نيلسون تشو، المؤسس والرئيس التنفيذي لشركة ARCOS Labs – سلسلة المقابلات

Nelson Chu، المؤسس والرئيس التنفيذي لشركة ARCOS Labs، هو رائد أعمال متكرر ومدير تقني ذو خلفية تمتد عبر البنية التحتية المالية والاستثمار والمنصات الرقمية. قبل تأسيس ARCOS Labs، قضى ثمان سنوات كالمؤسس والرئيس التنفيذي لشركة Percent، حيث بنى منصة تقنية تهدف إلى تحديث أسواق الائتمان الخاصة، ويشغل الآن منصب رئيس مجلس الإدارة. في مرحلة سابقة من مسيرته، شارك تشو في تأسيس MySupport، وهي منصة إلكترونية تربط كبار السن والأشخاص ذوي الإعاقات بعمال الدعم، والتي تم الاستحواذ عليها لاحقًا من قبل RISE Services، وأسّس شركة الاستشارات الإستراتيجية Lumenary. كما شغل دور المستشار والمستثمر في شركات مثل BlockFi وRecharge Capital، وبدأ مسيرته في الخدمات المالية من خلال وظائف في BlackRock وBank of America وMerrill Lynch.

ARCOS Labs، اختصارًا لـ Applied Research in Creative Output Synthesis، تطور بنية تحتية تهدف إلى مساعدة الذكاء الاصطناعي على العمل بمسؤولية مع تزايد تفاعل النماذج التوليدية مع الأعمال المحمية بحقوق الطبع والنشر، والشخصيات، والملامح البشرية. تركز الشركة على استخبارات الملكية الفكرية الجنائية وإدارة الحقوق، باستخدام تقنية تهدف إلى تحديد وقياس كيفية إعادة إنتاج الأصول الإبداعية بواسطة الذكاء الاصطناعي، وتتبع استخدامها، ودعم أطر الترخيص والتنفيذ. منصة VN الرائدة صُممت لتزويد المبدعين والاستوديوهات ووكالات المواهب وحاملي الحقوق بمزيد من الرؤية والتحكم في كيفية استخدام أنظمة الذكاء الاصطناعي لممتلكاتهم الفكرية، بينما تقف ARCOS خلف Lightbar، وهي مبادرة جماعية للتحقق من نماذج تدريب الذكاء الاصطناعي. ظهرت الشركة علنًا من مرحلة التخفي في أغسطس 2026 بهدف أوسع وهو بناء بنية الثقة والحقوق اللازمة لتعايش المبدعين وأنظمة الذكاء الاصطناعي على نطاق واسع.

قضيت ثمان سنوات في بناء Percent حول البنية التحتية اللازمة لجلب الكفاءة والشفافية إلى سوق الائتمان الخاص المتجزّئ. ما الدروس التي تستخلصها من بناء هذا النوع من البنية التحتية المالية والتي تطبقها الآن في ARCOS Labs بينما تواجه مشكلة مختلفة تمامًا تتعلق بالملكية الفكرية وإدارة الحقوق في عصر الذكاء الاصطناعي التوليدي؟

الكثير من ذلك ينتقل. عندما بدأنا Percent، كان الائتمان الخاص متجزئًا وغير شفاف. كل صفقة كانت تُوصف بطريقة مختلفة، لذا لم يكن بالإمكان مقارنة أو تسعير أي شيء بثقة. الدرس الأول هو أن التوحيد يجب أن يسبق السوق. أمضينا سنوات في البنية التحتية غير اللامعة التي سمحت بوصف الصفقة والتحقق منها بنفس الطريقة في كل مرة، ولم تظهر المعاملات الفعّالة إلا بعد ذلك. الملكية الفكرية في عصر الذكاء الاصطناعي التوليدي تواجه نفس المشكلة. لا يوجد سجل قياسي يحدد ما هو الأصل ومن يملكه، ناهيك عن كيفية استخدام النماذج له. حتى يتوفر هذا السجل، يبقى كل ما يلي ذلك عشوائيًا، سواء كان تنفيذًا أو ترخيصًا.

الدرس الثاني هو أن الثقة تُبنى على التحقق. لم يثق المستثمرون في الائتمان الخاص بكلمة المُصدر فقط حول أداء الصفقة. كانوا يرغبون في بيانات يمكنهم التحقق منها بأنفسهم. حاملو الحقوق في نفس الوضع مع شركات الذكاء الاصطناعي اليوم. الضمانات المتعلقة بالحدود الآمنة لا تحمل وزنًا كبيرًا. الأدلة القابلة لإعادة الإنتاج بشكل مستقل هي ما يغيّر الحوار.

الدرس الثالث يتعلق بالحوافز. أي سوق متجزئ يعتمد على مبدأ الدجاجة والبيضة لا يعمل إلا عندما يقتنع كل جانب بأن الحل يفيده. مع Percent، شاهدنا محاولات حل المشكلة لطرف واحد أو الآخر، ولم تستمر. في إدارة الملكية الفكرية والحقوق، الحوافز غير متوازنة حاليًا. ترغب شركات النماذج في النمو، وتقديم أدوات قيمة لعملائها، وأحيانًا إنشاء محتوى منتهك كتكتيك تسويقي، كما هو الحال مع Sora وByteDance كمثالين حديثين. بينما يحاول حاملو الحقوق مواكبة التغييرات التي لا يمكنهم حتى توقعها، مع الحفاظ على صلتهم في عصر أصبح إنتاج المحتوى فيه أسهل بشكل كبير. البنية التحتية التي تنتصر في سوق كهذا هي التي يثق بها كلا الطرفين، وهذا عادة ما يعني أنها ليست مشاركًا في المعاملة نفسها.

القوس الأكبر مألوف أيضًا. أصبح الائتمان الخاص فئة أصول رئيسية بمجرد وجود بنية تحتية لقياسه، وأعتقد أن الملكية الفكرية في بداية نفس التحول.

ما الذي أقنعك بأن حماية الأعمال الإبداعية من الذكاء الاصطناعي التوليدي تتطلب طبقة بنية تحتية تقنية جديدة، بدلاً من الاعتماد أساسًا على تحسين قانون حقوق النشر، أو سياسات تعديل المحتوى، أو العلامات المائية؟

في الأساس، النماذج هي حل تقني، لذا إذا أردت حماية الإبداع من هذه النماذج، فإن الحل التقني سيكون ضروريًا. يبقى قانون حقوق النشر غامضًا، وهو ما يتضح في قضايا مثل Cox وAnthropic وما يحدث أيضًا في ألمانيا مع GEMA. مفهوم الاستخدام العادل لا يزال سؤالًا مفتوحًا ولم يُقرر بعد، والمحاكم، كما ينبغي، ستستغرق وقتًا طويلاً لإصدار حكم. يعتمد تعديل المحتوى على أن النماذج تقوم بتعديل نفسها، وهذا طلب كبير عليها ويكاد يكون مستحيلًا بناءً على ما لاحظنا. العلامات المائية فكرة واعدة، لكنها تعتمد أيضًا على مراقبة الأشخاص لأنفسهم ويمكن إزالتها بسهولة. مع كل ذلك في الاعتبار، علمنا أن الطريقة الوحيدة الحقيقية للتعامل مع هذه المشكلة هي أن نقوم بذلك بأنفسنا ونقدم حلاً تقنيًا لهذه المشكلة الواقعية والهامة.

تم تصميم VN لقياس مدى تشابه المحتوى الذي يولده الذكاء الاصطناعي مع الشخصيات المحمية، والأعمال الإبداعية، والملامح البشرية. على المستوى التقني، كيف يحدد النظام متى يتحول الناتج من مجرد تشابه إلى شيء يجب أن يثير قلق صاحب الحقوق؟

نحن في النهاية نترك القرار للمستخدم. دورنا هو تحديد مدى التشابه الإحصائي للناتج، مع ضمان التقاط كل وضع وإمكانية، ثم مقارنته بالشخصية المحمية أو العمل الإبداعي أو الملامح البشرية. لدى بعض المستخدمين حدًّا أدنى لا يمكنهم نشر العمل تحته. تميل الشركات الكبيرة إلى أن تكون أكثر صرامة لأن جميع المحتويات المنتجة يجب أن تكون ملكًا لها. أما المستخدمون من فئة الـ prosumer الذين يجربون للمتعة، فقد يقبلون حدًا أعلى ويسمحون بمزيد من التنوع.

عند إجراء اختبار جنائي لاستوديو أو وكالة مواهب أو عميل مشابه، نقدم تحليل التعرض:

• أي النماذج تولد المحتوى بأعلى دقة
• أي النماذج يمكنها إنتاجه على الإطلاق
• أي النماذج قد تضعه في مواقف إشكالية

في النهاية، مهمتنا هي إجراء التحليل وتقديم النتائج، لكن كيفية استخدام العميل لها هي قراره بالكامل.

أظهر اختبارك لـ Seedance 2.5 وجود ضوابط أقوى بكثير حول الشخصيات القابلة للتعرف مقارنةً بالملكية الفكرية الأقل بروزًا. ماذا يخبرنا هذا التفاوت عن كيفية بناء شركات الذكاء الاصطناعي لضوابط حقوق النشر الحالية، ولماذا يصعب حماية الملكية الفكرية ذات الذيل الطويل بشكل خاص؟

كل شركة ذكاء اصطناعي تختلف، وكل منها تهتم بهذه المسألة بدرجات متفاوتة. عندما تم إصدار Seedance 2.0 في وقت سابق من هذا العام، أدركت ByteDance بسرعة المشكلة التي تسببت بها لنفسها نتيجة الردود السلبية وبدأت في تحسين ضوابطها. بعض النماذج المعروفة والشائعة تبدو غير مبالية، إما بالاختيار أو بسبب إغفال، لكن احترام الملكية الفكرية لن يُنظر إليه أبدًا كخطأ، فقط لم يصلوا إلى هذا الاستنتاج بعد.

حماية الذيل الطويل صعبة بسبب طريقة عمل التقنية:

فحوصات مستوى الطلب: فحص طلب الإدخال للبحث عن محتوى منتهك، مما يسمح للنموذج باتخاذ قرار المتابعة أم لا. للأسف، حتى عند فحص الطلب، لا تزال هناك طرق عديدة لتجاوزه. يمكنهم صياغته بشكل مختلف قليلًا، أو وصف الشخصية دون تسميتها، أو استخدام أخطاء إملائية. يمكن للطلبات بسهولة تجاوز الكواشف، وقد تتوهم النماذج أيضًا بإنتاج مخرجات تختلف عن طلب المستخدم وقد تشمل شخصية منتهكة.

فحوصات تحليل المخرجات: فحص كل مخرج مقابل قاعدة بيانات للشخصيات المعروفة. الشخصيات القابلة للتعرف تُثير حساسية أعلى، بينما قد لا تُلاحظ شخصيات الذيل الطويل لأنها لم تُدرج في قاعدة البيانات، وبالتالي فإن الرقابة الشاملة تكون صعبة حتمًا.

السرعة أيضًا مهمة. بالنسبة لنماذج توليد الصور، فحص صورة واحدة سريع نسبيًا. أما توليد الفيديو، فيتطلب مسح العديد من الإطارات، مما قد يبطئ الإنتاج بشكل كبير ويؤثر على تجربة المستخدم.

تحقيق التوازن بين هذه المخاوف أمر حساس، لكن بعض النماذج بذلت جهدًا لمحاولة حلها. في النهاية، يعتمد ذلك على ما إذا كان النموذج مستعدًا ومهتمًا باحترام الملكية الفكرية.

قد يرفض نموذج طلبًا مباشرًا لتوليد شخصية محمية بحقوق النشر لكنه لا يزال يعيد إنتاج تلك الشخصية عندما يُعطى وصفًا مفصلاً بما فيه الكفاية. كيف يجب أن يتطور اختبار أمان الذكاء الاصطناعي ليتجاوز معدلات رفض الطلبات البسيطة لتحديد هذا النوع من الإعادة غير المباشرة؟

هذه مشكلة واضحة. عندما يستطيع نموذج إعادة إنتاج شخصية من وصف مفصل أو حتى بسيط جدًا، فهذا يدل على أن الشخصية مدمجة بعمق في بيانات التدريب. وهذا يثير سؤالًا منفصلًا تمامًا حول كيفية جمع البيانات، وهذا ما يجري حاليًا في المحاكم.

يجب أن يتجاوز اختبار الأمان فحص الطلبات ويتطور إلى تحليل المخرجات الفعلية. تولد النماذج الصور عبر الانتشار، مبنية تدريجيًا على تصور النتيجة. بسبب هذه العملية وطريقة تدريبها، يمكنها عن غير قصد إعادة إنتاج شخصيات محمية بحقوق النشر، سواء في المقدمة أو حتى في الخلفية، وأحيانًا دون طلب. الطريقة الوحيدة الموثوقة لاكتشاف ذلك هي اختبار النموذج مباشرة وقياس ما ينتجه فعليًا.

من المؤكد أن كشف التشابه يثير أسئلة حول الإيجابيات الكاذبة. كيف تفرق بين التأثير الإبداعي المشروع، والتشابه العشوائي، وإعادة الإنتاج التي تكون ذات دلالة إحصائية كافية لتجعل الاستوديو أو صاحب الحقوق يحقق فيها؟

سيتطلب هذا العمل تحسينًا مستمرًا. يجب أن تكون أقرب صورة بصرية يمكن للإنسان التعرف عليها بسهولة هي نقطة الانطلاق، وهذا ما يمكن إنجازه بشكل جيد اليوم. بمجرد الانتقال إلى الإبداعات الاصطناعية أو الأسئلة المتعلقة بالأسلوب، يصبح الإثبات أصعب بكثير والتنفيذ أكثر صعوبة.

خذ مثال سوبرمان. إذا أنشأ نموذج سوبرمان عام بعيون كريستوفر ريف، وذقن هنري كافيل، وعظام وجنتين لممثل آخر، وما إلى ذلك، فإن هذه السمات تُنتج سوبرمان يصعب عكس هندسته وتحديد مصدر كل جزء.

هناك أمران يحافظان على ضبط الإيجابيات الكاذبة. الأول هو أننا لا نعتمد أبدًا على رقم تشابه واحد بمعزل عن غيره. يتم قياس النتائج بحيث يمكن فصل التشابه العام عن الإعادة الفعلية، وكل اختبار قابل لإعادة الإنتاج: نفس المدخلات تحت نفس الظروف تنتج نفس الأرقام. الثاني هو أن التحليل يتطابق مع الأسئلة القانونية التي سيحتاج صاحب الحقوق للإجابة عليها. بالنسبة للشخصيات والأعمال الإبداعية، السؤال هو التشابه الجوهري. بالنسبة للعلامات التجارية والملامح، فهو احتمال الالتباس، أي ما إذا كان المشاهد العادي قد يُضلَل ليعتقد أن المخرج هو الشيء الحقيقي. مهمتنا هي وضع رقم يمكن الدفاع عنه وقابل للتكرار خلف تلك الأسئلة. ما إذا كان شيء ما يرتقي إلى مستوى التحقيق هو دائمًا قرار صاحب الحقوق.

النماذج التوليدية تتغير بسرعة ويمكن أن تتصرف بشكل مختلف تمامًا بعد تحديث. كيف يمكن لحاملي الحقوق تقييم مئات النماذج وربما آلاف الأصول المحمية باستمرار دون أن تصبح عملية المراقبة مكلفة بشكل غير معقول أو غير قابلة للإدارة تقنيًا؟

هذا شبه مستحيل، وهذا هو السبب في أن حاملي الملكية الفكرية يتأخرون ولا يستطيعون مواكبة أحدث النماذج من الولايات المتحدة وآسيا.

واقعيًا، يحتاجون إلى شخص في فريقهم يستطيع مواكبة السرعة والقتال نيابةً عنهم. لهذا بدأنا. رأينا أن هذه الاستوديوهات تحتاج إلى شركة تقنية يمكنها مواكبة سرعة نماذج التوليد، ولم يتقدم أحد آخر للقيام بذلك.

النصف الآخر من الجواب هو حفظ السجلات. يمكن للنموذج أن يتصرف بشكل مختلف جدًا بعد التحديث، لذا فإن أي نتيجة غير مرتبطة بوقت معين لا قيمة لها. كل نتيجة ننتجها تسجل أي نموذج تم اختباره، ومتى تم الاختبار، وأي أصل محمي تم اختباره ضده، وما هي الأرقام. هذا يحول المراقبة من مشكلة مستمرة غير ممكنة إلى مشكلة قابلة للإدارة: عندما يحدث تحديث للنموذج، تقوم بإعادة الاختبار ومقارنته بالسجل بدلاً من البدء من الصفر.

الكشف يحل جزءًا فقط من المشكلة. بمجرد أن يحدد النظام أن نموذج الذكاء الاصطناعي يمكنه إعادة إنتاج شخصية محمية أو ملامح، ما الذي يجب أن يحدث بعد ذلك، وما الآليات التقنية التي قد تسمح في النهاية للمبدعين بتحديد ما إذا كان يمكن حجب ملكيتهم الفكرية أو ترخيصها أو استخدامها تحت شروط معينة؟

هناك أبعاد قانونية وتقنية. قانونيًا، يقرر صاحب الملكية الفكرية كيفية المتابعة. قد يستخدم الأدلة التي نقدمها كأساس لدعوى قضائية، أو يستغلها في مفاوضات مع مطوري النماذج. الخيار متروك لهم.

تقنيًا، يجب أن يتمكن صاحب الحقوق من الموافقة على، والانضمام إلى، نماذج محددة قد تولد منتجه أو ملكيته الفكرية. يجب أن يتحكم في المخرجات، مانعًا سيناريو الفوضى المفتوحة. بدلاً من إجبارهم على قيود صارمة، ينبغي أن يكونوا قادرين على تحقيق إيرادات من كل توليد وفقًا لشروط محددة مسبقًا. هذا يعكس ممارسات في صناعات أخرى، لذا يجب أن ينطبق هنا أيضًا.

هل يمكن للبنية التحتية نفسها المستخدمة لاكتشاف الاستخدام غير المصرح به للذكاء الاصطناعي أن تمكّن في النهاية من سوق ترخيص شرعي، حيث يمكن لأنظمة الذكاء الاصطناعي تحديد من يملك الأصل، وما هي الأذونات المتاحة، وكيفية تدفق التعويضات إلى صاحب الحقوق؟

إذا كانت البنية التحتية قادرة على تحديد ما إذا كان الناتج الذي يولده الذكاء الاصطناعي يشبه ملكية فكرية، فيجب أن تكون هي التي تحل مسألة الترخيص في النهاية أيضًا. يمكنها تحديد ما هي الملكية الفكرية في المخرج، ومن هو صاحب الحقوق، وما إذا كان يجب منحه الائتمان، وفي النهاية تدفق التعويضات من خلاله. التقنية أساسية هي نفسها. إنها محرك دقة ينتج دليلًا إحصائيًا قابلًا للتحقق وإعادة الإنتاج. إذا تجاوز المخرج الحد الذي قد يخطئ فيه المشاهد في اعتقاده أنه الشيء الحقيقي، فإن صاحب الحقوق يحق له التعويض.

الشرط الوحيد هو أن من يدير هذه الطبقة يجب أن يظل محايدًا. لا يمكنه توليد محتوى بنفسه، ولا يمكنه اتخاذ جانب في أي صفقة فردية. مهمته هي تزويد الطرفين بسجل موثوق متساوٍ والسماح لهما بالتعامل مباشرة. هذه الحياد هو السبب في أن حاملي الحقوق قد يكونون مستعدين لتسجيل كتالوجاتهم فيه من البداية.

مع اقتراب الفيديو المولد بالذكاء الاصطناعي من الجودة والاتساق المطلوبين للإنتاج الاحترافي، ما هو تصورك للعلاقة بين شركات الذكاء الاصطناعي وهوليوود في النهاية؟ هل تتوقع أن تصبح إدارة الحقوق طبقة تحقق خارجية حول النماذج، أم شيئًا يجب أن يُدمج مباشرةً في النماذج نفسها في النهاية؟

إنه عالم مثير ندخله حيث جعلت شركات الذكاء الاصطناعي إنتاج المحتوى أرخص بكثير من أي وقت مضى. نتيجة لذلك، يمكننا توقع انتشار المحتوى، بعضها جيد، وبعضه سيء، وبعضه ذو ذوق، وبعضه بلا ذوق. تقليديًا، ترى هوليوود نفسها كحكم للذوق، تُنشئ أعمالًا يحبها الناس ويقعون في حبها. الآن يقدم الذكاء الاصطناعي أقوى أداة على الإطلاق للروائيين.

في الجزء الثاني من السؤال، أعتقد أن الإجابة الصادقة هي كلاهما، بالتتابع. من المحتمل أن تنتقل فحوصات التنفيذ إلى داخل النماذج مع مرور الوقت، لأنها الأكثر تكلفة والأسرع في التنفيذ. لكن طبقة المرجع، أي سجل ما هو موجود، ومن يملكه، وتحت أي شروط يمكن استخدامه، يجب أن تظل مستقلة، وكذلك التحقق. لا يمكن لشركة نموذج أن تكون هي التي تقيم مخرجاتها نفسها، ولن يسلم حاملو الحقوق كتالوجاتهم لشركة يكون عملها توليد مشتقات منها. هذا مشابه للأسواق المالية، حيث تقوم الشركات بالامتثال داخليًا لكنها لا تزال تخضع لمراجعين خارجيين.

ستحدث إدارة الحقوق عندما تجتمع هوليوود وشركات الذكاء الاصطناعي لتقرر كيفية التعايش. في النهاية، هدفهما واحد، وهو إنشاء محتوى جديد يحبه الناس. فقط يجب أن يتم ذلك بالطريقة الصحيحة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا ARCOS Labs.