سقوط حریم خصوصی در خانه؛ وقتی Gemini پلیسِ امنیت AT&T می‌شود

وقتی هوش مصنوعی به جای دوربین، نگهبان خانه می‌شود

همکاری جدید شرکت مخابراتی AT&T با گوگل (Google) برای ادغام Gemini for Home در سیستم امنیتی Connected Life، فراتر از یک به‌روزرسانی نرم‌افزاری ساده است. ما با یک تغییر پارادایم در نحوه تعامل با سخت‌افزارهای نظارتی روبرو هستیم. تا پیش از این، سیستم‌های امنیتی خانگی مبتنی بر منطق‌های دودویی «اگر-آنگاه» (if-then) کار می‌کردند؛ مثلاً اگر سنسور حرکت فعال شد، ضبط را شروع کن. اما حالا با ورود مدل‌های زبانی بزرگ (LLM)، سیستم به توانایی استدلال بصری مجهز شده است. این یعنی دوربین شما دیگر فقط پیکسل‌ها را ضبط نمی‌کند، بلکه آن‌ها را «درک» می‌کند.

از دیدگاه فنی، این سیستم از Gemini API برای تحلیل جریان‌های ویدیویی استفاده می‌کند. تصور کنید به جای جستجوی دستی در تایم‌لاین‌های طولانی دوربین، از مدل بپرسید: «آن موجودی که دیشب باغچه را شخم زد چه بود؟» یا «چه کسی بسته پستی را پشت در گذاشت؟». این قابلیت، یعنی تبدیل داده‌های خام ویدیویی به برچسب‌های متنی قابل جستجو، همان چیزی است که ایجنت‌های هوشمند را جذاب می‌کند. اما برای من که همیشه نگران آزادی نرم‌افزار هستم، این سوال مطرح می‌شود: این پردازش در کدام لایه انجام می‌شود؟ اگر تمام این داده‌ها برای «خلاصه شدن» به سرورهای ابری گوگل ارسال شوند، حریم خصوصی کاربر دقیقاً در چه وضعیتی قرار می‌گیرد؟

کوانتایزیشن و پردازش محلی؛ حلقه گمشده امنیت ابری

در دنیای ایده‌آلِ اوپن‌سورس، ما به دنبال اجرای مدل‌های هوش مصنوعی روی سخت‌افزار محلی (Edge Computing) هستیم تا داده‌ها هرگز از شبکه داخلی خارج نشوند. اما در اکوسیستمِ بسته‌ی AT&T، ما شاهد وابستگی کامل به زیرساخت‌های ابری گوگل هستیم. وقتی صحبت از تحلیل ویدیوی امنیتی می‌شود، تأخیر (Latency) و پهنای باند مصرفی، دو فاکتور حیاتی هستند. گوگل با بهره‌گیری از توان پردازشی عظیم خود، این مدل‌ها را در دیتاسنترها اجرا می‌کند و خروجی را به دستگاه‌های شما می‌فرستد.

من همیشه معتقدم که مدل‌های هوش مصنوعیِ خانگی باید روی کارت‌های گرافیکی مانند RTX 4070 یا حتی چیپ‌های اختصاصی (NPU) داخل هاب‌های هوشمند اجرا شوند. استفاده از مدل‌های کوچک‌تر (SLM) که با تکنیک‌های کوانتایزیشن (Quantization) بهینه‌سازی شده‌اند، می‌توانست امنیت بسیار بالاتری را بدون نیاز به اشتراک ۲۹.۹۹ دلاری ماهانه فراهم کند. اما گویا مدل تجاری فعلی، فروش «هوشمندی» به عنوان یک سرویس اشتراکی است، نه به عنوان یک ابزارِ تحت تملک کاربر.

معماری Mixture of Experts در خدمت نظارت هوشمند

آنچه که Gemini برای این سیستم به ارمغان می‌آورد، احتمالاً نسخه‌ای بهینه‌شده از معماری Mixture of Experts (MoE) است که به مدل اجازه می‌دهد به جای فعال کردن تمام پارامترها برای تحلیل یک تصویر ساده، فقط بخش‌های تخصصی مربوط به شناسایی اشیاء و متن را درگیر کند. این یعنی سرعت پاسخگویی بالاتر و دقت بیشتر در شناسایی جزئیات کوچک، مثل تشخیص تعداد دقیق بسته‌های تحویل داده شده.

با این حال، این سطح از هوشِ بینایی ماشین (Computer Vision) می‌تواند به یک شمشیر دو لبه تبدیل شود. وقتی سیستم به طور خودکار محیط خانه را تحلیل می‌کند، مرز بین «امنیت» و «نظارت دائمی» باریک‌تر می‌شود. آیا کاربران می‌دانند که مدلِ هوش مصنوعی دقیقاً چه داده‌هایی را از فعالیت‌های روزمره آن‌ها استخراج و در پروفایل کاربری خود ذخیره می‌کند؟ شفافیت در این سیستم‌های بسته، همیشه در حد یک شعار تبلیغاتی باقی می‌ماند.

فراتر از سنسورها؛ ایجنت‌هایی که تصمیم می‌گیرند

قابلیت جدیدِ «فعال یا غیرفعال شدن خودکار سیستم بر اساس نزدیکی به خانه»، نشان‌دهنده گام بعدی در توسعه ایجنت‌های خودران (Autonomous Agents) است. سیستم دیگر فقط یک ناظر نیست؛ بلکه یک بازیگر فعال در مدیریت خانه است. این یعنی مدل هوش مصنوعی اکنون دسترسی مستقیم به کنترل‌های حیاتی خانه دارد. برای یک برنامه‌نویس، این یک کابوس امنیتی است؛ اگر ایجنت به دلیل یک خطای توهم (Hallucination) یا یک ورودی دستکاری شده (Prompt Injection) تصمیم بگیرد قفل در را باز کند یا سیستم امنیتی را در زمان نامناسب غیرفعال کند، چه کسی مسئول است؟

در حالی که شرکت‌هایی مثل ADT نیز به دنبال اضافه کردن این قابلیت‌ها هستند، من همچنان معتقدم که آینده در دست سیستم‌های متن‌باز (Open Source) است. مدل‌هایی مانند Llama یا Qwen که قابلیت اجرا روی سخت‌افزارهای محلی را دارند، می‌توانند همان سطح از هوشمندی را بدون نیاز به اتصال به ابرِ گوگل و با حفظ کامل حریم خصوصی ارائه دهند. ما باید به سمتی برویم که کنترل ایجنت‌های خانگی در دست خودِ کاربر باشد، نه در انحصار دیوارهای بسته‌ی شرکت‌های مخابراتی و غول‌های فناوری.