قيود الذكاء الاصطناعي لدى OpenAI وAnthropic تعرقل عمل باحثي الأمن السيبراني

نشرت TechCrunch في 23 يوليو 2026 تقريرًا يفيد بأن قيود الحماية (guardrails) في نماذج اللغة من OpenAI وAnthropic تعرقل عمل باحثي الأمن السيبراني الهجومي، أي المتخصصين الذين يبحثون عن ثغرات لم تُكتشف بعد ويطورون أدوات لاستغلالها.

لماذا تعرقل مرشحات الذكاء الاصطناعي عمل مختبري الاختراق

ترفض نماذج OpenAI (ChatGPT) وAnthropic (Claude) بصورة متزايدة المساعدة في مهام الأمن الهجومي، حتى حين يكون من يجلس أمام لوحة المفاتيح متخصصًا «أبيض». ووفق TechCrunch، استطلعت الصحيفة آراء عدد من الباحثين الذين يعملون بشكل احترافي في البحث عن ثغرات اليوم صفر وكتابة الاستغلالات (exploits)، وجميعهم يقولون الأمر نفسه: تتعامل المرشحات مع مهمة عمل مشروعة كما لو كانت محاولة اختراق.

تكمن المشكلة في أن طلبًا مثل «اكتب شيفرة تستغل هذه الثغرة» يبدو للنموذج متطابقًا أيًّا كان مرسله: فريق red team في إحدى الشركات أو مهاجم خبيث. فالنموذج لا يرى سوى نص الطلب، ولا يرى النية ولا عقد اختبار الاختراق.

• الجهة الناشرة: TechCrunch، وتاريخ النشر: 23 يوليو 2026
• النماذج محل التركيز: OpenAI (ChatGPT) وAnthropic (Claude)
• من شملهم الاستطلاع: باحثو الأمن السيبراني الهجومي (offensive security)
• جوهر الشكوى: تمتنع guardrails عن المساعدة في البحث عن الثغرات وكتابة الاستغلالات

إن guardrails هي قواعد أمان مدمجة في النموذج تحجب المخرجات التي قد تكون ضارة، مثل تعليمات صنع الأسلحة أو الشيفرات الخبيثة أو تجاوز أنظمة الحماية. وتقدّم OpenAI وAnthropic هذه القواعد بوصفها عنصرًا محوريًّا في الذكاء الاصطناعي المسؤول، لكنها تُطبَّق بصورة أوسع مما ينبغي تحديدًا عند حدود الأمن الهجومي.

ما هي معضلة الاستخدام المزدوج؟

يُعد الأمن السيبراني الهجومي مثالًا كلاسيكيًّا على التقنيات ذات الاستخدام المزدوج: فالمهارات والأدوات التي تحمي البنية التحتية هي نفسها التي تخترقها. يحاكي فريق red team سلوك المهاجم ليجد الثغرات قبل الخصم الحقيقي، ولذلك يحتاج إلى الاستغلالات نفسها ومحاكاة البرمجيات الخبيثة وتقنيات تجاوز الحماية.

ضُبطت guardrails لدى OpenAI وAnthropic لحجب هذه الفئة من الطلبات تحديدًا، لأن المختبرات لا تستطيع التمييز آنيًّا بين الباحث والمجرم. ونتيجة لذلك، وكما تصف TechCrunch، يصطدم متخصصو الأمن برفض في مواضع كان النموذج يساعد فيها بسهولة قبل عام أو عامين، فيضطرون إلى الالتفاف على القيود أو التحول إلى أدوات أقل تقييدًا.

قيود الحماية لدى

OpenAI وAnthropic تعرقل عمل باحثي الأمن السيبراني الهجومي — بهذه الصيغة عُرض جوهر المشكلة في تقرير TechCrunch المنشور في 23 يوليو 2026.

ماذا يعني ذلك للدفاع؟

لا تضرب المرشحات المفرطة الصرامة الجانب المهاجم وحده، بل تبطئ الدفاع أيضًا. فإذا تعذّر على فريق red team مشروع استخدام نموذج متقدم في عمله الروتيني، خسر في السرعة، وخسر النموذج جزءًا من فائدته لقطاع مهني كامل. ووفق TechCrunch، يتحول بعض من شملهم الاستطلاع إلى نماذج محلية مفتوحة الأوزان (open-weight) أو إلى أدوات أمنية متخصصة لا تحمل مرشحات مؤسسية، لكن على حساب الجودة وسهولة الاستخدام.

ومن ثم ينشأ اختلال في الميزان: فالمهاجمون يعملون أصلًا مع نماذج بلا قيود (نماذج مفتوحة الأوزان، وإصدارات «منزوعة الرقابة»، وخدمات سرية)، بينما تبقى أيدي من يعملون بصورة قانونية وبموجب عقود هي المقيَّدة. وبحسب منطق تقرير TechCrunch، فإن الحذر الزائد لدى OpenAI وAnthropic قد يعاقب الباحثين الملتزمين دون أن يوقف غير الملتزمين.

ماذا يعني ذلك

الجدل حول guardrails في الأمن الهجومي هو في جوهره جدل حول موضع الخط الفاصل بين «آمن افتراضيًّا» و«عديم الفائدة للمحترفين». وإلى أن تتعلم OpenAI وAnthropic التمييز بين اختبار اختراق مشروع والتحضير لهجوم، مثلًا عبر التحقق من هوية المؤسسات أو عبر أوضاع خاصة لفرق الأمن، سيختار الباحثون الأدوات التي لا تحجبهم.