هوش مصنوعی متن‌باز و چالش آن با غول‌های فناوری

سازمان پیشگامان متن‌باز (OSI)، مرجع اصلی در تعریف نرم‌افزارهای متن‌باز، اخیراً تعریفی جامع و دقیق از هوش مصنوعی متن‌باز ارائه کرده است که معیارهای مشخصی را برای تشخیص مدل‌های هوش مصنوعی واقعاً متن‌باز تعیین می‌کند.

ویژگی های هوش مصنوعی متن باز

طبق تعریف جدید OSI، یک مدل هوش مصنوعی برای آنکه متن‌باز محسوب شود، باید:

• داده‌های آموزشی: دسترسی آزاد به داده‌های استفاده‌شده در آموزش مدل را فراهم کند تا دیگران بتوانند آن را بازتولید کنند.
• کد منبع: کدهای کامل مورد استفاده در ساخت و اجرای مدل به‌صورت عمومی در دسترس باشد.
• پارامترهای مدل: تنظیمات و وزن‌های مدل که به آن کمک می‌کند نتایج را تولید کند، منتشر شود.

این تعریف جدید، به‌ویژه مدل‌های زبانی بزرگ مانند لاما (Llama) که توسط متا توسعه یافته است را به چالش می‌کشد. متا علیرغم ادعای متن‌باز بودن مدل‌هایش، دسترسی کامل به داده‌های آموزشی را محدود کرده و برای استفاده تجاری از مدل‌ها، به‌ویژه در اپلیکیشن‌هایی با بیش از 700 میلیون کاربر، مجوزهای خاصی را درخواست می‌کند.

سخنگوی متا در واکنش به این تعریف جدید، ضمن اذعان به برخی اشتراکات با OSI، با این تعریف مخالفت کرده و بر پیچیدگی روزافزون مدل‌های هوش مصنوعی و عدم امکان تعریف ثابت برای آنها تأکید کرده است. متا همچنین به نگرانی‌های امنیتی به‌عنوان دلیل محدود کردن دسترسی به داده‌های آموزشی اشاره کرده است.

تعریف جدید OSI، شرکت‌های بزرگ فناوری را در موقعیتی دشوار قرار داده است. از یک سو، آنها تمایل دارند از مزایای متن‌باز بودن مانند همکاری گسترده و نوآوری بهره‌مند شوند و از سوی دیگر، ممکن است نگران از دست دادن مزیت رقابتی یا مواجهه با مسائل حقوقی باشند.

منتقدان، انگیزه اصلی شرکت‌هایی مانند متا در محدود کردن دسترسی به داده‌های آموزشی را فراتر از مسائل امنیتی می‌دانند. آنها معتقدند که این شرکت‌ها به‌دنبال کاهش مسئولیت قانوی ناشی از استفاده احتمالی مدل‌هایشان در تولید محتوای خلاف قانون یا نقض حق کپی‌رایت هستند. همچنین، این محدودیت‌ها می‌تواند به شرکت‌ها اجازه دهد تا مزیت رقابتی خود را حفظ کنند.

آینده هوش مصنوعی متن‌باز

تعریف جدید OSI، بحث مهمی را در مورد ماهیت متن‌باز بودن هوش مصنوعی آغاز کرده است. این بحث، تأثیرات گسترده‌ای بر توسعه و کاربرد هوش مصنوعی در آینده خواهد داشت.

• شفافیت بیشتر: تعریف جدید، فشار بیشتری را بر شرکت‌ها برای شفافیت بیشتر در مورد مدل‌های هوش مصنوعی وارد می‌کند.
• همکاری گسترده‌تر: دسترسی آزاد به داده‌ها و کدها، امکان همکاری گسترده‌تر بین محققان و توسعه‌دهندگان را فراهم می‌کند.
• نوآوری سریع‌تر: با کاهش موانع ورود، نوآوری در حوزه هوش مصنوعی سرعت بیشتری خواهد گرفت.

در نهایت هرچند این تعریف گامی مهم در جهت ایجاد یک اکوسیستم هوش مصنوعی باز، شفاف و مسئولانه است اما با این حال، برای تحقق این هدف، نیاز به همکاری بیشتر بین شرکت‌ها، محققان، سیاست‌گذاران و جامعه مدنی است.