تعطیلی شبکه ۲۰۰سایتی اخبار مبتنی بر هوش مصنوعی در آمریکا/ ماجرای استارتاپ اسرائیلی Prism چه بود؟

عصر ایران- شبکه Prism News که در مدت تنها چند ماه بیش از ۲۰۰ وب‌سایت خبری و موضوعی در سراسر آمریکا راه‌اندازی کرده بود، تعطیل شد؛ شبکه‌ای متعلق به یک استارتاپ فناوری اسرائیلی که با تکیه بر هوش مصنوعی، محتوای خبری را در مقیاسی گسترده تولید و بازتولید می‌کرد و نگرانی‌هایی درباره آینده رسانه‌های محلی، حقوق خبرنگاران و نقش سرمایه‌گذاران فناوری در صنعت خبر به وجود آورد.

به گزارش عصرایران، شبکه Prism News که بیش از ۲۰۰ وب‌سایت خبری و موضوعی با محوریت اخبار محلی و تخصصی در آمریکا راه‌اندازی کرده بود، پس از تنها چند ماه فعالیت تعطیل شد؛ شبکه‌ای که بخش عمده محتوای آن با استفاده از هوش مصنوعی تولید می‌شد و در برخی موارد، گزارش‌های منتشرشده توسط خبرنگاران واقعی را جمع‌آوری و با ساختاری جدید بازتولید می‌کرد.

ماجرا از تابستان ۲۰۲۶ و زمانی آغاز شد که رادیوی عمومی اینترلوچن (IPR) در میشیگان متوجه یک رسانه محلی شد که ظاهراً یک‌شبه در شمال این ایالت ظهور کرده بود؛ رسانه‌ای بدون تحریریه و خبرنگار شناخته‌شده که با این حال، به‌طور روزانه درباره رویدادها و مسائل محلی گزارش منتشر می‌کرد. بررسی‌های IPR و تحقیقات امیلی هورن (Emily Horne)، روزنامه‌نگار و نویسنده خبرنامه Spin Class، نشان داد این رسانه تنها یکی از حدود ۲۰۰ وب‌سایتی است که توسط شرکت فناوری اسرائیلی Prism News راه‌اندازی شده‌اند..

Prism News صدها وب‌سایت خبری و موضوعی در سراسر آمریکا راه‌اندازی کرده بود و از هوش مصنوعی برای تولید محتوای آنها استفاده می‌کرد.

بررسی‌های انجام‌شده درباره این شرکت نشان می‌دهد Prism News تنها یک پروژه کوچک برای آزمایش روزنامه‌نگاری با هوش مصنوعی نیست، بلکه بخشی از یک مدل جدید و بحث‌برانگیز در صنعت رسانه بود. مدلی که در آن هوش مصنوعی می‌تواند اطلاعات و گزارش‌های منتشرشده از سوی رسانه‌های مختلف را جمع‌آوری، پردازش و در قالب مطالب جدید بازتولید کند؛ آن هم با سرعت و مقیاسی که برای یک رسانه انسانی تقریباً غیرممکن است.

این شبکه که در مدت کوتاهی بیش از ۲۰۰ وب‌سایت ایجاد کرده بود، سرانجام پس از چند ماه فعالیت تعطیل شد. اما ماجرای Prism با تعطیلی این وب‌سایت‌ها تمام نشد؛ چرا که این پروژه پرسش‌های مهم‌تری درباره آینده رسانه‌های محلی، مالکیت محتوای خبری، نقش سرمایه‌گذاران فناوری و حتی ارزش داده‌هایی که چنین شبکه‌هایی می‌توانند جمع‌آوری کنند، ایجاد کرده است.

اتاق‌ خبربدون خبرنگار 

ماجرا از جایی آغاز شد که مکسول هاوارد(Maxwell Howard)، خبرنگار رادیوی عمومی اینترلوچن (Interlochen) در میشیگان، متوجه یک رسانه محلی جدید شد که ظاهراً یک‌شبه در منطقه ظهور کرده بود.

بررسی‌های او نشان داد این رسانه محلی در واقع بخشی از شبکه‌ای بسیار بزرگ‌تر است. Prism News حدود ۲۰۰ وب‌سایت خبری و موضوعی ایجاد کرده بود که ظاهری شبیه رسانه‌های محلی یا سایت‌های تخصصی داشتند.

این وب‌سایت‌ها مطالبی تولید می‌کردند که در نگاه اول شبیه گزارش‌های خبری واقعی بودند، اما بخش قابل توجهی از آنها با استفاده از هوش مصنوعی تولید می‌شد.

این مدل در ادبیات رسانه‌ای آمریکا به Pink Slime Journalism معروف است؛ اصطلاحی که برای توصیف شبکه‌هایی از وب‌سایت‌های ظاهراً خبری به کار می‌رود که حجم زیادی محتوای محلی تولید می‌کنند، اما الزاماً دارای تحریریه و خبرنگاران واقعی نیستند.

Prism از این جهت تفاوت مهمی با نمونه‌های قدیمی‌تر دارد: این شرکت به‌طور آشکار از هوش مصنوعی به‌عنوان بخش اصلی مدل تولید محتوای خود استفاده می‌کند.

این شرکت در ماه مه ۲۰۲۶ راه‌اندازی شد و دفتر مرکزی آن در تل‌آویو در اسرائیل قرار دارد. بنیان‌گذاران آن نیز برخلاف چیزی که ممکن است درباره یک شرکت رسانه‌ای انتظار داشته باشیم، سابقه روزنامه‌نگاری ندارند و از حوزه فناوری و استارتاپ آمده‌اند.

دکل والتزر(Dekel Valtzer)، مدیرعامل Prism Media، پیش از راه‌اندازی این شرکت یک کارآفرین حوزه فناوری بود و استارتاپ تجارت الکترونیکی Avo را تأسیس کرده بود. این شرکت بیش از ۹۰ میلیون دلار سرمایه جذب کرد، اما تنها حدود یک سال پس از آن بخش عمده فعالیت‌های خود را تعطیل کرد.

شریک او، ناداو کلینگر(Nadav Klinger)، نیز سابقه فعالیت به‌عنوان مهندس نرم‌افزار در چند شرکت فناوری اسرائیلی را دارد.

همین موضوع یکی از پرسش‌های اصلی درباره این پروژه است: چرا یک تیم کوچک فناوری اسرائیلی تصمیم گرفته است وارد صنعتی شود که حتی شرکت‌های باسابقه آمریکایی نیز سال‌هاست برای پیدا کردن مدل اقتصادی پایدار در آن مشکل دارند؟

کپی کاری نمی‌کنیم 

دنیل کورن (Daniel Koren)، مدیر توسعه و مشارکت‌های Prism، در پاسخ به پرسش‌های خبرنگاران گفته است این شرکت مطالب رسانه‌های دیگر را کپی و بازنشر نمی‌کند.

به گفته او، سیستم Prism از ابزارهای جست‌وجوی هوش مصنوعی دارای مجوز، اطلاعات عمومی و داده‌های منتشرشده از منابع متعدد استفاده می‌کند و سپس این اطلاعات را ترکیب کرده و مقاله‌ای جدید تولید می‌کند.

اما منتقدان می‌گویند مسئله دقیقاً همین‌جاست: اگر یک سیستم هوش مصنوعی گزارش‌های خبرنگاران را از منابع مختلف جمع‌آوری کند، آنها را بازپردازش کند و در نهایت مقاله‌ای تولید کند که برای همان مخاطب و همان بازار تبلیغاتی منتشر می‌شود، مرز میان «تولید محتوای جدید» و استفاده تجاری از کار دیگران کجاست؟

این پرسش زمانی جدی‌تر می‌شود که بدانیم نمونه‌هایی از خطاهای Prism صرفاً اشتباهات معمول هوش مصنوعی نبوده‌اند.

در یکی از موارد، Prism گزارشی را بر اساس مطلبی از رادیوی عمومی اینترلوچن تولید کرد که درباره نوجوانی بود که در یک مرکز نگهداری با اتهامات متعدد سوءاستفاده جنسی و جسمی مواجه شده بود.

رسانه اصلی برای حفاظت از قربانی، نام او را منتشر نکرده بود. اما نسخه تولیدشده توسط هوش مصنوعی Prism نام واقعی این نوجوان را منتشر کرد.

پس از تماس رسانه اصلی با Prism، نام قربانی از گزارش حذف شد، اما این شرکت توضیح روشنی درباره اینکه نام از کجا به دست آمده یا چرا سیستم آن را منتشر کرده است، ارائه نکرد.

این اتفاق نشان داد مشکل چنین سیستم‌هایی فقط «توهم هوش مصنوعی» یا خطاهای واقعی در اطلاعات نیست؛ مسئله مهم‌تر، حذف قضاوت انسانی از فرایند روزنامه‌نگاری است.

یک خبرنگار می‌داند که ممکن است نام یک قربانی در یک سند عمومی وجود داشته باشد، اما انتشار آن لزوماً به معنای درست یا اخلاقی بودن انتشار نام نیست. این تصمیم به تجربه، شناخت زمینه و مسئولیت حرفه‌ای نیاز دارد.

وقتی هوش مصنوعی کار خبرنگار را دوباره به خودش می‌فروشد 

یکی دیگر از نمونه‌های بحث‌برانگیز به آلن لایبوویتز (Allan Leibowitz)، روزنامه‌نگار استرالیایی و صاحب وب‌سایت تخصصی digitalDrummer مربوط می‌شود؛ رسانه‌ای که او از سال ۲۰۱۰ درباره تجهیزات و فناوری سازهای الکترونیک در آن می‌نویسد.

لایبوویتز زمانی با Prism آشنا شد که این شرکت برای او ایمیلی فرستاد و پیشنهاد کرد مطلبی را به مخاطبانش معرفی کند؛ مطلبی که در واقع نسخه بازتولیدشده یکی از گزارش‌های خود لایبوویتز توسط هوش مصنوعی Prism بود.

او بعدها با اشاره به طنز ماجرا گفت از او خواسته شده بود نسخه تولیدشده با هوش مصنوعی از مقاله خودش را به مخاطبان خودش معرفی کند.

بررسی‌های بعدی لایبوویتز نشان داد Prism بین ۱۰ مطلبی که digitalDrummer از ۱۰ ژوئن تا ۱۵ ژوئیه ۲۰۲۶ منتشر کرده بود، برای هشت مطلب محتوای مشابه تولید کرده است.

این مطالب فقط اطلاعیه‌های ساده محصولات نبودند، بلکه شامل مصاحبه‌های اختصاصی، مقالات ارسالی و نتایج آزمایش‌های تخصصی digitalDrummer نیز می‌شدند.

مشکل دیگر، دقت این بازتولیدها بود. در یکی از موارد، Prism با استفاده از اطلاعات مربوط به نسخه قدیمی یک جدول آزمایش، درباره سریع‌ترین و کندترین تجهیزات نتیجه‌گیری کرده بود؛ در حالی که رتبه‌بندی‌ها در نسخه جدید دیگر معتبر نبودند.

لایبوویتز همچنین معتقد بود نویسنده هوش مصنوعی اهمیت و محدودیت داده‌های آزمایش را درک نکرده است؛ داده‌هایی که او طی بیش از یک دهه به‌صورت مستقل جمع‌آوری کرده بود و معمولاً حتی شرکت‌های سازنده نیز آنها را منتشر نمی‌کنند.

این نمونه تفاوت مهمی میان روزنامه‌نگاری و بازتولید ماشینی اطلاعات را نشان می‌دهد. خبرنگار فقط داده جمع‌آوری نمی‌کند؛ بلکه در طول زمان تخصص، اعتبار، شناخت زمینه و ارتباط با منابع ایجاد می‌کند. این دانش زمینه‌ای چیزی نیست که الزاماً از بازنویسی چند متن موجود در اینترنت به دست بیاید.

لایبوویتز درباره پیامد این مدل برای رسانه‌های کوچک هشدار داده است: یک رسانه تخصصی ممکن است زمان و هزینه زیادی برای یافتن سوژه، انجام مصاحبه، آزمایش محصولات و ایجاد تخصص صرف کند، اما رسانه‌ای دیگر بتواند تقریباً بلافاصله محتوایی رقیب تولید کند و برای همان مخاطبان، ترافیک جست‌وجو و درآمد تبلیغاتی رقابت کند؛ بدون آنکه همان هزینه و زمان را صرف تولید دانش اولیه کرده باشد.

«AI Slop» در برابر روزنامه‌نگاری 

الکس مهادوان (Alex Mahadevan)، مدیر MediaWise و عضو هیئت علمی مؤسسه Poynter، ایده استفاده از هوش مصنوعی برای بازتولید و توزیع اخبار را برای بخشی از فعالان صنعت فناوری جذاب می‌داند.

با این حال، او درباره Prism معتقد است که این شرکت در وضعیت فعلی محصول قانع‌کننده‌ای ارائه نمی‌کند و بخش قابل توجهی از کاری را که پیش‌تر توسط روزنامه‌نگاران واقعی انجام شده، دوباره تولید می‌کند.

به گفته او، تصاویر و طراحی این وب‌سایت‌ها کیفیت پایینی دارند و تجربه کاربری آنها نیز چندان مطلوب نیست.

اما مسئله فقط کیفیت نیست. یک شبکه هوش مصنوعی که روزانه صدها مطلب تولید می‌کند، برای تولید این محتوا به اطلاعات و گزارش‌های اولیه نیاز دارد.

در این معنا، مدل Prism با یک تناقض اساسی روبه‌روست: هوش مصنوعی برای تولید انبوه خبر به روزنامه‌نگاری انسانی وابسته است. خبرنگاران واقعی گزارش می‌دهند، مصاحبه می‌کنند، اطلاعات را بررسی می‌کنند و برای یافتن جزئیات جدید وقت می‌گذارند؛ سپس سیستم‌های هوش مصنوعی می‌توانند از این مواد اولیه برای تولید محتوای جدید استفاده کنند.

اگر شبکه‌هایی مانند Prism بتوانند با هزینه بسیار پایین و در مقیاس گسترده، ترافیک و درآمد تبلیغاتی رسانه‌های محلی واقعی را از آنها بگیرند، در بلندمدت ممکن است منابع مالی رسانه‌هایی که محتوای اولیه را تولید می‌کنند نیز کاهش پیدا کند.

به بیان دیگر، مدلی که برای تولید محتوای خود به روزنامه‌نگاری انسانی وابسته است، در صورت موفقیت می‌تواند همان روزنامه‌نگاری را که به آن نیاز دارد تضعیف کند.

پول از کجا می‌آید؟ 

اما بخش دوم تحقیقات امیلی هورن درباره Prism پرسش بزرگ‌تری را مطرح می‌کند: چه کسی برای ساخت این شبکه پول داده و چرا؟

بر اساس اطلاعات Crunchbase، سرمایه‌گذار اصلی Prism Media، صندوق سرمایه‌گذاری خطرپذیر آمریکایی Flex Capital است؛ صندوقی که عمدتاً در شرکت‌های فناوری فعال در حوزه‌هایی مانند هوش مصنوعی، فین‌تک، نرم‌افزارهای سازمانی، سلامت و فناوری مصرف‌کننده سرمایه‌گذاری می‌کند.

سرمایه‌گذاری در Prism از معدود موارد مرتبط با صنعت رسانه در سبد این صندوق محسوب می‌شود.

سابقه برخی مدیران و بنیان‌گذاران شرکت‌های مورد حمایت Flex نیز قابل توجه است؛ شرکت‌هایی که بخش مهمی از فعالیت آنها بر جمع‌آوری، اتصال و تحلیل حجم عظیمی از داده‌های کاربران و سیگنال‌های دیجیتال استوار بوده است.

همین سابقه، این پرسش را مطرح می‌کند که آیا سرمایه‌گذاری در Prism صرفاً با هدف کسب درآمد تبلیغاتی از شبکه‌ای از رسانه‌های هوش مصنوعی انجام شده یا داده‌های حاصل از فعالیت این شبکه نیز بخشی از ارزش بالقوه آن برای سرمایه‌گذاران بوده است.

یک شبکه گسترده از وب‌سایت‌های محلی می‌تواند داده‌هایی درباره موضوعات مورد توجه مردم در مناطق مختلف، روایت‌هایی که بیشتر مورد استقبال قرار می‌گیرند و نحوه واکنش مخاطبان به محتوای مختلف تولید کند.

البته گزارش هورن تأکید می‌کند که شواهدی برای اثبات اینکه چنین داده‌هایی هدف اصلی سرمایه‌گذاری Flex بوده، در دست نیست. این موضوع در حد یکی از پرسش‌های مطرح‌شده درباره مدل کسب‌وکار Prism باقی مانده است.

Flex Capital نیز به پرسش‌های گزارشگر درباره جزئیات سرمایه‌گذاری در Prism و نحوه ارزیابی ریسک‌های حقوقی این پروژه پاسخ کاملی نداده است.

این ریسک‌ها تنها به مسئله کپی‌رایت محدود نمی‌شوند. انتشار اطلاعات نادرست، نقض حریم خصوصی و انتشار اطلاعات حساسی که در گزارش‌های اصلی عمداً حذف شده‌اند، از جمله مسائلی هستند که می‌توانند برای چنین شبکه‌ای تبعات حقوقی داشته باشند.

یک استارتاپ کوچک با اثرگذاری بزرگ 

در دنیای سرمایه‌گذاری خطرپذیر، سرمایه‌گذاری‌های کوچک روی استارتاپ‌هایی که ممکن است شکست بخورند، اتفاق عجیبی نیست.

اما فناوری هوش مصنوعی معادله را تغییر داده است.

به گفته مهادوان، ساخت شبکه‌ای در ابعاد Prism با ابزارهای امروزی شاید حتی زمان زیادی نیاز نداشته باشد. وقتی نرم‌افزارهای هوش مصنوعی می‌توانند بخش بزرگی از فرایند برنامه‌نویسی، طراحی سایت و تولید محتوا را انجام دهند، یک تیم بسیار کوچک می‌تواند شبکه‌ای متشکل از صدها وب‌سایت را راه‌اندازی کند.

بنابراین حتی اگر سرمایه‌گذاری انجام‌شده بسیار کوچک باشد، اثرگذاری آن می‌تواند بزرگ باشد.

یک رسانه محلی واقعی برای استخدام خبرنگار، پرداخت حقوق، تهیه گزارش، سفر، تحقیق، ویراستاری و بررسی صحت اطلاعات هزینه می‌کند. اما یک شبکه هوش مصنوعی می‌تواند با هزینه بسیار پایین‌تری حجم عظیمی از محتوا تولید کند.

این همان چیزی است که مدل Pink Slime را در عصر هوش مصنوعی نگران‌کننده‌تر می‌کند.

ورود نام پیتر تیل 

گزارش Spin Class همچنین به ارتباطات میان برخی مدیران Flex Capital و پیتر تیل (Peter Thiel)، سرمایه‌گذار مشهور فناوری، اشاره می‌کند.

آورن هافمن(Auren Hoffman)، یکی از چهره‌های مرتبط با Flex Capital، در کنار تیل یکی از بنیان‌گذاران یک شبکه خصوصی موسوم به Dialog است.

تیل نیز در سال‌های اخیر در حوزه رسانه‌های محلی آمریکا سرمایه‌گذاری کرده است، از جمله در شرکت State Affairs که برخلاف Prism از خبرنگاران انسانی استفاده می‌کند.

البته گزارش تأکید می‌کند که میان Prism و پروژه رسانه‌ای تیل تفاوت‌های مهمی وجود دارد و هیچ مدرکی ارائه نشده که نشان دهد تیل مستقیماً در Prism سرمایه‌گذاری کرده یا در تصمیم‌های آن نقش داشته است.

با این حال، سابقه سرمایه‌گذاری‌های سیاسی و رسانه‌ای تیل و ارتباط برخی سرمایه‌گذاران Prism با او، پرسش‌هایی را درباره آینده چنین شبکه‌هایی ایجاد می‌کند.

این پرسش به‌ویژه با توجه به سابقه Pink Slime Journalism در آمریکا اهمیت دارد. برخی شبکه‌های قدیمی‌تر از این نوع رسانه‌ها با سرمایه‌های سیاسی محافظه‌کارانه ایجاد شده‌اند و از ظاهر رسانه‌های محلی برای پیشبرد روایت‌های سیاسی استفاده کرده‌اند.

Prism تاکنون چنین گرایش سیاسی آشکاری نداشته است. اما منتقدان می‌گویند ماهیت شبکه‌های مبتنی بر هوش مصنوعی به آنها اجازه می‌دهد در صورت تغییر دستورالعمل‌ها یا اهداف صاحبانشان، لحن و جهت‌گیری محتوای خود را به‌سرعت تغییر دهند.

در نتیجه، پرسش فقط این نیست که چه کسی امروز این محتوا را تولید می‌کند؛ بلکه این است که چه کسی کنترل زیرساخت، داده‌ها و شبکه توزیع آن را در اختیار دارد.

روزنامه‌نگاری غیرانسانی 

یکی از عجیب‌ترین ویژگی‌های Prism این است که یک شرکت چهار نفره مستقر در تل‌آویو ادعا می‌کند درباره جوامع محلی در نقاط مختلف آمریکا محتوا تولید می‌کند.

این موضوع یک پرسش اساسی درباره مفهوم روزنامه‌نگاری محلی ایجاد می‌کند.

خبرنگار محلی فقط کسی نیست که بتواند نام یک خیابان یا مقام محلی را در اینترنت پیدا کند. او باید جامعه‌ای را که درباره آن گزارش می‌دهد بشناسد، منابعی داشته باشد که به او اعتماد کنند و پیامد گزارش خود را در همان جامعه ببیند.

هوش مصنوعی چنین رابطه‌ای ندارد.

خبرنگار ممکن است فردی را که درباره او گزارش می‌دهد در فروشگاه، مدرسه یا محله ببیند و در قبال نحوه روایت داستان او احساس مسئولیت کند. یک سیستم هوش مصنوعی چنین ارتباط انسانی و اجتماعی‌ای ندارد.

به همین دلیل، منتقدان Prism می‌گویند مسئله فقط این نیست که آیا متن تولیدشده از نظر دستوری و خبری قابل قبول است یا خیر؛ مسئله این است که چه کسی مسئولیت اخلاقی گزارش را بر عهده می‌گیرد؟

Prism News پس از چند ماه فعالیت، شبکه بیش از ۲۰۰ وب‌سایت خود را تعطیل کرد. سخنگوی این شرکت گفت بسیاری از وب‌سایت‌ها در عمل ترافیک بسیار کمی داشتند و برخی حتی هنوز توسط گوگل ایندکس نشده بودند.

ممکن است Prism صرفاً نمونه‌ای دیگر از استارتاپ‌هایی باشد که با وعده ایجاد تحول در یک صنعت، سرمایه جذب می‌کنند اما در نهایت شکست می‌خورند.

اما حتی در این صورت نیز تجربه Prism اهمیت خود را از دست نمی‌دهد.

زیرا فناوری مورد استفاده این شرکت از بین نرفته است. راه‌اندازی صدها وب‌سایت خبری با کمک ابزارهای هوش مصنوعی اکنون بسیار آسان‌تر از گذشته است و ممکن است شرکت‌های دیگری همین مدل را با هزینه کمتر و مقیاس بزرگ‌تر امتحان کنند.

از سوی دیگر، تجربه Prism نشان داد که تولید انبوه خبر توسط هوش مصنوعی می‌تواند پیامدهایی فراتر از انتشار چند متن بی‌کیفیت داشته باشد: از تصاحب محتوای خبرنگاران و رقابت نابرابر بر سر ترافیک گرفته تا انتشار اطلاعات حساس درباره قربانیان و ایجاد رسانه‌هایی که مخاطب ممکن است حتی نداند توسط چه کسی اداره می‌شوند.

در نهایت، پرسش اصلی شاید این نباشد که آیا Prism توانسته یک کسب‌وکار خبری سودآور بسازد یا نه. پرسش مهم‌تر این است که اگر چنین مدلی روزی موفق شود، چه چیزی از روزنامه‌نگاری باقی خواهد ماند؟

با این حال، تصور اینکه یک شبکه خبری مبتنی بر هوش مصنوعی مانند Prism بتواند به‌طور کامل جای روزنامه‌نگاری واقعی را بگیرد، دشوار است؛ اگر هیچ دلیل دیگری نداشته باشد، دست‌کم به این دلیل که چنین شبکه‌ای برای تولید محتوا به مطالبی برای استخراج و بازتولید نیاز دارد.

همان‌طور که لایبوویتز گفته  است: هوش مصنوعی نمی‌تواند چیزی را کشف کند که از قبل در اینترنت وجود نداشته باشد.

با این حال، چشم‌انداز اعلام‌شده Prism ما را با یک پرسش اساسی مواجه می‌کند: اگر انسان‌ها به‌طور کامل از روزنامه‌نگاری حذف شوند، جهان چه شکلی خواهد داشت؟

زیرا به نظر می‌رسد این دقیقاً همان آینده‌ای است که Prism و سرمایه‌گذارانش روی آن حساب باز کرده‌اند.

این جنگنده قدیمی دهه ۱۹۷۰ قابلیتی دارد که هنوز در جنگنده‌های نسل پنجم دیده نمی‌شود

بیشتر بخوانید:

از هوش مصنوعی چه خبر؟

تماشاخانه

حریق مرموز در قلب گرگان؛ از سیم‌کشی فرسوده تا شایعات داغ / گرگان چه چیزی را از دست داد؟

موتورسیکلت هست، زن موتورسوار هست؛ پس چه چیزی کم است؟

فیلم های دیگر