رمزگشایی هوش مصنوعی از اسرار شخصی از طریق ردپای تبلیغاتی

هوش مصنوعی امروزه به چنان سطحی از تحلیل رسیده است که می‌تواند از میان انبوه داده‌های پراکنده و به ظاهر بی‌ربط، تصویری دقیق از هویت ما بسازد. فرآیند استخراج داده‌های شخصی توسط این سیستم‌ها دیگر متکی بر فرم‌های اطلاعاتی که ما پر می‌کنیم نیست؛ بلکه هوش مصنوعی با بهره‌گیری از تکنیک‌های یادگیری عمیق، روابط پنهان میان کنش‌های دیجیتال ما را کشف می‌کند. این مدل‌ها قادرند الگوهای رفتاری، لحن نوشتار و حتی زمان‌بندی فعالیت‌های آنلاین ما را به ویژگی‌های شخصیتی، گرایش‌های فکری و وضعیت اقتصادی پیوند بزنند، بدون آنکه ما مستقیماً به این موارد اشاره کرده باشیم.

 

در واقع، هوش مصنوعی با استفاده از مدل‌های زبانی بزرگ (LLMs)، توانایی «خواندن بین خطوط» را پیدا کرده است. این سیستم‌ها نه تنها داده‌های ساختاریافته مثل سن یا مکان جغرافیایی، بلکه داده‌های غیرساختاریافته و کیفی را نیز تحلیل می‌کنند. قدرت واقعی آن‌ها در این است که می‌توانند از روی ترجیحات بصری یا حتی نوع تبلیغاتی که صرفاً از مقابل چشم ما عبور کرده‌اند، به لایه‌های پنهان زندگی خصوصی ما نفوذ کنند؛ فرآیندی که تا پیش از این برای انسان یا الگوریتم‌های ساده غیرممکن بود.

 

نتایج پژوهشی نوین در مرکز علوم اجتماعی ARC دانشگاه نیو ساوت ولز (UNSW) نشان می‌دهد که هوش مصنوعی مرزهای جدیدی را در نقض حریم خصوصی درنوردیده است. برخلاف گذشته که سیستم‌های تبلیغاتی برای شناخت کاربر به سوابق مستقیم نظیر تاریخچه جستجو یا کلیک‌های آگاهانه متکی بودند، مدل‌های پیشرفته امروزی می‌توانند تنها با «نگاه کردن به ویترین تبلیغاتی کاربر»، هویت او را بازسازی کنند. این یعنی هوش مصنوعی با تحلیل مجموعه‌ای از تبلیغات که به یک فرد نمایش داده شده، می‌تواند بفهمد او کیست، چه فکر می‌کند و در چه وضعیتی زندگی می‌کند.

 

محققان در پروژه «رصدخانه تبلیغات استرالیا» با بررسی بیش از ۴۳۵ هزار تبلیغ متنی و زیر نظر گرفتن رفتار ۸۹۱ کاربر، به نتیجه‌ای تکان‌دهنده دست یافتند. این مطالعه که در کنفرانس معتبر ACM 2026 ارائه شده، فاش می‌کند که تبلیغات نمایش داده شده به ما، تصادفی نیستند بلکه آینه‌ای از ویژگی‌های ما هستند. حتی اگر تاریخچه مرورگر خود را پاک کنید، مدل‌های زبانی بزرگ قادرند با دقت خیره‌کننده‌ای گرایش‌های سیاسی، سطح تحصیلات، قومیت و وضعیت شغلی شما را صرفاً از روی «ردپای تبلیغاتی» استنباط کنند. در واقع، این سیستم‌ها متوجه می‌شوند که چه نوع محتوایی برای چه نوع ذهنیتی فیلتر شده است.

 

یافته‌های بایو چن و تیم همراهش نشان می‌دهد که مدل‌های هوش مصنوعی در ساخت پروفایل‌های شخصی، نه تنها دقیق‌تر و پایدارتر از انسان عمل می‌کنند، بلکه این کار را ۵۰ برابر سریع‌تر و بیش از ۲۰۰ برابر ارزان‌تر انجام می‌دهند. نکته چالش‌برانگیز اینجاست که برای این جاسوسی دیجیتال، نیازی به ردیابی طولانی‌مدت نیست؛ حتی یک جلسه کوتاه وب‌گردی کافی است تا هوش مصنوعی بتواند الگوهای غیرتصادفی حاکم بر سیستم‌های تبلیغاتی را رمزگشایی کرده و ویژگی‌های پیچیده‌ای نظیر وضعیت اجتماعی-اقتصادی یا مرحله زندگی فرد (مانند مجرد بودن یا والد بودن) را تشخیص دهد.

 

تفاوت اصلی مدل‌های مدرن با الگوریتم‌های قدیمی در «شفافیت» آن‌هاست. در سیستم‌های پیشین، پارامترها مشخص بودند (مثلاً: چون کاربر کلمه "خرید ماشین" را جستجو کرده، پس به خودرو علاقه دارد). اما هوش مصنوعی فعلی بر اساس "ارتباطات ظریف" و محتوای ناهمگن تصمیم می‌گیرد. این سیستم‌ها بدون نیاز به توضیحات صریح، به نتیجه‌گیری‌هایی دست می‌یابند که حتی برای توسعه‌دهندگان آن‌ها نیز به راحتی قابل درک یا ردیابی نیست. این "جعبه سیاه" تحلیلی، باعث می‌شود حریم خصوصی کاربران در برابر استنتاج‌های دقیق هوش مصنوعی، بی‌دفاع‌تر از هر زمان دیگری باشد.

 

این توانایی هوش مصنوعی در استخراج داده از تبلیغات، مفهومی به نام «استنباط الگوریتمی» را وارد مرحله جدیدی کرده است. در حالی که قوانین حفاظتی نظیر GDPR بر داده‌هایی که ما «ارائه می‌دهیم» تمرکز دارند، هنوز قوانین مدونی برای داده‌هایی که هوش مصنوعی «استنتاج می‌کند» وجود ندارد. این شکاف قانونی می‌تواند به شرکت‌ها اجازه دهد تا بدون اجازه مستقیم، به حساس‌ترین لایه‌های شخصیتی افراد دسترسی پیدا کرده و از آن برای مهندسی اجتماعی یا هدف‌گیری‌های سیاسی بسیار دقیق استفاده کنند.