جنون میم‌کوین‌ها دیگر به نمودارهای قیمتی و شوخی‌های شبکه‌های اجتماعی محدود نمی‌شود؛ این تب داغ اکنون مرزهای نمایشگرها را شکسته و در حال ورود به خطرناک‌ترین حالت ممکن در دنیای واقعی است. با روی کار آمدن سیستم‌های پاداش‌دهی (Bounty) در پلتفرم‌هایی مانند پامپ‌فان (Pump.fun)، استراتژی بازاریابیِ این توکن‌ها از سفته‌بازیِ هیجانی آنلاین، به سمت رفتارهای افراطی و آسیب‌زننده کشیده شده است. اما آیا تبدیل کردن کاربران به بیلبوردهای تبلیغاتیِ زنده در ازای دریافت مشتی توکن، یک تعامل خلاقانه با کامیونیتی است یا زنگ خطری جدی برای سوءاستفاده از افراد در «اقتصاد توجه»؟ در این مقاله از میهن بلاکچین، به بررسی این مورد می‌پردازیم. وقتی وایرال شدن به خارج از صفحه‌نمایش منتقل شد میم‌کوین‌ها هرگز وانمود نکرده‌اند که پروژه‌هایی جدی هستند. سایر پروژه‌های بلاکچینی اغلب خود را با وعده‌هایی مانند پرداخت‌های سریع‌تر، زیرساخت‌های مقیاس‌پذیر یا برنامه‌های غیرمتمرکز (DApps) معرفی می‌کنند. با این حال، جذابیت میم‌کوین‌ها از طنز، پوچی و فرهنگ اینترنت سرچشمه می‌گیرد. یک عکس از یک سگ می‌تواند به دارایی میلیارد دلاری تبدیل شود. تصویر یک قورباغه می‌تواند موجی از سفته‌بازی به راه بیندازد. جوامع حول شوخی‌های مشترک، تکیه‌کلام‌ها و هیجان جمعی گرد هم می‌آیند که اغلب منطقی فراتر از انرژی مشارکت در آن‌ها وجود ندارد. در بیشترِ طول عمر خود، میم‌کوین‌ها عمدتاً به صفحات نمایش محدود می‌شدند. خطرات آن‌ها نیز عمدتاً مالی بود. سفته‌بازان ممکن بود با دنبال کردن روندها پول خود را از دست بدهند، اما خودِ میم‌ها به ندرت از فید شبکه‌های اجتماعی و رابط‌های معاملاتی فراتر می‌رفتند. اکنون این مرز در حال کم‌رنگ شدن است. حواشی اخیر پیرامون پامپ‌فان (Pump.fun)، پلتفرم راه‌اندازی توکن مبتنی بر شبکه سولانا، نشان می‌دهد که تبلیغات میم‌کوین‌ها ممکن است به سمت نگران‌کننده‌ای در حرکت باشد. گزارش‌ها حاکی از آن است که افراد در ازای دریافت ارز دیجیتال، حاضر شده‌اند سر خود را بتراشند، مقادیر زیادی بنوشند و نام توکن‌ها را روی بدن خود خالکوبی کنند. آنچه زمانی سرگرمی و سفته‌بازی محبوب اینترنت بود، دیگر تنها از شرکت‌کنندگان نمی‌خواهد که روی دکمه خرید کلیک کنند. در برخی موارد، از آن‌ها خواسته می‌شود که خود را به تبلیغات زنده تبدیل کنند. اینکه آیا این یک شکل جدید از مشارکت جامعه است یا نشانه‌ای نگران‌کننده از اقتصاد توجه (Attention Economy)، موضوعی است که شایسته بررسی جدی است. میم‌کوین‌ها همیشه حول محور «جلب توجه» بوده‌اند میم‌کوین‌ها برای جذب خریدار نیازی به تکنولوژی قوی یا کاربرد مشخص ندارند. ارزش آن‌ها اغلب از چیز ساده‌تری نشأت می‌گیرد و چند نفر در حال تماشا، اشتراک‌گذاری و صحبت درباره آن‌ها هستند. اکثر ارزهای دیجیتال تلاش می‌کنند ارزش خود را با کاربردهایی مانند فناوری جدید، کارایی بهتر یا مدل‌های اقتصادی نوین پشتیبانی کنند. اما میم‌کوین‌ها متفاوت عمل می‌کنند. ارزش آن‌ها تا حد زیادی به میزان دیده شدنشان بستگی دارد. دوج‌کوین (Dogecoin) که در سال ۲۰۱۳ به عنوان یک شوخی راه‌اندازی شد، عمدتاً از طریق اشتیاق جامعه و توجه افراد مشهور به یکی از بزرگترین ارزهای دیجیتال جهان تبدیل شد. پپه (PEPE) قدرت خود را از فرهنگ میم‌های اینترنتی گرفت. بونک (BONK) از شتاب و رشد اکوسیستم سولانا بهره‌مند شد. بی‌شمار توکن دیگر نیز تنها با تکیه بر انرژی شبکه‌های اجتماعی ظهور کرده و سپس فروپاشیده‌اند. این موضوع لزوماً میم‌کوین‌ها را به طور پیش‌فرض غیرقانونی نمی‌کند. بازارها مدت‌هاست که به چیزهای غیرفیزیکی از جمله برندها، داستان‌ها و ارتباطات فرهنگی ارزش داده‌اند. اما این بدان معناست که «توجه»، منبع کمیابی است که همه‌چیز به آن بستگی دارد. در بازارهای میم‌کوین، توجه باعث جذب معامله‌گران می‌شود. معامله‌گران نقدینگی ایجاد می‌کنند. نقدینگی می‌تواند قیمت‌ها را بالاتر ببرد و افزایش قیمت‌ها توجه بیشتری را جلب می‌کند. این چرخه خود را تغذیه می‌کند. تا زمانی که صحبت پیرامون آن دارایی ادامه داشته باشد، آن دارایی زنده می‌ماند. آیا می‌دانستید؟ مدت‌ها قبل از وجود ارزهای دیجیتال، ایستگاه‌های رادیویی از شیرین‌کاری‌های تبلیغاتی عجیب برای جذب مخاطب استفاده می‌کردند. گزارش شده است که برخی مسابقات عجیب و غریب منجر به آسیب‌دیدگی افراد می‌شد که نشان می‌دهد تلاش برای جلب توجه همیشه خطرات پنهانی به همراه داشته است. چگونه Pump.fun اقتصاد ایجاد توکن را تغییر داد پامپ‌فان (Pump.fun) با سریع‌تر، ارزان‌تر و آسان‌تر کردن فرآیند راه‌اندازی برای کاربران غیرفنی، روند ساخت میم‌کوین‌ها را تغییر داد. راه‌اندازی یک توکن زمانی نیازمند دانش فنی، پشتیبانی بازاریابی و سرمایه اولیه بود. اما پامپ‌فان این فرآیند را بسیار سریع‌تر کرد. با مقدار کمی پول، تقریباً هر کسی می‌تواند در عرض چند دقیقه یک توکن ایجاد کند. نتیجه چشمگیر بود. گزارش‌ها حاکی از آن است که میلیون‌ها توکن از طریق این پلتفرم راه‌اندازی شده است. حامیان این پلتفرم، آن را گامی بزرگ به سوی دسترسی آزاد می‌دانند. با این حال، این دسترسی آزاد پیامدهای ناخواسته‌ای نیز به همراه داشت. وقتی تقریباً هر کسی می‌تواند یک میم‌کوین راه‌اندازی کند، «متمایز شدن» به چالش اصلی تبدیل می‌شود. دیگر ساخت توکن مانع اصلی نیست، بلکه جلب توجه است. این موضوع بازاریابی را به یکی از ارزشمندترین بخش‌های اقتصاد میم‌کوین‌ها تبدیل کرد. در بازارهایی که بر پایه توجه بنا شده‌اند، رقابت اغلب به سمت رفتارهای افراطی‌تر کشیده می‌شود. پول دادن به افراد برای وایرال شدن بازار پاداش GO در Pump.fun، تبلیغ میم‌کوین‌ها را به چیزی بسیار مستقیم‌تر تبدیل کرد. این پلتفرم به کاربران اجازه می‌داد به دیگران برای انجام وظایف تبلیغاتی، از جمله شیرین‌کاری‌هایی که برای جلب توجه طراحی شده‌اند، پول پرداخت کنند. ایده ساده بود. کاربران می‌توانستند در ازای وظایف تبلیغاتی، پاداش‌هایی پیشنهاد دهند. برخی از وظایف نسبتاً بی‌ضرر بودند. اما برخی دیگر وارد قلمرو نگران‌کننده‌تری شدند و شرکت‌کنندگان بونتی‌هایی را می‌پذیرفتند که شامل تراشیدن سر، نوشیدن مقابل دوربین و انجام شیرین‌کاری‌های عمومیِ عجیب‌تری می‌شد. یکی از نمونه‌هایی که به‌طور گسترده به اشتراک گذاشته شد، مربوط به «آریوو»، ساکن ایالت تامیل نادو هند بود. او در تلاش برای تکمیل یک بونتی، نماد "boutywork" را روی پیشانی خود خالکوبی کرد. این ماجرا یک طنز تلخ و عجیب به همراه داشت و خود این نماد دارای غلط املایی بود. آنچه قرار بود یک اقدام تبلیغاتی باشد، به یک علامت فیزیکی دائمی گره‌خورده به یک لحظه زودگذر اینترنتی تبدیل شد. معامله‌گران به سفته‌بازی روی توکن‌های مربوطه ادامه دادند. اینترنت به سراغ سوژه بعدی رفت، اما خالکوبی روی پیشانی او باقی ماند. آیا می‌دانستید؟ اصطلاح میم (Meme) توسط زیست‌شناس تکاملی، ریچارد داوکینز، در سال ۱۹۷۶ برای توصیف چگونگی گسترش ایده‌ها در فرهنگ ابداع شد. میم‌های اینترنتی بعدها آن‌قدر قدرتمند شدند که توانستند بر بازارهای مالی تأثیر بگذارند. چرا رفتارهای افراطی می‌توانند از نظر مالی منطقی به نظر برسند در ظاهر، این نمونه‌ها ممکن است کاملاً پوچ به نظر برسند. چرا کسی باید برای تبلیغ یک توکن، ظاهر خود را به‌طور دائم تغییر دهد یا ریسک‌های واقعی را بپذیرد؟ پاسخ در «اقتصاد توجه» نهفته است. مخاطبان آنلاین به سرعت خود را وفق می‌دهند. چیزی که امروز واکنش‌برانگیز است، فردا ممکن است کاملاً عادی به نظر برسد. اینفلوئنسرها و مبلغان تبلیغاتی این را به خوبی می‌دانند. تولیدکنندگان محتوا برای دیده ماندن، اغلب برای بالا بردن سطح کار و انجام ریسک‌های بزرگ‌تر احساس فشار می‌کنند. رفتارهای افراطی‌تر می‌توانند واکنش‌های شدیدتری ایجاد کنند. واکنش‌های شدیدتر می‌توانند منجر به پخش گسترده‌تر شوند و این به نوبه خود، توجه بیشتری را جلب می‌کند. در بازارهای میم‌کوین، توجه می‌تواند مستقیماً بر فعالیت‌های معاملاتی تأثیر بگذارد. خشم و عصبانیت نیز می‌تواند به عنوان ابزار تبلیغاتی عمل کند. افرادی که از این شیرین‌کاری‌های افراطی انتقاد می‌کنند، با اشتراک‌گذاری اسکرین‌شات‌ها، انتشار نظرات و زنده نگه‌داشتن بحث، باعث دیده شدن بیشتر آن‌ها می‌شوند. این شیرین‌کاری به بخشی از هویت توکن تبدیل می‌شود و در برخی موارد، جنجال و حاشیه از همان ابتدا محصول اصلی است. چگونه انگیزه‌های سازندگان، سفته‌بازیِ پرخطر را تغذیه می‌کند فرهنگ مدرن میم‌کوین‌ها اکنون شبیه به ترکیبی از برنامه‌های تلویزیونی واقع‌نما (Reality TV) و سفته‌بازی آنلاینِ پرخطر به نظر می‌رسد. شرکت‌کنندگان تنها به دنبال بازده مالی نیستند. آن‌ها همچنین برای به رسمیت شناخته شدن اجتماعی رقابت می‌کنند و خودِ «وایرال شدن» می‌تواند شبیه به نوعی ارز به نظر برسد. چندین نیروی روانشناختی به توضیح این رفتار کمک می‌کنند: سود نامتقارن: وقتی حتی احتمال کمی برای کسب یک پاداش مالی قابل‌توجه وجود داشته باشد، یک فداکاری نسبتاً کوچک می‌تواند منطقی به نظر برسد. فشار مالی: برای افرادی که با مشکلات مالی واقعی روبرو هستند، پاداش‌های کریپتویی در مقایسه با دستمزدهای محلی می‌تواند بسیار قابل‌توجه به نظر برسد. ارزش شهرت اینترنتی: یک لحظه وایرال شدن می‌تواند فالوور، نفوذ و فرصت‌های آینده‌ای را به همراه بیاورد که فراتر از هر توکن واحدی است. ترس از جا ماندن (FOMO): وقتی مردم می‌بینند که دیگران در حال دریافت توجه و پاداش‌های احتمالی هستند، ممکن است خطراتی را که در حالت عادی با احتیاط با آن‌ها برخورد می‌کردند، نادیده بگیرند. هیچ‌یک از این انگیزه‌ها مختص ارزهای دیجیتال نیست. چیزی که کریپتو به آن اضافه می‌کند، سرعت و شدت سفته‌بازی است. ترکیب این دو با هم می‌تواند هر یک از این نیروهای روانی را بسیار قوی‌تر کند. بازاریابی خلاقانه یا سوءاستفاده؟ حامیان این روش‌ها استدلال می‌کنند که منتقدان در بیان نگرانی‌های خود اغراق می‌کنند. از دیدگاه آن‌ها، مشارکت در این کارها کاملاً داوطلبانه است. مردم اغلب در ازای پول، توجه یا سرگرمی، خطرات را می‌پذیرند. شرکت‌کنندگان برنامه‌های تلویزیونی در چالش‌های تحقیرآمیز شرکت می‌کنند، اینفلوئنسرها محصولات مشکوک را تبلیغ می‌کنند و ورزشکاران حرفه‌ای برای کسب درآمد، خطر آسیب‌های جدی را به جان می‌خرند. استدلال این است که پاداش‌های کریپتویی نباید به عنوان چیزی کاملاً متفاوت در نظر گرفته شوند. مقداری حقیقت در این دیدگاه وجود دارد. هر بونتی لزوماً مخرب نیست. کمپین‌های مبتنی بر کامیونیتی می‌توانند خلاقانه، خنده‌دار و مشارکتی باشند. برخی از جوامع میم‌کوین دقیقاً به این دلیل توجهات را به خود جلب می‌کنند که بازاریابی سنتی شرکت‌ها را رد می‌کنند. با این حال، منتقدان تصویر پیچیده‌تری را می‌بینند. مفهوم رضایت همیشه ساده نیست و فشار مالی می‌تواند بر قضاوت افراد تأثیر بگذارد. شرکت‌کنندگان ممکن است زمانی که پاداش‌های فوری پیش رویشان قرار می‌گیرد، پیامدهای بلندمدت را دست‌کم بگیرند. پلتفرم‌ها نیز ممکن است به طور غیرمستقیم از تعامل بالاتر و فعالیت‌های معاملاتیِ ناشی از محتوای جنجالی، سود ببرند. در همین حال، مخاطبان ممکن است برای حفظ علاقه خود، منتظر شیرین‌کاری‌های بزرگ‌تر و پرخطرتر باشند. این موضوع یک سؤال اخلاقی ناخوشایند را به جا می‌گذارد: در چه نقطه‌ای مشارکت داوطلبانه به سوءاستفاده تبدیل می‌شود؟ الگویی که کریپتو قبلاً هم دیده است حواشی کنونی کاملاً جدید نیستند. پامپ‌فان پیش از این نیز به دلیل ویژگی‌های پخش زنده (Livestreaming) خود با انتقاداتی روبرو شده بود. گزارش‌ها حاکی از آن بود که برخی از سازندگان برای جذب سرمایه‌گذاران از رفتارهای افراطی استفاده می‌کردند. این پلتفرم بعداً پخش زنده را متوقف کرد و سپس با اعمال تدابیر نظارتی آن را بازگرداند. این الگوی کلی آشنا است. فرمت‌های جدید مخاطبان را جذب می‌کنند، رقابت افزایش می‌یابد، شرکت‌کنندگان برای متمایز شدن رفتارهای خود را تشدید می‌کنند، واکنش‌های منفی عمومی شکل می‌گیرد و پلتفرم‌ها در پاسخ، قوانین خود را سخت‌گیرانه‌تر می‌کنند. این چرخه بارها در تلویزیون و شبکه‌های اجتماعی تکرار شده است. شاید کریپتو صرفاً در حال تکرار یک الگوی آشنا باشد، با این تفاوت که مشوق‌های توکنی لایه جدیدی از انگیزه را به آن اضافه کرده‌اند. آیا می‌دانستید؟ اقتصاددانان رفتاری دریافته‌اند که «تأیید اجتماعی» می‌تواند به شدت بر تصمیم‌گیری تأثیر بگذارد. وقتی افراد می‌بینند که دیگران به روندهای پرخطر می‌پیوندند، ممکن است آن خطرات را کمتر جدی بگیرند و احتمال تقلید از آن‌ها بیشتر شود. منطقه خاکستریِ قانون‌گذاری این تحولات سؤالات دشواری را برای نهادهای نظارتی ایجاد می‌کند. دسته‌بندی برنامه‌های بونتی کار آسانی نیست. بسته به نحوه ساختار آن‌ها، این برنامه‌ها می‌توانند به عنوان کمپین‌های بازاریابی، مسابقات تبلیغاتی، ترتیبات کاری غیررسمی، سیستم‌های پاداش پرخطر یا چیزی که قوانین فعلی برای برخورد با آن‌ها طراحی نشده‌اند، در نظر گرفته شوند. مقامات حمایت از مصرف‌کننده ممکن است بپرسند آیا خطرات به طور واضح به شرکت‌کنندگان اطلاع داده می‌شود یا خیر. قانون‌گذاران حوزه کار ممکن است بررسی کنند که آیا افراد نیازمندِ مالی مستحق حمایت‌های اضافی هستند یا خیر. نهادهای ناظر بر اوراق بهادار می‌توانند بررسی کنند که آیا پاداش‌های توکنی ماهیت قانونی فعالیت‌های تبلیغاتی را تغییر می‌دهد یا خیر. پاسخ به این سؤالات احتمالاً در حوزه‌های قضایی مختلف متفاوت خواهد بود و بدون استانداردهای واضح‌تر، پلتفرم‌ها ممکن است با یک دوره طولانی از عدم قطعیت نظارتی مواجه شوند. آینده بازاریابی میم‌کوین‌ها همچنان نامشخص است افراد خوش‌بین، حوادث اخیر را به جای نشانه‌هایی از یک روند گسترده‌تر، صرفاً افراط‌کاری‌های پراکنده می‌دانند. در این دیدگاه، سیستم‌های بونتی با ساختار مناسب می‌توانند بدون تشویق رفتارهای مضر، به خلاقیت پاداش دهند و به اشکال سازنده‌تری از مشارکت جامعه بالغ شوند. برخی دیگر انتظار عکس این موضوع را دارند. آن‌ها استدلال می‌کنند که رقابت برای جلب توجه همچنان شرکت‌کنندگان را به سمت اقدامات پرخطرتر سوق خواهد داد، تا زمانی که یک حادثه جدی نهادهای نظارتی را وادار به مداخله کند. محتمل‌ترین نتیجه ممکن است چیزی در این بین باشد. پلتفرم‌ها ممکن است قوانین نظارتی سخت‌گیرانه‌تری اتخاذ کنند و برخی از انواع چالش‌ها را به طور کامل ممنوع سازند. جوامع کاربری نیز ممکن است تاکتیک‌هایی را که سوءاستفاده‌گرانه می‌دانند، رد کنند. با گذشت زمان، بازار یاد خواهد گرفت که مخاطبان در کجا خط قرمز خود را می‌کشند.

به‌نظر شما موفقیت در بازارهای پیش‌بینی حاصل خوش‌شانسی است یا سال‌ها تجربه حرفه‌ای؟ شاید تعجب کنید که در میان جمعی از معامله‌گران کارکشته و پژوهشگران باسابقه، دانش‌آموزی به نام الی گلدفاین (Eli Goldfine) که آنقدر خوب عمل کرده است که حالا خیلی‌ها او را «نابغه ۱۳ ساله بازارهای پیش‌بینی» می‌نامند. این یک برچسب رسانه‌ای نیست؛ توصیفی است که جک نیوشام (Jack Newsham) روزنامه‌نگار بیزینس اینسایدر و پژوهشگر کهنه‌کار بازارهای پردیکشن پس از گفتگوهای متعدد با الی و بررسی عملکرد او به‌زبان می‌آورد. در این مطلب از میهن بلاکچین، قرار است ماجرای این آشنایی را از زبان نیوشام دنبال کنیم. ورود غیرمنتظره یک نابغه به بازارهای پیش‌بینی زمانی که الی گلدفاین (Eli Goldfine) اولین پیامش را در شبکه ایکس (توییتر سابق) برای من فرستاد، فکر کردم یک شوخی است. او گفت که می‌خواهد در حوزه بازارهای پیش‌بینی به من کمک کند. بیوگرافی‌اش کوتاه بود؛ «بازارهای پیش‌بینی، هوش مصنوعی، جهان. ۱۳ ساله.» در ابتدا متوجه نشدم که نام کاربری‌اش، @realTomBayes، ارجاع ظریفی به مفاهیم آماری است. وقتی از او پرسیدم کیست، پاسخ داد: اسمم الیه، واقعاً ۱۳ سالمه. اینکه صنعت بازارهای پیش‌بینی بیشتر افراد جوان را جذب می‌کند، موضوع جدیدی نیست. مثلا، بنیان‌گذاران پالی مارکت (Polymarket) و کالشی (Kalshi) به ترتیب ۲۷و ۲۹ ساله هستند. بسیاری از کاربران در دهه بیست سالگی خود قرار دارند و در آمریکا، افراد از ۱۸ سالگی می‌توانند در این بازارها فعالیت کنند. حتی پاییز گذشته، کالشی مدت کوتاهی با یک اینفلوئنسر ۱۵ ساله حوزه بازی همکاری کرد؛ اما بعد تیم حقوقی آن‌ها گفت که در حال حاضر نمی‌توانند با افراد زیر سن قانونی کار کنند. الی که از طریق تماس ویدیویی از منطقه وستچستر (Westchester County) نیویورک و در حضور پدرش ایوان (Evan) با من صحبت می‌کرد، کاملاً شبیه یک پسر ۱۳ ساله به نظر می‌رسید. چند روز قبل از این تماس، او مصاحبه زنده‌ای با دو کارمند سابق کالشی درباره صندوق سرمایه‌گذاری جدیدشان در بازارهای پیش‌بینی، یعنی 5c(c) Capital ، پخش کرده بود؛ مصاحبه‌ای که در حین آن، گاهی اوقات بریس‌های ارتودنسی‌اش نمایان می‌شد. این نوع محتوا، همان داستانی است که رسانه‌های خبری حوزه کسب‌وکار دوست دارند منتشر کنند؛ اما این بار، یک دانش‌آموز نوجوان با یک خبرنامه الکترونیک (Substack) و تنها چند ده دنبال‌کننده در ایکس، آن را منتشر کرده بود.  الی با اشاره به اینکه پس از این مصاحبه، تعداد دنبال‌کنندگانش به بیش از ۳۰۰ نفر رسیده است، گفت:  فکر کنم حالا کمی معتبرتر شده‌ام. تجربه عملی نابغه نوجوان در بازارهای پیش‌بینی پدر الی که در زمینه توسعه املاک و مستغلات تجاری فعالیت می‌کند، می‌گوید او و همسرش (که روانشناس است) در نقش یک حمایتگر صرفاً در کنار الی و حمایتگر هستند: ما او را به این مسیر هُل ندادیم؛ فقط چون خودش علاقه دارد، ما حمایتش می‌کنیم. الی می‌گوید اولین بازار پیش‌بینی که با آن آشنا شد، پالی‌مارکت بود. بعد هم با ثبت‌نام در مانی‌فولد (Manifold) که با پول مجازی کار می‌کند، تجربه عملی کسب کرد. یکی از موفقیت‌های اولیه‌ الی زمانی بود که بازاری را برای انتخابات شورای دانش‌آموزی ساخت تا همکلاسی‌هایش بتوانند روی نتیجه سرمایه‌گذاری کنند. او در این باره می‌گوید: مدرسه ما از این کار خوشش نیامد، همه سعی می‌کردند احتمال برد کاندیدای موردعلاقه‌شان را تا ۹۹٪ بالا ببرند. اما من با سرمایه‌گذاری روی گزینه برعکس، سود خوبی گرفتم. الی لینکی از آن بازار برای من فرستاد که نشان می‌داد سرمایه‌اش تقریبا ۳ برابر شده است. در ماه‌های بعد، الی روی طیف گسترده‌ای از موضوعات، چه جدی و چه غیرجدی، بازارهایی را ایجاد کرد. او کتاب‌های اقتصاددانانی مانند تایلر کوئن (Tyler Cowen) و رابین هانسون (Robin Hanson) را مطالعه کرده است. تأثیر تفکرات آن‌ها در بازاری که او در مانی‌فولد با عنوان «آیابرای مقاله‌ام درباره بازار خرید و فروش اعضای بدن، نمره A می‌گیرم؟» کاملا مشهود است. دیدگاه‌های الی هنوز در حال تکامل است. با‌اینکه او از پتانسیل بازارهای پیش‌بینی هیجان‌زده است؛ اما هیچ فایده‌ای در بازارهای ورزشی نمی‌بیند و معتقد است که قرعه‌کشی‌های دولتی بیشتر حالت سوء‌استفاده دارند. رویای کارآموزی و آینده‌روشن نابغه ۱۳ ساله بازارهای پیش‌بینی الی گلدفاین در کنار شور و اشتیاقش به بازارهای پیش‌بینی، علاقه ویژه‌ای به ساخت و استفاده از تلسکوپ‌ها دارد. او پدرش را در سفرهایشان به بخش شمالی شهرستان وستچستر همراهی می‌کند، جایی که آسمان شب ستاره‌های بیشتری را به نمایش می‌گذارد. سال گذشته، الی برای مجله نجوم اسکوپ‌تریدر (ScopeTrader) مصاحبه‌ای با آل ناگلر (Al Nagler)، اخترشناس و طراح اپتیک مشهور انجام داد. روی قفسه کتاب اتاقش، در کنار کتاب‌های اپتیک و جبر، مجموعه‌ای از کتاب‌های چارلی براون (Charlie Brown) و کالوین و هابز (Calvin & Hobbes) به چشم می‌خورد. الی به من گفت که تکالیف مدرسه‌اش را در مسیر طولانی رانندگی صبحگاهی به سمت مدرسه انجام می‌دهد. او در ساب‌استک خودش به نام “Bayesian Supercycle” که در ماه ژانویه راه‌اندازی کرده است به‌طور مرتب مطلب منتشر می‌کند. این هفته هم او با تیم تحقیقاتی مایکروسافت ریسرچ (Microsoft Research) درباره یکی از پروژه‌هایش صحبت کرده است این پروژه یک وب‌سایت که ابزارهایی را برای آزمایش بازارسازهای خودکاری که نقدینگی پلتفرم‌های پیش‌بینی را فراهم می‌کنند، ارائه می‌دهد. الی قرار است در آینده نزدیک با چند پیش‌بینی‌کننده برجسته در متاکولوس (Metaculus) مصاحبه کند؛ یک سایت پیش‌بینی با سابقه طولانی که کاربران آن عمدتاً علاقه‌مندان به علم و فناوری هستند. او اخیراً با پیشنهاد پدرش که از سال ۲۰۲۴ خبرنامه آنلاینی را با عنوان “A Year of Bach” را منتشر می‌کند، قابلیت اشتراک ویژه را در ساب‌استک خود فعال کرده است. هدف الی، به گفته خودش، ترویج این خبرنامه و دیده شدن است، نه کسب درآمد. الی در پایان مصاحبه‌‌اش با بنیان‌گذاران 5c(c) Capital، درخواست کارآموزی تابستانی کرده است. آن‌ها هم در پاسخ گفته‌اند که باید با والدینش صحبت کنند و مطمئن شوند که قانون کار کودکان را نقض نمی‌کنند. اگرچه این فرصت شغلی عملی نشده است، اما یک شرکت در حوزه بازارهای پیش‌بینی به او پیشنهاد کار تابستانی داده است و شرکت دیگری به نام ترایو کپیتال (Thrive Capital) اقداماتی را برای ارتباط با این نابغه ۱۳ ساله انجام داده است.  الی می‌گوید هنوز درباره دبیرستان، دانشگاه یا شغل آینده‌اش به‌طور جدی فکر نکرده است. فعلا در حال بررسی دعوتی برای شرکت در یک رویداد بازارهای پیش‌بینی در سوئیس است و باید پدر و مادرش را راضی کند. او در پیامی که روز چهارشنبه برای من فرستاد، نوشته بود:  خیلی دوست دارم بروم، اما به نظر پدر و مادرم بستگی دارد. الان در اتوبوس برگشت از مدرسه هستم و دارم فکر می‌کنم که چطور از آن‌ها اجازه بگیرم.

تا همین چند سال پیش، راه‌اندازی یک ارز دیجیتال جدید به دانش برنامه‌نویسی، توسعه قرارداد هوشمند و صرف هزینه‌های قابل‌توجه نیاز داشت؛ اما امروز کافی است یک کیف پول ارز دیجیتال داشته باشید تا تنها در چند دقیقه میم کوین خود را روی شبکه‌هایی مانند سولانا، بی‌ان‌بی چین یا بیس ایجاد کنید. همین سادگی باعث شده لانچ‌پدهای میم کوین به یکی از داغ‌ترین ترندهای بازار ارزهای دیجیتال تبدیل شوند و هر روز هزاران توکن جدید از طریق آن‌ها راه‌اندازی شود. با وجود این رشد انفجاری، همه لانچ‌پدها کیفیت و امنیت یکسانی ندارند. برخی از آن‌ها برای معامله‌گران حرفه‌ای طراحی شده‌اند، بعضی روی پاداش سازندگان تمرکز دارند و برخی دیگر تجربه‌ای ساده‌تر برای کاربران تازه‌وارد ارائه می‌کنند. در این مقاله بهترین لانچ‌پدهای میم کوین در سال ۲۰۲۶ را معرفی می‌کنیم، نحوه عملکرد آن‌ها را بررسی خواهیم کرد، مزایا و معایب هرکدام را توضیح می‌دهیم و مهم‌ترین نکات امنیتی که باید پیش از خرید یا ساخت یک میم کوین بدانید را مرور خواهیم کرد. لانچ‌پد میم کوین چیست؟ لانچ‌پد میم کوین (Memecoin Launchpad) پلتفرمی است که به کاربران اجازه می‌دهد بدون نیاز به دانش برنامه‌نویسی یا توسعه قرارداد هوشمند، یک میم کوین جدید ایجاد کرده و آن را در اختیار سایر معامله‌گران قرار دهند. در اغلب این پلتفرم‌ها تنها کافی است نام توکن، نماد (Ticker)، تصویر، توضیح کوتاه و برخی تنظیمات اولیه را وارد کنید تا توکن شما ظرف چند دقیقه روی بلاکچین ایجاد شود و امکان خرید و فروش آن فراهم شود. برخلاف لانچ‌پدهای سنتی ارزهای دیجیتال که معمولاً برای عرضه پروژه‌های بزرگ، جذب سرمایه و برگزاری عرضه اولیه توکن (IDO) طراحی شده‌اند، لانچ‌پدهای میم کوین تمرکز خود را بر سرعت، سادگی و دسترسی آزاد قرار داده‌اند. در این پلتفرم‌ها تقریباً هر کاربری می‌تواند بدون دریافت مجوز یا طی کردن فرایندهای پیچیده، توکن خود را راه‌اندازی کند. رشد چشمگیر این دسته از پلتفرم‌ها را می‌توان تا حد زیادی مدیون موفقیت پامپ فان (Pump.fun) در شبکه سولانا دانست. پس از موفقیت این پروژه، لانچ‌پدهای متعددی روی بلاکچین‌هایی مانند سولانا، بی‌ان‌بی چین، بیس و ترون راه‌اندازی شدند که هرکدام امکانات متفاوتی مانند پاداش برای سازندگان، اتصال به صرافی‌های غیرمتمرکز، عرضه اجتماعی توکن‌ها یا مدیریت پیشرفته‌تر فرایند عرضه را در اختیار کاربران قرار می‌دهند. البته باید توجه داشت که خلق آسان توکن‌ها به معنای کاهش ریسک نیست. بسیاری از میم کوین‌هایی که از طریق این لانچ‌پدها ایجاد می‌شوند، عمر کوتاهی دارند و ممکن است ظرف چند ساعت یا چند روز بخش زیادی از ارزش خود را از دست بدهند. به همین دلیل، استفاده از این پلتفرم‌ها نیازمند مدیریت سرمایه، بررسی دقیق پروژه و رعایت نکات امنیتی است. لانچ‌پدهای میم کوینی چگونه کار می‌کنند؟ اگرچه هر لانچ‌پد سازوکار مخصوص به خود را دارد، اما روند کلی فعالیت آن‌ها تقریباً مشابه است و معمولاً در چند مرحله انجام می‌شود. در مرحله نخست، سازنده با اتصال کیف پول خود، اطلاعات اولیه توکن مانند نام، نماد، تصویر، توضیحات و در برخی موارد تعداد کل توکن‌ها را وارد می‌کند. پس از پرداخت هزینه ایجاد توکن (در صورت وجود)، قرارداد هوشمند به‌صورت خودکار ساخته شده و توکن روی بلاکچین منتشر می‌شود. پس از ایجاد توکن، معاملات معمولاً از طریق مکانیزمی به نام «منحنی قیمت» (Bonding Curve) آغاز می‌شود. در این مدل، قیمت توکن با افزایش تقاضا به‌صورت خودکار افزایش پیدا می‌کند و با افزایش فروش کاهش می‌یابد. به همین دلیل، خریداران اولیه معمولاً توکن را با قیمت پایین‌تری نسبت به خریداران بعدی خریداری می‌کنند. اگر یک میم کوین بتواند حجم مشخصی از معاملات یا نقدینگی را جذب کند، وارد مرحله‌ای به نام Graduation یا «فارغ‌التحصیلی» می‌شود. در این مرحله، نقدینگی آن به یک صرافی غیرمتمرکز مانند ریدیوم، پامپ سواپ، پنکیک سواپ یا یونی سواپ منتقل می‌شود و از آن پس معاملات توکن در بازار آزاد ادامه پیدا می‌کند. این فرایند باعث می‌شود خلق و معامله یک میم کوین تنها ظرف چند دقیقه امکان‌پذیر باشد؛ اما همین سرعت بالا، زمینه را برای سوءاستفاده، ایجاد توکن‌های بی‌ارزش، معاملات رباتی (Bot Trading)، پامپ و دامپ و حتی کلاهبرداری نیز فراهم کرده است. به همین دلیل، صرف حضور یک توکن در لانچ‌پد یا اصطلاح «Fair Launch» به هیچ عنوان به معنای معتبر یا امن بودن آن نیست و کاربران باید پیش از خرید، وضعیت نقدینگی، تعداد هولدرها، فعالیت کیف پول سازنده و سایر شاخص‌های مهم را بررسی کنند. بهترین لانچ‌پدهای میم کوین در سال ۲۰۲۶ با افزایش محبوبیت میم کوین‌ها، تعداد لانچ‌پدهای فعال نیز به‌سرعت رشد کرده است. با این حال، همه این پلتفرم‌ها تجربه مشابهی ارائه نمی‌دهند. برخی روی راه‌اندازی سریع توکن تمرکز دارند، برخی امکانات بیشتری برای معامله و نقدینگی فراهم می‌کنند و برخی دیگر با ارائه مشوق‌های مالی تلاش می‌کنند سازندگان بیشتری را جذب کنند. در ادامه با مهم‌ترین لانچ‌پدهای میم کوین آشنا می‌شویم. پامپ فان (Pump.fun) اگر از کاربران بازار میم کوین‌ها باشید، احتمالاً نام پامپ فان را بارها شنیده‌اید. این پلتفرم که در اوایل سال ۲۰۲۴ روی شبکه سولانا راه‌اندازی شد، عملاً آغازگر موج جدید لانچ‌پدهای میم کوینی بود و نشان داد ساخت یک توکن جدید می‌تواند تنها در چند دقیقه و بدون نیاز به دانش فنی انجام شود. [sc name="box" type="info" link="https://mihanblockchain.com/what-is-pump-fun-memecoin-platform/" content="پلتفرم ساخت میم کوین پامپ فان چیست؟ آشنایی با توکن PUMP" ][/sc] پامپ فان با حذف پیچیدگی‌های ساخت قرارداد هوشمند، فرایند ایجاد توکن را به چند مرحله ساده خلاصه کرده است. کاربران تنها با وارد کردن نام، نماد، تصویر و توضیح کوتاه می‌توانند میم کوین خود را ساخته و روانه بازار کنند. پس از آن، معاملات توکن از طریق مکانیزم منحنی قیمت آغاز می‌شود و در صورت رسیدن به حد مشخصی از نقدینگی، دارایی به صرافی غیرمتمرکز اختصاصی این پلتفرم یعنی پامپ سواپ منتقل خواهد شد. یکی از مهم‌ترین دلایل موفقیت پامپ فان، جامعه کاربری بسیار بزرگ، نقدشوندگی بالا و حجم معاملات قابل‌توجه آن است. به همین دلیل، بسیاری از معامله‌گران ابتدا توکن‌های جدید را در این پلتفرم رصد می‌کنند. مزایا ساده‌ترین فرایند ساخت میم کوین جامعه کاربری بسیار بزرگ نقدشوندگی مناسب راه‌اندازی توکن تنها در چند دقیقه معایب رقابت بسیار شدید میان پروژه‌ها تعداد زیاد توکن‌های بی‌کیفیت فعالیت گسترده ربات‌های معاملاتی و پامپ و دامپ فور میم (Four.Meme) فور میم مهم‌ترین لانچ‌پد میم کوین در اکوسیستم بی‌ان‌بی چین محسوب می‌شود. این پلتفرم با الهام از موفقیت پامپ فان توسعه یافته اما امکانات بیشتری برای توسعه‌دهندگان و کاربران اکوسیستم بایننس ارائه می‌دهد. توکن‌های ایجادشده در Four.Meme پس از جذب نقدینگی لازم به صرافی غیرمتمرکز پنکیک سواپ منتقل می‌شوند و معاملات آن‌ها در بازار آزاد ادامه پیدا می‌کند. همچنین این پلتفرم از ابزارهای تبلیغاتی و کمپین‌های معرفی پروژه نیز پشتیبانی می‌کند که می‌تواند به دیده شدن توکن‌های جدید کمک کند. مزایا مناسب کاربران اکوسیستم BNB Chain اتصال مستقیم به پنکیک سواپ کارمزد پایین شبکه جامعه فعال معایب تعداد پروژه‌های موفق کمتر از پامپ فان رقابت بالا میان توکن‌ها سان پامپ (SunPump) پس از رشد انفجاری پامپ فان، اکوسیستم ترون نیز لانچ‌پد اختصاصی خود را با نام سان پامپ معرفی کرد. این پروژه با حمایت مستقیم اکوسیستم ترون توسعه یافته و هدف آن جذب توسعه‌دهندگان و معامله‌گران میم کوین به شبکه ترون است. کارمزد پایین شبکه، سرعت بالای تراکنش‌ها و جامعه بزرگ کاربران ترون باعث شده سان پامپ در مدت کوتاهی به یکی از پلتفرم‌های مهم این حوزه تبدیل شود. مشابه با سایر لانچ‌پدها، در صورت موفقیت یک توکن در سان پامپ، نقدینگی آن به صرافی سان سواپ منتقل می‌شود و معاملات آن خارج از لانچ‌پد ادامه پیدا می‌کند. مزایا کارمزد بسیار پایین سرعت بالای تراکنش‌ها مناسب کاربران شبکه ترون معایب اکوسیستم کوچک‌تر نسبت به سولانا پروژه‌های موفق محدودتر زورا (Zora) زورا در ابتدا به‌عنوان یک بازار NFT شناخته می‌شد؛ اما با توسعه شبکه بیس، قابلیت ساخت و عرضه توکن را نیز به خدمات خود اضافه کرد. برخلاف بسیاری از لانچ‌پدهای سنتی، تمرکز زورا بیشتر بر اقتصاد سازندگان محتوا (Creator Economy) است. در این پلتفرم، کاربران می‌توانند پست‌ها، تصاویر یا محتوای خود را به توکن تبدیل کنند و همزمان جامعه‌ای پیرامون آن شکل دهند. همین موضوع باعث شده زورا بیشتر مورد توجه تولیدکنندگان محتوا و پروژه‌های اجتماعی قرار بگیرد. مزایا مناسب اکوسیستم بیس تجربه کاربری مدرن تمرکز بر اقتصاد سازندگان محتوا معایب مناسب نبودن برای همه انواع میم کوین نقدینگی کمتر نسبت به پامپ فان لتس بونک‌فان (LetsBONK.fun) لتس‌بونک‌فان یکی از جدیدترین لانچ‌پدهای اکوسیستم سولانا است که توسط جامعه پروژه میم کوین بونک (BONK) توسعه یافته است. این پلتفرم تلاش می‌کند بخشی از درآمد خود را به اکوسیستم BONK بازگرداند و امکانات بیشتری نسبت به نسل اول لانچ‌پدهای میم کوین ارائه دهد. [sc name="box" type="info" link="https://mihanblockchain.com/what-is-letsbonk-fun" content="لتس‌بونک فان (LetsBONK.fun) چیست؟ با رقیب پامپ فان آشنا شوید!" ][/sc] رشد سریع لتس‌بونک‌فان نیز باعث شده برخی تحلیلگران آن را یکی از جدی‌ترین رقبای پامپ فان در اکوسیستم سولانا بدانند.  مزایا جامعه فعال BONK کارمزد رقابتی طراحی مدرن معایب سابقه کمتر نسبت به رقبا تعداد پروژه‌های موفق هنوز محدود است مقایسه بهترین لانچ‌پدهای میم کوین در جدول زیر بهترین لانچ‌پدهای میم کوینی حال و حاضر بازار ارزهای دیجیتال را با یکدیگر مقایسه کرده‌ایم: لانچ‌پدشبکهمناسب برایمهم‌ترین ویژگیPump.funسولاناهمه کاربرانبزرگ‌ترین لانچ‌پد میم کوین بازارFour.MemeBNB Chainکاربران بایننساتصال مستقیم به PancakeSwapSunPumpترونکاربران TRONکارمزد پایین و سرعت بالاZoraBaseتولیدکنندگان محتواتوکن‌سازی محتوا و پروژه‌های اجتماعیLetsBonk.funسولاناکاربران اکوسیستم BONKجایگزین نوظهور Pump.fun مزایا و معایب استفاده از لانچ‌پدهای میم کوین لانچ‌پدهای میم کوین باعث شده‌اند ساخت و عرضه یک توکن جدید دیگر فقط در انحصار تیم‌های توسعه‌دهنده و برنامه‌نویسان نباشد. امروزه هر فردی می‌تواند تنها با چند کلیک، میم کوین خود را ایجاد کرده و آن را در معرض دید هزاران معامله‌گر قرار دهد. با این حال، همین سادگی مزایای فراوانی دارد و در عین حال ریسک‌های قابل‌توجهی نیز ایجاد کرده است. مزایا ساخت میم کوین بدون نیاز به برنامه‌نویسی یا توسعه قرارداد هوشمند راه‌اندازی توکن تنها در چند دقیقه هزینه پایین خلق پروژه نسبت به روش‌های سنتی دسترسی مستقیم به جامعه معامله‌گران اتصال خودکار به صرافی‌های غیرمتمرکز پس از جذب نقدینگی مناسب برای آزمایش ایده‌های جدید و ساخت کامیونیتی معایب احتمال بسیار بالای شکست پروژه رقابت شدید میان هزاران میم کوین جدید فعالیت گسترده ربات‌های معاملاتی (MEV Bot) احتمال پامپ و دامپ و دستکاری قیمت وجود پروژه‌های کلاهبرداری و راگ پول  نبود ارزش ذاتی در بسیاری از میم کوین‌ها در نتیجه، لانچ‌پدهای میم کوین را می‌توان ابزاری قدرتمند برای ورود به بازار دانست؛ اما موفقیت در آن‌ها تنها به ساخت یک توکن محدود نمی‌شود و به عواملی مانند بازاریابی، مدیریت جامعه، نقدینگی و اعتماد کاربران نیز وابسته است. چگونه یک لانچ‌پد مناسب انتخاب کنیم؟ اگر قصد ساخت یا خرید میم کوین را دارید، انتخاب لانچ‌پد مناسب اهمیت زیادی دارد. هر پلتفرم جامعه کاربران، اکوسیستم و مدل اقتصادی متفاوتی دارد و انتخاب نادرست می‌تواند شانس دیده شدن پروژه یا حتی نقدشوندگی آن را کاهش دهد. پیش از انتخاب یک لانچ‌پد، بهتر است به موارد زیر توجه کنید: بلاکچین میزبان: ابتدا مشخص کنید قصد فعالیت روی کدام شبکه را دارید؛ سولانا، بی‌ان‌بی چین، بیس یا ترون. تعداد کاربران فعال: هرچه کاربران بیشتری در یک لانچ‌پد حضور داشته باشند، احتمال دیده شدن پروژه نیز بیشتر خواهد بود. حجم معاملات و نقدینگی: حجم بالاتر معمولاً به نقدشوندگی بهتر توکن‌ها منجر می‌شود. کارمزدها: هزینه ایجاد توکن و کارمزد معاملات را بررسی کنید. امکانات جانبی: برخی لانچ‌پدها امکاناتی مانند ایردراپ، پاداش سازندگان، تبلیغات یا تحلیل داده‌های آنچین ارائه می‌کنند. اعتبار پلتفرم: سابقه فعالیت، میزان استقبال کاربران و شفافیت تیم توسعه از مهم‌ترین معیارهای انتخاب یک لانچ‌پد محسوب می‌شوند. در حال حاضر، اگر هدف شما بیشترین شانس دیده شدن یک میم کوین باشد، پامپ فان همچنان بزرگ‌ترین اکوسیستم این حوزه را در اختیار دارد؛ اما اگر روی شبکه‌هایی مانند بی‌ان‌بی چین یا ترون فعالیت می‌کنید، فور میم و سان پامپ گزینه‌های مناسب‌تری خواهند بود. آیا ساخت میم کوین در لانچ‌پدها سودآور است؟ در نگاه اول ممکن است ایجاد یک میم کوین بسیار سودآور به نظر برسد؛ چراکه هر روز خبرهایی از رشد چند هزار درصدی برخی توکن‌ها منتشر می‌شود. با این حال، واقعیت بازار تصویر متفاوتی را نشان می‌دهد. امروزه روزانه هزاران میم کوین جدید روی لانچ‌پدهای مختلف ایجاد می‌شوند، اما تنها درصد بسیار کمی از آن‌ها موفق می‌شوند جامعه کاربری فعال تشکیل دهند یا به ارزش بازار قابل‌توجهی برسند. بسیاری از پروژه‌ها حتی چند ساعت پس از راه‌اندازی نیز معامله نمی‌شوند و برخی دیگر پیش از رسیدن به مرحله انتقال نقدینگی عملاً فراموش می‌شوند. موفقیت یک میم کوین معمولاً به عواملی مانند کیفیت بازاریابی، فعالیت تیم توسعه، قدرت جامعه، حمایت اینفلوئنسرها، شرایط کلی بازار و البته کمی شانس بستگی دارد. بنابراین ساخت یک میم کوین را نباید راهی تضمین‌شده برای کسب درآمد دانست. اگر هدف شما تنها کسب سود کوتاه‌مدت است، بهتر است قبل از خلق یک پروژه جدید، هزینه‌ها، زمان موردنیاز برای بازاریابی و ریسک‌های احتمالی را نیز در نظر گرفته و سپس تصمیم نهایی خودتان را بگیرید.  جمع‌بندی لانچ‌پدهای میم کوین طی دو سال گذشته مسیر ساخت و عرضه توکن‌های جدید را متحول کرده‌اند. امروزه هر کاربری می‌تواند بدون دانش برنامه‌نویسی، تنها در چند دقیقه یک میم کوین روی شبکه‌هایی مانند سولانا، بی‌ان‌بی چین، ترون یا بیس ایجاد کند و آن را در اختیار جامعه کاربران قرار دهد. همین سادگی، باعث رشد چشمگیر این بازار و ظهور هزاران پروژه جدید شده است. با این حال، ورود آسان به این حوزه به معنای موفقیت آسان نیست. بیشتر میم کوین‌های جدید هرگز به جایگاه قابل‌توجهی نمی‌رسند و ریسک‌هایی مانند راگ پول، پامپ و دامپ، نقدینگی پایین و فعالیت ربات‌های معاملاتی همچنان از مهم‌ترین چالش‌های این بازار محسوب می‌شوند. بنابراین چه قصد ساخت یک میم کوین را داشته باشید و چه بخواهید روی آن سرمایه‌گذاری کنید، شناخت لانچ‌پدها، مدیریت ریسک و انجام تحقیقات شخصی مهم‌ترین عواملی هستند که می‌توانند از سرمایه شما محافظت کنند. سوالات متداول لانچ‌پد میم کوین چیست؟لانچ‌پد میم کوین پلتفرمی است که امکان ساخت، عرضه اولیه و معامله میم کوین‌ها را بدون نیاز به برنامه‌نویسی یا توسعه قرارداد هوشمند فراهم می‌کند.بهترین لانچ‌پد میم کوین کدام است؟پامپ فان (Pump.fun)، فور میم (Four.Meme)، سان پامپ (SunPump)، زورا (Zora) و لتس بونک‌فان (LetsBonk.fun) آیا ساخت میم کوین رایگان است؟خیر. هرچند هزینه ایجاد توکن در بسیاری از لانچ‌پدها پایین است، اما معمولاً برای ثبت قرارداد هوشمند و پرداخت کارمزد شبکه باید مبلغی پرداخت کنید.آیا برای ساخت میم کوین باید برنامه‌نویسی بلد باشیم؟خیر. بیشتر لانچ‌پدهای مدرن تمام فرایند ساخت قرارداد هوشمند را به‌صورت خودکار انجام می‌دهند و کاربران تنها اطلاعات اولیه توکن را وارد می‌کنند.آیا می‌توان از ساخت میم کوین درآمد کسب کرد؟بله؛ اما هیچ تضمینی برای موفقیت وجود ندارد. درآمد یک پروژه به عواملی مانند استقبال کاربران، بازاریابی، نقدینگی، شرایط بازار و مدیریت جامعه بستگی دارد.

در بازارهای پیش‌بینی، جواب طولانی همیشه جواب بهتر نیست. کاربری که روی نتیجه یک مسابقه، روند بازار یا سناریوی بعدی تصمیم می‌گیرد، دنبال این نیست که مدل هوش مصنوعی چقدر با اعتمادبه‌نفس حرف می‌زند. مسئله اصلی این است: کدام مدل زودتر مسیر درست را می‌بیند و کدام مدل تحلیلی مرتب تحویل می‌دهد؟ گزارش پیش‌بینی ۶ مدل هوش مصنوعی شامل ChatGPT، Grok، Qwen، DeepSeek، Gemini و Claude برای چند مسابقه مرحله حذفی جام جهانی و مقایسه آن با نتایج واقعی، برای کاربران کریپتو هم بی‌ربط نیست، چون استفاده از هوش مصنوعی در بازارهای پیش‌بینی، تحلیل خبر، ساخت سناریو و حتی ترید ارز دیجیتال با هوش مصنوعی هر روز جدی‌تر می‌شود. اما همین گزارش نشان می‌دهد مدل‌ها همیشه در یک کار خاص خوب عمل نمی‌کننپ. تا اینجای مرحله حذفی، کانادا با نتیجه ۱ بر ۰ آفریقای جنوبی را شکست داد، برزیل ۲ بر ۱ ژاپن را برد، آلمان در ضربات پنالتی مقابل پاراگوئه حذف شد و هلند هم پس از تساوی ۱ بر ۱، در پنالتی‌ها به مراکش باخت. بازی بلژیک و سنگال هم با تساوی ۲ بر ۲ و بازگشت در وقت اضافه، دوباره نشان داد مرحله حذفی چقدر می‌تواند پیش‌بینی‌ها را خراب کند. دقیقاً همان جایی که مدل‌های هوش مصنوعی، با تمام ظاهر تحلیلی‌شان، شروع می‌کنند به لو دادن محدودیت‌هایشان. چه سورپرایزی؛ ماشین‌ها هم وقتی توپ گرد می‌شود، گاهی مثل انسان‌ها اشتباه می‌کنند. DeepSeek و Gemini؛ موفق در دیدن سناریوی مراکش مهم‌ترین بخش این مقایسه به پیش‌بینی بازی هلند و مراکش برمی‌گردد. روی کاغذ، هلند تیم قوی‌تری بود. ترکیب بهتر، عمق بیشتر و سابقه قابل‌اعتمادتر باعث می‌شد بیشتر مدل‌ها در نهایت هلند را تیم صعودکننده بدانند. بعضی مدل‌ها سختی بازی را تشخیص دادند، اما در انتخاب برنده همچنان به تیم محبوب‌تر تکیه کردند. اینجا DeepSeek و Gemini متفاوت عمل کردند. Gemini فقط نگفت بازی نزدیک می‌شود؛ سناریوی دقیق‌تری داد: تساوی ۱ بر ۱ در وقت قانونی و برد مراکش در ضربات پنالتی. نتیجه واقعی هم همین مسیر را رفت. بازی ۱ بر ۱ شد و مراکش در پنالتی‌ها ۳ بر ۲ هلند را حذف کرد. DeepSeek هم فاصله زیادی با نتیجه نداشت. این مدل احتمال تساوی ۱ بر ۱ یا ۰ بر ۰ در وقت قانونی را مطرح کرد، از کشیده شدن بازی به وقت اضافه یا پنالتی گفت و در نهایت به صعود مراکش از مسیر دفاع و ضدحمله متمایل شد. این بخش برای کاربران بازارهای پیش‌بینی مهم است. چون در چنین بازارهایی، فقط دانستن اینکه «بازی نزدیک است» کافی نیست. مدل باید بتواند بین «بازی نزدیک ولی صعود تیم محبوب» و «بازی نزدیک با احتمال حذف تیم محبوب» فرق بگذارد. در این نمونه، DeepSeek و Gemini این تفاوت را بهتر دیدند. برای مطالعه بیشتر درباره جایگاه DeepSeek در رقابت مدل‌های هوش مصنوعی، گزارش میهن بلاکچین درباره دیپ‌سیک و آینده رقابت با OpenAI هم می‌تواند لینک داخلی مناسبی باشد. Grok و Qwen؛ بهتر در پیش‌بینی بردهای نزدیک تیم‌های مدعی در کنار عملکرد DeepSeek و Gemini در بازی مراکش، Grok و Qwen هم در چند مسابقه دیگر خروجی دقیقی داشتند. نقطه قوت آن‌ها بیشتر در بازی‌هایی دیده شد که برنده احتمالی تا حدی مشخص بود، اما اختلاف نتیجه نه. در بازی آفریقای جنوبی و کانادا، بیشتر مدل‌ها کانادا را شانس اصلی پیروزی می‌دانستند. مسئله این بود که آیا کانادا برد راحتی خواهد داشت یا نه. Grok برد ۱ بر ۰ کانادا را پیش‌بینی کرد و Qwen هم به برد با اختلاف یک گل نزدیک شد. نتیجه واقعی همان برد حداقلی بود. در بازی برزیل و ژاپن هم وضعیت مشابهی دیده شد. بیشتر مدل‌ها برزیل را تیم برتر می‌دانستند، اما سؤال اصلی این بود که ژاپن تا چه اندازه می‌تواند بازی را سخت کند. Grok و Qwen هر دو نتیجه ۲ بر ۱ به سود برزیل را پیش‌بینی کردند و بازی هم دقیقاً با همین نتیجه تمام شد. در مسابقه ساحل عاج و نروژ نیز هر دو مدل دوباره به نتیجه ۲ بر ۱ برای نروژ رسیدند. پیش‌بینی برد نروژ با حضور ارلینگ هالند چندان عجیب نبود، اما تشخیص اینکه ساحل عاج با قدرت بدنی و حمله از کناره‌ها اجازه یک بازی یک‌طرفه را نمی‌دهد، بخش مهم‌تری از تحلیل بود. در این نمونه‌ها، Grok و Qwen بیشتر شبیه مدل‌هایی بودند که در سناریوهای کم‌ریسک‌تر، اختلاف نتیجه را بهتر تخمین می‌زنند. آن‌ها لزوماً بهترین گزینه برای پیدا کردن شگفتی‌های بزرگ نبودند، اما در تشخیص اینکه یک تیم مدعی با اختلاف کم می‌برد یا بازی را راحت‌تر جمع می‌کند، عملکرد قابل‌توجهی داشتند. برای لینک‌دهی داخلی، هنگام اشاره به Grok می‌توان به مقاله میهن بلاکچین درباره استفاده از هوش مصنوعی گروک در ترید ارزهای دیجیتال لینک داد. این لینک از نظر موضوعی به بحث استفاده عملی از مدل‌های هوش مصنوعی برای تصمیم‌گیری نزدیک است. ChatGPT؛ تحلیل خوب از روند بازی، اما نه همیشه قاطع در نتیجه ChatGPT در این مقایسه کمتر از Gemini در پیش‌بینی شگفتی‌ها درخشید و مثل Grok و Qwen هم چند نتیجه دقیق پشت سر هم نداد. با این حال، نقطه قوتش جای دیگری بود: توضیح روند احتمالی بازی. برای مثال، در بازی برزیل و ژاپن، ChatGPT صعود برزیل را پیش‌بینی کرد، اما برد آسانی برای آن نساخت. این مدل به پرسینگ، دوندگی و نظم ژاپن اشاره کرد و احتمال داد ژاپن بتواند برزیل را تحت فشار بگذارد، حتی شاید گل اول یا گل مساوی را بزند. در بازی ساحل عاج و نروژ هم ChatGPT برد نروژ را محتمل دانست، اما از فیزیک بدنی، حملات کناری و انتقال سریع توپ توسط ساحل عاج به‌عنوان عوامل دردسرساز نام برد. در بازی انگلیس و جمهوری دموکراتیک کنگو نیز ChatGPT صرفاً سراغ برد پرگل انگلیس نرفت. این مدل احتمال داد کنگو با دفاع فشرده سرعت بازی را بگیرد و کار را برای انگلیس سخت کند. انگلیس در نهایت صعود کرد، اما نه با بردی راحت. این یعنی ChatGPT برای فهمیدن «چرا ممکن است بازی سخت شود» کاربرد دارد، اما همیشه برای انتخاب نتیجه نهایی قاطع نیست. این نکته در کریپتو هم آشناست. در بسیاری از سناریوهای تحلیلی، ChatGPT می‌تواند داده‌ها، خبرها و ریسک‌ها را مرتب کند، اما خروجی آن نباید مستقیم به‌عنوان سیگنال نهایی استفاده شود. مقاله میهن بلاکچین درباره تبدیل اخبار ارز دیجیتال به سیگنال معاملاتی با ChatGPT دقیقاً از همین زاویه می‌تواند لینک داخلی خوبی باشد: استفاده از مدل، همراه با راستی‌آزمایی انسانی. حذف آلمان؛ جایی که همه مدل‌ها اشتباه کردند اگر بازی‌های قبلی نقاط قوت مدل‌ها را نشان دادند، بازی آلمان و پاراگوئه نقطه ضعف مشترک آن‌ها بود. تقریباً همه مدل‌ها، از ChatGPT و Grok گرفته تا Qwen، Gemini و Claude، آلمان را برنده دانستند. بیشتر پیش‌بینی‌ها هم به نتایجی مثل ۲ بر ۰، ۳ بر ۰ یا ۳ بر ۱ به سود آلمان نزدیک بود. دلیل تحلیل‌ها هم روشن بود: آلمان روی کاغذ بازیکنان بهتر، عمق ترکیب بیشتر و قدرت هجومی بالاتری داشت. اما همین تکیه روی برتری کاغذی باعث شد مدل‌ها توان پاراگوئه در کند کردن بازی، دفاع فرسایشی و کشاندن مسابقه به پنالتی را دست‌کم بگیرند. آلمان نه در وقت قانونی کار را تمام کرد، نه در وقت اضافه. در نهایت هم در ضربات پنالتی حذف شد. این نمونه نشان می‌دهد حتی وقتی همه مدل‌ها با هم هم‌نظرند، اجماع آن‌ها لزوماً به معنی بالا رفتن احتمال صحت پیش‌بینی نیست. گاهی فقط همه با هم یک اشتباه تمیز و منظم انجام می‌دهند. چه منظره باشکوهی از اتوماسیون خطا. Claude؛ تحلیل‌گر محتاط، نه شکارچی شگفتی Claude در این مقایسه رفتاری نزدیک به ChatGPT داشت. تحلیل‌هایش منظم و نسبتاً کامل بود، اما در بازی‌هایی که نیاز به انتخاب خلاف جهت بازار داشت، محافظه‌کارتر عمل کرد. در بازی هلند و مراکش، Claude هم مثل ChatGPT خطر وقت اضافه و پنالتی را دید، اما در نهایت به صعود هلند متمایل شد. این نوع خروجی برای کاربری که می‌خواهد روند بازی، نقاط مقاومت و سناریوهای محتمل را بفهمد مفید است. اما برای کاربری که دنبال تشخیص یک آپست مشخص است، کافی نیست. لینک داخلی پیشنهادی در اولین اشاره به Claude می‌تواند مقاله میهن بلاکچین درباره معرفی هوش مصنوعی Claude 2 باشد. کدام مدل دقیق‌تر بود؟ براساس همین چند مسابقه، نمی‌توان رتبه‌بندی قطعی ساخت. تعداد نمونه‌ها کم است و مسابقات فوتبال هم به‌خصوص در مرحله حذفی، با پنالتی، اخراج، مصدومیت و جزئیات کوچک تغییر می‌کنند. اما تفاوت سبک مدل‌ها قابل‌مشاهده است. DeepSeek و Gemini در تشخیص شگفتی‌ها بهتر ظاهر شدند، به‌خصوص در بازی هلند و مراکش. Gemini حتی مسیر بازی را با تساوی ۱ بر ۱ و برد مراکش در پنالتی‌ها درست پیش‌بینی کرد. هنگام اشاره به Gemini، لینک داخلی مناسب می‌تواند گزارش میهن بلاکچین درباره جمینای ۲.۵ پرو گوگل باشد. Grok و Qwen در بازی‌هایی که تیم برتر مشخص‌تر بود، عملکرد خوبی در تشخیص نتیجه نزدیک داشتند. کانادا، برزیل و نروژ نمونه‌های اصلی این بخش بودند. ChatGPT و Claude بیشتر برای تحلیل روند بازی مفید بودند. آن‌ها می‌توانستند بگویند کدام تیم قرار است کار را سخت کند، کجا ممکن است بازی قفل شود و چرا برد تیم محبوب لزوماً راحت نیست. اما در انتخاب شگفتی‌ها، محافظه‌کارتر بودند. نتیجه عملی این است: سؤال درست این نیست که «کدام مدل فوتبال را بهتر می‌فهمد؟» سؤال بهتر این است که «برای چه کاری از کدام مدل استفاده کنیم؟» اگر هدف پیدا کردن سناریوهای غیرمنتظره باشد، DeepSeek و Gemini در این نمونه‌ها خروجی جسورانه‌تری داشتند. اگر هدف تخمین نتیجه بازی‌هایی باشد که یک تیم از قبل مدعی‌تر است، Grok و Qwen بهتر ظاهر شدند. اگر هدف فهمیدن روند بازی، مقاومت تیم ضعیف‌تر و نقاط ریسک باشد، ChatGPT و Claude ابزارهای بهتری هستند. برای کاربران بازارهای پیش‌بینی و حتی معامله‌گران کریپتو، پیام گزارش ساده است: مدل هوش مصنوعی را نباید مثل گوی پیشگویی دید. بهتر است خروجی چند مدل کنار هم گذاشته شود، نوع خطای هر مدل شناخته شود و تصمیم نهایی با بررسی داده، زمینه و ریسک گرفته شود. در غیر این صورت، فقط یک متن قانع‌کننده‌تر برای اشتباه کردن داریم؛ نسخه‌ای مدرن‌تر از همان عادت قدیمی انسان‌ها.

هوش مصنوعی در همه جا ریشه دوانده است و دنیای آموزش را هم بی‌نصیب نگذاشته است. بسیاری معتقدند که استفاده از هوش مصنوعی در آموزش، گام مهمی برای آینده است. اما سوال این است که آیا این روند واقعاً به نفع دانش‌آموزان است؟ دانش‌آموزی را تصور کنید که تا همین چند وقت پیش برای نگارش انشای هفتگی‌ خود مجبور بود در اقیانوس واژگان و ایده‌ها غوطه‌ور شود، کنکاش کند و بعد دست به قلم ببرد؛ یا دانش‌آموزی که برای حل مسائل پیچیده ریاضی، باید ساعت‌ها با اعداد و فرمول‌ها کلنجار می‌رفت و بعد طعم شیرین یافتن راه‌حل را می‌چشید. اما حالا، با نوشتن یک پرامپت ساده برای هوش مصنوعی، پاسخ آماده در کسری از ثانیه ظاهر می‌شود و کپی‌پیست جای خلاقیت، ایده‌پردازی و هنر را می‌گیرد.  این فناوری جدید که بدون رضایت ما وارد مدارس شده است، چه تأثیری بر ذهن و خلاقیت نسل آینده دارد؟ آیا تداوم این مسیر، یک فرصت استثنایی برای پیشرفت است یا خیانت به آینده تحصیلی و فکری فرزندانمان؟ آیا این ابزارهای به‌اصطلاح آموزشی هوش مصنوعی بیشتر دستاویزی برای سلطه شرکت‌های بزرگ و جمع‌آوری داده‌ نیستند؟ برای دریافت پاسخ‌، در این مقاله از میهن بلاکچین با جسیکا وینتر (Jessica Winter) نویسنده مجله (Progress Report) همراه می‌شویم تا نگاه عمیق‌تری به موضوع هوش مصنوعی در مدارس بیاندازیم. وینتر در این نوشتار تحلیلی با اشاره به تجربیات شخصی و گفتگو با والدین و مربیان، به اما و اگرهای این پدیده پرداخته است تا به‌ ما نشان ‌دهد که ابزارهای AI ضمن وعده آینده روشن، تهدیدهای پنهانی دارند که سلامت، خلاقیت و حتی هویت فرزاندانمان را نشانه‌ گرفته‌اند. هوش مصنوعی در مدارس؛ یک ضرورت اجتناب‌ناپذیر یا خطر پنهان تهدید هوش مصنوعی در مدارس من شخصا هوش مصنوعی را دوست ندارم. حتی فرزندانم را طوری تربیت کردم که سراغ ابزارهای AI نروند. سال‌هاست که به آن‌ها گوشزد می‌کنم که چت‌بات‌ها فریبنده و خطرناک هستند، مولدهای تصویر هوش مصنوعی درک ما را از واقعیت ضعیف می‌کنند و مهم‌تر اینکه هدف مدل‌های زبانی بزرگ همگی بر پایه‌ سرقت سازمان‌یافته‌ مالکیت فکری بنا شده است. این موضوع آنقدر در ذهنم شبیه به یک «همسایه عجیب و آزاردهنده» است که حتی وقتی با بچه‌ها درباره هوش مصنوعی حرف می‌زنم، همان توصیه‌ها را به آن‌ها را می‌گویم؛ ارتباط چشمی برقرار نکنید، وقتی از کنار خانه‌اش عبور می‌کنید مسیرتان را عوض کنید، هر جا مطمئن نیستید از یک بزرگسال مورد اعتماد کمک بگیرید. حتی اگر بامزه به‌نظر برسد؛ اما حقیقت تلخ این است که این «همسایه عجیب و غریب خیالی» احتمالا قصد ندارد از زندگی ما کنار برود. او بیشتر و بیشتر در اطراف ما ظاهر می‌شود و مدام به کارهای خودش ادامه می‌دهد. بنابراین بهتر است کمتر با آن درگیر شویم.  همسایه عجیب و غریب وارد مدرسه بچه‌ها می‌شود من فکر می‌کردم حداقل تا مقطع دبیرستان فرصت دارم، اما اشتباه می‌کردم. پسرم که دانش‌آموز کلاس سوم ابتدایی است و در یک مدرسه دولتی در ایالت ماساچوست درس می‌خواند در ماه فوریه با یک «گواهی پایان دوره درک مفاهیم پایه هوش مصنوعی» به خانه آمد. این‌طور که فهمیدم او و بقیه همکلاسی‌هایش این افتخار را به خاطر یک بازی آموزشی رایانه‌ای به دست آورده بودند؛ یک بازی به نام “Mix & Move with AI” که توسط سازمان غیرانتفاعی Code.org و با همکاری آمازون فیوچر (Amazon Future Engineer) طراحی و ارائه شده بود. در این بازی، دانش‌آموزان یک شخصیت کارتونی را طراحی و یک آهنگ محبوب را روی بازی تنظیم کرده بودند که البته خودِ آهنگ هم از طریق آمازون موزیک (Amazon Music) در دسترس‌‌شان بوده است. با این اوصاف، بازی عملا ارتباط چندانی به مفهوم واقعی AI نداشت و گواهی پایان دوره هم بیشتر یک یادگاری بازاریابی بی‌ارزش بود تا یک معیار آموزشی. در ماه مارس، داستان بدتر شد. دختر ۱۱ ساله‌ام که در مقطع راهنمایی تحصیل می‌کند یک روز با خوشحالی از دریافت لپ‌تاپ‌ کروم بوک گوگل به خانه برگشت. این لپ‌تاپ‌‌ها برای انجام تکالیف کلاسی به همه دانش‌آموزان داده شده بود. اینجا بود که حس کردم همان «همسایه عجیب و غریب» به خانه‌ ما نزدیک‌تر شد.  کروم بوک و دستیارهای AI هوش مصنوعی و تهدید خلاقیت دانش آموزان کروم‌بوک‌ها به صورت پیش‌فرض مجهز به یک نسخه عمومی از هوش مصنوعی جمینای (Gemini) بودند؛ نسخه‌ای که برای تمامی سنین طراحی شده است. این ابزار جادویی در انجام تکالیف مدرسه همیشه همراه بچه‌ها است. مثلا هر وقت که دخترم می‌خواهد انشا بنویسد، ناگهان با یک پیام پیشنهاددهنده روبه‌رو می‌شود؛ «به من کمک کن بنویسم» یا اگر بخواهد اسلایدی درست کند، می‌گوید؛ «به من کمک کن محتوای تصویری بسازم». البته او سعی می‌کند بی‌اعتنا باشد و کار را خودش انجام دهد، اما این پیشنهادها دست از سرش برنمی‌دارند؛ «به من در ویرایش کمک کن»، «این اسلاید را جذاب‌تر کن»، «پاسخ این سوال را بنویس» و پیشنهادها همین‌طور ادامه دارند. حتی یک تولیدکننده تصویر هم وجود دارد؛ اگر بخواهد، می‌تواند ایده‌اش را با AI جایگزین کند و بدتر از آن، یک چت‌بات هم هست که اگر بخواهد، می‌تواند با او حرف بزند بدون اینکه کسی متوجه شود.  من بارها و بارها درباره این «همسایه عجیب و غریب» به دخترم هشدار داده بودم. حالا او اشعارش را می‌خواند و رمزهای عبورش را می‌داند. او همیشه از پشت صفحه، ناظر اعمال اوست. آیا هوش مصنوعی در مدرسه واقعا مفید است یا فقط یک کار تبلیغاتی است؟ نکته مهمی که در خصوص به‌کارگیری ابزارهای AI در مدارس وجود دارد، این است که انحصار استفاده از هوش مصنوعی در سیستم آموزشی تنها در دست یک شرکت نیست. در شهرهای مختلف، مدارس از پلتفرم‌های گوناگون استفاده می‌کنند. در مدارس دولتی بوستون، دانش‌آموزان کلاس ششم برای آماده‌سازی خود جهت شرکت در آزمون‌های استاندارد سراسری از چت‌بات‌های مبتنی بر چت جی‌پی‌تی (Chat GPT) و کلاود (Claud) محصول شرکت اوپن ای‌آی و آنتروپیک استفاده می‌کنند. در مناطق آموزشی نیویورک، لس‌آنجلس و برخی نقاط دیگر، کودکان مقطع مهدکودک با یک ربات خواندن بازی‌سازی‌شده به نام “Amira” تعامل دارند که صداهای کودکان را ضبط می‌کند و بازخورد مبتنی بر هوش مصنوعی ارائه می‌دهد. از یکی از والدین در یک مدرسه دولتی در بروکلین شنیدم که در کلاس هنر کلاس دوم ابتدایی، از نرم‌افزار “Adobe Express for Education” استفاده شده است؛ آن هم درحالی که گروهی از دانش‌آموزان کلاس چهارم با همین برنامه تصاویر بسیار نامناسب و جنسی تولید کرده بودند. در میان همه این‌ها، شرکت گوگل به واسطه توزیع گسترده لپ‌تاپ‌های کروم بوک‌ در مدارس آمریکا و سیستم مدیریت یادگیری داخلی خود موسوم به گوگل کلاس‌روم (Google Classroom)، مزیت استراتژیک قابل‌توجهی نسبت به رقبای خود در حوزه هوش مصنوعی دارد. در طول دوران پاندمی کووید-۱۹، بسیاری از مدارس برای آموزش از راه دور به سمت این گزینه ارزان و مقرون‌به‌صرفه روی آوردند. طبق گزارشی که در فصل پایانی سال ۲۰۲۰ منتشر شد، فروش سالانه این دستگاه‌ها با ۲۸۷٪ افزایش داشت. یک نظرسنجی ملی هم که در ماه نوامبر گذشته توسط مجله تایمز (The Times) انجام شد، نشان داد که حدود ۸۰٪ از معلمان مقاطع کودکستان تا پایه دوزادهم اعلام کردند که در مناطق آموزشی آن‌ها از کروم بوک‌های گوگل استفاده می‌شود. این موضوع، بازار عظیمی را برای جمینای به‌وجود آورده است و حضور هوش مصنوعی در مدارس را به یک پدیده‌ تقریباً فراگیر تبدیل کرده است. ادعای موافقان؛ AI برای آموزش شخصی‌سازی و مهارت رسانه‌ای استدلال اصلی حامیان ادغام هوش مصنوعی در مدارس ابتدایی و راهنمایی این است که قرار گرفتن زودهنگام در معرض این فناوری، باعث می‌شود دانش‌آموزان «سواد رسانه‌ای دیجیتال» یاد بگیرند، با مفاهیم پایه‌ مهندسی آشنا شوند و برای آینده‌ای آماده شوند که در آن بیشتر حرفه‌ها با AI گره خورده‌اند. طرفداران این رویکرد می‌گویند معلمان می‌توانند از AI برای صرفه‌جویی در زمان استفاده کنند؛ مثلاً برای تصحیح برگه‌ها یا انجام کارهای اداری خسته‌کننده. همچنین آن‌ها با اشاره به ویژگی «یادگیری تطبیقی» ادعا می‌کنند که هوش مصنوعی می‌توند آموزش را «سفارشی» کند؛ یعنی با توجه به پیشرفت هر دانش‌آموز، روش آموزشی تغییر را بدهد و اطلاعاتی جمع کند تا معلم بتواند به‌صورت فردی توجه بیشتری به هر دانش‌آموز داشته باشد. شانتانو سینها (Shantanu Sinha)، یکی از معاونان ارشد گوگل در بخش آموزش، در این باره به من گفت:  یکی از نکات مهمی که هنگام طراحی ابزارهای هوش مصنوعی برای موسسات آموزشی به آن فکر می‌کنیم این است که چطور مربی را در مرکز این تجربه قرار دهیم؟ جمینای فقط کمک می‌کند تا تجربیات آموزشی غنی‌تر شود، نه اینکه جای معملمان را بگیرد. ما متخصص پداگوژی نیستیم. نسخه‌های افراطی‌تر؛ حذف معلم و جایگزینی «معلمِ همیشه حاضر» عده‌ای دیگر پا را فراتر می‌گذارند و می‌گویند شاید اصلاً لازم نباشد به اندازه‌ گذشته روی مهارت‌های آموزشی حساب کنیم. یکی از این نمونه‌ها، مجموعه آموزشی خصوصی «آلفا» است که از مدل «راهنما به‌جای معلم» استفاده می‌کند و حتی کودکان چهار ساله را نیز می‌پذیرد. طبق وب‌سایت این مدرسه، آن‌ها ادعا می‌کنند که با کمک AI هر دانش‌آموز می‌تواند آموزش شخصی‌سازی‌شده دریافت کند و تنها با ۲ ساعت مطالعه در روز، نتایج درخشانی به‌دست بیاورد. در یکی از کنفرانس‌های اخیر کاخ سفید در مورد کودکان و فناوری، ملانیا ترامپ در کنار ربات انسان‌نمای عجیبی به‌نام فیگور ۰۳ (Figure 03) حاضر شد. او از حضار خواست تصور کنند چنین رباتی معلم باشد؛ معلمی که همیشه صبور و در دسترس است. او گفت چنین رباتی کمک می‌کند بچه‌ها سریع‌تر یاد بگیرند و وقت بیشتری برای دوستان و ورزش داشته باشند و در نتیجه «یک فرد کامل‌تر» شوند. اما این ربات که صورتش یک صفحه سیاه است، در واقع نماد نوشته‌های تبلیغاتی و وعده‌های وسوسه‌انگیزی که می‌خواهند فناوری AI را وارد آموزش کنند. پیام مشترکی که از دولت آمریکا، شرکت‌های فناوری و مدارس دولتی می‌آید این است که ربات‌هایی مانند فیگور و ارتش هوش مصنوعی آن، حالا همه‌جا هستند و ما باید هم بترسیم و هم «توانمند» شویم! درواقع، باید بتوانیم از فناوری‌های هوشمند بهره‌مند شویم؛ اما مراقب باشیم که ضرری نزنند. ماه گذشته، وزارت آموزش شهر نیویورک از مردم خواست نظرات‌شان را در مورد دستورالعمل استفاده از هوش مصنوعی در مدارس ارائه دهند. در یکی از بندهای این دستورالعمل نوشته شده بود:  مسئله این نیست که آیا هوش مصنوعی در مدارس باشد یا خیر؛ بلکه می‌خواهیم سیستمی درست کنیم تا هوش مصنوعی را به‌گونه‌ای کنترل کند که به نفع دانش‌آموزان، والدین، معلمان و سایر کادر درگیر باشد. این یک حرکت شطرنج ماهرانه است؛ چون قبل از شروع بحث گفته شده است که در اصل موضوع تردیدی وجود ندارد، اما این ادعا به معنای حقیقت نیست. بسیاری از تحقیقات نشان داده‌اند که قراردادن مدل‌های زبانی بزرگ (LLM) در محیط‌های آموزشی ممکن است به جای کمک آسیب‌های جدی وارد کند. مثلا در سال ۲۰۲۵ در پژوهشی از دانشگاه MIT هشدار داده شد که استفاده زیاد از هوش مصنوعی در محیط‌های یادگیری، ممکن است ناخواسته مغز نوجوانان را تحلیل ببرد (Cognitive atrophy) و باعث کاهش قدرت فکر و تمرکز آن‌ها شود. اخیراً نیز مجله “Education Week” نتایج تحلیل داده‌های بیش از ۱۳۰۰ منطقه آموزشی در ایالات متحده را منتشر کرد که نشان می‌دهد تقریبا ۲۰٪ از تعاملات دانش‌آموزان با هوش مصنوعی مولد، رفتارهای مشکل‌سازی مانند تقلب، خودآزاری و قلدری را در پی داشته است. علاوه‌براین، مطالعه‌ جمعی از محققان دانشگاه‌های کارنگی ملون، ام‌آی‌تی، آکسفورد و کالیفرنیا لس‌آنجلس نشان داد افرادی که در حل مسائل ریاضی کسری از AI کمک می‌گیرند، بدون هوش مصنوعی عملکردشان به‌طور قابل‌توجهی ضعیف‌تر می‌شود و زودتر تسلیم می‌شود. این یافته‌ها بسیار نگران‌کننده هستند؛ زیرا «پشتکار» پایه‌ کسب مهارت است و یکی از قوی‌ترین عوامل یادگیری بلندمدت محسوب می‌شود. موسسه‌ بروکینگز (Brookings) هم در ابتدای سال گزارشی را منتشر کرد که در آن با بررسی ۴۰۰ تحقیق و صدها مصاحبه با والدین، معلمان و کارشناسان آموزشی به این نتیجه رسیده بود که ابزارهای هوش مصنوعی، رشد طبیعی و پایه‌های رشد کودک را تضعیف می‌کنند. ۳ مشکل اصلی استفاده از هوش مصنوعی در آموزش کودکان خطرات هوش مصنوعی در آموزش مدارس منتقدین استفاده از هوش مصنوعی در آموزش کودکان به ۳ دلیل اشاره می‌کنند؛ اول اینکه مدل‌های زبانی بزرگ باعث می‌شوند قبل از آنکه کودک تمرین‌های لازم برای تفکر و خلاقیت را انجام دهد، این کار را به ماشین‌ها بسپارد. اگر این ابزارها باعث تحلیل فکری در بزرگسالان می‌شوند، پس نباید تأثیر احتمالی آن‌ها را بر مغزی که هنوز عضلات شناختی آن توسعه نیافته است را دست کم بگیریم. دوم اینکه چت‌بات‌ها به دلیل تقلید صمیمیت عاطفی و تمایل به چاپلوسی، نحوه‌ی شکل‌گیر هویت و روابط اجتماعی کودکان را مخدوش می‌کنند. میچ پرینستین (Mitch Prinstein)، استاد روانشناسی و علوم اعصاب در دانشگاه کارولینای شمالی در چپل هیل می‌گوید: بچه‌ها در حدود سن ده یا یازده سالگی، ناگهان سعی می‌کنند روابط پیچیده‌تر و سلسله مراتب اجتماعی بسازند. این موضوع را می‌توان به افزایش گیرنده‌های اکسی‌توسین و دوپامین نسبت داد. اکسی‌توسین باعث می‌شود که بخواهیم با همسالان خود پیوند برقرار کنیم و دوپامین باعث می‌شود وقتی بازخورد مثبت دریافت می‌کنیم، احساس خوبی داشته باشیم. زمانی‌که یک LLM چاپلوس وارد مکالمه می‌شود، تمایل بیولوژیکی برای دریافت بازخورد همسالان را می‌رباید. نوجوانان در روند طبیعی بزرگ شدن، تبادل عاطفی زیادی با یکدیگر دارند؛ اما اگر سراغ یک چت‌بات بروند، مهارت‌هایی که در طول زندگی از آن‌ها استفاده می‌کنیم را تمرین نخواهند کرد. سومین انتقاد علیه استفاده از هوش مصنوعی در مدارس این است که هدف و وسیله را اشتباه می‌گیرد؛ هوش مصنوعی تمرکز را روی سریع‌ترین جواب، بهترین نتیجه یا زیباترین نقاشی می‌گذارد، نه روی فرآیندهای پیچیده یادگیری، فکرکردن و توسعه ویژگی‌های انسانی. مری هلن ایموردینو-یانگ (Mary Helen Immordino-Yang) استاد آموزش روانشناسی و علوم اعصاب در دانشگاه کالیفرنیای جنوبی، در این رابطه می‌گوید:  ما احتمالا در حال تضعیف تفکر پیچیده، تغییر در توسعه‌ اجتماعی و اشتباه گرفتن هدف یادگیری هستیم. ما داریم تیشه به ریشه یادگیری می‌زنیم. حتی برخی از طرفداران هوش مصنوعی در آموزش نیز می‌گویند که از نظر شناختی و عاطفی-اجتماعی خطرات قابل توجهی برای جوانان به همراه دارد. آماندا بیکراستف (Amanda Bickerstaff)، یکی از هم‌بنیان‌گذاران و مدیرعامل «سازمان هوش مصنوعی برای آموزش» که آموزش‌هایی را برای مربیان و دانش‌آموزان در زمینه‌ سواد هوش مصنوعی مولد ارائه می‌دهد، می‌گوید:  کودکان زیر ۱۰ سال نباید سراغ چت‌بات‌ها بروند. استفاده از این ابزارها به مهارت‌های تخصصی نیاز دارد که حتی بسیاری از بزرگسالان نیز فاقد آن هستند. تصمیم گوگل برای در دسترس قرار دادن جمینای برای تمام سنین، یکی از معدود مواردی در طول دوران حرفه‌ای من بود که باعث شد برای مدتی دچار اختلال خواب شوم. متخصصان هوش مصنوعی گوگل به وضوح می‌دانند که این کار برای بچه‌ها ضرر دارد، اما باز هم انجامش می‌دهند. آن‌ها به این فکر نمی‌کنند که اگر کودکی به جای نقاشی کردن، فوراً تصویری با هوش مصنوعی بسازد، برای توانایی آن کودک در تفکر مستقل و نقاشی کشیدن چه اتفاقی می‌افتد؟ درو بنت (Drew Bent) مسئول تحقیقات آموزشی شرکت آنتروپیک معتقد است که تعیین سن مناسب برای استفاده از هوش مصنوعی وظیفه شرکت‌ها نیست. او مانند سینها از شرکت گوگل، تأکید می‌کند که تیم او بیشتر بر نحوه‌ تعامل معلمان با ابزارهای هوش مصنوعی مانند Amira و MagicSchool که هر دو تا حدی توسط شرکت کلاود پشتیبانی می‌شوند، تمرکز کرده است. بنت در این رابطه می‌گوید: یک فرد برای استفاده موثر از هوش مصنوعی باید از قبل دارای سطح مشخصی از تفکر انتقادی باشد که در طول دوران کودکی پرورش پیدا می‌کند. معلمان قبل از اینکه ابزارهای هوش مصنوعی را به کلاس درس بیاورند، باید مهارت‌هایی مانند تشخیص قابل‌اعتماد بودن منبع را در دانش‌آموزان تقویت کنند؛ زیرا مدل‌های هوش مصنوعی اغلب بسیار معتبر و مطمئن به نظر می‌رسند. در تایید این صحبت باید به این اشاره کنم که دو کارمند آنتروپیک به من گفته بودند که چت‌بات کلاود کاربران ۱۸ سال به بالا طراحی شده است؛ اما زمانی‌که من به طور اتفاقی این موضوع را با کلاود در میان گذاشتم، آن با «یک تصحیح کوچک» پاسخ داد و گفت که محدودیت سنی ۱۳ سال است. هوش مصنوعی در آموزش؛ جایگزینی نتیجه به‌جای فرآیند بخشی از تکالیف سال گذشته دخترم از جمله یک‌ اسلایدشو درباره‌ تاریخچه‌ چاپ، روی کروم بوک جدیدش ذخیره شده است. خوب به یاد دارم که قبل از موعد تحویل پروژه، او را تشویق کردم برخی از تصاویر را جابجا کند و طرح فونت مشکی روی پس‌زمینه‌ آبی‌تیره را تغییر دهد؛ اما با ایده من مخالفت کرد. روز بعد، تصمیم گرفتیم آن اسلایدشو را با استفاده از ابزار ویرایش جمینای در گوگل‌اسلاید اجرا کنیم. جمینای تنها در عرض ۳۰ ثانیه متن‌ها را اصلاح کرد، تصاویر را به‌شکل متقارن کشید، تعدادی تصویر جدید افزود و حروف‌ را بزرگ‌تر و خواناتر کرد. این طرح یادآور حروف متحرک قرن پانزدهم بود و روی پس‌زمینه‌ای از پوست مصنوعی کهنه قرار داشت. مقایسه‌ این دو ارائه‌، برای من شبیه به رقابت مادر و دختر در فیلم مامان عزیزترین “Mommie Dearest” بود که در آن جمینای نقش جوان کراوفورد (Joan Crawford) را بازی می‌کرد و می‌گفت: «من بزرگترم و سریع‌تر هستم؛ من همیشه تو را شکست می‌دهم.» اما دخترم بی‌تفاوت به همه این‌ها گفت: «من اسلایدشو خودم را بیشتر دوست دارم، چون اصیل است و من خیلی برای آن زحمت کشیدم. من اسلاید خودم را ترجیح می‌دهم چون برای طراحی آن زمان گذاشتم.» ایموردینو-یانگ می‌گوید:  هدف تکالیف مدرسه، صرفا رسیدن به پروژه‌ نهایی نیست، بلکه تجربه‌ انجام آن است؛ تجربه‌ای که ابزارهای هوش مصنوعی قصد دارند آن را کوتاه یا حذف کنند. زیبا‌سازی‌های ابزارهای هوش مصنوعی و حضور بی‌صبرانه و پنهان آن‌ها، مانع پیشرفت طبیعی و تدریجی یک فرد جوان به سمت بلوغ شناختی می‌شود؛ مخصوصاً برای افرادی که هنوز در حال توسعه زیرساخت‌های عصبی روانشناختی برای استنتاج و تفکر منطقی در طول زمان هستند. این یک فرآیند شکننده است. ما به والدین یک نوزاد هشت ماهه نمی‌گوییم «کودک‌تان را به چهاردست‌وپا رفتن تشویق نکنید، این یک مهارت بی‌فایده است.» وسواس درباره نتیجه بهتر باعث شده است حتی نوشتن با دست در مدرسه کمتر شود، با اینکه نقش اثبات‌شده‌ای در مهارت‌های حرکتی، پردازش زبان و حافظه فعال دارد. ایمی فین (Amy Finn)، دانشیار روانشناسی دانشگاه تورنتو، در این باره می‌گوید:  بخشی از جادوی یادگیری کودکان این است که معمولا نمی‌دانند قرار است چه چیزی تجربه کنند یا چه چیزی مهم و مرتبط است. آن‌ها فیلتر بزرگسالان را ندارند؛ همان فیلتری که به شکل استراتژیک دنبال رسیدن نتایج از‌پیش‌تعیین‌شده از تجربه است. به‌همین دلیل، کودکان بسیاری از جزئیات غیرمنتظره‌ای که بزرگسالان نامرتبط می‌دانند را حفظ می‌کنند. همین ویژگی باعث می‌شود آن‌ها به روش‌هایی خلاق باشند که بزرگسالان معمولا قادر به آن نیستند. تمایل طبیعی مغز کودک به سمت مسیرهای غیرمنتظره با جهت‌گیری‌ مدل‌های زبانی بزرگ همخوان نیست؛ مدل‌هایی که معمولا به سمت سرعت، ظرافت، خلاصه‌سازی و خروجی‌های منطقی حرکت می‌کنند. وسواس به نتیجه به جای فرآیند، فقط مخصوص هوش مصنوعی نیست؛ یکی از ویژگی‌های سبک آموزشی منفور «آموزش برای آزمون» است. این روش در اوایل دهه ۲۰۰۰ پس از تصویب قانون «هیچ کودکی نباید عقب بماند» (No Child Left Behind Act) در کلاس‌های درس آمریکایی رواج پیدا کرد. نقش معلم در تعاملات دانش آموز با هوش مصنوعی در گفتگو با سینها در مورد اینکه کودک چه چیزی را مرتبط یا غیرمرتبط می‌داند، صحبت کردم. از او خواستم چند مورد از بهترین کاربردهای هوش مصنوعی برای یک معلم مدرسه‌ ابتدایی را نام ببرد. او در پاسخ این‌طور گفت:  شما می‌توانید از جمینای برای خلق یک داستان کودکانه استفاده کنید؛ اما نه یک داستان تصادفی و غیرمرتبط. درواقع، می‌توانید موضوع کلاس درس خود یا حتی تصاویر موردنظرتان را وارد کنید و بعد در پرامپت خود بگوئید آن را با توجه به درخواست شما مرتبط‌تر و شخصی‌تر کند. فرض کنید کودکی یک نقاشی کشیده است که به آن افتخار می‌کند. معلم می‌تواند این نقاشی را در برنامه‌ تولید و ویرایش ویدیوی هوش مصنوعی گوگل ویدز (Google Vids) قرار دهد و آن را به یک ویدیوی جالب تبدیل کند. مطمئنا چنین فیلمی به شیوه‌ای بسیار متفاوت دانش‌آموزان را درگیر و مجذوب می‌کند. دانش آموزان هم با استفاده از ابزارهای هوش مصنوعی می‌توانند پروژه‌هایی انجام دهند که قبلاً هرگز نمی‌توانستند. اما اصلا چرا و به چه دلیل داستان یا نقاشی کودک باید «تاثیرگذار» باشد؟ روی چه کسی باید تاثیر بگذارد؟ آیا باید مشخص باشد که با هوش مصنوعی ساخته شده‌ است؟ سینها در پاسخ به این سوالات گفت:  اینجاست که نقش مربی پررنگ می‌شود و باید برای دانش آموز مشخص کند که از این کار چه انتظاری دارد؟ در دهه‌ ۱۹۲۰، یک روانشناس آمریکایی به‌نام سیدنی پرسی (Sidney Pressey)، ماشین تدریسی به اندازه‌ یک ماشین تحریر اختراع کرد که می‌توانست آزمون چهارگزینه‌ای طراحی کند و بلافاصله به آن نمره دهد. د در تاریخ آموزش، افرادی مانند سیدنی که دستی در حوزه نوآوری داشتند، همگی درباره‌ دستگاه‌های خود به شبیه به حامیان فعلی یادگیری شخصی‌سازی‌شده صحبت می‌کردند. هدف همه آن‌ها این بود که یک معلم بتواند در کلاس درس روی وظیفه‌ واقعی خود یعنی فعالیت‌های الهام‌بخش و تحریک‌ افکار تمرکز کند و به هر دانش‌آموز به‌صورت فردی توجه داشته باشد. در طول بیش از یک قرن تغییر فناوری، نگاه کلی به علم آموزش ثابت مانده است. هر نوآوری جدیدی چه ماشین‌های تدریس، چه آموزش‌های ویدیویی موسسه خان آکادمی (Khan Academy) و حالا چت‌بات‌ها، هدفشان این بوده است که عصر جدیدی از یادگیری شخصی‌سازی راه بیندازند. البته این ایده هم به نفع معلمان فعال است و هم برای دانش‌آموزان تنبل رهایی‌بخش است. بنت عقیده کاملا مشابهی دارد و می‌گوید: ابزارهای هوش مصنوعی به معلمان کمک می‌کنند که زمان بیشتری با دانش‌آموزان‌شان بگذرانند. برای معلمی که ۳۰ دانش‌آموز دارد، پیگیری وضعیت هر کدام از آن‌ها و طراحی فعالیت‌های متناسب بسیار سخت است. اما با هوش مصنوعی کلاود، ما معلمی را می‌بینیم که در کلاس ۳۰-۳۵ نفره خود، همان کاری را انجام می‌دهد که یک معلم با ۵ دانش آموز انجام می‌دهد؛ اما بهتر. قابلیت اجرای چنین سناریویی هنوز مشخص نشده است. اما یک برنامه‌ آموزشی جدید به نام آکادمی ملی آموزش هوش مصنوعی (National Academy for AI Instruction) قصد دارد فرصتی را برای تحقق وعده‌های صنعت هوش مصنوعی در حوزه آموزش برای معلمان فراهم کند. این آکادمی که دفتر مرکزی آن در منهتن قرار دارد، یک پروژه‌ مشترک بین اتحادیه معلمان نیویورک (U.F.T) و فدراسیون معلمان آمریکا است و از طریق مشارکت ۲۳ میلیون دلاری با مایکروسافت، اوپن ای‌آی و آنتروپیک تأمین مالی می‌شود. رندی واین‌گارتن (Randi Weingarten)، رئیس این فدراسیون به من گفت که کلاس‌های حضوری و آنلاین ارائه‌شده توسط آکادمی با هدف کمک به مربیان طراحی شده‌اند تا به جای پذیرش صرف این پدیده اجتناب‌ناپذیر، آن را هدایت کنند. در نگاه اول، شاید فعالیت این آکادمی اقدامی برای ایجاد رضایت ساختگی به‌نظر برسد که توسط گروهی از غول‌های فناوری خریداری و تأمین‌مالی شده است. اما صحبت‌های واین‌گارتن نشان می‌دهد که نباید او را حامی پر و پا قرص هوش مصنوعی یا کروم‌بوک‌های همیشه حاضر در کلاس درس بدانیم‌. خانم گارتن می‌گوید: هرچقدر مردم بیشتر به هوش مصنوعی تکیه داشته باشند، کمتر فکر می‌کنند. ما به کاغذ و قلم بیشتری نیاز داریم، یادگیری عملی بیشتر و صفحات نمایش کمتر. اگر اعضای اتحادیه با سیاست طرفدار هوش مصنوعی در مدارس منطقه‌ خود مخالفت کنند یا تمایلی به ورود جمینای در محیط فعالیت دانش‌آموزانشان نداشته باشند، ما از آن‌ها حمایت می‌کنیم. همه‌ این‌ها خیلی سریع پیش می‌رود و بخشی از هدف من این است که به معلمان اجازه مخالفت و اعتراض بدهم. اتحادیه‌ معلمان از همکاری با گوگل خودداری کرد؛ زیرا این شرکت تعهدات لازم برای حفظ ایمنی و حریم خصوصی دانش‌آموزان و کارکنان را آنطور که ما به دنبالش بودیم، ارائه نکرد. باید به این موضوع اشاره کنم در گفتگویی که با سینها داشتم، او این موضوع را رد کرد و گفت جمینای با مقررات فدرال مطابقت دارد. از داده‌های دانش‌آموزان برای کسب سود استفاده نمی‌کند، گفت‌وگوی دانش‌آموزان هرگز توسط انسان‌ها دیده نمی‌شود و برای آموزش مدل‌های هوش مصنوعی مورد استفاده قرار نمی‌گیرد. سایر سازمان‌های تحت رهبری معلمان و والدین هم در تلاش هستند برای محدود کردن استفاده از هوش مصنوعی در مدارس ساختارهای مبتنی بر مجوز ایجاد کنند. کریگ گرت (Craig Garrett) که فرزندش در یک مدرسه‌ دولتی در بروکلین تحصیل می‌کند به من گفت بعد از یک سال تازه متوجه شده است که فرزندش در دوران مهدکودک با ربات Amira در کلاس درس خوانده است. به همین خاطر برای هم‌اندیشی والدین نگران در واتس‌اپ گروهی به‌نام «خانواده‌های منطقه ۱۴ برای یادگیری انسانی» راه‌اندازی کرده است. همچنین، گرت عضوی از «ائتلاف برای توقف هوش مصنوعی» است؛ گروهی متشکل از مربیان، والدین و دانش‌آموزان که برای توقف ۲ ساله استفاده هوش مصنوعی در مدارس در حال نامه‌نگاری با شهردار شهر نیویورک، زهران ممدانی (Zohran Mamdani) و مسئولان مدارس هستند. یکی دیگر از اعضای این ائتلاف، نوید حسن (Naveed Hasan) است که خودش در یک مدرسه دولتی در منهتن کار می‌کند و در کمیته‌ مشاوره‌ آموزش هم فعالیت دارد. او که به عنوان یک دانشمند کامپیوتر بیش از بیست سال در زمینه‌ هوش مصنوعی کار کرده است، می‌گوید: من با شرکت‌های خصوصی که سعی می‌کنند هوش مصنوعی را به یک ابزار تبدیل کنند، مشکل دارم. آن‌ها می‌گویند نگران نباشید، ما اشتراک هوش مصنوعی را در دسترس‌تان قرار می‌دهیم و شما آزاد هستید که کارهایتان را انجام دهید. ما باید به شهردار و کسانی که برای او کار می‌کنند فشار بیاوریم تا جلوی این روند را بگیرند. نگرانی‌های والدین و فعالان درباره هوش مصنوعی در مدارس نیویورک نگرانی‌های والدین درباره هوش مصنوعی در مدارس اعضای «ائتلاف توقف موقت هوش مصنوعی» معتقدند که در تهیه دستورالعمل‌های اولیه هوش مصنوعی برای مدارس نیویورک به اندازه کافی با معلمان یا والدین مشورت نمی‌شود و این دستورالعمل‌ها به‌خوبی به نگرانی‌های مربوط به حریم خصوصی یا اثرات منفی احتمالی استفاده از هوش مصنوعی بر رشد مغز و سلامت روان دانش‌آموزان نمی‌پردازند. نکته قابل‌توجه این است که میاثریسا پیت (Miatheresa Pate)، مسئول نظارت بر این دستورالعمل‌ها در اداره‌ی آموزش و پرورش شهر نیویورک، بورسیه مشترکی از گوگل و شرکت سرمایه‌گذاری خطرپذیر فناوری آموزشی جی‌اس‌وی (GSV Ventures) دریافت کرده است؛ شرکتی که پورتفولیوی آن شامل محصولاتی مانند “Amira” و “MagicSchool” می‌شود. جالب‌تر اینجاست که در فهرست دریافت‌کنندگان این بورسیه نام مقامات ارشد آموزشی برکلی، دالاس، لس آنجلس، نیوآرک و مقامات کلرادو و مریلند هم دیده می‌شود. گرت در واکنش به این تضاد منافع با اظهارنظر طعنه‌آمیزی می‌گوید:  اگر از شرکت‌های دخانیات بخواهید در نوشتن خط‌مشی مدرسه در مورد سیگار به شما کمک کنند، در نهایت راهنمایی‌هایی در مورد نحوه‌ سیگار کشیدن مسئولانه در مدرسه دریافت خواهید کرد.» سخنگوی وزارت آموزش در نیویورک در پاسخ به این ادعا در ایمیلی توضیح داده است که بیش از هزار ذینفع، از جمله خانواده‌ها و مربیان در تدوین دستورالعمل‌های اولیه نیویورک مشارکت داشته‌اند. به‌علاوه، استفاده از محصولاتی مانند Amira و MagicSchool در سطح مدرسه تعیین می‌شود، نه توسط دکتر پیت؛ زیرا شهر هیچ قرارداد متمرکزی با این شرکت‌ها ندارد. تلاش برای محدود کردن سلطه شرکت‌های AI در آموزش مدارس سال گذشته گروه مشابهی به نام «مدارس فراتر از صفحات نمایش» (Schools Beyond Screens) توسط اتحادیه مدارس لس‌آنجلس تشکیل شد. این اتحادیه در حال‌حاضر با چالش‌هایی روبرو است؛ زیرا مدیر آن آلبرتو کاروالیو (Alberto Carvalho)، پس از یورش اف‌بی‌آی به خانه و دفترش در ماه فوریه، به دلیل ارتباط احتمالی با یک شرکت ورشکسته فناوری آموزشی که در حال توسعه یک چت‌بات هوش مصنوعی برای کودکان بوده است، اکنون در مرخصی اداری به سر می‌برد. او که در هیئت مدیره‌ Code.org، عرضه‌کننده‌ محصول “Mix & Move with AI” هم فعالیت دارد، هرگونه تخلف را رد کرده است. یکی از اهداف گروه «مدارس فراتر از صفحات نمایش»، نظارت دقیق‌تر بر قراردادهای پرسودی است که مناطق شهری با شرکت‌های فناوری منعقد می‌کنند. کیت برودی (Kate Brody)، مادر یک دانش‌آموز کلاس اول در منطقه لس‌آنجلس به من گفت:  پولی که صرف پلتفرم‌های فناوری و جایگزینی کروم‌بوک‌ها می‌شود، می‌توانست صرف معلمان شود. این گروه همچنین خواستار ایجاد دستورالعمل‌های شفاف‌تر برای رضایت‌سنجی در مورد استفاده از پلتفرم‌های دیجیتال و تصویب «منشور حقوق دانش‌آموزان در استفاده در فناوری» است. این منشور شامل حق «خواندن کامل کتاب‌ها»، «مطالعه و نوشتن منظم روی کاغذ» و «محیط یادگیری با محرک کم» می‌شود. برودی می‌گوید: «هنوز احساس می‌کنیم جایی برای گفتن اینکه ما به عنوان یک خانواده، این را قبول نداریم و درست نمی‌دانیم، وجود ندارد. نگرانی اصلی من در مورد استفاده فرزندانم از هوش مصنوعی، تأثیر شناختی آن است؛ اما برای سایر والدین، این موضوع جنبه اخلاقی، ارزشی یا حتی زیست‌محیطی هم دارد. این فناوری‌ها خیلی سریع و بدون کسب رضایت معرفی شدند و حالا ما در تلاش هستیم آن‌ها را از بین ببریم.» آنچه برودی و دیگران سعی در برچیدن آن دارند، درحال‌حاضر بخشی از یک ساختار عظیم شرکتی و فناورانه ترسناک است. با این حال، هیچ چیز جاودانه، قطعی یا برگشت‌ناپذیر در سیستم آموزش مبتنی بر هوش مصنوعی وجود ندارد. جمینای جدید است؛ اما همین که بچه‌ها تمام روز را روی یک کامپیوتر نامناسب خم می‌شوند، خودش یک پدیده‌ نسبتاً جدیدتر و به ظاهر موقتی است. استفاده از کروم‌بوک‌ها در کلاس‌های درس اجباری نیست؛ ما می‌توانیم آن‌ها را به‌عنوان یک علف هرز سرسخت اما کاملاً قابل‌حذف از دوران همه‌گیری کرونا در نظر بگیریم، درست مثل باب شدن منوهای QR کد در رستوران‌ها. هیچ کجا نوشته نشده است که یک مجتمع چندملیتی با ارزش بازار تقریبی چهار تریلیون دلاری می‌تواند بر مدارس دولتی ما فرمانروایی کند، به مدیران این مدارس بورسیه و کمک مالی بدهد یا از کودکانی که در آن‌ها تحصیل می‌کنند، درآمد کسب کند. در واقع، یکی دیگر از بندهای منشور حقوق دانش‌آموزان در استفاده از فناوری، حق داشتن محیط یادگیری عاری از نفوذ نامناسب شرکت‌ها است. جمع‌بندی  هوش مصنوعی در آموزش نه یک معجزه بی‌خطر است و نه هیولایی که باید به‌کلی طرد شود. همان‌قدر که می‌تواند فرصتی برای بهره‌وری بیشتر، شخصی‌سازی یادگیری و دسترسی عادلانه‌تر به منابع آموزشی باشد، به همان اندازه می‌تواند در قالب یک تهدید پنهان بر حریم خصوصی، سلامت روان، خلاقیت و حتی شکل‌گیری هویت کودکان سایه بیندازد. این فناوری به احتمال بسیار زیاد، نه‌تنها از کلاس‌های درس ما بیرون نخواهد رفت، بلکه به‌عنوان همان «همسایه عجیب و غریب» همیشه در کنار آموزش رسمی و غیررسمی باقی می‌ماند. پس مسأله اصلی، «بودن یا نبودن» هوش مصنوعی نیست، بلکه چگونگی بودن آن در کنار سیستم آموزشی و دانش‌آموزان است. وظیفه ما به‌عنوان والدین، معلمان، سیاست‌گذاران و پژوهشگران این است که به نسل آینده بیاموزیم چگونه از این ابزار قدرتمند برای رشد، یادگیری و ارتقای توانمندی‌های خود استفاده کنند، بدون آنکه خلاقیت، استقلال فکری و ارزش‌های انسانی‌شان آسیب ببیند. تنها در این صورت است که می‌توانیم میان ظرفیت‌های چشمگیر هوش مصنوعی در آموزش و کرامت انسانی، تعادلی پایدار برقرار کنیم.

بیت کوین در روزهای اخیر چند بار تلاش کرده سطح ۶۰٬۰۰۰ دلار را پس بگیرد، اما هنوز نتوانسته این محدوده را به حمایتی قابل اتکا تبدیل کند. قیمت BTC در ۲ جولای ۲۰۲۶ دوباره به بالای ۶۰٬۰۰۰ دلار برگشت، اما کف و سقف روزانه آن نشان می‌دهد بازار همچنان در محدوده فشرده ۵۸٬۰۰۰ تا ۶۱٬۰۰۰ دلار درگیر است. به گزارش میهن بلاکچین، سه عامل اصلی باعث شده‌اند سطح ۶۰٬۰۰۰ دلار برای بیت کوین سنگین‌تر از مقاومتی معمولی باشد: خروج سرمایه از ETFهای اسپات بیت کوین در آمریکا، سررسید بزرگ آپشن‌ها در صرافی دریبیت و فشار فضای کلان اقتصادی آمریکا. تا زمانی که این سه عامل تغییر نکنند، عبور لحظه‌ای از ۶۰٬۰۰۰ دلار به‌تنهایی برای تایید بازگشت روند کافی نیست. خروج سرمایه از ETFها فشار خرید بیت کوین را کم کرده است مهم‌ترین فشار اخیر از سمت ETFهای اسپات بیت کوین آمریکا آمده است. طبق داده‌های SoSoValue، این صندوق‌ها در ماه ژوئن حدود ۴.۵ میلیارد دلار خروجی خالص ثبت کردند؛ بدترین عملکرد ماهانه آن‌ها از زمان راه‌اندازی در ژانویه ۲۰۲۴. رکورد قبلی خروج سرمایه، حدود ۳.۴۸ میلیارد دلار در فوریه ۲۰۲۵ بود. این عدد برای بازار بیت کوین مهم است، چرا که ETFهای اسپات از زمان آغاز فعالیت، یکی از مسیرهای اصلی ورود سرمایه نهادی به BTC بوده‌اند. وقتی ورودی این صندوق‌ها مثبت است، بازار می‌تواند روی تقاضای نسبتا پایدار از سمت سرمایه‌گذاران بزرگ حساب کند. وقتی جریان معکوس می‌شود، همان کانالی که قبلا نقش خریدار داشت، به منبع فشار فروش یا کاهش تقاضا تبدیل می‌شود. البته خروج ۴.۵ میلیارد دلاری از ETFها لزوما به این معنا نیست که همین مقدار بیت کوین بلافاصله در بازار اسپات فروخته شده است. سازوکار ETFها پیچیده‌تر از این حرف‌هاست، بخشی از جریان‌ها می‌تواند به بازتعادل پرتفوی، آربیتراژ یا جابه‌جایی بین صندوق‌ها مربوط باشد. اما جهت کلی داده روشن است: سرمایه نهادی در ژوئن محتاط‌تر شده و همین موضوع کار خریداران را برای تثبیت قیمت بالای ۶۰٬۰۰۰ دلار سخت‌تر کرده است. برای بررسی دقیق‌تر اثر این جریان‌ها، می‌توانید مقاله میهن بلاکچین درباره جریان نقدینگی ETF بیت کوین را بخوانید؛ مخصوصا از این جهت که خروج سرمایه از ETFها همیشه اثر فوری روی نمودار ندارد، اما وقتی چند روز یا چند هفته ادامه پیدا کند، معمولا روی احساسات بازار و نقدینگی اسپات اثر می‌گذارد. سررسید آپشن‌های دریبیت سطح ۶۰٬۰۰۰ دلار را شلوغ‌تر کرد عامل دوم به بازار مشتقات مربوط است. در ۲۶ ژوئن، بیش از ۱۰.۶ میلیارد دلار قرارداد آپشن بیت کوین در دریبیت سررسید شد. طبق داده‌های دریبیت که کوین‌دسک گزارش کرده، فقط حدود ۲۰٪ از این موقعیت‌ها در سود بودند و بخش بزرگی از سود باز آپشن‌ها در قیمت‌های دور از محدوده فعلی قرار داشت. نکته مهم‌تر این بود که قیمت اعمال ۶۰٬۰۰۰ دلاری در سمت پوت، حدود ۴۵۰ میلیون دلار سود باز داشت و به یکی از سطوح حساس بازار تبدیل شده بود. در چنین شرایطی، بازارسازها و معامله‌گران بزرگ برای مدیریت ریسک خود مجبور می‌شوند در بازار اسپات یا فیوچرز موقعیت‌های پوششی باز و بسته کنند. نتیجه این رفتار می‌تواند گیر کردن قیمت نزدیک یک سطح خاص باشد. در ظاهر، بازار فقط اطراف ۶۰٬۰۰۰ دلار نوسان می‌کند؛ اما پشت صحنه، پوزیشن‌های آپشن، هجینگ بازارسازها و فشار اهرم در بازار فیوچرز مدام روی همان محدوده اثر می‌گذارند. این یعنی ۶۰٬۰۰۰ دلار فقط یک عدد رُند و روانی نیست. این سطح در چند بازار هم‌زمان اهمیت پیدا کرده است: در بازار اسپات، در جریان ETFها، در آپشن‌های دریبیت و در نقشه لیکوییدیشن معاملات اهرمی. همین شلوغی باعث می‌شود هر حرکت کوچک بالاتر یا پایین‌تر از این سطح، سریع بزرگ شود. برای آشنایی بیشتر با ساختار این بازار، مقاله میهن بلاکچین درباره آپشن‌های بیت کوین در دریبیت می‌تواند تصویر روشن‌تری از نقش سررسیدها، قیمت اعمال و سود باز در نوسان BTC بدهد. فدرال رزرو هنوز به نفع دارایی‌های پرریسک عقب ننشسته است فشار سوم از اقتصاد کلان آمریکا می‌آید. فدرال رزرو در نشست ۱۷ ژوئن ۲۰۲۶ نرخ بهره هدف را در محدوده ۳.۵۰٪ تا ۳.۷۵٪ نگه داشت. در بیانیه این نهاد آمده است که فعالیت اقتصادی با وجود نااطمینانی‌ها همچنان با سرعت قابل قبول در حال رشد است، رشد اشتغال ادامه دارد، نرخ بیکاری تغییر زیادی نکرده و تورم هنوز بالاتر از هدف ۲٪ فدرال رزرو قرار دارد. برای بازار بیت کوین، این ترکیب چندان دلگرم‌کننده نیست. وقتی تورم هنوز بالاست و بازار کار آمریکا ضعیف نشده، معامله‌گران کمتر روی کاهش سریع نرخ بهره حساب می‌کنند. کاهش احتمال کاهش نرخ بهره معمولا از دلار و بازده اوراق خزانه حمایت می‌کند. این وضعیت برای دارایی‌های پرنوسان، از جمله بیت کوین، فشار ایجاد می‌کند. بیت کوین در روایت‌های بلندمدت گاهی «طلای دیجیتال» نامیده می‌شود، اما در دوره‌هایی که دلار قوی می‌شود و انتظارات نقدینگی کاهش پیدا می‌کند، رفتار معاملاتی آن بیشتر شبیه دارایی‌های پرریسک است. به همین دلیل، حتی اگر بخشی از ریسک‌های ژئوپلیتیک آرام‌تر شود، سرمایه لزوما سریع به بازار کریپتو برنمی‌گردد. از طرف دیگر، بخشی از سرمایه ریسک‌پذیر همچنان جذب سهام مرتبط با هوش مصنوعی، نیمه‌هادی‌ها و شرکت‌هایی می‌شود که در بازار سهام روایت درآمدی قوی‌تری دارند. این چرخش سرمایه باعث شده بیت کوین برای جلب تقاضای تازه، فقط به خبر خوب نیاز نداشته باشد؛ بازار باید هم از سمت ETFها نشانه بهتری ببیند، هم از سمت نرخ بهره و دلار فشار کمتری حس کند. محدوده‌های مهم فعلی: ۶۲٬۰۰۰ دلار در بالا، ۵۸٬۰۰۰ دلار در پایین از نظر ساختار کوتاه‌مدت، بیت کوین فعلا بیشتر در یک محدوده فشرده معامله می‌شود تا در یک روند یک‌طرفه. داده‌های کوین‌گلس که Crypto.news گزارش کرده، نشان می‌دهد خوشه‌های نقدینگی بالای قیمت در محدوده ۶۱٬۰۰۰ تا ۶۱٬۸۰۰ دلار قرار دارد و در سمت پایین نیز محدوده ۵۷٬۵۰۰ تا ۵۸٬۰۰۰ دلار یکی از نواحی مهم لیکوییدیشن است. به زبان ساده، اگر قیمت به سمت ۶۲٬۰۰۰ دلار حرکت کند، بخشی از پوزیشن‌های فروش اهرمی ممکن است تحت فشار قرار بگیرند. اما همین محدوده می‌تواند با عرضه تازه هم روبه‌رو شود. در سمت پایین، از دست رفتن محدوده ۵۸٬۰۰۰ دلار می‌تواند فشار پوزیشن‌های لانگ را بیشتر کند و موجی از لیکوییدیشن ایجاد کند. لیکوییدیشن در بازارهای اهرمی یعنی صرافی به‌دلیل کافی نبودن وثیقه، پوزیشن معامله‌گر را به‌صورت اجباری می‌بندد. این اتفاق می‌تواند حرکت قیمت را تشدید کند، چون بسته شدن پوزیشن‌های لانگ در ریزش‌ها فشار فروش را بیشتر می‌کند و بسته شدن پوزیشن‌های شورت در رشدها فشار خرید ایجاد می‌کند. برای توضیح پایه‌ای‌تر این موضوع، راهنمای میهن بلاکچین درباره لیکویید شدن در بازار کریپتو نقطه شروع خوبی است. به همین دلیل، معامله‌گران کوتاه‌مدت فعلا دو عدد را زیر نظر دارند: ۶۲٬۰۰۰ دلار برای تایید قدرت خریداران و ۵۸٬۰۰۰ دلار برای سنجش خطر شکست حمایت. اگر بیت کوین بتواند بالای ۶۲٬۰۰۰ دلار تثبیت شود، بازار راحت‌تر می‌تواند سناریوی بازگشت را جدی بگیرد. اما اگر ۵۸٬۰۰۰ دلار از دست برود، نگاه‌ها دوباره به محدوده ۵۵٬۰۰۰ تا ۵۶٬۰۰۰ دلار برمی‌گردد. چرا ۶۰٬۰۰۰ دلار هنوز حمایت نشده است؟ مشکل فعلی بیت کوین کمبود یک خبر مثبت نیست. بازار با چند فشار هم‌زمان روبه‌روست. ETFهای اسپات بیت کوین در آمریکا خروج سرمایه سنگینی داشته‌اند. سررسید بزرگ آپشن‌ها سطح ۶۰٬۰۰۰ دلار را به یک ناحیه شلوغ معاملاتی تبدیل کرده است. فدرال رزرو هنوز سیگنال روشنی برای کاهش سریع نرخ بهره نداده و بازار مشتقات هم پر از موقعیت‌های اهرمی نزدیک قیمت فعلی است. تا زمانی که خروج سرمایه از ETFها کند نشود، فشار دلار و نرخ بهره کمتر نشود و BTC بالای ۶۲٬۰۰۰ دلار تثبیت نشود، سطح ۶۰٬۰۰۰ دلار بیشتر شبیه مقاومت است تا حمایت. در سمت مقابل، شکست معتبر محدوده ۵۸٬۰۰۰ دلار می‌تواند بحث بازار را خیلی سریع از «بازگشت قیمت» به «موج بعدی لیکوییدیشن» تغییر دهد. فعلا بیت کوین وسط همین دو سناریو گیر کرده است. نه خریداران آن‌قدر قدرت دارند که قیمت را از ۶۰٬۰۰۰ دلار جدا کنند، نه فروشندگان هنوز شکست سنگینی را قطعی کرده‌اند. چنین بازاری معمولا با یک داده تازه تکان می‌خورد: جریان ETFها، حرکت دلار، بازده اوراق خزانه یا تغییر در پوزیشن‌های مشتقه. تا آن زمان، ۶۰٬۰۰۰ دلار برای بیت کوین هنوز یک سطح پس‌گرفته‌شده نیست؛ یک میدان درگیری است.

شرکت OpenAI هم‌زمان با افزایش نظارت‌های واشنگتن بر حوزه هوش مصنوعی، ظاهراً در حال گفتگو برای اعطای ۵ درصد از سهام خود به دولت ایالات متحده است. بر اساس گزارشی که روز پنجشنبه از سوی فایننشال تایمز (Financial Times) و به نقل از افراد مطلع منتشر شد، این شرکت ایده مذکور را در گفتگوهای اولیه با دولت ترامپ مطرح کرده است؛ چرا که این شرکت به دنبال آن است تا پیش از عرضه عمومی احتمالی سهام خود در بورس، از یک فضای سیاسی سخت‌تر به سلامت عبور کند. سم آلتمن (Sam Altman)، مدیرعامل OpenAI، استدلال کرده است که اختصاص یک سهم مالی به عموم مردم، بهترین راه برای به اشتراک گذاشتن مزایای اقتصادی صنعت پررونق هوش مصنوعی است. این گزارش چند هفته پس از آن منتشر می‌شود که OpenAI اعلام کرد فرم S-1 خود را به‌صورت محرمانه برای عرضه اولیه عمومی سهام (IPO) در ایالات متحده ثبت کرده است و بدین ترتیب، همراه با شرکت آنتروپیک (Anthropic) برای ورود به وال استریت در سال جاری آماده می‌شود. این اتفاق همچنین همزمان با آن رخ می‌دهد که دولت آمریکا نقش فعال‌تری در نظارت بر مدل‌های پیشرفته هوش مصنوعی بر عهده گرفته است. گسترش این پیشنهاد به سایر شرکت‌های هوش مصنوعی این پیشنهاد می‌تواند باعث شود که چندین شرکت پیشرو هوش مصنوعی در ایالات متحده، سهمی ۵ درصدی از سهام خود را به یک صندوق سرمایه‌گذاری عمومی اختصاص دهند. با این حال، هنوز مشخص نیست که آیا شرکت‌هایی مانند آنتروپیک، گوگل (Google) و متا (Meta) نیز از این ایده حمایت خواهند کرد یا خیر. فایننشال تایمز گزارش داد که آلتمن این پیشنهاد را بر اساس مدل صندوق دائمی آلاسکا (Alaska's Permanent Fund) طراحی کرده است که درآمدهای نفتی این ایالت را در سهام سرمایه‌گذاری کرده و سود آن را به ساکنان پرداخت می‌کند. با رویکردی مشابه، آمریکایی‌ها می‌توانند در دستاوردهای اقتصادی حاصل از هوش مصنوعی سهیم شوند. بر اساس این گزارش، آلتمن با رئیس‌جمهور دونالد ترامپ، هاوارد لوتنيک (Howard Lutnick)، وزیر بازرگانی و اسکات بسنت (Scott Bessent)، وزیر خزانه‌داری آمریکا در حال گفتگو بوده است. گفته می‌شود که او همچنین با سناتور برنی سندرز (Bernie Sanders) نیز صحبت کرده است که در ماه ژوئن پیشنهاد داده بود یک مالیات ۵۰ درصدی یک‌باره از سهام بزرگ‌ترین شرکت‌های هوش مصنوعی دریافت شود تا یک صندوق ثروت ملیِ تقریباً ۷ تریلیون دلاری برای شهروندان آمریکایی ایجاد شود. افزایش نظارت واشنگتن بر هوش مصنوعی پس از مداخله در عرضه سیستم‌های جدیدِ متعلق به شرکت‌های OpenAI و Anthropic، کاخ سفید اکنون در حال آماده‌سازی استانداردهای داوطلبانه‌ای برای مدل‌های پیشگام (Frontier) هوش مصنوعی است. انتظار می‌رود این دستورالعمل‌ها از اوایل هفته آینده اعلام شوند و قرار است معیارهای امنیتی را تعیین کنند، زمان‌بندی‌های مربوط به بازبینی را مشخص سازند و روشن کنند که چه کسانی در ایالات متحده و خارج از آن می‌توانند به پیشرفته‌ترین مدل‌های هوش مصنوعی دسترسی داشته باشند. بنا بر گزارش‌ها، دولت ترامپ پیش از این درخواست کرده بود که عرضه مدل GPT-5.6 از شرکت OpenAI به‌صورت مرحله‌بندی شده انجام شود و همچنین به دلیل نگرانی‌های مربوط به امنیت سایبری، موقتاً کنترل‌های صادراتی را بر روی جدیدترین مدل‌های شرکت آنتروپیک اعمال کرده بود (پیش از آنکه این محدودیت‌ها را لغو کند).

حجم معاملات ترکیبی کالشی (Kalshi) و پالی‌مارکت (Polymarket) در ماه گذشته افزایش چشمگیری یافت، چراکه جام جهانی فوتبال ۲۰۲۶ همچنان پیش‌بینی‌کنندگان را به سمت بازارهای پیش‌بینی هدایت می‌کند. به گزارش میهن بلاکچین و بر اساس داشبورد داده‌های دبلاک (The Block)، کالشی، پالی‌مارکت و پلی‌مارکت آمریکا در ماه ژوئن مجموعاً ۴۴.۸ میلیارد دلار حجم معاملات ماهانه ثبت کردند که نشان‌دهنده افزایش ۷۵ درصدی نسبت به حجم ۲۵.۶۶ میلیارد دلاری در ماه می است. در میان این سه، کالشی بیشترین افزایش حجم ماه به ماه را شاهد بود و با رشد ۸۷.۴ درصدی، از ۱۶.۸۱ میلیارد دلار به ۳۱.۵ میلیارد دلار رسید. پلتفرم اصلی و غیرآمریکایی پالی‌مارکت در ماه گذشته ۱۰.۲۶ میلیارد دلار حجم معاملات جذب کرد که ۴۵ درصد بیشتر از حجم ۷.۰۸ میلیارد دلاری ماه قبل از آن است. پالی‌مارکت از ماه مارس تا می شاهد کاهش مداوم حجم ماهانه خود بود، در حالی که پلتفرم تحت نظارت آمریکاِ آن، روند صعودی خود را حفظ کرد. پالی‌مارکت آمریکا در ماه گذشته ۳.۰۴ میلیارد دلار حجم ماهانه گزارش داد که نسبت به ۱.۷۷ میلیارد دلار در ماه می افزایش داشته است. منبع: دبلاک تب جام جهانی این افزایش شدید حجم معاملات را می‌توان به جام جهانی فوتبال نسبت داد که از ۱۱ ژوئن آغاز شد. بازار پیش‌بینی برنده جام جهانیِ کالشی، بیش از ۸۳۲ میلیون دلار سرمایه جذب کرده است که در آن حدود ۳۵ درصد از افراد، فرانسه را به عنوان برنده انتخاب کرده‌اند. بازارهای پیش‌بینی جام جهانی در پالی‌مارکت نیز توجه زیادی را به خود جلب کرده‌اند، به طوری که قراردادهای رویداد مربوط به هر بازی بین ۵۰۰ هزار تا ۲ میلیون دلار حجم معاملاتی جذب می‌کنند. جام جهانی امسال قرار است در ۱۹ جولای به پایان برسد. در همین حال، این پلتفرم‌هایِ بازار پیش‌بینی در ایالات متحده بر سر قراردادهای مرتبط با ورزش با بررسی‌های قانونی مواجه هستند. بیش از دوازده مقام در سطح ایالتی اقدامات قانونی را علیه کالشی و پالی‌مارکت آغاز کرده و آن‌ها را به ارائه خدمات پیش‌بینی ورزشی بدون مجوز یا فعالیت‌های بخت‌آزمایی به ساکنان متهم کرده‌اند. این پلتفرم‌ها در کنار «کمیسیون معاملات آتی کالای آمریکا» استدلال می‌کنند که مقررات فدرال به آن‌ها اجازه می‌دهد تا بازارهای مرتبط با ورزش را ارائه دهند و این قوانین، بر اختیارات قضایی ایالتی ارجحیت دارد.

مایکل سیلور (Michael Saylor) در شبکه اجتماعی ایکس (X) تاکید کرد که هدف ۹۹ تا ۱۰۰ دلاری شرکت Strategy برای سهام STRC همچنان پابرجاست. در حال حاضر STRC نزدیک به ۸۷.۴۶ دلار معامله می‌شود که حدود ۱۳ دلار از هدف ارزش اسمی تعیین‌شده توسط Strategy کمتر است. این شرکت برای دفاع از هدف قیمتی خود، سود سهام STRC را از اول جولای به ۱۲ درصد افزایش داده است. به گزارش میهن بلاکچین، مایکل سیلور در ایکس مجدداً تأکید کرد که هدف شرکتی Strategy همچنان این است که STRC در محدوده ۹۹ تا ۱۰۰ دلار معامله شود. این صحبت‌ها در شرایطی مطرح می‌شود که این سهام ممتاز (Preferred Stock) در تلاش است تا از پایین‌ترین سطح تاریخی خود که در ۲۶ ژوئن ثبت شده بود، بازگردد. این اظهارنظر در حالی بیان شد که STRC به دنبال اعلام یک چارچوب سرمایه جدید، از رکورد پایین ۷۱.۲۵ دلاری خود فاصله گرفت و تا حدود ۸۷.۴۶ دلار رشد کرد. با این وجود، به دلیل افت قیمت بیت‌کوین (BTC)، فاصله قیمت این سهام تا ارزش اسمی آن همچنان زیاد است. STRC همچنان پایین‌تر از هدف سیلور معامله می‌شود سهام STRC که مخفف عبارت «سهام ممتاز کششی دائمی سری A با نرخ متغیر Strategy» است، یک سهام عادی محسوب نمی‌شود. این دارایی یک اوراق بهادار ممتاز است که طوری طراحی شده تا نزدیک به ارزش اسمی ۱۰۰ دلاری معامله شود. برخلاف سهام‌های عادی، شرکت Strategy برای ثابت نگه داشتن قیمت این سهم، نرخ سود تقسیمی (Dividend Rate) آن را به صورت ماهانه تنظیم می‌کند. بیت‌کوین در همان هفته‌ای که STRC پایین‌ترین سطح قیمتی خود را ثبت کرد، به زیر ۶۰ هزار دلار سقوط کرده بود. این موضوع باعث تشدید ریزش این سهام ممتاز شد و سرمایه‌گذاران را بیش از پیش نگران کرد. از آن زمان تاکنون STRC کمی احیا شده، اما همچنان حدود ۱۳ دلار با ارزش اسمی که سیلور از آن به عنوان هدف شرکت یاد می‌کند، فاصله دارد. در روز دوشنبه، ۲۹ ژوئن، Strategy نرخ سود سهام STRC را ۰.۵ درصد افزایش داد و به ۱۲ درصد رساند. این افزایش از ماه جولای اعمال می‌شود و بخشی از تحول بنیادین در مدیریت سرمایه است که Strategy در همان روز دوشنبه خبر آن را اعلام کرده بود. شرکت Strategy این نرخ را با در نظر گرفتن سطح معاملات STRC، قیمت بیت‌کوین و همچنین ذخایر نقدی خود بررسی می‌کند و صرفاً به این دلیل که سهام زیر ارزش اسمی معامله می‌شود، نرخ سود را به طور خودکار افزایش نخواهد داد. سیلور در تاریخ ۱ جولای ۲۰۲۶ در توییتی نوشت: همانطور که Strategy روز دوشنبه اعلام کرد: هدف شرکتی ما این است که STRC در طول زمان در محدوده ۹۹ تا ۱۰۰ دلار معامله شود. این توییت در واقع تکرار همان ادبیات بیانیه مطبوعاتی روز دوشنبه است و جزئیات جدیدی به همراه ندارد. زمان‌بندی این اظهارنظر در حین رشد مجدد STRC نشان می‌دهد که Strategy می‌خواهد بازار، این بازیابی قیمتی را به عنوان تاییدی بر موفقیت برنامه‌هایش در نظر بگیرد. این پافشاری مجدد پس از هفته‌ها انتقاد از سوی برد گارلینگهاوس (Brad Garlinghouse)، مدیرعامل ریپل (XRP) صورت می‌گیرد. او سقوط STRC را نشانه‌ای ناامیدکننده از ضعف مدل تامین مالی Strategy دانسته بود. علاوه بر این، موسسه حقوقی روزن (Rosen Law Firm) نیز تحقیقاتی را در خصوص تخلفات احتمالی اوراق بهادار و نحوه افشای اطلاعات این شرکت آغاز کرده است. اینکه آیا STRC در نهایت می‌تواند به ارزش اسمی ۱۰۰ دلاری خود بازگردد یا خیر، تا حد زیادی به روند حرکتی بیت‌کوین بستگی دارد. بیت‌کوین همچنان اصلی‌ترین محرک ساختار سرمایه و پوشش سود سهام شرکت Strategy محسوب می‌شود.

شرکت صنایع فوروارد (Forward Industries) که بزرگترین هولدر شرکتی ارز دیجیتال سولانا (SOL) محسوب می‌شود، روز چهارشنبه شاهد رشد دو رقمی قیمت سهام خود بود. به گزارش میهن بلاکچین، این افزایش قیمت پس از آن رخ داد که شرکت فاش کرد در سه‌ماهه سوم مالی سال ۲۰۲۶، بیش از ۵۰۰ هزار سولانا (SOL) خریداری کرده است. موجودی خزانه‌داری سولانای فوروارد از مرز ۷.۵ میلیون عبور کرد سهام فوروارد (با نماد FWDI) در تاریخ ۱ جولای با رشد ۱۱.۳۷ درصدی، در قیمت ۴.۷۰ دلار بسته شد. این رشد در واقع ادامه روندی بود که از اواخر ماه ژوئن و همزمان با شروع بازیابی قیمت سولانا آغاز شده بود. این بهبود توانست التیام‌بخش سهامی باشد که تحت فشار رکود گسترده‌تر بازارهای مالی در سال ۲۰۲۶ قرار گرفته بود. طبق اطلاعیه منتشر شده، این شرکت توکن‌ها را با میانگین قیمت حدود ۷۹ دلار به ازای هر واحد خریداری کرده است. بدین ترتیب، تا تاریخ ۳۰ ژوئن ۲۰۲۶، شرکت فوروارد مجموعاً ۷.۵۵ میلیون سولانا در اختیار داشته است. میزان دارایی سولانا به ازای هر سهم کاملاً رقیق‌شده (Fully diluted share) از ۰.۰۶۶۹ در سه‌ماهه پیشین، به ۰.۰۷۲۹ افزایش یافت که نشان‌دهنده یک نرخ رشد سالانه ۳۶ درصدی است. علاوه بر این، تعداد سهام در دست انتشار (Shares outstanding) از ۷۶.۳۱ میلیون سهم به ۷۳.۸۵ میلیون کاهش یافته است. در همین حال، این شرکت در طول این سه‌ماهه توانست ۹۳,۶۴۲ سهم را از طریق برنامه عرضه به قیمت بازار (at-the-market) خود به فروش برساند. شرکت فوروارد همچنین به قرارگیری اخیر خود در فهرست شاخص‌های راسل ۲۰۰۰ (Russell 2000) و راسل ۳۰۰۰ (Russell 3000) اشاره کرد. رایان ناوی (Ryan Navi)، مدیر ارشد سرمایه‌گذاری (CIO) این شرکت اظهار داشت: با بازخرید سهام در زمان‌هایی که سهام فوروارد پایین‌تر از ارزش خالص دارایی (تخفیف نسبت به NAV) معامله می‌شود و همچنین انتشار سهام در زمان‌هایی که قیمت سهام ما با پرمیوم معامله می‌شود، ما به شکلی پویا سرمایه را به روشی تخصیص می‌دهیم که دارایی سولانا به ازای هر سهم را افزایش داده و ارزش ذاتی شرکت را در بلندمدت بالا ببرد. زیان‌ها همچنان بر دوش بزرگترین دارنده SOL سنگینی می‌کنند این موجِ خریدهای گسترده پس از یک دوره دردناک اتفاق افتاده است. شرکت فوروارد برای سه‌ماهه منتهی به ۳۱ مارس ۲۰۲۶، یک زیان خالص ۲۸۳.۱ میلیون دلاری را ثبت کرد که دلیل اصلی آن کاهشِ ارزش منصفانه (Markdowns) دارایی‌های سولانای این شرکت بود. با این حال، درآمد شرکت از محل پاداش‌های استیکینگ (Staking) نسبت به سال گذشته چهار برابر شده است. از آن زمان به بعد، شرایط بازار وضعیت مطلوب‌تری به خود گرفته است. سولانا در هفته گذشته با تکیه بر فعالیت‌های قدرتمند شبکه خود بیش از ۱۵ درصد رشد کرده و عملکرد بهتری نسبت به سایر ارزهای دیجیتال بزرگ بازار از خود نشان داده است. ماه‌های آینده مشخص خواهد کرد که آیا روند احیای سولانا می‌تواند پایدار بماند یا خیر؛ نوسانی که به طور مستقیم و بی‌واسطه بر ترازنامه شرکت فوروارد تأثیر می‌گذارد.