پالانتیر، آنتروپیک و xAI — وقتی سه شرکت سیلیکون‌ولی به موتور یک جنگ تبدیل شدند.

در بامداد ۲۸ فوریه ۲۰۲۶ — به روایت رسمی سنتکام، ساعت ۱:۱۵ بامداد — وقتی نیروهای آمریکا و اسرائیل عملیات مشترک Epic Fury (نام عملیات اسرائیل: Roaring Lion) را علیه ایران آغاز کردند، دنیا شاهد یکی از سریع‌ترین و فشرده‌ترین کمپین‌های هوایی تاریخ معاصر بود. طبق برگهٔ اطلاعات وزارت دفاع آمریکا دربارهٔ ۲۴ ساعت نخست، در همان یک شبانه‌روز نخست بیش از ۱٬۰۰۰ هدف زده شد؛ و در کل ۳۸ روزِ عملیات — از ۲۸ فوریه تا ۵ مهٔ ۲۰۲۶ — شمار اهداف به بیش از ۱۳٬۰۰۰ رسید. اولین ضربه، قلب نظام را نشانه گرفت: آیت‌الله علی خامنه‌ای در ساعات آغازین کشته شد.

اما پشت این سرعت سرسام‌آور، یک هوش مصنوعی واحد ننشسته بود؛ بلکه یک اکوسیستم چندلایه از سه شرکت کار می‌کرد که هر کدام نقش متمایزی داشتند:

پالانتیر (Palantir) زیرساخت را ساخت ← آنتروپیک (Anthropic) با مدل Claude «مغز زبانی» اولیه را فراهم کرد ← و در فاز بعد، xAI با Grok به موتور شتاب تبدیل شد.

این، روایت کامل آن معماری است.

خط زمانی: چطور هوش مصنوعی وارد میدان جنگ شد

۱. پالانتیر و Maven Smart System: ستون فقرات

همه‌چیز از Maven Smart System (MSS) شروع می‌شود — پلتفرمی که شرکت پالانتیر ساخته و تا مارس ۲۰۲۶ اداره‌اش میان آژانس ملی اطلاعات جغرافیایی‌-فضایی (National Geospatial-Intelligence Agency, NGA) و دفتر ارشد دیجیتال و هوش مصنوعی وزارت دفاع (CDAO) تقسیم بود؛ از آن پس مدیریت کامل به CDAO منتقل شد.

MSS تمام داده‌های خام جنگی — تصاویر ماهواره‌ای، فید پهپادها، رادار، سیگنال‌های الکترونیکی و آرشیوهای اطلاعاتی — را در یک «تصویر عملیاتی مشترک» (Common Operating Picture) ادغام می‌کند؛ به روایت مرکز مطالعات راهبردی و بین‌المللی (CSIS)، داده‌های بیش از ۱۷۹ منبع مجزا در یک رابط نقشه‌محور واحد جمع می‌شوند. سپس اهداف را شناسایی، اولویت‌بندی و پیشنهادهای عملیاتی تولید می‌کند: کدام واحد هدف قرار گیرد، چه مهماتی استفاده شود و بهترین مسیر حمله کدام است.

پهپاد MQ-9 ریپر در حال پرواز

پهپاد MQ-9 ریپر؛ فید زندهٔ پهپادها یکی از منابع اصلیِ داده‌ای است که در Maven Smart System ادغام و به اهداف عملیاتی تبدیل می‌شود. عکس: NASA/Tom Tschida (مالکیت عمومی).

عمق این پروژه با چند عدد روشن می‌شود:

بدون پلتفرم پالانتیر، نه کلود و نه گراک نمی‌توانستند به این شکل عمل کنند. پالانتیر بستر بود؛ بقیه روی آن سوار شدند.

۲. آنتروپیک و Claude: مغز زبانی — و یک ایستادگی اخلاقی

از نوامبر ۲۰۲۴، مدل‌های Claude شرکت آنتروپیک از مسیر پلتفرم پالانتیر و زیرساخت AWS وارد محیط‌های طبقه‌بندی‌شده شدند. نقش اصلی کلود:

طبق گزارش ۴ مارس ۲۰۲۶ واشنگتن پست، سنتکام (CENTCOM) از کلود برای ارزیابی اطلاعاتی، شناسایی هدف و شبیه‌سازی سناریوهای نبرد استفاده می‌کرد؛ همان گزارش می‌گوید کلود در روز نخست عملیات حدود ۱٬۰۰۰ هدفِ اولویت‌بندی‌شده تولید کرد — همراه با مختصات GPS، پیشنهاد مهمات و پیش‌نویس توجیه حقوقی هر حمله. پیش از ایران، کلود در ژانویه ۲۰۲۶ در عملیات دستگیری مادورو هم به کار رفته بود — اما ایران نخستین استفادهٔ آن در یک عملیات نظامی بزرگ بود.

پارادوکس بزرگ: شرکتی که نمی‌خواست

نکتهٔ کلیدی‌ای که اغلب گم می‌شود این است: آنتروپیک با همین کاربرد جنگید و به‌خاطرش سیاه‌فهرست شد.

ماجرا از اینجا شروع شد که در فوریهٔ ۲۰۲۶، مذاکرات آنتروپیک و پنتاگون بر سر شرایط استفاده شکست خورد. پنتاگون دسترسی «برای همهٔ مقاصد قانونی» می‌خواست، اما آنتروپیک در بیانیهٔ رسمی خود حاضر نشد دو گارد محافظ کلیدی را بردارد:

  1. ممنوعیت استفاده در سلاح‌های کاملاً خودمختار که بدون دخالت انسان شلیک می‌کنند.
  2. ممنوعیت نظارت گستردهٔ داخلی بر شهروندان آمریکایی.

مدیرعامل آنتروپیک، داریو آمودی (Dario Amodei)، نوشت که «با وجدان آسوده» نمی‌تواند به خواستهٔ پنتاگون تن دهد و تأکید کرد آنتروپیک می‌داند که تصمیم‌های نظامی را وزارت دفاع می‌گیرد نه شرکت‌های خصوصی — اما در «مجموعهٔ باریکی از موارد»، هوش مصنوعی می‌تواند به‌جای دفاع از ارزش‌های دموکراتیک، آن‌ها را تضعیف کند.

واکنش دولت تند بود. در ۲۷ فوریه ترامپ به همهٔ نهادهای فدرال دستور داد فوراً استفاده از فناوری آنتروپیک را متوقف کنند، و در ۳ مارس دستور رسمی وزیر دفاع پیت هگست (Pete Hegseth) برچسب «ریسک زنجیرهٔ تأمین» را قطعی کرد. آنتروپیک در ۹ مارس دو شکایت ثبت کرد و آن را تلافی‌جویی غیرقانونی و نقض متمم اول قانون اساسی خواند.

در ۲۶ مارس، قاضی فدرال ریتا لین در سان‌فرانسیسکو حکمی ۴۳ صفحه‌ای به نفع آنتروپیک صادر کرد؛ او نوشت هیچ‌چیز در قانون حاکم، از «تصورِ اورولیِ» برچسب‌زدن به یک شرکت آمریکایی به‌عنوان دشمن و خرابکار صرفاً به‌خاطر ابراز مخالفت با دولت پشتیبانی نمی‌کند. پشت آنتروپیک، موجی از لوایح حمایتی (amicus) ثبت شد: مایکروسافت به‌عنوان یک شرکت، و در کنارش حدود ۵۰ پژوهشگر OpenAI و گوگل دیپ‌مایند که در مقام شخصی — نه به‌نمایندگی از کارفرمایانشان — لایحه دادند.

اما کنایهٔ تلخ ماجرا اینجاست: حتی پس از سیاه‌فهرست‌شدن، الکس کارپ (Alex Karp)، مدیرعامل پالانتیر، در ۱۲ مارس در CNBC تأیید کرد که محصول پالانتیر همچنان با کلود یکپارچه است و کلود در کار عملیات نظامی ایران به کار می‌رود. به بیان دیگر، همان سناریویی که آنتروپیک برای جلوگیری از آن جنگیده بود، در میدان عملیاتی شده بود. در نهایت، نقش زبانی آنتروپیک به‌تدریج محدود شد و OpenAI بخشی از این جایگاه را پر کرد.

الکس کارپ، مدیرعامل پالانتیر، در داووس

الکس کارپ، مدیرعامل پالانتیر، در داووس (ژانویه ۲۰۲۶). او در CNBC تأیید کرد که حتی پس از سیاه‌فهرست‌شدنِ آنتروپیک، کلود همچنان در محصول پالانتیر یکپارچه بوده است. عکس: ریاست‌جمهوری اکوادور (مالکیت عمومی).

۳. حادثهٔ مدرسهٔ دخترانهٔ مینب: جایی که سرعت ماشین به فاجعه رسید

در همان روز نخست جنگ — ۲۸ فوریه ۲۰۲۶، حوالی ساعت ۱۰:۴۵ صبح به وقت محلی — موشکی به مدرسهٔ دخترانهٔ «شجرهٔ طیبه» در مینب استان هرمزگان اصابت کرد. تحلیل الجزیره از بیش از ۱۷۰ کشته خبر داد و تحلیل حقوقی Just Security رقم را دست‌کم ۱۶۵ نفر — دانش‌آموز، معلم و والدین — ثبت کرد؛ عفو بین‌الملل هم آن را حمله‌ای «غیرقانونی» خواند که بیش از ۱۰۰ کودک را کشت. این، کشنده‌ترین حادثهٔ غیرنظامی کل جنگ لقب گرفت.

اینجا باید دقیق بود، چون روایت‌ها در تضادند:

به همین دلیل، نسبت‌دادن قطعی فاجعه به «خطای کلود» نادرست است. بازرسان بررسی کردند که آیا سامانه‌های هدف‌گیری جغرافیایی مبتنی بر هوش مصنوعی این طبقه‌بندی کهنه را بازتولید کرده‌اند یا نه، اما این احتمال را کم دانستند؛ گزارش‌های بعدی هم تأکید کردند که رابطهٔ علّی مستقیم با هیچ مدل هوش مصنوعی اثبات نشده است. به نظر می‌رسد مسئله یک تصمیم خودمختار هوش مصنوعی نبود؛ بلکه نشان داد وقتی ماشین با سرعتی غیرقابل‌تصور هزاران هدف تولید می‌کند، حلقهٔ بازبینی انسانی می‌تواند به یک مُهر تأیید فرمالیته فروبکاهد. این دقیقاً همان خطری بود که منتقدان دربارهٔ سامانهٔ اسرائیلی «Lavender» در غزه هشدار داده بودند؛ سامانه‌ای که طبق تحقیق مجلهٔ 972+ و Local Call گزارش شده است با نرخ خطای حدود ۱۰٪ کار می‌کرد و افسران به‌طور میانگین تنها حدود ۲۰ ثانیه صرف بازبینی هر هدفِ پیشنهادی ماشین می‌کردند.

۴. گراک و xAI: شتاب‌دهندهٔ فاز بعد

اگر کلود «مغز زبانی» بود، گراک نقش موتور سرعت را ایفا کرد.

ماجرای گراک به‌شکل عجیبی فاش شد — نه در یک نشست مطبوعاتی یا جلسهٔ استماع کنگره، بلکه از دل یک پروندهٔ محیط‌زیستی. در ۱۵ ژوئن ۲۰۲۶، وزارت دادگستری آمریکا درخواستی در دادگاه فدرال ناحیهٔ شمالی می‌سی‌سی‌پی ثبت کرد تا در پروندهٔ NAACP علیه xAI (شمارهٔ ۳:۲۶-cv-۰۰۰۷۴) وارد شود و خواستار رد شکایت شود. موضوع شکایت: توربین‌های گازی‌ای که برق ابررایانهٔ Colossus 2 شرکت xAI را تأمین می‌کنند و در ساوت‌هیون (Southaven) می‌سی‌سی‌پی — حومهٔ ممفیس — مستقرند. NAACP مدعی است که ۵۷ توربین گازی بدون مجوز «قانون هوای پاک» کار می‌کنند و بار آلودگی را نامتناسب بر محلات سیاه‌پوست‌نشین تحمیل کرده‌اند.

سالن سرورهای یک دیتاسنتر

سالن سرورهای یک دیتاسنتر (تصویرِ نمادین — نه خودِ Colossus). ابررایانهٔ Colossus 2 شرکت xAI و توربین‌های تغذیه‌کنندهٔ آن در منطقهٔ ممفیس/ساوت‌هیون، همان‌جایی است که نسخهٔ نظامیِ گراک («Grok Gov Model») بر آن تکیه دارد و موضوع شکایت آلودگی هواست. عکس: BalticServers.com (CC BY-SA 3.0).

برای دفاع از این زیرساخت، دولت آن را «حیاتی برای امنیت ملی» خواند و شهادت سوگندخوردهٔ کامرون استنلی (Cameron Stanley)، مدیر ارشد دیجیتال و هوش مصنوعی وزارت دفاع، را به‌عنوان مدرک ارائه کرد. استنلی نوشت که ارتش آمریکا به نسخهٔ سفارشی‌شده‌ای از گراک موسوم به «Grok Gov Model» متکی است که داخل Maven کار می‌کند و از «مأموریت‌های حیاتی امنیت ملی، شامل هدف‌گیری، اطلاعات، آمادگی و جذب نیرو» پشتیبانی می‌کند. به نوشتهٔ او، این مدل:

«به نیروهای آمریکایی امکان داد در طول تنها ۹۶ ساعت، بیش از ۲٬۰۰۰ مهمات را به ۲٬۰۰۰ هدف متمایز برسانند.»

(متن نقل‌شده در گزارش واشنگتن تایمز و رسانه‌های دیگر.)

برای درک این تمپو: یعنی تقریباً هر سه دقیقه یک هدف، شبانه‌روز، برای چهار روز پیاپی. استنلی همچنین گفت گراک یکی از چهار مدل هوش مصنوعی است که برای کاربردهای امنیت ملی صلاحیت دارند — و یکی از سه مدلی که برای عملیات حساس در محیط‌های فوق‌سری مناسب تشخیص داده شده‌اند. او اما هیچ‌یک از آن «۲٬۰۰۰ هدف» را مشخص نکرد.

تصحیح یک روایت رایج: این ادعا که «گراک تاریخ ۲۸ فوریه را پیش‌بینی کرده بود» در شهادت استنلی نیامده است. خاستگاه آن یک تمرین روش‌شناختی جروزالم پست در ۲۵ فوریه ۲۰۲۶ است که از چهار مدل — کلود، جمینای، ChatGPT و گراک — خواست یک روز مشخص برای حملهٔ فرضی آمریکا به ایران نام ببرند. گراک ۲۸ فوریه را گفت، کلود ۷ یا ۸ مارس، جمینای ۴ تا ۶ مارس و ChatGPT ۳ مارس. وقتی حمله واقعاً در ۲۸ فوریه رخ داد، روایت «پیش‌بینی» ویروسی شد؛ اما این یک آزمون استدلال زیر فشار بود، نه سامانهٔ پیش‌بینی.

گراک، با خاستگاهی در تحلیل سریع جریان‌های متنی و داده‌ای پرسرعت، برای لجستیک و گردش‌کارهای (workflow) نظامیِ فشرده تنظیم شده بود و به نظر می‌رسد سرعت عملیات را به سطح تازه‌ای رساند. شاهد کمّی این شتاب، آمار خودِ پنتاگون است: استنلی بعدها گفت در جریان عملیات، مصرف روزانهٔ توکن در Maven در اوج خود ۴٬۴۲۵٪ جهش کرد و به حدود ۲۰ میلیارد توکن در روز رسید، و استفادهٔ طبقه‌بندی‌شده ماه‌به‌ماه ۸۹٪ رشد داشت.

۵. معماری واقعی جنگ الگوریتمی در ایران

پنج لایهٔ این معماری و نقش هر یک در عملیات Epic Fury:

۶. واکنش‌ها و آینده: مسابقه‌ای که سخت‌تر از سلاح هسته‌ای کنترل می‌شود

افشای نقش گراک، موجی از نگرانی در واشنگتن برانگیخت:

ساختمان کنگرهٔ آمریکا در غروب

ساختمان کنگرهٔ آمریکا؛ افشای نقش گراک بررسی‌های دوحزبی را برانگیخت و سناتور کرستن جیلیبرند لایحه‌ای برای الزامِ حضور انسان در تصمیم‌های حساسِ مبتنی بر هوش مصنوعی ارائه کرد. عکس: Martin Falbisoner (CC BY-SA 3.0).

نکتهٔ راهبردی Maven این بود که نشان داد هرکس زیرساخت پیشرفتهٔ هوش مصنوعی را در اختیار دارد، تمپوی جنگ مدرن را کنترل می‌کند. شناسایی هدف در «دقیقه» به‌جای «ساعت» — همان جهشی که تمرین‌های Scarlet Dragon ثبت کردند — فقط سریع‌تر نیست؛ اساساً نوع تازه‌ای از عملیات را ممکن می‌کند.

نتیجه‌گیری: جنگ الگوریتمی، چندشرکتی و پر از سؤال

عملیات Epic Fury نشان داد که آمریکا دیگر به یک شرکت یا یک مدل هوش مصنوعی تکیه نمی‌کند، بلکه از یک اکوسیستم ترکیبی بهره می‌گیرد:

این ترکیب، سرعت عملیات را به‌شدت بالا برد و توان تولید هزاران هدف را در چند روز فشرده کرد. اما همزمان سؤالات عمیقی دربارهٔ اخلاق، دقت داده، و نقش واقعی انسان در تصمیم‌های مرگ‌وزندگی ایجاد کرد. حادثهٔ مینب یادآوری کرد که وقتی پایگاه‌دادهٔ هدف کهنه می‌ماند و ماشین سریع‌تر از توان بازبینی انسان عمل می‌کند، «انسان در حلقه» می‌تواند به یک شعار تبدیل شود.

و شاید گویاترین نکته این باشد: نقش گراک نه در یک جلسهٔ استماع نظامی، بلکه از دل یک پروندهٔ آلودگی هوا بیرون افتاد — نشانه‌ای از این‌که شفافیت دربارهٔ جنگ الگوریتمی هنوز چقدر تصادفی و ناقص است.

دربارهٔ منابع و سطح اطمینان

هر ادعای واقعیِ این تحلیل به منبع خودش در همان جمله پیوند خورده است. اسناد پایه عبارت‌اند از: برگه‌های اطلاعات رسمی وزارت دفاع آمریکا دربارهٔ Epic Fury، پروندهٔ NAACP علیه xAI در دادگاه ناحیهٔ شمالی می‌سی‌سی‌پی و شهادت کامرون استنلی در آن، اعلامیهٔ خودِ آنتروپیک دربارهٔ قرارداد وزارت دفاع و بیانیه‌اش در اختلاف با پنتاگون، اعلامیهٔ شراکت پالانتیر–آنتروپیک–AWS، نامهٔ سناتور وارن به وزیر دفاع و اعلام لایحهٔ سناتور جیلیبرند.

یادداشت: ارقام مربوط به شمار کاربران Maven (به‌ویژه رقم ۸۰٬۰۰۰) ادعای خودِ پالانتیر است و تأیید مستقل ندارد. نسبت‌دادن حادثهٔ مدرسهٔ مینب به یک مدل هوش مصنوعیِ مشخص نیز اثبات نشده؛ آنچه تأیید شده، خطای هدف‌گیری ناشی از دادهٔ اطلاعاتی کهنه است. جمع‌بندی‌هایی که با «به نظر می‌رسد» آمده‌اند، استنتاج نویسنده از شواهدند، نه گزارش تأییدشده.