلیسا در خصوص بمب اتم (۱۹۴۵)، مین‌های ضد نفر (۱۹۹۷) و سلاح‌های خوشه‌ای (۲۰۰۸) در نهایت به معاهدات بین‌المللی کمک کرد. اما در حوزه هوش مصنوعی، سرعت توسعه فناوری بسیار بیشتر از فرآیندهای دیپلماتیک سنتی است.</div>
+
+  <h2>۳. طرف مقابل: گوگل، مایکروسافت و روایت «دفاع مسئولانه»</h2>
+  <p>شرکت‌هایی که قراردادهای نظامی دارند، روایت متفاوتی ارائه می‌دهند. <strong>گوگل</strong> پس از Project Maven (۲۰۱۸) که منجر به خروج هزاران کارمند اعتراضی شد، سیاست هوش مصنوعی برای اهداف نظامی را محدودتر کرد. اما بعداً قراردادهای Project Nimbus با ارتش اسرائیل را امضا کرد — قراردادهایی که دوباره موج اعتراضات داخلی را برانگیخت.</p>
+  <p><strong>مایکروسافت</strong> صریح‌تر عمل کرده است. Brad Smith، رئیس این شرکت، استدلال می‌کند که «<strong>دموکراسی‌ها باید ابزار بهتری نسبت به اقتدارگرایان داشته باشند</strong>» و کمک به ارتش‌های دموکراتیک را به‌عنوان وظیفه اخلاقی می‌شناسد. مایکروسافت قراردادهایی با ناتو، ارتش آمریکا، و سرویس‌های اطلاعاتی چندین کشور دارد. نسخه‌های خاص Azure OpenAI برای محیط‌های نظامی تأییدیه امنیتی دارند.</p>
+  <p><strong>Palantir</strong> — شرکتی که هویتش کاملاً با قراردادهای دفاعی و اطلاعاتی گره خورده — موضعی بازتر دارد. Alex Karp، مدیرعامل Palantir، به‌صراحت گفته که «<strong>اگر ارزش‌های غربی ارزش دفاع دارند، باید ابزارهای دفاع از آنها را بسازیم</strong>». پلتفرم Maven Smart System این شرکت در حال حاضر توسط ارتش آمریکا برای تحلیل میدان جنگ استفاده می‌شود.</p>
+
+  <blockquote style="border-right: 4px solid #D49A2A; margin: 28px 0; padding: 16px 20px; background: #D49A2A0A; border-radius: 0 8px 8px 0; font-size: 16px; color: #263238; font-style: normal;">«این دیدگاه که شرکت‌های فناوری می‌توانند از اعمال ریاست‌جمهوری و دموکراسی سر باز زنند، نه تنها ساده‌انگارانه است، بلکه خطرناک است.» — Alex Karp، مدیرعامل Palantir، مصاحبه با Financial Times، ۲۰۲۵</blockquote>
+
+  <h2>۴. شکاف درونی سیلیکون‌ولی: دو نسل، دو فلسفه</h2>
+  <p>پشت این بحث عمومی، یک انشقاق نسلی واقعی در صنعت فناوری وجود دارد. نسل اول سیلیکون‌ولی — که بسیاری از آنها در دوران جنگ سرد بزرگ شدند و شرکت‌هایشان با قراردادهای دفاعی DARPA آغاز شد — هیچ‌گونه تناقضی بین فناوری و دفاع ملی نمی‌بینند.</p>
+  <p>اما بسیاری از بنیان‌گذاران نسل جدید — از جمله Dario Amodei (آنتروپیک)، Ilya Sutskever (SSI) و گروه‌های تحقیقاتی مثل Redwood Research — با دیدگاهی کاملاً متفاوت رشد کرده‌اند. برای آنها، خطر اصلی نه یک دشمن خارجی مشخص، بلکه «خطر کاتاستروفیک هوش مصنوعی» است — سناریویی که در آن سیستم‌های هوش مصنوعی قدرتمند، خواه توسط دموکراسی‌ها یا اقتدارگرایان کنترل شوند، می‌توانند به بی‌ثباتی بنیادین جهان منجر شوند.</p>
+  <p>این تفاوت فلسفی به‌طور مستقیم بر استراتژی تجاری تأثیر می‌گذارد. آنتروپیک در سال ۲۰۲۴ تأمین مالی ۴ میلیارد دلاری از Amazon دریافت کرد — اما حتی در متن این توافق نیز سعی شد محدودیت‌هایی برای کاربردهای نظامی مستقیم حفظ شود. این رویکرد «<strong>رشد پایدار با حفظ خطوط قرمز اخلاقی</strong>» برای برخی سرمایه‌گذاران جذاب و برای برخی دیگر آزاردهنده است.</p>
+
+  <div class="insight-box" style="padding: 14px; border-radius: 10px; background: #0F6B7311; border: 1px solid #0F6B7340; margin-bottom: 20px;"><strong>Project Maven — درس تاریخی:</strong> در ۲۰۱۸، گوگل قرارداد Project Maven با وزارت دفاع آمریکا را پس از اعتراض بیش از ۳,۰۰۰ کارمند لغو کرد. این رویداد نشان داد که سرمایه انسانی (نخبگان فنی) می‌تواند اهرم تأثیرگذاری مؤثری باشد. اما گوگل بعداً قراردادهای دیگری امضا کرد و نشان داد که این مقاومت موقتی بود.</div>
+
+  <h2>۵. آیا بی‌طرفی ممکن است؟ تحلیل فلسفی</h2>
+  <p>سؤال اساسی این است: آیا یک شرکت هوش مصنوعی می‌تواند واقعاً «بی‌طرف» بماند؟ چند استدلال مخالف وجود دارد:</p>
+  <p><strong>استدلال اول — بی‌طرفی به‌عنوان انتخاب:</strong> عدم فروش به نظامی خود یک انتخاب سیاسی است، نه بی‌طرفی. اگر آنتروپیک از فروش به ارتش آمریکا امتناع کند اما رقبایش این کار را انجام دهند، نتیجه این است که ابزارهای نظامی آمریکا از Claude محروم می‌شوند، نه اینکه هوش مصنوعی از جنگ حذف می‌شود.</p>
+  <p><strong>استدلال دوم — مشکل اعمال:</strong> حتی اگر آنتروپیک API خود را به شرکت‌های دفاعی نفروشد، مدل‌های متن‌باز مشابه می‌توانند برای اهداف نظامی Fine-tune شوند. Llama 3 Meta بدون هیچ محدودیتی قابل دانلود است. این یعنی ممنوعیت آنتروپیک تنها «پاک ماندن دستان خود» را ممکن می‌کند، نه جلوگیری از استفاده نظامی از هوش مصنوعی.</p>
+  <p><strong>استدلال سوم — مزیت دموکراسی:</strong> آنچه Karp و Smith می‌گویند را نمی‌توان به‌راحتی رد کرد. اگر ارتش‌های دموکراتیک ابزارهای هوش مصنوعی بهتری داشته باشند، آیا این به کاهش جنگ‌ها و حفاظت از غیرنظامیان کمک نمی‌کند؟ سیستم‌های هوش مصنوعی که دقت را افزایش می‌دهند و آسیب جانبی را کاهش می‌دهند، می‌توانند از این منظر اخلاقاً توجیه‌پذیر باشند.</p>
+  <p>آنتروپیک در پاسخ به این استدلال‌ها موضعی دوگانه دارد. از یک طرف، اعتراف می‌کند که بی‌طرفی کامل ممکن نیست. از طرف دیگر، معتقد است که «<strong>باید خط قرمزهای عملیاتی داشت، حتی اگر ناقص باشند</strong>» — چون بدون این خطوط، سرمایه فکری لازم برای کار روی ایمنی هوش مصنوعی بلندمدت از بین می‌رود.</p>
+
+  <div class="footnote-box" style="padding: 14px; border-radius: 10px; background: #FAF7F0; border: 1px solid #E4DDD2; font-size: 12px; margin-bottom: 20px;">منابع: Anthropic Acceptable Use Policy v2.4 (January 2026)؛ Vatican Dicastery for Integral Human Development, «Artificial Intelligence and the Ethics of War» (February 2026)؛ Google AI Principles (Revised 2024)؛ Microsoft Responsible AI Standards v2؛ Palantir Technologies SEC Filing 10-K 2025؛ Future of Life Institute, «Autonomous Weapons and Human Dignity» (2025).</div>
+
+  <h2>نتیجه‌گیری: آیا این شکاف دائمی است؟</h2>
+  <p>شکاف بین شرکت‌های «دفاع‌محور» مانند Palantir و Microsoft، و شرکت‌های «ایمنی‌محور» مانند Anthropic و Redwood Research، احتمالاً دائمی نیست — بلکه مرحله‌ای گذار در رسیدن صنعت به یک تعادل جدید است.</p>
+  <p>پاپ، با تمام تفاوت‌های فلسفی با دانشمندان ایمنی هوش مصنوعی، روی یک نکته اتفاق نظر دارد: <strong>سرعت توسعه از ظرفیت اخلاقی بشر برای هضم آن پیشی گرفته است</strong>. در این نقطه، صداهای متفاوت — از واتیکان تا سان‌فرانسیسکو — یک پیام مشترک دارند: نیاز به توقف، تفکر، و تعریف خطوطی که نباید از آنها عبور کرد.</p>
+  <p>اما تا زمانی که این مرزها در قوانین بین‌المللی تثبیت نشوند، هر شرکت منفرداً تعریف می‌کند که «مسئولیت» به چه معناست. و در این وضعیت، موضع آنتروپیک — هر چقدر هم که ناقص و قابل انتقاد باشد — حداقل این مزیت را دارد که یک پرسش اساسی را زنده نگه می‌دارد: آیا باید هر قدرت فنی را که می‌توانیم بسازیم، بسازیم؟</p>
+</div>
+`;