قبل أن تشارك: خصوصية الذكاء الاصطناعي تحتاج إلى أكثر من وعد

المقدمة: المحادثة تتحول إلى حياتك

تفتح مساعدًا يعمل بالذكاء الاصطناعي لتكتب ردًا صعبًا. تلصق الرسالة، وتشرح طبيعة العلاقة، وتضيف بعض التفاصيل التي لم تشاركها في أي مكان آخر. وفي يوم آخر، ترفع عقدًا، أو تناقش فكرة لم تكتمل بعد، أو تربط بريدك الوارد حتى يتمكن المساعد من فهم ما يحتاج إلى انتباهك.

لا يبدو أيّ من هذه الأفعال وكأنه نشر. أنت تطلب المساعدة.

ومع ذلك، قد تمر المعلومات عبر البنية التحتية، وأنظمة التخزين، وعمليات المراجعة، والالتزامات القانونية التي تظل إلى حد كبير غير مرئية من نافذة المحادثة. قد يبدو المساعد شخصيًا قبل وقت طويل من أن يرقى تعامله مع بياناتك إلى هذا التوقع.

موقفي بسيط: يجب ألا تعتمد خصوصية الذكاء الاصطناعي فقط على ما تعد الشركة بفعله بعد تلقي معلوماتك. بل يجب أن تعتمد أيضًا على ما تمنع أنظمتها وصوله إلى النموذج من الأساس. السياسات مهمة، لكنها تحتاج إلى وسائل حماية تقنية تسندها.

أعددت هذا المقال بدعم من فريق Dvina. وهو يستعرض حوادث موثقة وممارسات حالية عبر ChatGPT وClaude وCursor وPerplexity وManus وMuse التابعة لـ Meta وDvina. والغرض منه هو توضيح لماذا يجب أن تصبح الخصوصية أولوية هندسية محورية مع ازدياد حضور الذكاء الاصطناعي في حياتنا—وكيف تتعامل Dvina مع هذه المسؤولية.

ما الذي تخبرنا به هذه الحوادث

هذا القلق ليس افتراضيًا. لكن الأنواع المختلفة من الأدلة تكشف عن مشكلات مختلفة. فلا ينبغي عرض تعرّض مؤكد للبيانات، أو مراجعة بشرية مصرح بها، أو ادعاء بشأن إساءة استخدام بحثي، كما لو أنها الحدث نفسه.

تعرّض ChatGPT في 2023: إخفاق في النظام نفسه.

في 20 March 2023، سمح خلل برمجي لبعض مستخدمي ChatGPT برؤية عناوين من سجل محادثات مستخدم نشط آخر. وقالت OpenAI إن الرسالة الأولى في محادثة أُنشئت حديثًا ربما كانت مرئية أيضًا في ظروف معينة. وحدد تحقيقها احتمال تعرّض معلومات متعلقة بالدفع تخص 1.2% من مشتركي Plus النشطين خلال فترة معينة مدتها تسع ساعات. لم يتم كشف أرقام البطاقات كاملة. أصلحت OpenAI الخلل وأخطرت المستخدمين المتأثرين. 1

العبرة ليست أن الثغرة نفسها ما تزال مفتوحة. بل إن التزام الخصوصية لا يمكنه، بمفرده، أن يمنع النظام من إعادة المعلومات إلى الشخص الخطأ. فالعزل، والتحقق من الوصول، ومقدار المعلومات القابلة للتعريف المتاحة للتعرّض، كلها أمور مهمة.

دعوى The New York Times القضائية: الحذف اصطدم بالتزام قانوني.

في عام 2025، واجهت OpenAI أمرًا قضائيًا يُلزمها بالحفاظ على بيانات كان من المفترض لولا ذلك أن تُحذف. وذكرت تحديثاتها في أكتوبر أن الالتزام الواسع بحفظ البيانات الجديدة إلى أجل غير مسمى قد انتهى في 26 September 2025، بينما ظلّت مجموعة تاريخية محدودة خاضعةً لأمر حفظ قانوني. وكان شرط الحفظ الأصلي يستثني بعض المنتجات وترتيبات عدم الاحتفاظ بالبيانات مطلقًا. 2

ويجب قراءة تطور لاحق بصورة منفصلة: ففي December 2025، أفادت Reuters بأن قاضيًا ألزم OpenAI بتقديم 20 مليون سجل دردشة مجهول الهوية في قضية حقوق النشر، رافضًا اعتراضاتها ومعتمدًا على نزع الهوية والضمانات الوقائية. وكان هذا أمرًا متعلقًا بالكشف القضائي، لا نشرًا لدردشات الجميع الخاصة على الإنترنت. 3

وتُظهر هذه الوقائع مجتمعةً لماذا لا يحسم إعداد الحذف كل الأسئلة المتعلقة بالمعلومات المحتفَظ بها. فبمجرد وجود نسخة، قد تؤثر التزامات خارجة عن سيطرة المستخدم في ما يحدث لها. وتقليل الاحتفاظ غير الضروري يغيّر هذا التعرّض قبل أن يبدأ أي نزاع.

المراجعة البشرية: قد يُسمح بالوصول من دون حدوث خرق.

تسمح وثائق OpenAI الموجّهة للمستهلكين صراحةً بوصول محدود من جانب موظفين مخوّلين ومزوّدي خدمات لأغراض محددة، منها التحقيقات الأمنية، والدعم، والمسائل القانونية، وتحسين النماذج المؤهلة. كما تسمح إرشادات Anthropic للمستهلكين لموظفين معيّنين بمراجعة المحادثات من أجل إنفاذ سياسات الاستخدام، مع وجود وصول منفصل مرتبط بالتعليقات التي جرى تقديم الموافقة عليها. 4, 8

هذه مسارات وصول موثّقة، لا شائعات. وهي لا تثبت أن الموظفين يقرؤون كل محادثة. لكنها تثبت أن واجهة دردشة تبدو خاصة ليست بالضرورة حاجزًا تقنيًا يمنع وصول المزوّد.

وتضيف وثائق Anthropic الحالية مثالًا مهمًا من جانب الأعمال. إذ تتطلب Covered Models المعيّنة لديها الاحتفاظ لمدة 30 يومًا في بعض البيئات التي كانت تستخدم سابقًا عدم الاحتفاظ بالبيانات مطلقًا، مع مراجعة بشرية مضبوطة واستثناءات. وهذه القاعدة لها حدود تتعلق بالنموذج والمنصة والأهلية؛ وليست تغييرًا شاملًا لكل منتجات Claude. وتُوصَف خطط المستهلكين بأنها غير متأثرة لأن تلك الواجهات تحتفظ أصلًا بالمدخلات والمخرجات. 9

لرصد السلامة غرض مشروع. والتحدي الهندسي هو تحقيق هذا الغرض مع تقليل المعلومات الحساسة المتاحة لأنظمة الرصد والمراجعين إلى الحد الأدنى. ووجود مبرر متعلق بالسلامة لا يجعل سؤال الخصوصية يختفي.

الجدل الرياضي: ادعاء لم يُحسم بعد، ومشكلة ثقة حقيقية

أثار الجدل الذي دار في September 2026 حول إعلان OpenAI المتعلق بـ Navier–Stokes قلقًا من نوع مختلف: ماذا يحدث عندما يكون المساعد الذي يعين على بحث خاص تابعًا لشركة تجري أبحاثًا خاصة بها؟

تعلّق النزاع بعمل رياضي غير منشور وبمسألة نسب الفضل. ووصفت التغطيات الصحفية عالمَي الرياضيات Tristan Buckmaster وLevent Alpöge وهما يستخدمان أدوات الذكاء الاصطناعي في عملهما، كما نقلت تشكيك Buckmaster في أن تكون مادتهما الخاصة قد أسهمت في نتيجة OpenAI. 10

وتنازع OpenAI هذه الرواية. إذ يقول ردّها المنشور إن باحثيها ولا وكلاءها اطّلعوا على عمل الثنائي قبل النشر. وفي تحديث مؤرخ في 10 September، ذكرت كذلك أن تحقيقًا استبعد أي تأثير ناتج عن مطالبات Buckmaster في Codex خلال الشهرين السابقين، بما في ذلك عبر التدريب. وهذه الصياغة المقيّدة زمنيًا أكثر تحديدًا من الرواية الأقدم في بعض التغطيات. 11

ولا تزال الروايات العلنية محل نزاع. والمصادر التي جرت مراجعتها هنا لا تثبت بصورة مستقلة أن OpenAI استخدمت تلك المحادثات الخاصة لإنتاج نتيجتها.

ومع ذلك، يكشف النزاع عن سؤال يستحق إجابة واضحة: عندما يقدّم الناس أعمالًا غير مكتملة إلى الذكاء الاصطناعي، ما الذي يحمي القيمة المعلوماتية لذلك العمل؟ إن إزالة اسم المؤلف من برهان لا تزيل البرهان نفسه. كما أن نزع الهوية عن استراتيجية تجارية لا يجعلها ملكية عامة.

ولهذا تحتاج الخصوصية القوية إلى وسائل حماية لكلٍّ من الهوية والمحتوى. وينبغي أن يكون المستخدمون قادرين على فهم ما إذا كانت موادهم يمكن أن تدخل في مسارات التدريب أو البحث أو التقييم أو المراجعة—وما الضوابط التقنية التي تفرض هذه الحدود.

أربعة أسئلة لا ينبغي أبدًا اختزالها في سؤال واحد

ينبع كثير من الالتباس من التعامل مع "الخصوصية" بوصفها خاصية واحدة. لكن في الممارسة العملية، هناك أربعة أسئلة منفصلة تحدد ما الذي يحدث للمحادثة.

التدريب: هل يمكن أن يساعد المحتوى في تطوير نموذج أو تحسينه؟ إن إلغاء الاشتراك يغيّر استخدامًا مسموحًا للمعلومات. لكنه لا يغيّر بالضرورة ما إذا كانت المعلومات قد نُقلت أو خُزّنت.

الوصول: ما الأنظمة والأشخاص الذين يمكنهم الاطلاع عليه؟ إن التشفير أثناء النقل والتخزين مهم، لكنه لا يمنع تلقائيًا خدمةً مخوّلة من فك تشفير المحتوى لأغراض المعالجة أو المراجعة.

الاحتفاظ: ما الذي يبقى، وأين، وإلى متى؟ إن إزالة دردشة من الواجهة، وحذف سجلات الإنتاج، وانتهاء صلاحية النسخ الاحتياطية، واستبعاد البيانات من التدريب المستقبلي، كلها عمليات مختلفة.

الإجراءات: ما الذي يمكن لمساعد متصل أن يقرأه أو يغيّره أو يرسله؟ بمجرد أن يتمكن من العمل عبر حساباتك، تصبح الخصوصية أيضًا معتمدة على الأذونات والضوابط المفروضة على البيانات الصادرة.

المقارنة المفيدة للخصوصية تُبقي هذه الأسئلة منفصلة. فالاشتراك المدفوع، أو مفتاح التحكم في التدريب، أو وسم المهمة الخاصة، لا يمكن لأيٍّ منها أن يجيب عن الأسئلة الأربعة كلها.

كيف تُقارن الخدمات

يركّز الجدول أدناه على الاستخدام الفردي ما لم يُذكر نطاق مختلف. وهو يلخّص الوثائق التي تمت مراجعتها، لا نتائج تدقيق أمني مستقل.

الخدمة	الموقف من التدريب	الحدّ الفاصل المنفصل الذي ينبغي فهمه
ChatGPT	يمكن استخدام المحتوى الفردي للتحسين؛ وتستبعد عناصر التحكم المحادثات الجديدة ومهام Codex. كما أن Temporary Chat مستثنى. 4, 5	يظل الوصول المصرّح به والاحتفاظ بالبيانات مسألتين منفصلتين. لدى Codex أيضًا إعداد تدريب مميّز خاص بالبيئة الكاملة.
Claude	يعتمد تحسين نموذج المستهلك على اختيار المستخدم؛ وللتعليقات والاستخدامات المرتبطة بالسلامة قواعد منفصلة. ويُستثنى Incognito من التحسين العام. 6	لا تزال استثناءات المراجعة والاحتفاظ سارية. وبعض Covered Models التجارية لديها متطلبات إضافية للاحتفاظ. 7–9
Cursor	يستبعد Privacy Mode بيانات العملاء من تدريب Cursor ويصف ترتيبات عدم الاحتفاظ لدى المزوّدين، مع الخضوع للاستثناءات المذكورة. 12	لا تزال الطلبات تمر عبر الواجهة الخلفية لـ Cursor. وتظل تحقيقات إساءة الاستخدام، والتخزين المؤقت، والإشعارات الخاصة بالنماذج ذات أهمية.
Perplexity	يكون جمع البيانات لتدريب الذكاء الاصطناعي للمستهلك مفعّلًا افتراضيًا، بما في ذلك في Pro و Max؛ ويمكن للمستخدمين إلغاء الاشتراك بأثر مستقبلي. 13	لا يؤدي إلغاء الاشتراك إلى إيقاف المعالجة اللازمة لتشغيل الخدمة أو الامتثال القانوني. وتختلف شروط Enterprise.
Manus	تذكر وثائق الفريق خيار إلغاء الاشتراك في التدريب؛ لكن هذه المراجعة لم تتمكن من التحقق من القاعدة النهائية الخاصة بالتدريب في الخطة الفردية. 15	كون المهام الفردية خاصة افتراضيًا يصف مستوى ظهور المشاركة، لا تقييدًا كاملًا لاستخدام المزوّد. 14
Meta’s Muse	تصف وثائق الإطلاق التدريب على بيانات تفاعل منقّاة افتراضيًا، مع خيار إلغاء الاشتراك. 16	تنقية البيانات قبل التدريب ليست مماثلة للإخفاء قبل الاستدلال. كما تختلف قيود المشغّل وقت الإطلاق عن Confidential VM المخطط له.
Dvina	لا تُستخدم المحادثات والملفات والمطالبات وبيانات مساحة العمل لتدريب نماذج الذكاء الاصطناعي. 17, 18	تعالج عملية الإخفاء التلقائي حدًا فاصلًا أسبق: إذ تُستبدل المعرّفات الشخصية المكتشفة قبل معالجة النموذج.

توضح التفاصيل أدناه أين تصبح هذه الفروق مهمة في الاستخدام اليومي.

ChatGPT و Claude: الإجراء الذي تتخذه يغيّر القاعدة.

تتيح OpenAI للمستخدمين تعطيل التدريب من دون إزالة سجل الدردشة العادي. ويغيّر Temporary Chat طريقة التعامل مع المحادثة بدرجة إضافية، لكن وثائقه لا تزال تسمح بمراجعة إساءة الاستخدام وتصف فترة حذف مدتها 30 يومًا. وينبغي لمستخدمي Codex أيضًا التمييز بين إعداد المحتوى على مستوى الحساب والإعداد المنفصل الخاص بالبيئة الكاملة. 4, 5

مع Claude، تستحق التعليقات اهتمامًا خاصًا. تقول Anthropic إن إشارة الإعجاب أو عدم الإعجاب أو تقرير الخطأ قد تتضمن تخزين المحادثة ذات الصلة لمدة تصل إلى خمس سنوات واستخدامها لأغراض تشمل تدريب النموذج. كما أن تفعيل التحسين العام للنموذج يسمح ببقاء المواد المؤهلة مجهولة الهوية ضمن مسارات التدريب لمدة تصل إلى خمس سنوات. وهذه ليست القواعد نفسها الخاصة بحذف الدردشة العادي. 6, 7

لذلك قد يتخذ الشخص عدة قرارات تتعلق بالخصوصية داخل منتج واحد من دون أن يدرك أنها قرارات منفصلة. وينبغي أن يوضح تصميم المنتج هذه الفروق عند نقطة الاستخدام.

Cursor و Perplexity: تسمية المنتج ليست حدًا فاصلًا للمعالجة.

يوفّر Privacy Mode في Cursor قيودًا ذات معنى على التدريب واحتفاظ المزوّدين بالبيانات. لكنه لا يجعل المحرر محليًا فقط: إذ تقول Cursor إن الطلبات لا تزال تنتقل عبر واجهتها الخلفية، حتى مع مفتاح API يوفّره المستخدم. كما تصف وثائقه تخزينًا مؤقتًا مشفرًا للملفات واستثناءات مرتبطة بتحقيقات إساءة الاستخدام أو النماذج المعيّنة. 12

يوضح Perplexity تمييزًا مختلفًا. فحسابات Free و Pro و Max تخضع لضوابط تدريب المستهلك، مع تفعيل الجمع افتراضيًا. وينطبق إلغاء الاشتراك المنشور على البيانات التي تُجمع لاحقًا، لا على الإزالة بأثر رجعي لبيانات التدريب السابقة. وشراء اشتراك شخصي لا يجعل الحساب من نوع Enterprise. 13

في كلتا الحالتين، يكون السؤال المهم هو ما الذي يغيّره الوضع والحساب المحددان، لا ما الذي يوحي به اسم المنتج ظاهريًا.

Manus و Muse: لا تزال مساحات العمل الخاصة تحتاج إلى حدود صريحة.

يقول Manus إن المهام الفردية خاصة ما لم تتم مشاركتها. كما تشرح وثائق Team الخاصة به أن المالكين يمكنهم الوصول إلى محتوى جلسات الفريق. وهذه قواعد مفيدة للظهور والمشاركة، لكنها لا تحدد سياسة التدريب الفردية. ولم يكن من الممكن استرجاع صفحة الخصوصية الكاملة لـ Manus لهذه المراجعة، لذا يبقى هذا السؤال غير متحقق منه بدلًا من ملئه استنادًا إلى خطة أخرى. 14, 15

تتسم وثائق إطلاق Muse بوضوح غير معتاد بشأن الفرق بين القيود التشغيلية والمنع التقني. تقول Meta إن Secure VM وقت الإطلاق يحدّ من وصول الموظفين عبر السياسات، لكنه لا يمنع الوصول عند الحاجة إلى تشغيل الخدمة أو دعمها أو تأمينها. وقد وُصف Confidential VM، الذي يُفترض أن يمنع وصول المشغّل تشفيريًا، بأنه قادم وفي اختبار محدود. ولا ينبغي احتساب حماية مخطط لها على أنها متاحة بالفعل للجميع. 16

كما يُبقي Muse بيانات اعتماد الموصلات الحقيقية بعيدًا عن وكيله الرئيسي ويضع الموافقات على الإجراءات تحت سلطة أذونات منفصلة. وهذا يوضح مبدأً مهمًا: لا ينبغي أن يتلقى الوكيل سرًا أو إذنًا لمجرد أن ذلك قد يكون مريحًا. 16

انقل الحماية إلى المرحلة التي تسبق التعرّض

ينظّم استبعاد التدريب أحد أوجه استخدام البيانات. ويغيّر الإخفاء البيانات المتاحة للمعالجة. ويقلّل تقييد الاحتفاظ من النسخ التي تبقى. وتحدّ ضوابط الأذونات مما يمكن للوكيل فعله. وهذه الحمايات متكاملة، كما أن المرحلة التي يعمل فيها كل منها مهمة.

لنأخذ طلبًا توضيحيًا: كتابة رسالة متابعة إلى عميل على عنوان بريد إلكتروني محدد. قد يحتاج النموذج إلى الغرض من الرسالة، ونبرتها، والالتزامات ذات الصلة. لكنه قد لا يحتاج إلى الاسم الحقيقي للعميل أو عنوانه لصياغة الرسالة. إن استبدال تلك المعرّفات المكتشفة بعناصر نائبة قبل الاستدلال يقلّل مما يتلقاه النموذج، مع الحفاظ على البنية المفيدة للمهمة.

وهذا يختلف عن إرسال النص الأصلي مع الوعد بإزالة المعرّفات قبل أي استخدام لاحق.

ويمتد المبدأ نفسه إلى ما هو أبعد من المعرّفات الشخصية. فالأبحاث السرية تحتاج إلى ضوابط على محتوى البحث نفسه؛ والحسابات المرتبطة تحتاج إلى أذونات محددة النطاق بدقة؛ والسجلات المحتفَظ بها تحتاج إلى مدد زمنية محددة وقيود وصول قابلة للإنفاذ. إن إخفاء الهوية أحد مكونات هذا التصميم، وليس بديلًا عن حماية جوهر اختراع أو وثيقة.

وهناك أعمال ذات صلة في مختلف أنحاء القطاع. فقد أطلقت OpenAI في أبريل 2026 مرشح خصوصية Privacy Filter يمكن تشغيله محليًا، وتصف وثائق Muse من Meta العزل التقني وتصميمًا أقوى للحوسبة السرية قيد التطوير. وتدعم هذه الجهود الحجة القائلة بضرورة هندسة الخصوصية داخل النظام. غير أن إطلاق أداة أو عرض خارطة طريق لا يُعد، في حد ذاته، دليلًا على أن كل محادثة استهلاكية تتلقى بالفعل الحماية المقابلة. 16, 19

وينبغي أن يكون المعيار هو مستوى الحماية الذي يتلقاه الشخص داخل المنتج الذي يستخدمه اليوم.

Dvina: اجعل الخصوصية جزءًا من التفاعل المعتاد

يُدخل نهج Dvina هذه الحماية المبكرة إلى تجربة المساعد. فبحسب تصميمه الموثّق، يكتشف المعلومات الشخصية الحساسة محليًا بينما يكتب الأشخاص أو يرفعون المحتوى، ويشفّر البيانات الشخصية المكتشفة، ويستبدلها بعناصر نائبة قبل معالجة النموذج. ويعمل النموذج مع تلك العناصر النائبة بدلًا من المعرّفات الأصلية المكتشفة. 17, 18

والفرق هنا عملي. فلا ينبغي للمستخدم أن يضطر إلى مقاطعة كل مهمة لإزالة الأسماء وبيانات الاتصال يدويًا، أو أن يعتمد فقط على وعد بشأن ما سيحدث بعد أن يتلقاها النموذج. يجب أن ترافق الحماية التفاعل نفسه.

كما تستبعد Dvina أيضًا محادثات المستخدمين وملفاتهم والمطالبات وبيانات مساحة العمل من تدريب النماذج. وهذه التركيبة مهمة: فالتعهد بعدم التدريب يقيّد إعادة الاستخدام، بينما تحدّ الحماية السابقة للمعالجة من المعلومات الشخصية التي يتعرض لها النموذج من الأساس. 17, 18

وتدعم هذا النهج طبقات أخرى أيضًا. إذ تصف Dvina تخزينًا مشفّرًا للمحادثات، وفصلًا بين الرسائل المخزنة وهوية المستخدم، واستضافةً للبيانات داخل الاتحاد الأوروبي مع وسائل حماية بمستوى GDPR. وكل عنصر من هذه العناصر يعالج جزءًا مختلفًا من عملية التعامل مع البيانات، بدلًا من تحميل تفضيل واحد متعلقًا بالتدريب كامل العبء. 17, 18

والتمييز التقني هنا دقيق: تُستبدل المعرّفات الشخصية المكتشفة في مدخلات النموذج، بينما تظل المهمة المحيطة متاحة للمعالجة. وهكذا تصبح الخصوصية جزءًا من تدفق البيانات، بدلًا من أن تكون مجرد تفضيل يجب على المستخدمين تذكّر إدارته.

وبالنسبة إليّ، فهذا هو الاتجاه الأكثر فائدة للذكاء الاصطناعي: أن نُمكّن الناس من إدخال سياق ذي معنى إلى عملهم، مع تصميم النظام بحيث يكشف من هويتهم أقل مما تتطلبه المهمة.

الخلاصة: الخصوصية ستحدد إلى أي مدى سيسمح الناس للذكاء الاصطناعي بالدخول إلى حياتهم

تصبح مساعدات الذكاء الاصطناعي أكثر فائدة كلما فهمت المزيد من ظروفنا. وهذا يخلق مسؤولية لحماية المعلومات الكامنة وراء ذلك الفهم. إن مطالبة الناس بمنح وصول أكبر مع الاكتفاء بتقديم صفحة إعدادات أخرى ليست إجابة كافية.

وتشير الأدلة إلى عدة مخاطر متميزة. فقد تكشف البرمجيات البيانات عبر الحسابات. وقد تصبح المحادثات المخزنة خاضعة لمطالب قانونية. وقد توجد مراجعة مصرّح بها من دون حدوث خرق أمني. كما أن النزاعات حول الأبحاث الخاصة قد تقوّض الثقة حتى عندما لا يكون الادعاء قد ثبت بشكل مستقل.

وتتطلب هذه المخاطر عملًا هندسيًا، لا مجرد صياغة أفضل. وينبغي أن تحظى قدرات مثل اكتشاف البيانات الحساسة، والحماية السابقة للمعالجة، وفصل الهوية، والاحتفاظ المحدود، والأذونات القابلة للإنفاذ باهتمام مستمر بوصفها قدرات تأسيسية لسلامة الذكاء الاصطناعي. ويجب أن يتقدم نفع المساعد وحماية مستخدمه معًا.

مع Dvina، نساعد في قيادة هذا التحول من خلال جعل الحماية قبل معالجة النموذج جزءًا من أساس المنتج. والطموح ليس طلب مزيد من الثقة عبر ادعاءات أقوى، بل تقليل مقدار الثقة التي يجب أن تستند إلى وعد وحده.

ينبغي أن يكون الناس قادرين على طلب المساعدة، وتطوير فكرة، ومشاركة السياق اللازم للمضي قدمًا، من دون التعامل مع كل محادثة كما لو كانت تنازلًا محتملًا عن خصوصيتهم. إن بناء هذه الثقة أحد أهم المهام المقبلة للذكاء الاصطناعي.

المصادر والنطاق

تمت مراجعة المصادر في 22 September 2026. تستند هذه المقالة إلى وثائق مقدمي الخدمات وتقارير منسوبة؛ وهي ليست تدقيقًا أمنيًا مستقلًا. وتشكل الخطط الفردية نطاق المقارنة الرئيسي. وتُحدَّد الاستثناءات التجارية، واستثناءات API، والاستثناءات الخاصة بالنماذج على نحو منفصل. ويميّز قسم الرياضيات بين المخاوف المبلّغ عنها ورد OpenAI المحدّث؛ ولا يُعرض أي منهما بوصفه نتيجة مستقلة. وتظل قاعدة التدريب الخاصة بالخطة الفردية لدى Manus غير متحقَّق منها لأن سياسة الخصوصية الكاملة الخاصة بها لم يكن بالإمكان استرجاعها.