پرونده گاتهام: تحلیلی جامع از سیستم‌عامل پالانتیر برای سلطه بر تصمیم‌گیری

I. مقدمه: پیدایش و چشم‌انداز پالانتیر گاتهام

پالانتیر گاتهام (Palantir Gotham) صرفاً یک پلتفرم نرم‌افزاری نیست؛ بلکه تجسم فناورانه یک جهان‌بینی خاص است که در بوته یک بحران ملی شکل گرفته است. توسعه و هدف استراتژیک آن به‌طور جدایی‌ناپذیری با پارادایم‌های ژئوپلیتیکی و امنیتی اوایل قرن بیست و یکم گره خورده است.[1, 2] درک گاتهام نیازمند بررسی ریشه‌های ایدئولوژیک آن، مأموریت اصلی‌اش برای تقویت هوش انسانی و نقش دقیق آن در اکوسیستم گسترده‌تر و اغلب اشتباه درک‌شده پلتفرم‌های نرم‌افزاری پالانتیر است.

الف. ضرورت پس از ۱۱ سپتامبر و «مافیای پی‌پال»

ریشه‌های مفهومی پالانتیر تکنالوجیز در پیامدهای فوری حملات تروریستی ۱۱ سپتامبر ۲۰۰۱ نهفته است. این فاجعه، تحولی عمیق در دستگاه امنیت ملی ایالات متحده ایجاد کرد و تقاضای فوری برای روش‌های جدید تحلیل اطلاعات و پیشگیری از تهدیدات را به وجود آورد. پیتر تیل (Peter Thiel)، یکی از بنیان‌گذاران پی‌پال (PayPal)، این فرضیه را مطرح کرد که همان الگوریتم‌های تشخیص الگو که شرکتش برای شناسایی کلاهبرداری‌های پیچیده مالی استفاده می‌کرد، می‌تواند برای ردیابی جریان پول تأمین‌کننده شبکه‌های تروریستی نیز به کار گرفته شود.[3, 4] این ایده نه به‌عنوان یک فرصت تجاری صرف، بلکه به‌عنوان یک «مأموریت اجتماعی عمیق‌تر» در نظر گرفته شد.[3] باور این بود که فناوری، اگر به‌درستی به کار گرفته شود، می‌تواند امنیت ملی را تقویت کرده و از حمله فاجعه‌بار دیگری جلوگیری کند.

این چشم‌انداز توسط گروهی از مدیران و مهندسان سابق پی‌پال که اغلب از آن‌ها با عنوان «مافیای پی‌پال» یاد می‌شود، به واقعیت پیوست؛ عنوانی که گواهی بر تمرکز استعداد و انتقال دانشی است که نوآوری در سیلیکون ولی را مشخص می‌کند.[3] در سال ۲۰۰۳، تیل رسماً پالانتیر را تأسیس کرد و با تأمین بودجه اولیه قابل توجه و استخدام استعدادهای کلیدی، از جمله نیتن گتینگز (Nathan Gettings)، مهندس سابق پی‌پال، و جو لانسدیل (Joe Lonsdale) و استفن کوهن (Stephen Cohen)، دانشجویان استنفورد، نمونه اولیه را توسعه داد.[3, 4]

یک تصمیم محوری و قابل تأمل، انتصاب الکس کارپ (Alex Karp)، دوست تیل از دانشکده حقوق استنفورد با پیشینه‌ای در نظریه اجتماعی نئوکلاسیک و فلسفه، به‌عنوان مدیرعامل بود.[3, 5] کارپ که نه مهندس بود و نه یک کارآفرین باتجربه، به‌طور خاص برای مدیریت پیچیدگی‌های عظیم اخلاقی و سیاسی ذاتی شرکتی که قرار بود حساس‌ترین داده‌های دولتی را مدیریت کند، انتخاب شد. جمله پرتکرار او، «ما فقط یک شرکت نرم‌افزاری نیستیم - ما برای حل مهم‌ترین مشکلات جهان وجود داریم»، بازتاب‌دهنده فرهنگ سازمانی است که از همان ابتدا تأثیر اجتماعی را در اولویت قرار داد؛ روایتی که به‌شدت با مشتریان دولتی‌اش طنین‌انداز می‌شود.[3]

این هویت مأموریت‌محور با یکی از اولین و حیاتی‌ترین سرمایه‌گذاران خارجی پالانتیر تثبیت شد: این-کیو-تل (In-Q-Tel)، شرکت سرمایه‌گذاری خطرپذیر آژانس اطلاعات مرکزی (CIA).[4, 6] این سرمایه‌گذاری اولیه نه تنها سرمایه، بلکه مهم‌تر از آن، دسترسی بی‌نظیری به تحلیلگران سیا را فراهم کرد. این امر به پالانتیر اجازه داد تا محصول خود را در همکاری مستقیم با کاربران هدف خود اصلاح کند و به آن مزیت فوق‌العاده‌ای در رقابت برای قراردادهای دولتی آینده بخشید و آن را از همان ابتدا در مسیر یکپارچگی عمیق با دولت امنیت ملی قرار داد. نام خود شرکت، که اشاره‌ای به «سنگ‌های بینا» در کتاب ارباب حلقه‌ها اثر جی. آر. آر. تالکین است، به هدف بلندپروازانه آن اشاره دارد: فراهم کردن توانایی دیدن ارتباطات و الگوها در میان قلمروهای وسیع و پراکنده اطلاعات.[4]

ب. مأموریت اصلی گاتهام: تقویت هوش انسانی

فلسفه اصلی پالانتیر گاتهام، تقویت هوش انسانی است، نه جایگزینی آن.[7, 8] این پلتفرم برای ایجاد «نقطه مطلوبی که در آن انسان‌ها قادرند از هوش خود در برابر قدرت محاسباتی یک پلتفرم نرم‌افزاری تحلیلی به‌طور کامل بهره‌برداری کنند» طراحی شده است.[9] در دنیایی که در داده‌ها غرق شده است، ذهن انسان همچنان مؤثرترین ابزار برای شناسایی الگوهای ظریف و قضاوت‌های دقیق است، در حالی که کامپیوترها در مدیریت و پردازش آن داده‌ها در مقیاس عظیم برتری دارند. گاتهام برای ایجاد پلی بین این دو قابلیت طراحی شده است.

این پلتفرم به‌عنوان یک «سیستم‌عامل برای داده‌ها» [10] و یک «پلتفرم برای تصمیم‌گیری جهانی» عمل می‌کند.[11] هدف آن حل چالش‌های پیچیده و حیاتی با توانمندسازی تحلیلگران برای یافتن «سوزن‌ها در هزاران انبار کاه» است.[12] این کار را با دریافت، یکپارچه‌سازی و ساختاردهی مجموعه داده‌های وسیع و متنوع انجام می‌دهد و آنچه را که اغلب چشم‌اندازی آشفته از اطلاعات خام است، به مدلی منسجم تبدیل می‌کند که تحلیلگران می‌توانند تخصص خود را بر روی آن اعمال کرده و اطلاعات عملیاتی تولید کنند.[2, 10] این مأموریت اصلی—تقویت تصمیم‌گیری انسانی در لحظات بحرانی—همچنان ویژگی تعیین‌کننده پلتفرم گاتهام است.

ج. اکوسیستم پالانتیر: جایگاه گاتهام در مجموعه

برای درک کامل گاتهام، ضروری است که آن را در اکوسیستم کامل محصولات پالانتیر قرار دهیم. استراتژی شرکت شامل مجموعه‌ای از پلتفرم‌های متمایز اما به هم پیوسته است که هر کدام بخش خاصی از بازار را هدف قرار می‌دهند یا نقش خاصی را ایفا می‌کنند. مرزهای بین این محصولات به‌طور استراتژیک در طول زمان محو شده و یک کل قدرتمند و یکپارچه را ایجاد کرده است.

• پالانتیر گاتهام (Palantir Gotham): گاتهام که در سال ۲۰۰۸ منتشر شد، محصول اصلی و پرچم‌دار شرکت برای مشتریان دولتی، دفاعی و اطلاعاتی است.[4, 13, 14] این پلتفرم ابزار اصلی برای تحلیل اطلاعات، برنامه‌ریزی مأموریت و تحقیقات اجرای قانون است.
• پالانتیر فاندری (Palantir Foundry): فاندری که در سال ۲۰۱۶ راه‌اندازی شد، برای آوردن قابلیت‌های یکپارچه‌سازی و تحلیل داده‌های پالانتیر به بخش تجاری طراحی شد.[4, 13, 14] این پلتفرم به‌عنوان یک سیستم‌عامل مرکزی برای شرکت‌ها در صنایعی مانند مالی، بهداشت و درمان، تولید و مدیریت زنجیره تأمین عمل می‌کند و به آن‌ها در بهینه‌سازی عملیات پیچیده کمک می‌کند. نکته مهم این است که گاتهام اکنون «قابلیت‌های پالانتیر فاندری را در خود جای داده است»، یک تصمیم استراتژیک که نوآوری‌ها و کارایی‌های توسعه‌یافته برای دنیای پرشتاب تجاری را به حوزه دولتی می‌آورد.[1, 2] این امر یک حلقه بازخورد قدرتمند ایجاد می‌کند که در آن پیشرفت‌های یک پلتفرم می‌تواند برای تقویت دیگری به کار گرفته شود و توسعه را تسریع کرده و موارد استفاده گاتهام را بسیار فراتر از تحلیل اطلاعات سنتی گسترش دهد.
• پالانتیر آپولو (Palantir Apollo): آپولو ستون فقرات فناورانه‌ای است که مدل عملیاتی پالانتیر را ممکن می‌سازد. این یک سیستم تحویل و مدیریت مستمر است که استقرار، به‌روزرسانی و نگهداری گاتهام و فاندری را در هر محیطی—از ابرهای عمومی و مراکز داده داخلی گرفته تا شبکه‌های طبقه‌بندی‌شده بسیار امن و ایزوله (air-gapped) و دستگاه‌های لبه تاکتیکی—خودکار می‌کند.[13, 14] آپولو چیزی است که به پالانتیر اجازه می‌دهد در محیط‌هایی که شکست گزینه‌ای نیست، «سریع حرکت کند و ساختارها را بشکند» و تضمین می‌کند که پلتفرم‌هایش همیشه جدیدترین و امن‌ترین نسخه نرم‌افزار را اجرا می‌کنند.[15]
• پالانتیر AIP (پلتفرم هوش مصنوعی): جدیدترین لایه اکوسیستم که در آوریل ۲۰۲۳ راه‌اندازی شد، AIP برای یکپارچه‌سازی امن مدل‌های زبان بزرگ (LLMs) و سایر قابلیت‌های پیشرفته هوش مصنوعی در شبکه‌های خصوصی و کنترل‌شده طراحی شده است.[11, 14] این پلتفرم بر روی بنیاد داده یکپارچه ایجاد شده توسط گاتهام و فاندری عمل می‌کند و به سازمان‌ها اجازه می‌دهد تا هوش مصنوعی را بر روی داده‌های خود فعال کنند در حالی که کنترل کامل بر امنیت، دسترسی و حفاظ‌های اخلاقی را حفظ می‌کنند.[15, 16]

بنیاد ایدئولوژیک پالانتیر، که از یک مأموریت امنیت ملی خاص متولد شده است، چیزی بیش از یک روایت بازاریابی است؛ این یک خندق استراتژیک است. داستان پیدایش شرکت، حمایت اولیه آن توسط سیا، و چارچوب‌بندی مداوم کارشان توسط مدیرعامل به‌عنوان دفاع از دموکراسی‌های لیبرال غربی، سطح منحصربه‌فردی از اعتبار و اعتماد را در جوامع دفاعی و اطلاعاتی ایجاد می‌کند.[3, 4, 17] این همسویی مأموریت و جهان‌بینی، یک مشارکت عمیق را تقویت می‌کند که رقبای متمرکز صرفاً بر مشخصات فنی، اغلب برای تکرار آن با مشکل مواجه می‌شوند و به پالانتیر یک مزیت رقابتی قدرتمند و غیرفنی می‌بخشد.

جدول ۱: مقایسه مجموعه محصولات پالانتیر. این جدول نقش‌های متمایز و بازارهای هدف محصولات اصلی پالانتیر را مشخص می‌کند و عملکرد خاص گاتهام را در اکوسیستم استراتژیک گسترده‌تر شرکت روشن می‌سازد. داده‌ها از منابع [1, 4, 11, 13, 14, 15] گرفته شده‌اند.

II. تحلیل عمیق معماری: موتور گاتهام

برای درک قدرت و جنجال‌های پالانتیر گاتهام، باید به زیر اپلیکیشن‌های کاربرمحور آن نگاه کرد و بنیاد فنی آن را تجزیه کرد. گاتهام یک نرم‌افزار یکپارچه نیست، بلکه یک سیستم توزیع‌شده و پیچیده است که برای مقیاس‌پذیری، قابلیت همکاری و بالاتر از همه، امنیت طراحی شده است. معماری آن فلسفه ماژولار بودن را منعکس می‌کند و به آن اجازه می‌دهد تا با محیط‌های متنوع مشتریان سازگار شود در حالی که به‌صورت مرکزی مدیریت و به‌طور مداوم به‌روزرسانی می‌شود. در قلب آن، آنتولوژی پالانتیر قرار دارد، یک لایه معنایی که داده‌های خام و آشفته را به یک مدل منسجم و عملی از دنیای واقعی تبدیل می‌کند.

الف. معماری پلتفرم: مقیاس‌پذیری، در دسترس بودن و استقرار

پالانتیر گاتهام به‌عنوان یک پلتفرم سازمانی ماژولار، قابل پیکربندی و مقیاس‌پذیر مهندسی شده است تا نیازهای سازمان‌های وسیع و پیچیده را برآورده کند.[1] این سیستم بر اساس یک معماری سرویس‌گرا ساخته شده است که شامل صدها میکروسرویس متمایز است که هر کدام مسئول یک عملکرد خاص هستند.[15] این طراحی تضمین می‌کند که هر جزء—از سرویس‌های بک‌اند و ابزارهای تحلیلی گرفته تا اپلیکیشن‌های فرانت‌اند—می‌تواند در یک پیکربندی با دسترسی بالا و افزونه اجرا شود و نقاط شکست منفرد را به حداقل برساند.[15]

کلید مدیریت این پیچیدگی و تحقق وعده نوآوری مستمر، پالانتیر آپولو است. آپولو که به‌عنوان «ستون فقرات تمام ارکستراسیون سرویس‌ها در سراسر ناوگان» توصیف می‌شود، یک سیستم تحویل مستمر پیشرفته است که استقرار به‌روزرسانی‌های نرم‌افزار و تغییرات پیکربندی را در کل اکوسیستم گاتهام و فاندری خودکار می‌کند.[13, 14, 15] آپولو ارتقاء بدون قطعی (zero-downtime)، نظارت دقیق و توانایی بازگرداندن تغییرات در صورت شناسایی مشکلات را ممکن می‌سازد و سطحی از اتوماسیون امن را فراهم می‌کند که بسیار فراتر از عملیات دستی است.[15] این قابلیت برای استقرار نرم‌افزار در طیف گسترده‌ای از محیط‌های مشتری، از جمله ابرهای عمومی، مراکز داده داخلی و حتی شبکه‌های طبقه‌بندی‌شده ایزوله و جدا از شبکه در لبه تاکتیکی، حیاتی است.[13]

برای مدیریت بارهای کاری متغیر، پلتفرم از یک پارادایم کانتینرسازی ثابت برای مقیاس‌بندی خودکار استفاده می‌کند. این کار توسط یک موتور اختصاصی به نام روبیکس (Rubix) مدیریت می‌شود که همگام با آپولو برای تخصیص و آزادسازی پویا منابع محاسباتی در صورت نیاز کار می‌کند.[15] برای تضمین دسترسی بالا و انعطاف‌پذیری، پلتفرم از شیوه‌های استاندارد صنعتی مانند مسیریابی DNS، دروازه‌های API و متعادل‌کننده‌های بار الاستیک برای توزیع ترافیک و مدیریت سلامت سرویس‌ها استفاده می‌کند.[1]

ب. یکپارچه‌سازی داده‌ها: «سیستم‌عامل برای داده‌ها»

یکی از عملکردهای اصلی گاتهام، خدمت به‌عنوان یک هاب مرکزی برای داده‌های یک سازمان، صرف‌نظر از منبع، فرمت یا مکان آن است. این پلتفرم برای یکپارچه‌سازی طیف گسترده‌ای از منابع داده پراکنده «به‌صورت پیش‌فرض» طراحی شده است.[1] این شامل داده‌های ساختاریافته از پایگاه‌های داده SQL و اتصالات JDBC؛ داده‌های نیمه‌ساختاریافته مانند فایل‌های JSON؛ و داده‌های بدون ساختار مانند فایل‌های مسطح، اسناد (PDF، DOC)، صدا و ویدئوهای تمام‌حرکت (full-motion video) می‌شود.[1, 2, 4, 9] این سیستم از «خطوط لوله مجازی» برای ترکیب این داده‌ها استفاده می‌کند و هم از همگام‌سازی‌های دسته‌ای در مقیاس بزرگ و هم از فیدهای داده جریانی در زمان واقعی پشتیبانی می‌کند.[4, 18, 19] پالانتیر مجموعه‌ای از اتصال‌دهنده‌های بومی، از جمله برای سیستم‌های سازمانی پیچیده مانند SAP، را فراهم می‌کند و مکانیسم‌هایی مانند اتصالات مستقیم و عامل‌های داده را برای استخراج اطلاعات از سیستم‌های قدیمی یا اختصاصی ارائه می‌دهد.[18, 20]

یکی از اصول بنیادین معماری پالانتیر، جلوگیری از وابستگی به فروشنده (vendor lock-in) است که یک نگرانی عمده برای مشتریان سازمانی است. به همین منظور، پلتفرم با یک معماری باز و قابل اتصال ساخته شده است که دارای APIهای RESTful مستند شده عمومی در هر لایه از نرم‌افزار است.[1] این امر تضمین می‌کند که تمام داده‌های یکپارچه‌شده در پلتفرم می‌توانند به‌صورت امن در فرمت‌های غیر اختصاصی (مانند JSON یا Parquet) برای استفاده در سیستم‌های دیگر صادر شوند و به مشتریان یک مسیر خروج می‌دهد.[1] با این حال، این باز بودن تبلیغ‌شده در یک پارادوکس استراتژیک با مدل کسب‌وکار شرکت وجود دارد. در حالی که مشتریان از نظر فنی با فرمت‌های فایل اختصاصی قفل نمی‌شوند، یکپارچگی عمیق «مهندسان مستقر در میدان» (Forward Deployed Engineers - FDEs) پالانتیر در جریان‌های کاری مشتری، نوعی قدرتمند از وابستگی عملیاتی ایجاد می‌کند.[16, 21, 22] FDEها راه‌حل‌های سفارشی و دانش سازمانی را در اطراف پلتفرم ایجاد می‌کنند و هزینه عملی و اختلال ناشی از مهاجرت به یک رقیب را به‌طور غیرقابل تحملی بالا می‌برند. این استراتژی به‌طور مؤثری یک ضعف فنی بالقوه (باز بودن) را به یک مزیت تجاری قدرتمند تبدیل می‌کند.

قابلیت‌های یکپارچه‌سازی داده پلتفرم با ارتقاء اروپا (Europa) به‌طور قابل توجهی افزایش یافت که یک موتور یکپارچه‌سازی داده جدید و قدرتمندتر و معماری پلتفرم زیربنایی را معرفی کرد.[23]

ج. آنتولوژی پالانتیر: قلب معنایی گاتهام

مهم‌ترین جزء معماری پلتفرم‌های پالانتیر، آنتولوژی (Ontology) است. این بسیار فراتر از یک شمای داده ساده است؛ این قلب معنایی سیستم است، یک چارچوب پویا که دارایی‌های دیجیتال خام را به همتایان واقعی خود متصل می‌کند.[24, 25] آنتولوژی به‌عنوان یک «دوقلوی دیجیتال» از یک سازمان عمل می‌کند و یک مدل مفهومی ایجاد می‌کند که همه چیز را از دارایی‌های فیزیکی (کارخانه‌ها، تجهیزات، وسایل نقلیه) تا مفاهیم انتزاعی (سفارشات مشتری، تراکنش‌های مالی، اهداف اطلاعاتی) نشان می‌دهد.[22, 26] این لایه انتزاعی است که به تحلیلگران و مدل‌های هوش مصنوعی اجازه می‌دهد با مفاهیم معنادار کار کنند به جای اینکه در هزارتوی جداول و فایل‌های داده خام سرگردان باشند.[27]

آنتولوژی بر اساس یک مدل داده مبتنی بر شیء ساده اما قدرتمند ساخته شده است:

• اشیاء (Objects): این‌ها «اسم‌های» سازمان هستند—ظروف داده‌ای که یک نمونه خاص از یک چیز را نشان می‌دهają، مانند یک شخص، یک مکان، یک رویداد یا یک سند.[9, 28]
• ویژگی‌ها (Properties): این‌ها صفات یا مشخصات یک شیء هستند، مانند نام یک شخص، شماره دم یک هواپیما یا ارزش یک تراکنش.[9]
• روابط (Links): این‌ها ارتباطات بین اشیاء هستند که «فعل‌هایی» را نشان می‌دهają که نحوه تعامل اشیاء را تعریف می‌کنند، برای مثال، یک شخص `مالک` یک وسیله نقلیه است، یا یک پرواز `از` یک فرودگاه `حرکت کرده است`.[9]

این مدل در سه لایه متمایز اما به هم پیوسته ساختار یافته است:

1. لایه معنایی (The Semantic Layer): این طرح مفهومی است که معنای داده‌ها را تعریف می‌کند. این لایه با تعریف انواع اشیاء، ویژگی‌ها و پیوندهای موجود (مثلاً، چه چیزی یک «شخص» را از یک «مظنون» متمایز می‌کند)، یک واژگان مشترک و درک مشترکی از دامنه سازمان ایجاد می‌کند.[27, 29]
2. لایه جنبشی (The Kinetic Layer): این لایه مدل معنایی را با اتصال آن به منابع داده واقعی و زیربنایی عملیاتی می‌کند. این لایه داده‌های خام از پایگاه‌های داده، APIها و فایل‌ها را به اشیاء و ویژگی‌های مربوطه در آنتولوژی نگاشت می‌کند و خطوط لوله داده‌ای را که دوقلوی دیجیتال را با واقعیت همگام نگه می‌دارند، قدرت می‌بخشد.[29]
3. لایه پویا (The Dynamic Layer): این لایه رفتار و منطق را به آنتولوژی اضافه می‌کند. اینجاست که قوانین کسب‌وکار، سیاست‌های کنترل دسترسی و وضعیت‌های چرخه حیات شیء (مثلاً، انتقال یک پرونده از «باز» به «بسته») تعریف و اجرا می‌شوند و آنتولوژی را به یک سیستم فعال و قابل کنترل تبدیل می‌کنند.[29]

کل این ساختار توسط مجموعه‌ای از میکروسرویس‌های بک‌اند، از جمله سرویس فراداده آنتولوژی (OMS) که تعاریف را مدیریت می‌کند؛ پایگاه‌های داده شیء (مانند Phonograph قدیمی و Object Storage V2 نسل بعدی) که داده‌های شیء را برای جستجوی سریع ایندکس و ذخیره می‌کنند؛ سرویس مجموعه شیء (OSS) که درخواست‌های خواندن را سرویس می‌دهد؛ و قیف داده شیء (Object Data Funnel) که نوشتن داده‌ها را از منابع مختلف به آنتولوژی هماهنگ می‌کند، قدرت می‌گیرد.[24] آنتولوژی سیستم عصبی مرکزی پلتفرم است، «سنگ روزتا» که تمام داده‌های ورودی را به یک زبان واحد و منسجم ترجمه می‌کند که هم انسان‌ها و هم ماشین‌ها می‌توانند آن را بفهمند، تحلیل کنند و بر اساس آن عمل کنند.

د. یکپارچه‌سازی Foundry-Gotham: یک آنتولوژی یکپارچه

همگرایی پلتفرم‌های دولتی و تجاری پالانتیر از نظر فنی از طریق آنتولوژی امکان‌پذیر می‌شود. فرآیندی به نام «نگاشت نوع» (type mapping) در اپلیکیشن Ontology Manager به یک آنتولوژی واحد و یکپارچه اجازه می‌دهد تا در هر دو محیط Foundry و Gotham به اشتراک گذاشته شود.[30] یک مدیر می‌تواند یک نوع شیء Foundry (مثلاً «محموله تدارکاتی») را به یک نوع مربوطه در Gotham نگاشت کند و دسته آن (مثلاً «رویداد») و ویژگی‌هایی را که باید به اشتراک گذاشته یا کپی شوند، مشخص کند.[30]

پس از تکمیل این نگاشت و زمانی که وضعیت نصب «Installation complete» (نصب کامل شد) را نشان می‌دهد، اپلیکیشن‌های Gotham می‌توانند مستقیماً داده‌ها و فراداده‌های شیء Foundry را از طریق سرویس مجموعه شیء (Object Set Service) جستجو کنند.[30] این یکپارچگی یکپارچه به این معنی است که داده‌های دریافت و پردازش شده در یک محیط Foundry می‌توانند بلافاصله برای تحلیل در مجموعه ابزارهای تخصصی Gotham در دسترس قرار گیرند و بالعکس. این یک ویژگی معماری حیاتی است که محو شدن استراتژیک خطوط تولید را نشان می‌دهد و اجازه می‌دهد قابلیت‌های توسعه‌یافته برای یک بخش در بخش دیگر نیز به کار گرفته شود. به عنوان مثال، یک شیء باید دارای ویژگی `geopoint` باشد تا بر روی نقشه Gaia در Gotham نمایش داده شود، که مستقیماً آنتولوژی انتزاعی را به جریان‌های کاری تحلیل مکانی مشخص پیوند می‌دهد.[30]

ه. امنیت و حاکمیت: یک ستون بنیادین

امنیت در اکوسیستم پالانتیر یک فکر ثانویه نیست، بلکه یک اصل معماری بنیادین است که برای شکست دادن دشمنان با منابع بالا طراحی شده است.[15] مدل امنیتی پلتفرم بر چندین ستون کلیدی بنا شده است:

• کنترل‌های دسترسی دقیق: لیست‌های کنترل دسترسی (ACLs) دقیق در هر لایه از پلتفرم اجرا می‌شوند. مجوزها می‌توانند بر اساس نقش کاربر، سطح طبقه‌بندی داده‌ها (مثلاً، نشانه‌گذاری برای CUI، PII یا طبقه‌بندی‌های امنیت ملی) و حتی محدودیت‌های مبتنی بر هدف یا زمان تعریف شوند.[1, 7, 31] این امر تضمین می‌کند که کاربران فقط می‌توانند داده‌هایی را که صراحتاً مجاز به دسترسی به آن‌ها هستند، ببینند و با آن‌ها تعامل داشته باشند.
• نسبت‌دهی و منشأ داده‌ها: یک فناوری اصلی، پایگاه داده بازبینی (Revisioning Database)، هر قطعه از اطلاعات در سیستم را ردیابی می‌کند—منبع آن، زمان ایجاد آن، چه کسی آن را ایجاد کرده و هر تغییری که در طول زمان ایجاد شده است.[9] این امر یک نسب‌نامه تغییرناپذیر و قابل ردیابی برای تمام داده‌ها ایجاد می‌کند که هم برای تحلیل مشارکتی و هم برای پاسخگویی ضروری است.
• حسابرسی جامع: تمام فعالیت‌های کاربر در پلتفرم در گزارش‌های حسابرسی دقیق و آنی ثبت می‌شود.[1, 7] این گزارش‌ها برای نهادهای نظارتی مجاز قابل دسترسی است تا اطمینان حاصل شود که داده‌ها به‌طور مناسب و مطابق با قوانین و سیاست‌های قابل اجرا استفاده می‌شوند.[7]
• رمزگذاری: تمام داده‌ها هم در حین انتقال، با استفاده از پروتکل‌های مدرن مانند TLS 1.2 با Perfect Forward Secrecy (PFS)، و هم در حالت استراحت، با استفاده از رمزگذاری کامل دیسک بر روی سخت‌افزار زیربنایی، به‌طور اجباری رمزگذاری می‌شوند.[1, 2, 15]
• سخت‌افزارسازی زیرساخت: برای استقرارهای SaaS مدیریت‌شده، پالانتیر از یک معماری امنیتی دفاع در عمق استفاده می‌کند که شامل یک مدل اعتماد صفر، فایروال‌های مبتنی بر میزبان و شبکه، سیستم‌های تشخیص نفوذ و فایروال‌های اپلیکیشن وب (WAFs) است.[1, 15]

این مدل امنیتی فراگیر برای امکان‌پذیر ساختن همکاری امن در محیط‌های امنیتی چندسطحی، از شبکه‌های غیرطبقه‌بندی‌شده تا فوق سری/SCI، طراحی شده است، در حالی که ابزارهای لازم برای حفاظت از حریم خصوصی و آزادی‌های مدنی را فراهم می‌کند.[2, 7]

جدول ۲: معماری فنی و مشخصات گاتهام. این جدول خلاصه‌ای مختصر از اجزای فنی کلیدی، استانداردها و نیازمندی‌های پلتفرم گاتهام را ارائه می‌دهد. داده‌ها از منابع [1, 2, 15, 18, 24, 30, 31] گرفته شده‌اند.

III. قابلیت‌های تحلیلی اصلی: از داده تا تصمیم

هنگامی که داده‌ها در آنتولوژی گاتهام یکپارچه و ساختاردهی شدند، پلتفرم مجموعه‌ای از اپلیکیشن‌های تحلیلی قدرتمند را ارائه می‌دهد که برای کمک به کاربران در حرکت از اطلاعات خام به بینش عملی و در نهایت، به تصمیم و اقدام طراحی شده‌اند. این ابزارها صرفاً برای کاوش منفعلانه داده‌ها نیستند؛ آن‌ها تعاملی، مشارکتی و به‌طور فزاینده‌ای با هوش مصنوعی آمیخته شده‌اند و برای تسریع کل چرخه اطلاعاتی در محیط‌های پرفشار طراحی شده‌اند. قابلیت‌های پلتفرم، پیاده‌سازی فناورانه مستقیم دکترین نظامی حلقه OODA (مشاهده، جهت‌گیری، تصمیم، اقدام) است که هدف آن کمک به کاربران برای «پیشی گرفتن از دشمن در تفکر و سرعت عمل» است.[32]

الف. تحلیل پیوند: اپلیکیشن Graph

Graph یکی از نمادین‌ترین و حیاتی‌ترین اپلیکیشن‌های بومی گاتهام است که یک فضای کاری تعاملی برای انجام تحلیل پیوند فراهم می‌کند.[9] این اپلیکیشن به‌عنوان ابزار اصلی هم برای کاوش شبکه‌های پیچیده و هم برای انتقال یافته‌های تحلیلی عمل می‌کند. در Graph، تحلیلگران می‌توانند اشیاء و روابط تعریف‌شده در آنتولوژی را تجسم کنند و یک «نمودار عنکبوتی» ایجاد کنند که ارتباطات پنهان بین افراد، سازمان‌ها، مکان‌ها و رویدادها را آشکار می‌سازد.[4, 9]

کاربران می‌توانند به‌صورت پویا یک نمودار پیوند را بسازند و گسترش دهند، با یک شیء واحد شروع کرده و از «جستجوهای پیرامونی» (Search Arounds) برای کشف و افزودن موجودیت‌های مرتبط از داده‌های زیربنایی استفاده کنند و به‌طور مؤثری در شبکه ارتباطات حرکت کنند.[33, 34] این رابط کاربری ابزارهای پیشرفته‌ای برای مدیریت این تحلیل فراهم می‌کند، از جمله توانایی فیلتر کردن نما بر اساس نوع شیء یا مقادیر ویژگی با استفاده از ابزار یکپارچه هیستوگرام، اعمال استایل سفارشی بر روی گره‌ها و یال‌ها برای برجسته کردن ویژگی‌های کلیدی (مثلاً، رنگ‌آمیزی یک پرواز به رنگ قرمز اگر وضعیت آن «لغو شده» باشد)، و ذخیره، بازیابی یا ادغام حالت‌های مختلف نمودار برای تحقیقات طولانی‌مدت.[33, 34] این قابلیت برای جریان‌های کاری تحقیقاتی پیچیده، مانند نقشه‌برداری از سلول‌های تروریستی یا ردیابی جریان‌های مالی غیرقانونی، ضروری است. این قابلیت‌ها مشابه آن‌هایی است که در اپلیکیشن Vertex در پلتفرم Foundry یافت می‌شود، که نشان‌دهنده یک رویکرد ثابت برای تحلیل شبکه در سراسر اکوسیستم پالانتیر است.[33, 35]

ب. تحلیل مکانی و زمانی: نقشه و سری‌های زمانی

گاتهام مجموعه‌ای قدرتمند و یکپارچه از ابزارها را برای تحلیل معنایی، زمانی و مکانی فراهم می‌کند.[36] اپلیکیشن بومی Map به‌عنوان رابط اصلی برای کارهای مکانی عمل می‌کند و به کاربران اجازه می‌دهد هر شیئی از آنتولوژی را که دارای ویژگی جغرافیایی است، تجسم کنند.[9, 30] تحلیلگران می‌توانند جستجوهای جغرافیایی انجام دهند، مسیرهای حرکت اشیاء را در طول زمان تجسم کنند و لایه‌های داده متنی مانند تصاویر ماهواره‌ای را برای ساخت یک تصویر عملیاتی مشترک غنی، روی هم قرار دهند.[9, 37]

قابلیت‌های پلتفرم در این حوزه با ارتقاء اروپا (Europa) به‌طور چشمگیری گسترش یافت، که نشان‌دهنده یک تغییر بنیادین برای گاتهام از ابزاری برای تحلیل گذشته‌نگر به یک سیستم همجوشی حسی و فرماندهی و کنترل آنی بود. بهبودهای کلیدی اروپا عبارتند از:

• یکپارچه‌سازی ویدئوهای تمام‌حرکت (FMV): این قابلیت به تحلیلگران اجازه می‌دهد تا اطلاعات از آنتولوژی و تشخیص‌های شیء مبتنی بر هوش مصنوعی را مستقیماً بر روی فیدهای ویدئویی زنده در زمان واقعی لایه‌بندی کنند.[38, 39] این قابلیت توسط یک سیستم داده مکانی-زمانی جدید با مقیاس بالا که برای مدیریت حجم عظیم داده‌های مربوطه طراحی شده است، پشتیبانی می‌شود.
• دسترسی از طریق مرورگر وب: اروپا قابلیت‌های اصلی گاتهام را مستقیماً از طریق مرورگر وب در دسترس قرار داد و دسترسی پلتفرم را به‌طور قابل توجهی گسترش داد و جریان‌های کاری جدیدی را در محیط‌های بیشتری نسبت به قبل امکان‌پذیر ساخت.[38]

تحلیل زمانی یک جزء کلیدی از این مجموعه است. پلتفرم یک گاه‌شماری کامل از تمام عملیات را حفظ می‌کند که امکان بررسی‌های غنی پس از عملیات را فراهم می‌کند و به فرماندهان اجازه می‌دهد تا تأثیرات اقدامات خود را در طول زمان درک کنند.[39] در ابزارهای تحلیلی مانند Graph و Map، کاربران می‌توانند از یک پنل انتخاب زمان برای «پیمایش» در یک خط زمانی استفاده کنند و به‌صورت پویا تجسم کنند که چگونه ویژگی‌های اشیاء، روابط و رویدادها در نقشه تغییر و تکامل می‌یابند.[33] این ترکیب از تحلیل مکانی و زمانی به کاربران اجازه می‌دهد نه تنها ببینند چیزها کجا هستند، بلکه توالی و ریتم رویدادها را نیز در حین وقوع درک کنند.

ج. یکپارچه‌سازی هوش مصنوعی و یادگیری ماشین

گاتهام از همان ابتدا به‌عنوان یک «سیستم‌عامل آماده برای هوش مصنوعی» طراحی شد که از هوش مصنوعی برای حل چالش‌های حیاتی استفاده می‌کند.[10, 11] این پلتفرم زیرساخت لازم برای استقرار، آموزش و ارزیابی مدل‌های یادگیری ماشین در مقیاس بزرگ را فراهم می‌کند و از آن‌ها برای تشخیص الگوها، اشیاء و رویدادها در طیف گسترده‌ای از انواع داده‌ها—از متن و تصاویر ماهواره‌ای گرفته تا صدا و ویدئو—استفاده می‌کند.[7, 38]

نسخه اروپا چندین ماژول خاص مبتنی بر هوش مصنوعی را معرفی کرد، مانند یک ابزار تحلیل صوتی که قادر به رونویسی، ترجمه و استخراج خودکار موجودیت‌های نام‌گذاری‌شده (مانند افراد یا مکان‌ها) از هزاران ساعت محتوای صوتی است.[38] یک جنبه حیاتی از استراتژی پالانتیر، رویکرد باز آن به هوش مصنوعی است؛ پلتفرم طوری طراحی شده است که به مشتریان اجازه دهد به راحتی مدل‌های هوش مصنوعی/یادگیری ماشین خود یا شخص ثالث را یکپارچه کنند و اطمینان حاصل شود که می‌توانند از بهترین ابزار برای یک کار خاص استفاده کنند به جای اینکه به مدل‌های اختصاصی پالانتیر محدود شوند.[38]

کل این مجموعه قابلیت‌ها اکنون توسط پلتفرم هوش مصنوعی پالانتیر (AIP) تقویت می‌شود. AIP چارچوب کلی برای فعال‌سازی هوش مصنوعی مولد قدرتمند، مانند مدل‌های زبان بزرگ (LLMs)، بر روی داده‌های خصوصی و حساس یک سازمان را فراهم می‌کند.[11, 16] گاتهام و فاندری بنیاد داده امن و ساختاریافته (آنتولوژی) را فراهم می‌کنند، در حالی که AIP رابط کاربری و، به‌طور حیاتی، مکانیسم‌های ایمنی برای کنترل هوش مصنوعی را ارائه می‌دهد. پنل کنترل AIP به سازمان‌ها اجازه می‌دهد تا حفاظ‌های سختگیرانه‌ای را ایجاد کنند و مشخص کنند که یک مدل هوش مصنوعی به کدام داده‌ها می‌تواند دسترسی داشته باشد، مجاز به توصیه یا اجرای کدام اقدامات است و چه سطحی از نظارت انسان-در-حلقه برای وظایف خاص مورد نیاز است.[40, 41] این امر به یک اپراتور نظامی، برای مثال، اجازه می‌دهد تا از طریق یک چت‌بات زبان طبیعی با سیستم برای برنامه‌ریزی یک مأموریت تعامل داشته باشد، در حالی که پاسخ‌ها و اقدامات هوش مصنوعی توسط قوانین از پیش تأیید شده کنترل و برای حسابرسی کامل ثبت می‌شوند.[14, 40]

د. همکاری و گزارش‌دهی

یک اصل طراحی اصلی گاتهام، شکستن سیلوهای اطلاعاتی و تقویت همکاری است که به کاربران و تیم‌ها اجازه می‌دهد داده‌ها، تحلیل‌ها و بینش‌ها را به اشتراک بگذارند تا یک دارایی دانش سازمانی ترکیبی ایجاد کنند.[2, 7] ارتقاء اروپا ابزارهای جدیدی مانند چت یکپارچه و اسلایدهای مشارکتی را برای ساده‌سازی کار تیمی زنده و همزمان با استفاده از داده‌ها و مصنوعات آنی از فضای کاری گاتهام معرفی کرد.[38]

این پلتفرم شامل یک اپلیکیشن داشبورد است که به‌عنوان صفحه اصلی تحلیلگر عمل می‌کند. از اینجا، کاربران می‌توانند تحقیقات در حال انجام را مدیریت کنند و، مهم‌تر از آن، جستجوهای پایدار بسازند—جستجوهایی که به‌طور مداوم در برابر مخزن داده سازمانی اجرا می‌شوند و با دریافت اطلاعات جدید، نتایج را به‌طور خودکار به‌روز می‌کنند.[9] این فرآیند نظارت بر اطلاعات جدید مرتبط با حوزه مسئولیت یک تحلیلگر را خودکار می‌کند.

برای انتشار یافته‌ها، گاتهام دارای ابزارهای تولید گزارش خودکار است. این ابزارها می‌توانند به سرعت حالت‌های کلیدی تحقیق، مانند نماهای مهم نمودار یا عکس‌های نقشه، را در یک فرمت ارائه مانند پاورپوینت جمع‌آوری کنند.[9] نکته مهم این است که این گزارش‌ها می‌توانند نه تنها نتایج تحلیلی نهایی، بلکه مسیر تحلیلی و منابع داده‌ای را که به آن‌ها منجر شده‌اند نیز نمایش دهند و شفافیت ایجاد کرده و اعتماد به محصول اطلاعاتی را افزایش دهند.[9]

IV. استقرارها و موارد استفاده: گاتهام در دنیای واقعی

قابلیت‌های انتزاعی پالانتیر گاتهام به بهترین شکل از طریق کاربرد آن در سناریوهای مشخص و پرخطر قابل درک است. برای نزدیک به دو دهه، این پلتفرم توسط دولت‌ها در سراسر جهان مستقر شده و از یک ابزار تخصصی ضد تروریسم به یک سیستم‌عامل چند دامنه‌ای برای اطلاعات، دفاع و امنیت داخلی تکامل یافته است. موارد استفاده آن یک الگوی واضح و اغلب بحث‌برانگیز را نشان می‌دهد: فناوری‌ها و روش‌هایی که در میدان‌های نبرد خارجی تقویت شده‌اند، اغلب برای اجرای قانون داخلی و کنترل مهاجرت مورد استفاده مجدد قرار می‌گیرند و سؤالات عمیقی را در مورد انتقال نظارت درجه نظامی به زندگی غیرنظامی مطرح می‌کنند.

الف. اطلاعات و مبارزه با تروریسم: مأموریت بنیان‌گذار

عملکرد اصلی و همچنان اولیه گاتهام، خدمت به جامعه اطلاعاتی است.[7, 42] این پلتفرم برای کمک به آژانس‌هایی مانند سیا و شرکای آن در پیمان پنج چشم (Five Eyes) برای یکپارچه‌سازی چشم‌اندازهای داده‌ای وسیع و پراکنده خود و دفاع در برابر طیف گسترده‌ای از تهدیدات امنیت ملی، از جمله تروریسم، حملات سایبری پیچیده، کمپین‌های اطلاعات نادرست خارجی و شورش‌ها ساخته شده است.[2, 7]

موفقیت پلتفرم در این حوزه بر اساس توانایی آن در یافتن «سوزن‌ها در هزاران انبار کاه» بنا شده است.[12] موارد استفاده اولیه و قابل توجه شامل کمک به نیروهای نظامی ایالات متحده در عراق و افغانستان با نقشه‌برداری از شبکه‌های پیچیده اجتماعی و لجستیکی سازندگان بمب و شورشیان بود که امکان هدف‌گیری دقیق‌تر را فراهم می‌کرد و به محافظت از سربازان در برابر بمب‌های دست‌ساز (IEDs) کمک می‌کرد.[12] این صلاحیت اصلی—یکپارچه‌سازی نقاط داده پراکنده مانند سوابق تلفن همراه، تراکنش‌های مالی و گزارش‌های خبرچینان برای کشف الگوهای پنهان—سنگ بنای مشارکت‌های طولانی‌مدت پالانتیر با جامعه اطلاعاتی ایالات متحده و متحدانش بوده است.[14, 26]

ب. عملیات دفاعی: زنجیره کشتار مبتنی بر هوش مصنوعی

در بخش دفاعی، گاتهام فراتر از یک ابزار تحلیل ساده تکامل یافته و به چیزی تبدیل شده است که برخی آن را یک ارائه‌دهنده زیرساخت حیاتی برای جنگ مدرن می‌دانند.[21] این پلتفرم عمیقاً در تقریباً تمام حوزه‌های مأموریتی ارتش ایالات متحده تعبیه شده و در شبکه‌های طبقه‌بندی‌شده امن تا سطح فوق سری/SCI برای پشتیبانی از عملیات‌های چند دامنه‌ای مستقر شده است.[32, 43, 44]

یک کاربرد اصلی در این حوزه، فعال‌سازی یک «زنجیره کشتار مبتنی بر هوش مصنوعی» است، مفهومی که به آن ISTAR (اطلاعات، نظارت، کسب هدف و شناسایی) نیز گفته می‌شود.[45] این یک ویژگی واحد نیست، بلکه یک فرآیند پیچیده و سرتاسری است که از هوش مصنوعی برای کاهش چشمگیر زمان بین شناسایی یک تهدید و اقدام علیه آن استفاده می‌کند. این فرآیند، همانطور که توسط گاتهام تسهیل می‌شود، به‌طور کلی شامل مراحل زیر است:

1. یکپارچه‌سازی و همجوشی: پلتفرم جریان‌های عظیمی از داده‌ها را از حسگرهای متنوع—از جمله تصاویر ماهواره‌ای، فیدهای ویدئویی پهپادها، اطلاعات سیگنالی (SIGINT) و گزارش‌های زمینی—دریافت و در یک تصویر عملیاتی مشترک زنده همجوشی می‌کند.[39, 45, 46]
2. شناسایی هدف: الگوریتم‌های هوش مصنوعی و یادگیری ماشین این داده‌های همجوشی‌شده را تحلیل می‌کنند تا به‌طور خودکار اهداف بالقوه را شناسایی کنند. به عنوان مثال، یک الگوریتم یادگیری عمیق می‌تواند برای تشخیص یک مرکز فرماندهی و کنترل دشمن از روی تصاویر ماهواره‌ای یا ارتباط یک سیگنال خاص با یک مکان فیزیکی تقریباً به‌صورت آنی آموزش ببیند، کاری که انجام آن برای یک انسان در مقیاس بزرگ غیرممکن است.[47]
3. توصیه مسیر اقدام: پس از شناسایی یک هدف، مدل‌های هوش مصنوعی پلتفرم می‌توانند دارایی‌های موجود را تحلیل کرده و «بهترین گزینه موجود» را برای درگیری با هدف پیشنهاد دهند. این شامل «جفت‌سازی هدف-عامل اثرگذار»—تطبیق یک هدف با مناسب‌ترین سیستم تسلیحاتی بر اساس برد، قابلیت‌ها و قوانین درگیری—می‌شود.[47, 48]
4. تصمیم انسان-در-حلقه: پالانتیر به‌طور مداوم تأکید می‌کند که سیستم نیازمند یک اپراتور انسانی برای تصمیم‌گیری نهایی در مورد استفاده از نیروی کشنده است.[14, 40, 47] توصیه هوش مصنوعی به یک فرمانده انسانی ارائه می‌شود که باید قبل از هرگونه «اقدام جنبشی» مجوز صادر کند.
5. بازخورد و یادگیری: پس از انجام اقدام، نتایج—ارزیابی خسارت نبرد—به سیستم بازخورد داده می‌شود. این یک حلقه بازخورد مستمر ایجاد می‌کند که به مدل‌های هوش مصنوعی اجازه می‌دهد عملکرد خود را در طول زمان یاد بگیرند و بهبود بخشند.[39, 47]

این زنجیره کشتار با کمک هوش مصنوعی در برنامه‌های نظامی بزرگ ایالات متحده، مانند ایستگاه زمینی TITAN ارتش (گره دسترسی به هدف‌گیری اطلاعات تاکتیکی)، یک پلتفرم هوش مصنوعی متحرک برای تصمیم‌گیری در میدان نبرد، و سیستم هوشمند Maven، که از تمرکز اولیه پروژه Maven بر تحلیل تصاویر پهپاد تکامل یافته است، پیاده‌سازی می‌شود.[6, 21, 32, 49] این فناوری همچنین به‌طور مشهور توسط ارتش اوکراین در دفاع از خود در برابر روسیه مستقر شده و گزارش شده است که توسط نیروهای دفاعی اسرائیل در عملیات خود در غزه نیز استفاده می‌شود.[14, 45, 46]

در حالی که «انسان-در-حلقه» به‌عنوان یک حفاظ اخلاقی حیاتی ارائه می‌شود، پیاده‌سازی آن سؤالات پیچیده‌ای را مطرح می‌کند. در یک محیط جنگی پر استرس و حساس به زمان، اپراتوری که با یک «بهترین گزینه» واحد و مشتق از الگوریتم از سیستمی که داده‌ها را با سرعتی فراتر از توانایی انسان پردازش می‌کند، مواجه می‌شود، ممکن است سوگیری اتوماسیون شدیدی را تجربه کند. فشار روانی برای اعتماد به توصیه ماشین می‌تواند بسیار زیاد باشد و به‌طور بالقوه نقش انسان را به یک تأییدکننده رویه‌ای به جای یک عامل اخلاقی واقعی کاهش دهد. این دینامیک پوشش قانونی و اخلاقی فراهم می‌کند اما ممکن است این واقعیت را پنهان کند که تأثیر هوش مصنوعی بر تصمیم، بسیار زیاد است.

ج. اجرای قانون داخلی و پلیس پیش‌بینی‌کننده

همان قابلیت‌های تحلیلی قدرتمندی که برای اطلاعات و دفاع خارجی توسعه یافته‌اند، به آژانس‌های اجرای قانون داخلی نیز بازاریابی و فروخته شده‌اند. گاتهام برای تحلیل شبکه تحقیقاتی پیچیده استفاده می‌شود و به ادارات پلیس در اتصال سرنخ‌های پراکنده در پرونده‌های جنایی کمک می‌کند.[2] این پلتفرم همچنین در اروپا، به عنوان مثال، به‌عنوان بخشی از پروژه POL-INTEL پلیس ملی دانمارک برای پیش‌بینی و پیشگیری از جرم مستقر شده است.[5]

یکی از بحث‌برانگیزترین کاربردهای داخلی، «پلیس پیش‌بینی‌کننده» است، روشی که از داده‌های تاریخی جرم و سایر منابع داده برای پیش‌بینی مکان‌هایی که احتمال وقوع جرم در آن‌ها بیشتر است یا شناسایی افرادی که در معرض خطر بالای درگیری در خشونت‌های آینده، چه به‌عنوان مجرم و چه به‌عنوان قربانی، قرار دارند، استفاده می‌کند.[14, 26, 50] علاوه بر این، پلتفرم‌های پالانتیر به‌طور گسترده توسط مقامات مهاجرتی ایالات متحده، از جمله اداره مهاجرت و گمرک (ICE)، برای انجام «تحلیل کامل هدف» استفاده شده‌اند و به مأموران در مکان‌یابی، دستگیری و اخراج مهاجران غیرقانونی با پیوند دادن مجموعه داده‌های وسیعی از اطلاعات شخصی کمک می‌کنند.[6, 26, 51, 52, 53] این امر به یک ابتکار داده فدرال بحث‌برانگیز، که توسط گاتهام قدرت می‌گیرد، منجر شده است که هدف آن پیوند دادن سوابق حساس از IRS، اداره تأمین اجتماعی و پایگاه‌های داده مهاجرت برای شناسایی کلاهبرداری‌های بالقوه و شناسایی افراد «پرخطر» است.[54, 55]

د. مطالعه موردی: برنامه پلیس پیش‌بینی‌کننده نیواورلئان (۲۰۱۲-۲۰۱۸)

استقرار گاتهام در نیواورلئان به‌عنوان یک مطالعه موردی برجسته از کاربرد داخلی پلتفرم و جنجال‌های اخلاقی که برمی‌انگیزد، عمل می‌کند.

• پیاده‌سازی: از سال ۲۰۱۲، پالانتیر وارد یک مشارکت با اداره پلیس نیواورلئان (NOPD) شد که عمداً از دید عموم و حتی شورای شهر مخفی نگه داشته شد.[56, 57] این توافق به‌عنوان یک هدیه بشردوستانه از یک سازمان غیرانتفاعی مرتبط با مشاور پولی پالانتیر، جیمز کارویل (James Carville)، چارچوب‌بندی شد، مانوری که به آن اجازه داد فرآیند تدارکات عمومی استاندارد و نظارتی را که با آن همراه بود، دور بزند.[56, 57, 58]
• روش‌شناسی: این برنامه از موتور تحلیلی گاتهام برای دریافت و اتصال داده‌ها از انواع پایگاه‌های داده NOPD، از جمله سوابق کیفری، وابستگی‌های باندی، فعالیت‌های رسانه‌های اجتماعی و «کارت‌های مصاحبه میدانی» بحث‌برانگیز که برخوردهای پلیس با شهروندان را حتی در صورت عدم دستگیری ثبت می‌کرد، استفاده کرد.[56, 57, 58] با استفاده از تحلیل شبکه اجتماعی—همان تکنیکی که برای نقشه‌برداری از شبکه‌های شورشیان در عراق استفاده می‌شد—سیستم یک «پایگاه داده ارزیابی ریسک» یا «لیست هدف» از تقریباً ۳۹۰۰ نفر از ساکنان نیواورلئان ایجاد کرد که به‌صورت الگوریتمی مشخص شده بود در بالاترین خطر ارتکاب یا قربانی شدن در خشونت با اسلحه قرار دارند.[56, 57] این لیست سپس برای هدف قرار دادن افراد برای برنامه «CeaseFire» شهر استفاده شد که ترکیبی از ارائه خدمات اجتماعی با تهدید به حداکثر پیگرد قانونی برای جرایم آینده بود.[56, 58]
• جنجال و نگرانی‌های اخلاقی: این برنامه پس از افشاگری توسط گزارش‌های تحقیقی The Verge، با انتقادات شدیدی مواجه شد.[57] نگرانی‌های اخلاقی اصلی سه‌گانه بودند: استفاده از نظارت انبوه بر شهروندان بدون اطلاع یا رضایت آن‌ها؛ پتانسیل بالای سوگیری الگوریتمی، زیرا سیستم بر روی داده‌های تاریخی پلیس آموزش دیده بود که شناخته شده بود سوگیری‌های نژادی موجود در پلیس را منعکس و تقویت می‌کند؛ و فقدان کامل شفافیت و پاسخگویی عمومی.[57, 58] این پنهان‌کاری همچنین به این معنی بود که وکلای مدافع افرادی که توسط برنامه هدف قرار گرفته بودند، ممکن است از دسترسی به شواهد بالقوه تبرئه‌کننده در مورد نحوه شناسایی موکلانشان محروم شده باشند.[56]
• نتیجه: در پی اعتراضات عمومی پس از گزارش‌های رسانه‌ای، شهر نیواورلئان در مارس ۲۰۱۸ اعلام کرد که به مشارکت خود با پالانتیر پایان می‌دهد.[58] مزایای ملموس برنامه در کاهش جرم اثبات نشده بود و این ماجرا به یک داستان هشداردهنده در مورد مشکلات استقرار فناوری‌های نظارتی قدرتمند بدون نظارت دموکراتیک تبدیل شد.[58]

V. جنجال پالانتیر: بررسی اخلاقی، حقوقی و اجتماعی

پالانتیر گاتهام در کانون یک بحث شدید و مداوم در مورد نقش فناوری در حاکمیت، امنیت و جامعه مدنی قرار دارد. قدرت عظیم این پلتفرم برای جمع‌آوری و تحلیل داده‌ها، آن را به هدفی برای انتقادات مستمر از سوی حامیان حریم خصوصی، سازمان‌های حقوق بشری و حتی کارمندان خود تبدیل کرده است. این جنجال‌ها حاشیه‌ای بر کسب‌وکار پالانتیر نیستند؛ آن‌ها برای هویت آن بنیادین هستند و یک ریسک اعتباری و حقوقی قابل توجه و مداوم را نشان می‌دهند. هسته این بحث اغلب حول یک تنش اصلی می‌چرخد: دفاع پالانتیر مبنی بر اینکه صرفاً ابزارهای خنثی را فراهم می‌کند در مقابل استدلال منتقدان که ساخت ابزارهای نظارت و کنترل، شرکت را در استفاده از آن‌ها شریک جرم می‌کند.

الف. نظارت انبوه و «تور دیجیتال»

یکی از نگرانی‌های اصلی مطرح شده توسط منتقدان این است که فناوری پالانتیر زیرساخت بی‌سابقه‌ای را برای نظارت انبوه غیرنظامیان امکان‌پذیر می‌سازد. گزارش‌ها در مورد یک ابتکار بزرگ اشتراک‌گذاری داده فدرال، که توسط دولت ترامپ حمایت و توسط پلتفرم‌های پالانتیر قدرت می‌گیرد، پروژه‌ای را برای ساخت یک «پلتفرم داده متمرکز وسیع» توصیف می‌کنند که سوابق حساس از IRS، اداره تأمین اجتماعی، پایگاه‌های داده مهاجرت و سایر آژانس‌های کلیدی را به هم متصل می‌کند.[54, 55] هدف، استفاده از قدرت تحلیلی گاتهام برای پروفایل‌سازی رفتار، شناسایی کلاهبرداری و شناسایی افراد یا الگوهایی است که توسط سیستم پرخطر تلقی می‌شوند.[54]

گروه‌های آزادی‌های مدنی، از جمله اتحادیه آزادی‌های مدنی آمریکا (ACLU)، هشدار داده‌اند که چنین سیستمی می‌تواند به راحتی به یک «تور دیجیتال» تبدیل شود.[54] آن‌ها استدلال می‌کنند که بدون حفاظ‌های قانونی روشن و نظارت عمومی، این «پایگاه داده عظیم» می‌تواند برای اهداف سیاسی، نظارت هدفمند بر فعالان یا تسهیل سرکوب‌های تهاجمی مهاجرت، همگی خارج از چارچوب‌های سنتی دادرسی عادلانه، استفاده شود.[54, 59]

پاسخ پالانتیر: این شرکت با قاطعیت و به کرات این توصیفات را رد کرده است. در بیانیه‌های عمومی، پالانتیر اعلام کرده است که هیچ قراردادی برای ساخت یک «پایگاه داده اصلی کل دولت در مورد آمریکایی‌ها» وجود ندارد و چنین پروژه فرضی «اساساً با ارزش‌های پالانتیر در تضاد است».[60] دفاع اصلی شرکت این است که یک دلال داده نیست و داده‌های مشتریان خود را در اختیار ندارد یا کنترل نمی‌کند؛ بلکه نرم‌افزار آن به آژانس‌های دولتی کمک می‌کند تا اطلاعاتی را که از قبل به‌طور قانونی در اختیار دارند و نگهداری می‌کنند، بهتر درک و تحلیل کنند.[55, 60]

ب. سوگیری الگوریتمی و عدم شفافیت

استفاده از گاتهام در پلیس پیش‌بینی‌کننده به دلیل پتانسیل آن برای تداوم و حتی تقویت سوگیری‌های سیستمی، انتقادات شدیدی را به همراه داشته است. استدلال اصلی این است که اگر یک الگوریتم بر روی داده‌های تاریخی اجرای قانون—که اغلب سوگیری‌های تاریخی در شیوه‌های پلیسی را منعکس می‌کند—آموزش ببیند، ناگزیر آن سوگیری‌ها را یاد گرفته و بازتولید خواهد کرد.[14, 53] این می‌تواند به یک حلقه بازخورد تبعیض‌آمیز منجر شود که در آن پلیس به‌طور نامتناسبی به محله‌های اقلیت‌نشین اعزام می‌شود و منجر به دستگیری‌های بیشتر در آن مناطق می‌شود که به نوبه خود پیش‌بینی اولیه الگوریتم را «تأیید» می‌کند، پدیده‌ای که اغلب به‌عنوان «نژادپرستی ورودی، نژادپرستی خروجی» توصیف می‌شود.[50, 58]

یک انتقاد مرتبط و به همان اندازه قوی، «عدم شفافیت در عملیات» است.[50] از آنجا که نرم‌افزار و الگوریتم‌های پالانتیر اختصاصی هستند، عملکرد داخلی آن‌ها برای عموم یا در بسیاری از موارد، حتی برای مشتریانی که از آن‌ها استفاده می‌کنند، فاش نمی‌شود. این عدم شفافیت، حسابرسی مستقل سیستم‌ها را برای انصاف، دقت یا سوگیری تقریباً غیرممکن می‌سازد و سؤالات عمیقی را در مورد پاسخگویی در هنگام استفاده از فناوری در حوزه‌های حساسی مانند عدالت کیفری مطرح می‌کند.[50] این نگرانی توسط رگولاتورها نیز تکرار شده است؛ یک گزارش پنتاگون در سال ۲۰۲۳ اشاره کرد که سیستم هوشمند Maven، که از فناوری پالانتیر استفاده می‌کند، فاقد «کاهش سوگیری الگوریتمی» بود، یک پرچم قرمز قابل توجه برای قانون‌گذاران و نهادهای نظارتی.[49]

موضع پالانتیر: در مورد خاص برنامه نیواورلئان، مدیران پالانتیر اظهار داشتند که «الگوریتم‌های غیرشفاف، مدل‌های آماری، یادگیری ماشین یا هوش مصنوعی هرگز بخشی از این تلاش نبودند» و آن را به‌عنوان یک ابزار ساده‌تر برای جمع‌آوری داده و تحلیل شبکه اجتماعی چارچوب‌بندی کردند.[58] به‌طور کلی‌تر، اصول اخلاقی رسمی هوش مصنوعی شرکت، بر تصدیق محدودیت‌های فناوری و پایبندی به شیوه‌های صحیح علم داده تأکید دارد.[61] با این حال، شکاف مداوم بین این اصول اعلام‌شده و نتایج مستند استفاده از پلتفرم آن در برنامه‌های بحث‌برانگیز، یک تناقض اصلی را برجسته می‌کند که بی‌اعتمادی عمومی را تغذیه می‌کند.

ج. حقوق بشر و اجرای قوانین مهاجرت

مورد بررسی‌ترین رابطه پالانتیر با اداره مهاجرت و گمرک ایالات متحده (ICE) است. یک گزارش جامع در سال ۲۰۲۰ توسط عفو بین‌الملل به این نتیجه رسید که «ریسک بالایی وجود دارد که پالانتیر از طریق قراردادهای خود برای ارائه پلتفرم‌های مدیریت پرونده تحقیقاتی (ICM) و FALCON به ICE، در نقض جدی حقوق بشر مهاجران و پناه‌جویان مشارکت داشته باشد».[52]

این گزارش ادعا می‌کند که این فناوری برای عملیات ICE که منجر به جدایی خانواده‌ها و یورش‌های گسترده به محل کار شده است، «حیاتی برای مأموریت» بوده است.[52] گروه‌های فعال بخشی از کمپین #NoTechforICE از پالانتیر و سایر شرکت‌های فناوری خواسته‌اند تا کار خود را با ICE و گمرک و حفاظت مرزی (CBP) به‌طور کامل پایان دهند.[59] این جنجال همچنین باعث مخالفت‌های داخلی شده است و برخی از کارمندان پالانتیر در اعتراض به نقش شرکت در اجرای قوانین مهاجرت ایالات متحده و حمایت ادعایی آن از عملیات نظارتی در غزه، با استناد به «آسیب اخلاقی» استعفا داده‌اند.[49]

پاسخ پالانتیر: دفاع پالانتیر یک خط باریک در ساختار سازمانی ICE ترسیم می‌کند. این شرکت ادعا می‌کند که نرم‌افزار آن به بخش تحقیقات امنیت داخلی (HSI) ICE برای تحقیق در مورد فعالیت‌های جنایی فراملی (مانند قاچاق انسان و مواد مخدر) ارائه می‌شود و توسط بخش عملیات اجرایی و حذف (ERO)، که اجرای قوانین مهاجرت مدنی، از جمله اخراج‌ها را انجام می‌دهد، استفاده نمی‌شود.[52] با این حال، عفو بین‌الملل و ارزیابی‌های تأثیر حریم خصوصی دولت به شواهدی اشاره کرده‌اند که نشان می‌دهد داده‌ها و سیستم‌ها در بین بخش‌ها به اشتراک گذاشته و استفاده می‌شوند و تمیزی این تمایز را به چالش می‌کشند.[52] این دفاع «ابزار در مقابل سیاست»—که پالانتیر مسئول سیاست‌های مشتریان خود نیست—در قلب بن‌بست اخلاقی قرار دارد.

د. موضع رسمی پالانتیر در مورد اخلاق و آزادی‌های مدنی

در پاسخ به انتقادات مستمر، پالانتیر یک موضع عمومی پیچیده در مورد اخلاق و آزادی‌های مدنی ایجاد کرده است. این شرکت ادعا می‌کند که تعهد به حفاظت از حریم خصوصی یک باور بنیادین از اولین روزهای فعالیتش در زمینه مبارزه با تروریسم بوده است.[62] این شرکت یک تیم بین‌رشته‌ای حریم خصوصی و آزادی‌های مدنی (PCL) متشکل از مهندسان، وکلا و فیلسوفان تأسیس کرده و یک شورای مشاوران خارجی در زمینه حریم خصوصی و آزادی‌های مدنی را حفظ می‌کند.[62]

این شرکت یک رویکرد رسمی به اخلاق هوش مصنوعی را بر اساس چهار اصل کلیدی منتشر کرده است [61]:

1. تمرکز بر سیستم کاملاً یکپارچه، نه فقط ابزارهای تشکیل‌دهنده آن: تحقیق اخلاقی باید کل خط لوله داده-به-تصمیم را در نظر بگیرد، نه فقط یک الگوریتم جداگانه.
2. تصدیق محدودیت‌های فناوری: سیستم‌های هوش مصنوعی فرمالیسم‌های ریاضی هستند؛ آن‌ها قادر به تفکر، درک یا قضاوت اخلاقی نیستند.
3. حل نکردن مشکلاتی که نباید حل شوند: فناوران مسئولیت دارند ارزیابی کنند که آیا برخی مشکلات اجتماعی برای مداخله هوش مصنوعی اصلاً مناسب هستند یا خیر، به‌ویژه در جایی که خطر حلقه‌های بازخورد منفی یا تشدید تأثیرات نامتناسب وجود دارد.
4. پایبندی به بهترین شیوه‌های روش‌شناختی برای علم داده صحیح.

در مشارکت‌های سیاستی خود، پالانتیر از یک رویکرد متنی برای تنظیم هوش مصنوعی حمایت می‌کند و با تشکیل نهادهای حاکمیتی جدید و فراگیر مخالفت کرده و به جای آن از تقویت تخصص آژانس‌های موجود حمایت می‌کند.[8] این شرکت همچنین به‌طور مداوم این ایده را ترویج می‌کند که هوش مصنوعی باید هوش و عاملیت اخلاقی انسان را تقویت کند، نه جایگزین آن، به‌ویژه در کاربردهایی با پیامدهای قابل توجه برای زندگی افراد.[8]

جدول ۳: خلاصه نگرانی‌های اخلاقی و اقدامات کاهشی اعلام‌شده پالانتیر. این جدول انتقادات اخلاقی اصلی مطرح‌شده علیه پالانتیر را با پاسخ‌های رسمی و سیاست‌های اعلام‌شده شرکت در کنار هم قرار می‌دهد. داده‌ها از منابع [7, 8, 49, 50, 52, 53, 54, 55, 57, 58, 60, 61] گرفته شده‌اند.

VI. چشم‌انداز رقابتی و جایگاه در بازار

پالانتیر گاتهام در خلاء عمل نمی‌کند. این پلتفرم در یک بازار پیچیده و شلوغ برای نرم‌افزارهای تحلیل داده، اطلاعات و امنیت رقابت می‌کند. با این حال، مدل کسب‌وکار منحصربه‌فرد آن، ریشه‌دار بودن عمیق در میان مشتریان دولتی و تاکتیک‌های تهاجمی ورود به بازار، آن را به‌طور قابل توجهی از رقبایش متمایز می‌کند. درک جایگاه رقابتی آن نیازمند نگاهی فراتر از مقایسه ویژگی به ویژگی و تحلیل رویکرد استراتژیک آن برای برنده شدن و حفظ قراردادهای با ارزش بالا است. مزیت رقابتی اصلی پالانتیر نه در یک ویژگی فناورانه واحد و غیرقابل انکار، بلکه در توانایی آن برای ارائه یک تحول عملیاتی عمیقاً یکپارچه و همه‌جانبه از طریق ترکیبی از نرم‌افزار و خدمات نهفته است.

الف. رقبای مستقیم

در حالی که بسیاری از شرکت‌ها ابزارهای تحلیل داده ارائه می‌دهند، چند بازیگر کلیدی به‌طور مداوم به‌عنوان رقبای مستقیم یا جایگزین‌های گاتهام، به‌ویژه در بازارهای اصلی دولتی و امنیتی آن، قرار می‌گیرند.

• IBM i2 Analyst's Notebook: مجموعه i2 شرکت IBM که اغلب به‌عنوان یک رقیب قدیمی در نظر گرفته می‌شود، یک ابزار بنیادین در فضای تحلیل پیوند است.[63, 64] هم گاتهام و هم i2 داده‌های پراکنده را برای کمک به تحلیلگران در تجسم موجودیت‌ها و روابط دریافت می‌کنند. با این حال، ریشه‌های آن‌ها رویکردشان را مشخص می‌کند: i2 بر اساس جریان‌های کاری اجرای قانون بریتانیا ساخته شده است، در حالی که گاتهام از ابتدا برای نیازهای گسترده‌تر جامعه اطلاعاتی ایالات متحده طراحی شده است.[64] کاربران به‌طور کلی گاتهام را دارای یک رابط کاربری گرافیکی (GUI) مدرن‌تر و بصری‌تر می‌دانند، اگرچه برخی از متخصصان اطلاعاتی اظهار داشته‌اند که ابزارهای دیگر، مانند مجموعه JIEDDO ANTS، می‌توانند برای جستجوهای خاص دقیق‌تر و به‌موقع‌تر باشند.[65] یک تمایز کلیدی در شیوه‌های تجاری آن‌ها نهفته است. IBM به‌عنوان یک پیمانکار سنتی «پایبند به قوانین» دیده می‌شود، در حالی که پالانتیر یک روحیه تهاجمی‌تر و «سریع حرکت کن و ساختارها را بشکن» را نشان داده است، از جمله درگیر شدن در دعاوی حقوقی بر سر فرمت‌های فایل اختصاصی i2 و دور زدن رویه‌های تدارکات تثبیت‌شده.[64]
• BAE Systems (NetReveal): به‌عنوان یک پیمانکار دفاعی بزرگ، BAE Systems یک رقیب مستقیم در بخش دولتی و اطلاعاتی است. این دو شرکت برای قرارداد عظیم سیستم زمینی مشترک توزیع‌شده (DCGS-A) ارتش ایالات متحده با یکدیگر رقابت کردند، نبردی که پالانتیر در نهایت در مرحله نهایی برنده شد.[66, 67] پلتفرم NetReveal شرکت BAE یک پیشنهاد قوی است اما به‌طور محدودتری بر روی شناسایی کلاهبرداری سازمانی، مبارزه با پولشویی (AML) و انطباق متمرکز است و زیرمجموعه‌ای از قابلیت‌های تحلیلی گسترده‌تر و انعطاف‌پذیرتر گاتهام را نمایندگی می‌کند.[68, 69]
• Splunk: در بازار گسترده‌تر تحلیل داده و امنیت، Splunk یک نیروی غالب است، به‌ویژه در تحلیل عملیات فناوری اطلاعات (IOA) و مدیریت اطلاعات و رویدادهای امنیتی (SIEM).[70, 71] در حالی که هر دو پلتفرم قادر به پردازش حجم عظیمی از داده‌ها هستند، نقاط قوت اصلی آن‌ها متفاوت است. Splunk در دریافت و جستجوی جریان‌های عظیم داده‌های تولید شده توسط ماشین برای هوش عملیاتی و شناسایی تهدیدات امنیت سایبری برتری دارد.[71] در مقابل، پالانتیر در یکپارچه‌سازی انواع بسیار متنوعی از داده‌ها (ساختاریافته و بدون ساختار) در آنتولوژی یکپارچه خود برتری دارد و تحلیل جامع و تجسم داده قدرتمندی را امکان‌پذیر می‌سازد که فراتر از مدیریت گزارش‌ها می‌رود.[70, 71] مدل‌های قیمت‌گذاری نیز متفاوت هستند: هزینه Splunk اغلب به حجم داده‌های دریافتی در روز بستگی دارد که می‌تواند در مقیاس بزرگ بسیار گران شود، در حالی که پالانتیر به دلیل ارزش قرارداد اولیه بالا شناخته شده است اما می‌تواند با کاهش تلاش‌های توسعه سفارشی، به کارایی هزینه‌ای بلندمدت منجر شود.[71]
• سایر رقبا: این بازار شامل طیف وسیعی از بازیگران دیگر است. پلتفرم‌هایی مانند Alteryx و Tableau ابزارهای قدرتمند آماده‌سازی و تجسم داده را ارائه می‌دهند که عمدتاً برای بخش تجاری هستند، اما همپوشانی عملکردی با قابلیت‌های گاتهام دارند.[72] در زمینه تخصصی هوش تهدید، پلتفرم‌هایی مانند Recorded Future فیدهای اطلاعاتی مدیریت‌شده‌ای را ارائه می‌دهند که می‌توانند جایگزین یا مکملی برای قدرت تحلیلی خام گاتهام باشند.[73] در نهایت، شرکت‌های جدیدتری مانند DataWalk در حال ظهور هستند تا مستقیماً با گاتهام رقابت کنند و خود را به‌عنوان یک جایگزین مقرون‌به‌صرفه‌تر و در سطح سازمانی برای تحلیل پیوند و همجوشی داده معرفی می‌کنند.[34, 74]

ب. مدل کسب‌وکار: تعامل بالا و هزینه بالا

مدل کسب‌وکار پالانتیر یک تمایز کلیدی و یک مانع ورود قابل توجه برای رقبای آن است. این یک شرکت استاندارد نرم‌افزار به‌عنوان سرویس (SaaS) نیست. در عوض، از یک رویکرد مشاوره‌ای با تعامل بالا استفاده می‌کند که صدور مجوز نرم‌افزار را با خدمات حرفه‌ای عمیقاً تعبیه‌شده ترکیب می‌کند.[42]

سنگ بنای این مدل، «مهندس مستقر در میدان» (FDE) است.[16, 22] FDEها کارمندان بسیار ماهر پالانتیر هستند که در محل با مشتریان کار می‌کنند، اغلب برای سال‌ها. نقش آن‌ها درک سخت‌ترین مشکلات مشتری، سفارشی‌سازی پلتفرم گاتهام یا فاندری برای حل آن‌ها، ساخت خطوط لوله داده لازم و آموزش کاربران است. این امر تضمین می‌کند که فناوری عمیقاً در جریان‌های کاری عملیاتی اصلی مشتری یکپارچه شود.[21, 22]

در حالی که این مدل ارزش و وفاداری فوق‌العاده‌ای برای مشتری ایجاد می‌کند، همچنین منجر به قراردادهای بسیار بزرگ، چند میلیون یا حتی چند میلیارد دلاری و شهرت به‌عنوان یک راه‌حل ممتاز و گران‌قیمت می‌شود.[70, 74] این هزینه بالا آن را برای سازمان‌های کوچک‌تر غیرقابل دسترس می‌کند و چرخه‌های فروش طولانی و پیچیده‌ای را ایجاد می‌کند. با این حال، برای مشتریان هدف آن—آژانس‌های دولتی بزرگ و شرکت‌های Fortune 500—ارزش پیشنهادی یک تحول عملیاتی سرتاسری است، نه فقط یک قطعه نرم‌افزار. این امر هزینه‌های تعویض بسیار بالایی و وابستگی عملیاتی که قبلاً مورد بحث قرار گرفت را ایجاد می‌کند و یک خندق رقابتی قدرتمند را تشکیل می‌دهد.[42]

ج. جایگاه در بازار و استراتژی

پالانتیر گاتهام جایگاه غالبی در بازار خاص خود یعنی آژانس‌های دولتی، دفاعی و اطلاعاتی غربی دارد.[21, 42] در این عرصه، روابط طولانی‌مدت، طراحی امنیت-محور و مجوزهای امنیتی سطح بالای پرسنل آن، مزایای قدرتمندی هستند. استراتژی شرکت بر روی تضمین قراردادهای بزرگ، چندساله و تحویل نامحدود/مقدار نامحدود (IDIQ) با مشتریان اصلی مانند وزارت دفاع ایالات متحده متمرکز است. پیروزی‌های بزرگ، مانند سقف ۱.۳ میلیارد دلاری برای سیستم هوشمند Maven و چارچوب ۴۶۳ میلیون دلاری با فرماندهی عملیات ویژه ایالات متحده (USSOCOM)، یک پایه درآمدی پایدار و قابل پیش‌بینی را فراهم می‌کند.[21]

یک عنصر کلیدی و غیرمتعارف از استراتژی بازار پالانتیر، تمایل آن به استفاده از دعاوی حقوقی برای مختل کردن فرآیندهای تدارکات دولتی تثبیت‌شده است. برجسته‌ترین مثال، دعوای موفقیت‌آمیز آن در سال ۲۰۱۶ علیه ارتش ایالات متحده است.[66] ارتش قصد داشت سیستم DCGS-A خود را با استفاده از نرم‌افزار سفارشی بسازد و عملاً ارائه‌دهندگان تجاری را کنار بگذارد. پالانتیر شکایت کرد و استدلال کرد که قانون فدرال دولت را ملزم می‌کند که نرم‌افزارهای تجاری آماده (COTS) را در صورت وجود یک راه‌حل قابل دوام، در نظر بگیرد. دادگاه موافقت کرد و ارتش را مجبور به باز کردن رقابت کرد که پالانتیر در نهایت برنده آن شد.[64, 66] این استراتژی «دعوای حقوقی به‌عنوان ورود به بازار» نشان‌دهنده یک رویکرد تهاجمی است که آن را از پیمانکاران قدیمی که بیشتر به فعالیت در چارچوب قوانین موجود تدارکات دولتی عادت دارند، متمایز می‌کند.

جدول ۴: تحلیل رقابتی - گاتهام در مقابل جایگزین‌های کلیدی. این جدول مقایسه‌ای ساختاریافته از گاتهام را در برابر رقبای اصلی آن ارائه می‌دهد و تفاوت‌ها در مورد استفاده، نقاط قوت و مدل‌های کسب‌وکار را برجسته می‌کند. داده‌ها از منابع [21, 34, 63, 64, 66, 69, 70, 71, 74] گرفته شده‌اند.

VII. نتیجه‌گیری: آینده گاتهام و بهای علم مطلق

پالانتیر گاتهام به‌عنوان یک دستاورد عظیم در مهندسی داده و یک نیروی عمیقاً قطبی‌کننده در جامعه معاصر ایستاده است. این پلتفرم هم پتانسیل فوق‌العاده فناوری برای ایجاد نظم در هرج‌ومرج در خدمت امنیت ملی و هم خطرات عمیقی را که چنین قدرتی برای حریم خصوصی، آزادی‌های مدنی و پاسخگویی دموکراتیک ایجاد می‌کند، نمایندگی می‌کند. مسیر آینده این پلتفرم نه تنها توسط تکامل فناورانه آن، بلکه توسط توانایی آن—و توانایی جوامعی که از آن استفاده می‌کنند—برای مدیریت تنش پایدار بین امنیت و آزادی تعریف خواهد شد. تحلیلی از جایگاه استراتژیک آن، شرکتی با نقاط قوت قدرتمند، ضعف‌های قابل توجه، فرصت‌های وسیع و تهدیدات وجودی را آشکار می‌سازد.

الف. تحلیل SWOT

• نقاط قوت:
  • برتری فناورانه: معماری اصلی گاتهام، به‌ویژه مدل داده یکپارچه آنتولوژی، توانایی بی‌نظیری برای یکپارچه‌سازی و درک داده‌های پیچیده و پراکنده را فراهم می‌کند. این همچنان خندق فنی کلیدی آن است.[24, 27]
  • ریشه‌دار بودن عمیق در دولت: قراردادهای بلندمدت و چند میلیارد دلاری با آژانس‌های دفاعی و اطلاعاتی حیاتی، یک جریان درآمدی پایدار و قابل پیش‌بینی و موانع ورود بسیار بالایی را برای رقبا ایجاد می‌کند.[17, 21, 32]
  • مدل کسب‌وکار قدرتمند: مدل ترکیبی نرم‌افزار و خدمات، که بر مهندسان مستقر در میدان متمرکز است، وابستگی عملیاتی عمیق و سطحی از مشارکت با مشتری را ایجاد می‌کند که تکرار آن دشوار است.[21, 42]
  • برند امنیت-محور: در عصر تهدیدات سایبری فزاینده، شهرت گاتهام برای امنیت قوی و چندلایه، یک دارایی قدرتمند است، به‌ویژه برای مشتریانی که با حساس‌ترین داده‌ها سروکار دارند.[2, 43]
• نقاط ضعف:
  • هزینه و پیچیدگی بالا: قیمت ممتاز پلتفرم و پیچیدگی پیاده‌سازی آن، بازار قابل دسترس آن را به بزرگ‌ترین نهادهای دولتی و شرکت‌ها محدود می‌کند.[70, 71, 74]
  • سمیت اعتباری: جنجال‌های مداوم و مستند پیرامون نظارت، سوگیری الگوریتمی و کار آن با آژانس‌هایی مانند ICE، آسیب اعتباری قابل توجهی ایجاد می‌کند که می‌تواند بر فروش، مشارکت‌ها و استخدام تأثیر بگذارد.[50, 52, 53]
  • وابستگی به قراردادهای دولتی: بخش قابل توجهی از درآمد پالانتیر از مشتریان دولتی حاصل می‌شود و آن را در برابر تغییرات بادهای سیاسی، کاهش بودجه یا تغییرات در استراتژی تدارکات آسیب‌پذیر می‌کند.[42]
  • ریسک ریزش استعدادها: استعفاهای پر سر و صدای کارمندان به دلیل نگرانی‌های اخلاقی، نشان‌دهنده یک آسیب‌پذیری بالقوه در جذب و حفظ استعدادهای برتر مهندسی است که ممکن است نسبت به مأموریت و تأثیر شرکت محتاط باشند.[49]
• فرصت‌ها:
  • تبدیل شدن به سیستم‌عامل دفاعی غرب: با افزایش هزینه‌های دفاعی کشورهای متحد و تمرکز بر جنگ مبتنی بر هوش مصنوعی، گاتهام در موقعیت منحصربه‌فردی برای تبدیل شدن به سیستم‌عامل بالفعل برای مجتمع نظامی-صنعتی ایالات متحده و شرکای آن قرار دارد.[17, 21]
  • گسترش به بازارهای جدید: این شرکت فعالانه در حال پیشبرد کاربردهای گاتهام فراتر از پایگاه سنتی خود است و می‌تواند از برند امنیت-محور خود برای برنده شدن در قراردادهای بخش‌های تجاری حساس به داده مانند مالی و بهداشت و درمان استفاده کند.[42]
  • رهبری در هوش مصنوعی: با راه‌اندازی AIP، پالانتیر فرصت دارد تا بازار را در استقرار هوش مصنوعی مولد به‌صورت ایمن و مؤثر در محیط‌های سازمانی امن رهبری کند و فراتر از هیاهوی چت‌بات‌ها، ارزش عملیاتی واقعی ارائه دهد.[11, 40]
• تهدیدها:
  • موانع نظارتی و حقوقی: نگرانی فزاینده دو حزبی در مورد نظارت و سوگیری الگوریتمی می‌تواند منجر به افزایش نظارت رگولاتوری، الزامات شفافیت جدید یا حتی ممنوعیت کامل برخی فناوری‌ها، به‌ویژه در مناطق آگاه به حریم خصوصی مانند اروپا شود.[49, 53, 75] این شرکت همچنین با ریسک‌های مسئولیت حقوقی مواجه است اگر مشخص شود پلتفرم‌های آن اقدامات غیرقانونی دولت را امکان‌پذیر کرده‌اند.[49]
  • واکنش عمومی و سیاسی: فعالیت‌های مستمر و برداشت عمومی منفی می‌تواند دولت‌ها و شرکت‌ها را برای قطع روابط با پالانتیر تحت فشار قرار دهد و بر توانایی آن برای برنده شدن در قراردادهای جدید تأثیر بگذارد.[50, 59, 75]
  • رقابت فزاینده: در حالی که پالانتیر یک خندق قوی دارد، با رقابت از سوی غول‌های قدیمی مانند IBM، شرکت‌های داده چابک مانند Splunk و نسل جدیدی از استارت‌آپ‌های تخصصی هوش مصنوعی که ممکن است بتوانند راه‌حل‌های مقرون‌به‌صرفه‌تر یا از نظر اخلاقی قابل قبول‌تری ارائه دهند، مواجه است.[63, 71, 74]
  • نقض فاجعه‌بار داده‌ها: با توجه به حساسیت شدید داده‌های مدیریت‌شده توسط پلتفرم‌های آن، یک نقض امنیتی بزرگ یک تهدید وجودی خواهد بود و اعتمادی را که بنیاد کسب‌وکار آن است، از بین خواهد برد.[75]

ب. چشم‌انداز استراتژیک و توصیه‌ها

• برای سرمایه‌گذاران: پالانتیر یک سرمایه‌گذاری با رشد بالا، ریسک بالا و نوسان بالا را نمایندگی می‌کند. ریشه‌دار بودن عمیق گاتهام در عملکردهای حیاتی دولتی، یک پایه درآمدی بادوام و مقاوم در برابر رکود را فراهم می‌کند. با این حال، ارزش‌گذاری بالای آن بر اساس رشد عظیم و پایدار و توانایی آن برای گسترش ردپای تجاری خود استوار است. متغیر کلیدی برای ایجاد ارزش بلندمدت، ظرفیت آن برای مدیریت طوفان‌های اخلاقی و نظارتی فزاینده بدون منحرف کردن این مسیر رشد است. سرمایه‌گذاران باید تحولات نظارتی در ایالات متحده و اتحادیه اروپا، احساسات عمومی و موفقیت شرکت در تنوع‌بخشی به پایه درآمدی خود فراتر از قراردادهای دولتی بحث‌برانگیز را به دقت زیر نظر داشته باشند.
• برای سیاست‌گذاران و رگولاتورها: ظهور پلتفرم‌هایی مانند گاتهام نشان می‌دهد که چارچوب‌های نظارتی موجود برای نظارت بر سیستم‌های مدرن و مبتنی بر هوش مصنوعی حاکمیت، مجهز نیستند. نظارت باید فراتر از تمرکز محدود بر الگوریتم‌های فردی تکامل یابد تا کل سیستم داده-به-تصمیم را مورد توجه قرار دهد. گام‌های حیاتی شامل: الزام به شفافیت و حسابرسی‌های مستقل برای سیستم‌های پیش‌بینی‌کننده مورد استفاده در اجرای قانون و مدیریت مزایای اجتماعی؛ ایجاد قوانین روشن و الزام‌آور حقوقی برای اشتراک‌گذاری داده بین آژانس‌های دولتی؛ و ایجاد نهادهای نظارتی قوی و مستقل با تخصص فنی برای پاسخگو نگه داشتن هم آژانس‌های دولتی و هم پیمانکاران خصوصی آن‌ها است.
• برای رقبا: رقابت با گاتهام نیازمند یک استراتژی است که فراتر از تطبیق صرف ویژگی‌های آن می‌رود. یک حرکت متقابل موفق احتمالاً شامل یک رویکرد چندجانبه خواهد بود: توسعه یک روایت قانع‌کننده پیرامون مقرون‌به‌صرفه بودن و زمان سریع‌تر برای رسیدن به ارزش؛ حمایت از یک مدل باز بودن فناورانه واقعی که از وابستگی عملیاتی مدل FDE-محور پالانتیر اجتناب می‌کند؛ و مهم‌تر از همه، ساخت یک چارچوب اخلاقی قوی‌تر، قابل تأییدتر و شفاف‌تر که بتواند به‌عنوان یک تمایز روشن برای مشتریان ریسک‌گریز عمل کند.
• برای رهبران سازمانی و دولتی: تصمیم به اتخاذ پلتفرمی مانند گاتهام یک تدارکات فناوری ساده نیست؛ این یک تعهد بنیادین عملیاتی، فرهنگی و اخلاقی است. رهبران باید یک ارزیابی دقیق انجام دهند که قدرت تحلیلی عظیم و دستاوردهای بالقوه کارایی را در برابر هزینه‌های بالا، وابستگی عمیق و بلندمدت به یک فروشنده واحد و ریسک‌های اعتباری و حقوقی قابل توجه مرتبط با تاریخچه بحث‌برانگیز و عملیات جاری پالانتیر، بسنجند.

ج. کلام آخر: تنش پایدار

پالانتیر گاتهام محصول زمانه خود است، زاده تمایل به امنیت در عصر عدم قطعیت. این پلتفرم به وعده خود برای فراهم کردن دیدی خداگونه از چشم‌اندازهای داده‌ای پیچیده برای کاربرانش عمل کرده و به آن‌ها امکان می‌دهد ارتباطات و تصمیماتی را برقرار کنند که در غیر این صورت غیرممکن بود. با این کار، به ابزاری ضروری برای دولت مدرن در عملکردهای اطلاعاتی، دفاعی و اجرای قانون تبدیل شده است.

با این حال، این قدرت بهایی دارد. همان قابلیت‌هایی که گاتهام را در ردیابی تروریست‌ها بسیار مؤثر می‌سازد، می‌تواند به سمت داخل برای نظارت بر شهروندان چرخانده شود. الگوریتم‌هایی که تهدیدات را پیش‌بینی می‌کنند، می‌توانند سوگیری‌های اجتماعی را تقویت کنند. پنهان‌کاری که از امنیت ملی محافظت می‌کند، می‌تواند پاسخگویی دموکراتیک را از بین ببرد. گاتهام در این وضعیت تنش دائمی وجود دارد و به وجود خود ادامه خواهد داد. آینده آن، و آینده پلتفرم‌هایی مانند آن، یک مبارزه تعیین‌کننده در قرن بیست و یکم خواهد بود—آزمونی برای اینکه آیا دموکراسی‌های لیبرال می‌توانند قدرت «چشم همه‌بین» را به کار گیرند بدون اینکه همان ارزش‌هایی را که به دنبال محافظت از آن‌ها هستند، قربانی کنند.