ظهور یک مدعی جدید در عرصه هوش مصنوعی
چشم‌انداز به سرعت در حال تحول هوش مصنوعی، مکرراً شاهد ورود بازیگران جدید و مدل‌های پیشگامانه است. در میان تازه‌واردانی که اخیراً بحث‌های قابل توجهی را برانگیخته‌اند، Deepseek AI قرار دارد. این سیستم توجه بخش فناوری جهانی را به خود جلب کرده است، عمدتاً به دلیل ارائه یک مدل زبان بزرگ (LLM) که ترکیبی قانع‌کننده از مقرون‌به‌صرفه بودن و کارایی بالا را ارائه می‌دهد و معیارهای تثبیت‌شده توسط مدل‌های برجسته، از جمله مدل‌های توسعه‌یافته توسط سازمان‌هایی مانند OpenAI را به چالش می‌کشد. معیارهای عملکرد و بهره‌وری از منابع آن، آن را به عنوان یک پیشرفت قابل توجه در تلاش مداوم برای هوش مصنوعی قدرتمندتر و در دسترس‌تر معرفی کرده است.
زمینه‌ای که پیرامون ایجاد Deepseek وجود دارد، لایه دیگری به داستان آن می‌افزاید. تیم Deepseek که توسط یک شرکت چینی در بحبوحه یک محیط ژئوپلیتیکی پیچیده با مشخصه اختلافات تجاری و محدودیت در دسترسی به سخت‌افزارهای پیشرفته، به ویژه تراشه‌های محاسباتی با کارایی بالا از تأمین‌کنندگانی مانند Nvidia، توسعه یافته است، با موانع منحصر به فردی روبرو بود. این محدودیت‌ها، به طور متناقضی، ممکن است نوآوری متمرکز بر کارایی را تحریک کرده باشند. به نظر می‌رسد ضرورت دستیابی به عملکرد بالا با دسترسی بالقوه کمتر به قدرتمندترین سخت‌افزارها، استراتژی توسعه‌ای را هدایت کرده است که بهینه‌سازی را در اولویت قرار می‌دهد. در نتیجه، طبق گزارش‌ها، Deepseek هزینه‌های توسعه قابل توجهی کمتری نسبت به بسیاری از همتایان غربی خود متحمل شده است. فراتر از صرفه‌جویی در هزینه، گزارش‌ها حاکی از آن است که این مدل مهارت قابل توجهی در رسیدگی به وظایف پیچیده حل مسئله نشان می‌دهد و در معیارهای خاص با برخی رقبا رقابت می‌کند یا حتی از آنها پیشی می‌گیرد.
شاید یکی از مهم‌ترین جنبه‌هایی که Deepseek را متمایز می‌کند، اتخاذ یک مدل ‘open-weight’ (وزن-باز) توسط آن باشد. این رویکرد نشان‌دهنده خروج از ماهیت اختصاصی و منبع-بسته بسیاری از سیستم‌های پیشرو هوش مصنوعی است. در حالی که داده‌های آموزشی زیربنایی خصوصی باقی می‌مانند - که آن را از پروژه‌های کاملاً منبع-باز که در آن هم کد و هم داده‌ها عمومی هستند متمایز می‌کند - Deepseek پارامترهای مدل خود را که اغلب به عنوان ‘وزن‌ها’ شناخته می‌شوند، به صورت رایگان در دسترس قرار می‌دهد. این وزن‌ها دانش آموخته‌شده مدل را در بر می‌گیرند و برای عملکرد آن ضروری هستند. Deepseek با انتشار وزن‌ها، به طور قابل توجهی مانع ورود محققان، شرکت‌های کوچکتر و مؤسسات دانشگاهی را که مایل به مطالعه، تطبیق یا ساخت بر روی مدل هستند، کاهش می‌دهد. این امر یک محیط تحقیقاتی مشارکتی‌تر و شفاف‌تر را تقویت می‌کند و به طور بالقوه پیشرفت در سراسر این حوزه را تسریع می‌بخشد، در تضاد کامل با ماهیت ‘جعبه سیاه’ مدل‌های هوش مصنوعی تجاری به شدت محافظت‌شده. این حرکت به سمت باز بودن، یک مشارکت قابل توجه است، به ویژه برای جوامع دانشگاهی و تحقیقاتی مستقل که اغلب به دلیل هزینه‌های بالا و دسترسی محدود مرتبط با سیستم‌های اختصاصی پیشرفته، محدود هستند.
تفسیر نوآوری: روایت‌های رسانه‌ای و اضطراب‌های ملی
علی‌رغم شایستگی‌های فنی و تأثیر بالقوه دموکراتیک‌کننده رویکرد ‘open-weight’ Deepseek، استقبال از آن در رسانه‌های غربی، به ویژه در ایالات متحده، به طور مشخصی متفاوت بوده است. یک ناظر عینی که تلاش می‌کند قابلیت‌ها و اهمیت Deepseek را از طریق رسانه‌های خبری اصلی ایالات متحده درک کند، ممکن است خود را در حال پیمایش در مه غلیظی از نگرانی و سوءظن بیابد تا تحلیل فنی شفاف. یافتن اطلاعات اساسی که جزئیات معماری مدل، معیارهای عملکرد یا پیامدهای استراتژی ‘open-weight’ آن را شرح دهد، اغلب مستلزم غربال کردن مقالات متعددی است که اضطراب‌ها را در پیش‌زمینه قرار می‌دهند.
روایت غالب غالباً بر نگرانی‌های مربوط به امنیت ملی، پتانسیل سانسور و شبح وابستگی فناورانه به چین تأکید می‌کند. سرفصل‌ها اغلب Deepseek را نه صرفاً به عنوان یک دستاورد فناورانه، بلکه به عنوان یک چالش استراتژیک قاب‌بندی می‌کنند، و گاهی اوقات از زبانی استفاده می‌کنند که یادآور رقابت‌های ژئوپلیتیکی گذشته است. عباراتی مانند ‘زنگ بیدارباش برای آموزش عالی ایالات متحده’ یا تحلیل‌هایی که تقریباً منحصراً بر خطرات درک‌شده تمرکز دارند، تمایل به مشاهده این توسعه از دریچه رقابت با حاصل جمع صفر را نشان می‌دهند. این قاب‌بندی اغلب بحث در مورد خود نوآوری را تحت‌الشعاع قرار می‌دهد و پیامدهای ژئوپلیتیکی را بر ارزیابی فنی اولویت می‌دهد.
این واکنش، از برخی جهات، قابل درک است، هرچند بالقوه نتیجه معکوس دارد. در طول تاریخ مدرن، توانمندی فناورانه عمیقاً با اعتبار ملی و نفوذ جهانی درک‌شده در هم تنیده بوده است. از مسابقه تسلیحات هسته‌ای گرفته تا مسابقه فضایی که به فرود بر ماه ختم شد، دستیابی به نقاط عطف فناورانه ابتدا منبع غرور ملی عظیم و نمایشی از قدرت بوده است. هوش مصنوعی به طور گسترده‌ای به عنوان مرز بعدی در این رقابت دیرینه دیده می‌شود. سرمایه‌گذاری‌های قابل توجه، چه دولتی و چه خصوصی، که در توسعه هوش مصنوعی در ایالات متحده انجام می‌شود، منعکس‌کننده جاه‌طلبی ملی برای رهبری این حوزه تحول‌آفرین است. در نتیجه، ظهور یک مدل بسیار رقابتی از چین می‌تواند به طور قابل درکی با ناامیدی و احساس چالش در میان کسانی که در حفظ برتری فناورانه آمریکا سرمایه‌گذاری کرده‌اند، مواجه شود.
با این حال، گفتمان اغلب از اذعان به رقابت به قلمرویی می‌لغزد که به نظر می‌رسد کمتر مبتنی بر تحلیل عینی است و بیشتر به سوگیری‌های از پیش موجود متکی است. این تصور که موفقیت فناورانه، منحصراً یک حوزه غربی است یا باید باشد، توزیع جهانی استعداد و منابع را نادیده می‌گیرد. چین یکی از بزرگترین اقتصادهای جهان، جمعیت وسیعی که شامل مجموعه عمیقی از مهندسان و محققان ماهر است، و استراتژی‌های ملی اولویت‌دهنده به رشته‌های STEM را در اختیار دارد. ابراز شوک یا هشدار نسبت به دستاوردهای فناورانه قابل توجهی که از چین نشأت می‌گیرد، خطر دست‌کم گرفتن قابلیت‌های موجود در آنجا را به همراه دارد. توصیف ویژگی‌های فناورانه استاندارد یا شیوه‌های داده به عنوان ذاتاً شوم صرفاً به این دلیل که از یک نهاد چینی نشأت می‌گیرند، در حالی که شیوه‌های مشابه توسط شرکت‌های غربی اغلب نادیده گرفته می‌شوند یا کم‌اهمیت جلوه داده می‌شوند، به روایتی اشاره دارد که بیش از نگرانی‌های صرفاً فنی یا امنیتی شکل گرفته است. این بررسی موشکافانه انتخابی نشان می‌دهد که عناصر پروپاگاندا، با بهره‌گیری از تنش‌های ژئوپلیتیکی پنهان و در برخی موارد، مرز بیگانه‌هراسی، بر درک عمومی از Deepseek تأثیر می‌گذارند. جنبه‌های متداول توسعه نرم‌افزار یا مدیریت داده‌ها، هنگامی که با منشأ غیرغربی مرتبط می‌شوند، ناگهان به عنوان اجزای یک طرح شوم جمع‌آوری داده به تصویر کشیده می‌شوند.
نگرانی‌های مربوط به حریم خصوصی داده‌ها: یک کانون توجه انتخابی؟
اضطراب‌های پیرامون Deepseek غالباً حول مسائل مربوط به حریم خصوصی و امنیت داده‌ها متمرکز می‌شوند. اتهاماتی، اغلب مبهم، در مورد سوء استفاده بالقوه از داده‌ها یا جاسازی قابلیت‌های نظارتی در این فناوری مطرح می‌شود. با این حال، یک بررسی انتقادی، عدم تقارن قابل توجهی را در نحوه اعمال این نگرانی‌ها آشکار می‌کند. موشکافی شدیدی که متوجه Deepseek و سایر نهادهای فناوری چینی است، اغلب به شدت با سابقه مستند شرکت‌های بزرگ فناوری مستقر در ایالات متحده در مورد داده‌های کاربران در تضاد است.
تاریخچه اخیر پیرامون TikTok را در نظر بگیرید. این پلتفرم با فشار عظیمی در ایالات متحده مواجه شد که به اقدام قانونی منجر شد که خواستار واگذاری آن از شرکت مادر چینی‌اش، ByteDance، تحت تهدید ممنوعیت ملی بود. این کمپین با ماه‌ها لفاظی دو حزبی متمرکز بر خطرات ادعایی برای امنیت داده‌های کاربران آمریکایی تقویت شد. با این حال، در طول این بحث‌ها، شواهد عینی و قابل تأیید از سوء استفاده سیستماتیک از داده‌ها که به طور خاص کاربران ایالات متحده یا امنیت ملی را هدف قرار دهد، اغلب مبهم باقی ماند و تحت‌الشعاع ترس‌های سوداگرانه قرار گرفت. همزمان، صنعت فناوری در ایالات متحده سال‌هاست که با چالش‌های مهم حریم خصوصی داده‌های خود دست و پنجه نرم می‌کند.
موارد متعددی الگویی از بی‌دقتی، و گاهی اوقات بهره‌برداری عمدی، از داده‌های کاربران توسط شرکت‌های برجسته آمریکایی را برجسته می‌کنند. نقض‌های داده‌ای پرمخاطب که میلیون‌ها نفر را تحت تأثیر قرار داده است، شیوه‌های بحث‌برانگیز اشتراک‌گذاری داده‌ها که توسط رسوایی Cambridge Analytica شامل Facebook (اکنون Meta) افشا شد، و مدل‌های تجاری بنیادین سرمایه‌داری نظارتی که زیربنای بسیاری از غول‌های رسانه‌های اجتماعی و فناوری تبلیغات است، نشان می‌دهد که آسیب‌پذیری‌های حریم خصوصی داده‌ها به هیچ وجه منحصر به نهادهای خارجی نیست. در واقع، نحوه مدیریت داده‌های کاربران توسط شرکت‌های معتبر آمریکایی بارها مورد انتقاد و توجه نظارتی قرار گرفته است، هرچند اغلب با شور و حرارت ژئوپلیتیکی کمتر.
علاوه بر این، ادعاهای اخیر افشاگران، مانند این ادعا که Meta آگاهانه توسعه ابزارهای سانسور را که به طور بالقوه توسط بازیگران دولتی قابل استفاده است، تسهیل کرده است، روایت شرکت‌های فناوری آمریکایی را به عنوان نگهبانان ذاتاً قابل اعتمادتر منافع کاربران یا ارزش‌های دموکراتیک پیچیده می‌کند. به طور مشابه، OpenAI، رقیب پیشرو Deepseek، با سهم خود از جنجال‌ها و انتقادات در مورد شیوه‌های حفظ حریم خصوصی داده‌ها و امنیت تعاملات کاربر با مدل‌هایش مواجه بوده است. همان نگرانی‌ها در مورد مدیریت داده‌ها و سوء استفاده بالقوه که علیه Deepseek مطرح می‌شود، شباهت‌های مستقیمی در واقعیت‌های عملیاتی و حوادث مستند مربوط به همتایان اصلی آمریکایی آن پیدا می‌کند.
اگر استدلال بنیادین برای خصومت نسبت به Deepseek واقعاً بر یک موضع اصولی برای ‘حریم خصوصی داده‌های آمریکایی’ استوار باشد، آنگاه ثبات رویه مستلزم بررسی دقیق و اقدام قاطع مشابهی برای رسیدگی به تخلفات متعدد داخلی است. پویایی کنونی، که در آن خطرات فرضی مرتبط با یک پلتفرم چینی تقویت می‌شوند در حالی که مسائل مستند در صنعت فناوری داخلی اغلب به عنوان مشکلات جداگانه و کمتر نگران‌کننده تلقی می‌شوند، نشان می‌دهد که حریم خصوصی داده‌ها ممکن است به عنوان توجیهی مناسب برای اقداماتی باشد که توسط انگیزه‌های اقتصادی و ژئوپلیتیکی گسترده‌تر هدایت می‌شوند. به نظر می‌رسد این لفاظی به صورت استراتژیک به کار گرفته می‌شود و به طور بالقوه خشم عمومی و فشار نظارتی را از شرکت‌های قدرتمند داخلی و مقامات دولتی به سمت یک رقیب خارجی منحرف می‌کند.
سنگینی تاریخ: درک واکنش‌های معاصر
سوءظن کنونی نسبت به Deepseek و شرکت‌های فناوری چینی در خلاء وجود ندارد. این سوءظن با الگوهای تاریخی عمیقاً ریشه‌دار احساسات ضد چینی و چین‌هراسی (Sinophobia) در ایالات متحده طنین‌انداز می‌شود، الگوهایی که در دوره‌های مختلف دوباره ظاهر شده و تطبیق یافته‌اند. درک این زمینه تاریخی برای تشریح جریان‌های زیربنایی شکل‌دهنده گفتمان امروزی حیاتی است.
ریشه‌های این تعصب به قرن نوزدهم بازمی‌گردد، به ویژه با ورود مهاجران چینی به سواحل غربی در دوران تب طلا. این مهاجران که به دلیل مشکلات اقتصادی و در جستجوی فرصت رانده شده بودند، اغلب با خصومت و سوءظن مواجه می‌شدند. روزنامه‌های آمریکایی و افکار عمومی غالباً آنها را به عنوان تأثیری بیگانه و از نظر اخلاقی فاسدکننده به تصویر می‌کشیدند و آنها را به سرقت مشاغل از آمریکایی‌های سفیدپوست و پایبندی به آداب و رسوم غیرآمریکایی متهم می‌کردند. کاریکاتورهای نژادپرستانه مردان چینی را به عنوان تهدیدی برای زنان سفیدپوست نشان می‌دادند و زنان چینی را تقریباً منحصراً از طریق کلیشه‌های تحقیرآمیز توصیف می‌کردند. این احساسات فراگیر به اقدامات تبعیض‌آمیز دامن زد و به قوانینی مانند قانون محرومیت چینی‌ها در سال 1882 (Chinese Exclusion Act of 1882) منجر شد که به شدت مهاجرت از چین را محدود کرد و تبعیض نژادی را در قوانین فدرال مدون ساخت. اصطلاح ‘خطر زرد’ (Yellow Peril) به یک عبارت رایج در مطبوعات تبدیل شد که ترس و خصومت نسبت به مردم آسیای شرقی را در بر می‌گرفت.
اواسط قرن بیستم شاهد تحول بود، اما نه ریشه‌کن شدن این تعصب. پس از انقلاب کمونیستی چین و آغاز جنگ سرد، چین به عنوان یک دشمن ژئوپلیتیکی معرفی شد. ایالات متحده درگیر کمپین‌های تبلیغاتی گسترده‌ای شد که چین کمونیست و در نتیجه، مردم چینی‌تبار را ذاتاً مشکوک و بالقوه خرابکار نشان می‌داد. این دوره که با مک‌کارتیسم (McCarthyism) و پارانویای شدید ضد کمونیستی مشخص می‌شود، فضایی را ایجاد کرد که در آن وفاداری دائماً زیر سؤال می‌رفت، به ویژه برای کسانی که با کشورهای دشمن درک‌شده ارتباط داشتند. تصویر قبلی ‘بیگانه غیرقابل جذب’ به ‘جاسوس بالقوه’ یا ‘همدست کمونیست’ تبدیل شد.
تغییر قابل توجهی بعداً رخ داد، به ویژه در حوالی جنبش حقوق مدنی. هنگامی که آمریکایی‌های آسیایی‌تبار شروع به سازماندهی و تشکیل ائتلاف با سایر گروه‌های اقلیت برای مطالبه برابری کردند، کلیشه جدیدی پدیدار شد: ‘اقلیت نمونه’ (model minority). این روایت به طور استراتژیک آمریکایی‌های آسیایی‌تبار، از جمله آمریکایی‌های چینی‌تبار را سخت‌کوش، از نظر تحصیلی موفق و از نظر سیاسی منفعل نشان می‌داد و به طور ضمنی آنها را با سایر گروه‌های اقلیت که درگیر فعالیت‌های صریح‌تر بودند، مقایسه می‌کرد. این کلیشه، اگرچه در ظاهر مثبت بود، اما هدفی تفرقه‌افکنانه داشت و برای کم‌اهمیت جلوه دادن تأثیر نژادپرستی سیستمیک و قرار دادن جوامع اقلیت در برابر یکدیگر استفاده می‌شد و در نتیجه انتقاد را از ساختارهای قدرت مسلط منحرف می‌کرد. همچنین به راحتی تاریخ طولانی تبعیض علیه آمریکایی‌های آسیایی‌تبار و تنوع درون خود جامعه را نادیده می‌گرفت.
بررسی زبان و استعاره‌های به کار رفته در بحث‌های معاصر درباره فناوری چینی، شباهت‌های شگفت‌انگیزی را با این روایت‌های تاریخی آشکار می‌کند. نگرانی‌ها در مورد ‘نفوذ’، ‘سرقت داده‌ها’، ‘انگیزه‌های پنهان’ و ‘تهدیدات امنیت ملی’ بازتاب لفاظی‌های مملو از سوءظن دوران جنگ سرد و دوره ‘خطر زرد’ است. اتهام بنیادین - اینکه نهادها یا افراد چینی‌تبار ذاتاً غیرقابل اعتماد و به طور بالقوه بدخواه نسبت به ایالات متحده هستند - به طرز قابل توجهی ثابت مانده است. موضوع خاص از مهاجرت به کمونیسم و سپس به فناوری تغییر کرده است، اما ساختار زیربنایی روایت مبتنی بر ترس، تداوم قابل توجهی را نشان می‌دهد. این الگوی تکرارشونده نشان می‌دهد که واکنش به Deepseek صرفاً محصول رقابت فناورانه امروزی نیست، بلکه توسط این تعصبات تاریخی پایدار و تکنیک‌های پروپاگاندا تقویت و شکل گرفته است.
ترسیم مسیری برای رهبری هوش مصنوعی: فراتر از موضع‌گیری واکنشی
اگر ایالات متحده واقعاً آرزوی حفظ موقعیت رهبری در زمینه به سرعت در حال پیشرفت هوش مصنوعی را دارد، فضای کنونی اضطراب واکنشی و رجزخوانی ناسیونالیستی پیرامون نوآوری‌هایی مانند Deepseek اساساً نتیجه معکوس به نظر می‌رسد. پیشرفت در علم و فناوری به ندرت در فضایی تحت سلطه ترس و سوءظن شکوفا می‌شود، به ویژه هنگامی که آن فضا مانع بررسی باز و یادگیری بالقوه از پیشرفت‌های جهانی می‌شود.
در واقع، جنبه‌هایی از داستان Deepseek وجود دارد که شایسته بررسی دقیق‌تر هستند، نه به عنوان تهدید، بلکه به عنوان نقاط بالقوه یادگیری. تعهد به مدل ‘open-weight’، تقویت تحقیق و دسترسی‌پذیری، در تضاد با باغ‌های دیوارداری فزاینده هوش مصنوعی اختصاصی قرار دارد. تدبیر گزارش‌شده در دستیابی به عملکرد بالا علی‌رغم محدودیت‌های سخت‌افزاری، گویای نبوغ مهندسی است. تأکید بر مشارکت متخصصان از رشته‌های متنوع فراتر از فناوری محض، مانند تاریخ و سایر علوم، رویکرد بالقوه جامع‌تری را به توسعه هوش مصنوعی نشان می‌دهد و پیامدهای اجتماعی گسترده‌تر آن را تصدیق می‌کند. اینها عناصری هستند که می‌توانند اکوسیستم هوش مصنوعی آمریکا را آگاه کرده و به طور بالقوه تقویت کنند.
رهبری واقعی در حوزه‌ای به هم پیوسته جهانی مانند هوش مصنوعی را نمی‌توان صرفاً با اعلام برتری یا تلاش برای سرکوب رقبا از طریق ابزارهای غیرفنی به دست آورد. این امر مستلزم نوآوری مستمر است که توسط محیطی تقویت می‌شود که برای تحقیق باز، تفکر انتقادی و تعامل سازنده با تحولات رخ داده در سراسر جهان ارزش قائل است. تمایل کنونی به قاب‌بندی هر پیشرفت از رقبای درک‌شده به عنوان یک تهدید وجودی، چندین پیامد منفی را به همراه دارد:
- اطلاعات نادرست: این امر عموم مردم و به طور بالقوه نسل‌های آینده توسعه‌دهندگان و محققان را در مورد ماهیت واقعی تحولات هوش مصنوعی و چشم‌انداز جهانی گمراه می‌کند. آموزش نیروی کار آینده نیازمند دقت است، نه هشدارگرایی.
- همکاری سرکوب‌شده: این امر مانع تبادل آزاد ایده‌ها و همکاری‌های بالقوه‌ای می‌شود که اغلب به پیشرفت‌های علمی دامن می‌زنند. حمایت‌گرایی به راحتی می‌تواند به انزواطلبی تبدیل شود و مانع پیشرفت گردد.
- فرصت‌های از دست رفته: این امر مانع یادگیری از موفقیت‌ها و استراتژی‌های دیگران می‌شود. رد کردن Deepseek صرفاً بر اساس منشأ آن به معنای نادیده گرفتن بالقوه درس‌های ارزشمند در کارایی، دسترسی‌پذیری یا روش‌شناسی توسعه است.
- تخصیص نادرست منابع: تمرکز بیش از حد بر مقابله با تهدیدات خارجی درک‌شده می‌تواند توجه و منابع را از رسیدگی به چالش‌های حیاتی داخلی، مانند پرورش استعدادهای STEM، تضمین استقرار اخلاقی هوش مصنوعی و حل مسائل واقعی حریم خصوصی داده‌ها در خود بخش فناوری ایالات متحده منحرف کند.
به جای واکنش با بازتاب‌های دوران جنگ سرد، یک مسیر سازنده‌تر به جلو شامل ارزیابی شفاف تحولات جهانی هوش مصنوعی، از جمله Deepseek خواهد بود. این امر مستلزم تقویت یک اکوسیستم قوی هوش مصنوعی داخلی است که بر پایه‌های آموزشی قوی، دستورالعمل‌های اخلاقی و نوآوری واقعی بنا شده است. این به معنای رقابت شدید است، اما همچنین تشخیص این است که پیشرفت اغلب از بنا نهادن بر کار دیگران، صرف نظر از منشأ ملی، حاصل می‌شود. استقبال از باز بودن در موارد مقتضی، یادگیری از رویکردهای مختلف، و تمرکز بر پیشرفت‌های ملموس فناورانه و اخلاقی، به نظر می‌رسد بسیار محتمل‌تر از تکیه بر روایت‌های ریشه‌دار در اضطراب‌های تاریخی و موضع‌گیری ژئوپلیتیکی، نقش رهبری را در آینده هوش مصنوعی تضمین کند. چالش صرفاً این نیست که به عنوان رهبر دیده شویم، بلکه کسب این رهبری از طریق برتری قابل اثبات و یک استراتژی آینده‌نگر و آگاه به مسائل جهانی است.