جریمه ۲۲۰ میلیون دلاری جنرال موتورز؛ وقتی خودروی شما جاسوسِ بیمه‌ها می‌شود

وقتی خودرو به جای جاده، جیب شما را هدف می‌گیرد

داستان از جایی شروع شد که جنرال موتورز (General Motors) فکر کرد می‌تواند با تبدیل کردن خودروها به ابزارهای جاسوسی متحرک، از کنار داده‌های خصوصی رانندگان درآمد کسب کند. ماجرا درباره برنامه Smart Driver بود؛ قابلیتی که به ظاهر برای «ارتقای تجربه رانندگی» ارائه شده بود، اما در واقعیت داشت جزئیات دقیق حرکت، سرعت و حتی نحوه بستن کمربند ایمنی کاربران را به بروکرها می‌فروخت. این داده‌ها نهایتاً سر از شرکت‌های بیمه درآوردند تا حق بیمه برخی رانندگان بی‌خبر، به بهانه «رفتار پرخطر» افزایش یابد. حالا پس از فشارهای حقوقی ۳۶ ایالت آمریکا، این خودروساز محکوم به پرداخت ۲۲۰ میلیون دلار شده است.

این اتفاق فقط یک خطای مدیریتی ساده نیست؛ این یک دهن‌کجی به حریم خصوصی در عصر دیجیتال است. تصور کنید ماشینی که خریده‌اید، مثل یک گوشی هوشمندِ جاسوس، تمام حرکات شما را ثبت و برای بالاترین پیشنهاددهنده ارسال می‌کند. خوشبختانه، فشار نهادهای نظارتی باعث شد این مسیر بیراهه متوقف شود، اما سوال اصلی اینجاست: آیا واقعاً اعتماد به خودروسازان بزرگ در عصر کلان‌داده (Big Data) منطقی است؟

چرا سیستم‌های «آن‌ستار» بیش از حد کنجکاو بودند؟

سرویس OnStar که برای دهه‌ها به عنوان نماد امنیت و امداد جاده‌ای شناخته می‌شد، در سال‌های اخیر به پایگاهی برای جمع‌آوری داده‌های حساس تبدیل شده بود. گزارش‌های نیویورک تایمز (New York Times) پرده از همکاری پنهان GM با شرکت‌هایی مثل LexisNexis و Verisk برداشت. این شرکت‌ها داده‌های خام را از خودرو دریافت کرده و به پروفایل‌های ریسک برای شرکت‌های بیمه تبدیل می‌کردند. این یعنی شما بدون اینکه بدانید، در حال تولید سوخت برای ماشینی بودید که علیه منافع مالی خودتان کار می‌کرد.

از دیدگاه فنی، جمع‌آوری این داده‌ها از طریق اپلیکیشن‌های متصل و حسگرهای داخل کابین، نشان‌دهنده یک معماریِ متمرکز و خطرناک است. وقتی داده‌ها از کانتکست (Context) خودرو خارج شده و به سرورهای ابری ثالث می‌روند، کنترل کاربر بر حریم خصوصی‌اش به صفر می‌رسد. در دنیای متن‌باز (Open Source)، ما همیشه بر لزوم پردازش محلی (Local Processing) تاکید داریم. اگر داده‌های حسگر در خودِ لبه‌ی شبکه (Edge Computing) پردازش می‌شدند و خارج نمی‌شدند، شاهد چنین فاجعه‌ای نبودیم.

هوش مصنوعی در خودرو؛ ناجی یا جاسوسِ هوشمندتر؟

جنرال موتورز در حال حاضر سودای ادغام دستیارهای هوش مصنوعی (AI Assistant) در OnStar را دارد. آن‌ها می‌خواهند دوربین‌های داخلی و میکروفون‌ها را به مدل‌های زبانی متصل کنند تا تجربه «شخصی‌سازی شده» ارائه دهند. اما بیایید صادق باشیم: وقتی شرکتی سابقه فروش داده‌های موقعیت مکانی را دارد، چطور می‌توان به سیستم‌های دوربین‌محورِ جدیدش اعتماد کرد؟ ادعای رمزنگاری و کنترل توسط کاربر، تا زمانی که کل سیستم «جعبه سیاه» (Black Box) باشد، چیزی جز یک شعار بازاریابی نیست.

من به عنوان کسی که درگیر توسعه ایجنت‌های نرم‌افزاری هستم، معتقدم که استفاده از هوش مصنوعی در محیط‌های بسته و انحصاری (Proprietary)، بزرگترین تهدید برای آزادی فردی است. اگر این دستیارهای AI بر پایه مدل‌های متن‌باز (مثل Llama یا مدل‌های سبک‌تر که روی سخت‌افزارهای محلی اجرا می‌شوند) نبودند، باید با شک و تردید به هر تعامل با آن‌ها نگاه کرد. جنرال موتورز می‌گوید «امکان انتخاب برای کاربر» فراهم کرده، اما واقعیت این است که اگر این داده‌ها برای آموزش مدل‌های آن‌ها ضروری باشد، احتمالاً به زودی شاهد «محدودیت دسترسی به امکانات» برای کسانی خواهیم بود که حاضر نیستند حریم خصوصی خود را بفروشند.

ضرورت نظارت سخت‌گیرانه بر زیرساخت‌های هوشمند

این جریمه ۲۲۰ میلیون دلاری، اگرچه عدد بزرگی است، اما در مقیاس سودهای کلان این شرکت‌ها، شاید تنها هزینه انجام کسب‌وکار (Cost of Doing Business) محسوب شود. نکته امیدوارکننده در این پرونده، الزام GM به استفاده از یک ارزیاب شخص ثالث برای بررسی انطباق با حریم خصوصی است. این یعنی دیگر قرار نیست فقط به بیانیه‌های روابط عمومیِ این شرکت‌ها تکیه کنیم.

ما در عصر خودروهای «نرم‌افزار-محور» (Software-defined Vehicles) هستیم. هرچقدر قدرت پردازشی بیشتر شود، احتمال سوءاستفاده هم بالاتر می‌رود. به عنوان متخصصان این حوزه، وظیفه ماست که خواستار شفافیت در معماری داده‌ها باشیم. آیا داده‌های صوتی و تصویری من در حافظه محلیِ خودرو (VRAM) باقی می‌مانند یا به دیتاسنترهای ابری ارسال می‌شوند؟ پاسخ به این سوال، تفاوت بین یک خودروی مدرنِ امن و یک زندانِ دیجیتالِ متحرک را مشخص می‌کند. آینده خودروها نباید به قیمت حراجِ حریم خصوصی رانندگان تمام شود.