در دنیای امروز، هوش مصنوعی متنباز (open source) به عنوان یکی از مهمترین عوامل نوآوری در صنعت فناوری شناخته میشود. این فناوری نه تنها به توسعهدهندگان امکان میدهد تا به راحتی به منابع و ابزارهای پیشرفته دسترسی پیدا کنند، بلکه میتواند به رشد و پیشرفتهای چشمگیری در زمینههای مختلف منجر شود. در این مقاله به سوال “چرا مدل های هوش مصنوعی منبع باز برای جهان خوب هستند؟” پاسخ خواهیم داد و به بررسی مزایا و چالشهای هوش مصنوعی متنباز و نقش آن در آینده فناوری خواهیم پرداخت.
نوآوری باز در مرکز رشد و توسعه هوش مصنوعی (AI) قرار دارد. شبکه عصبی «ترانسفورماتور» که به اختصار T نامیده میشود و پایهگذار مدلهای GPT در OpenAI است، برای نخستین بار به عنوان نتیجه تحقیقات مهندسان گوگل منتشر شد. ابزارهای قدرتمندی مانند TensorFlow و PyTorch که برای ساخت این شبکههای عصبی به کار میروند، به ترتیب توسط گوگل و متا توسعه یافته و به صورت عمومی در دسترس قرار گرفتهاند.
امروزه برخی بر این باورند که هوش مصنوعی به قدری حیاتی و حساس است که نباید برای همه و در هر مکانی قابل دسترسی باشد. مدلهایی که به عنوان «متنباز» شناخته میشوند (به این معنا که کدهای پایهای آنها برای عموم قابل مشاهده و استفاده مجدد است)، اغلب به عنوان خطرناک تلقی میشوند. این نگرانیها به دلیل پتانسیل سوءاستفاده از این فناوریها و تأثیرات آنها بر جامعه و امنیت اطلاعات به وجود آمده است.
چندین اتهام جدی علیه هوش مصنوعی متنباز مطرح شده است. یکی از این اتهامات این است که این فناوری میتواند به رقبای آمریکا کمک کند. به عنوان مثال، در اول نوامبر مشخص شد که محققان چینی از مدل زبان بزرگ Llama 2، که توسط متا توسعه یافته، استفاده کرده و آن را برای اهداف نظامی تطبیق دادهاند.
یکی دیگر از نگرانیها در مورد هوش مصنوعی متنباز، احتمال استفاده از آن توسط تروریستها و مجرمان است. این افراد میتوانند با بهرهگیری از این مدلها، سیستمهایی با دقت بالا برای مقابله با فعالیتهای مخرب یا مضر ایجاد کنند.
شرکت آنتروپیک، که سازنده یکی از این مدلهاست، خواستار وضع مقررات فوری شده و نسبت به خطرات «بینظیر» مدلهای متنباز هشدار داده است. این خطرات شامل توانایی این مدلها در «تنظیم دقیق» با استفاده از دادهها برای ساخت سلاحهای زیستی و دیگر تهدیدات امنیتی است. این نگرانیها نشاندهنده چالشهای جدی است که در مسیر توسعه و استفاده از هوش مصنوعی متنباز وجود دارد.
درست است مدلهای متنباز میتوانند مانند هر فناوری دیگری مورد سوءاستفاده قرار گیرند. با این حال، این نگرش به خطرات هوش مصنوعی متنباز، اهمیت زیادی به تهدیدات میدهد و در عین حال مزایای آن را به شدت نادیده میگیرد. اطلاعات لازم برای ساخت سلاحهای زیستی هماکنون در اینترنت در دسترس است و همانطور که مارک زاکربرگ اشاره کرده، هوش مصنوعی متنباز که به درستی توسعه یابد، باید بیشتر به مدافعان کمک کند تا به مهاجمان.
مطلب پیشنهادی: آموزش ساخت ویدیوهای پندآموز با هوش مصنوعی
علاوه بر این، بر اساس برخی معیارها، مدلهای تولید داخل چین در حال حاضر به اندازه مدلهای متا عملکرد خوبی دارند. این موضوع نشان میدهد که در دنیای امروز، رقابت در زمینه هوش مصنوعی به شدت در حال افزایش است و نیاز به توجه به مزایا و معایب این فناوریها بیش از پیش احساس میشود.
در همین حال، مزایای نرمافزار متنباز به وضوح قابل مشاهده است. این نوع نرمافزار به عنوان زیربنای بخش فناوری به طور کلی عمل میکند و دستگاههایی را که میلیاردها نفر هر روز از آنها استفاده میکنند، پشتیبانی میکند. به عنوان مثال، پایه نرمافزاری وب که استانداردهای آن توسط تیم برنرز لی از CERN به صورت عمومی منتشر شده، یک نمونه بارز از نرمافزار متنباز است.
علاوه بر این، الگوریتم فشردهسازی Ogg Vorbis نیز توسط Spotify برای پخش موسیقی به میلیونها نفر استفاده میشود. این موارد نشان میدهد که نرمافزار متنباز نه تنها به توسعه فناوری کمک میکند، بلکه به بهبود دسترسی و کیفیت خدمات نیز میانجامد.
رایگان کردن نرمافزار مدتهاست که به توسعهدهندگان کمک کرده تا کدهای خود را قویتر و قابل اعتمادتر کنند. این رویکرد به آنها این امکان را میدهد که قابلیت اطمینان کار خود را ثابت کنند، از حجم زیادی از کار داوطلبانه بهرهبرداری کنند و در برخی موارد، با فروش پشتیبانی فنی به کاربران، درآمدزایی کنند.
متن باز بودن باید به عنوان زیربنای نوآوری در حوزه هوش مصنوعی نیز در نظر گرفته شود. اگر این فناوری به اندازهای که حامیان آن ادعا میکنند، پتانسیل دارد، باید راهی برای جلوگیری از تمرکز قدرت در دست چند شرکت بزرگ کالیفرنیایی وجود داشته باشد. این موضوع نه تنها به توزیع عادلانهتر منابع و فرصتها کمک میکند، بلکه میتواند به پیشرفتهای بیشتر در این حوزه منجر شود.
مدلهای بسته جایگاه خاص خود را دارند و معمولاً برای کاربردهایی که حساس هستند یا نیاز به انجام کارهای پیشرفته دارند، مورد استفاده قرار میگیرند. با این حال، مدلهایی که باز یا تا حدی باز هستند نیز از اهمیت بالایی برخوردارند. ابتکار منبع باز، به عنوان یک نهاد صنعتی، مدلی را به عنوان متنباز تعریف میکند اگر شما بتوانید آن را دانلود کرده و به دلخواه خود از آن استفاده کنید و همچنین توضیحاتی درباره دادههای آموزشی زیربنایی آن ارائه شود.
هیچ یک از مدلهای باز آزمایشگاههای بزرگ مانند علیبابا و متا واجد شرایط این تعریف نیستند. اما با ارائه پلتفرمهای نیمهباز، این آزمایشگاهها بینشهایی درباره مدلهای خود ارائه میدهند و به دیگران این امکان را میدهند که از تکنیکهای آنها بیاموزند و گاهی اوقات بر روی این مدلها کار کنند. این رویکرد میتواند به تسریع نوآوری و توسعه در حوزه هوش مصنوعی کمک کند.
یکی از دلایلی که ابتکار منبع باز اعلام میکند مدلهای متا به عنوان متنباز شناخته نمیشوند، محدودیت دسترسی به این مدلهاست. به ویژه، استفاده از آنها به برنامههایی با کمتر از ۷۰۰ میلیون کاربر ماهانه محدود شده است. با این حال، متا ممکن است همچنان به نفع خود بیابد که بیشتر به سمت باز بودن حرکت کند.
هر چه این شرکت بیشتر به این سمت برود، پلتفرم آن میتواند برای توسعهدهندگان جذابتر شود و احتمال اینکه یک برنامه فوقستاره آینده بر پایه فناوری آن شکل بگیرد، افزایش یابد. این رویکرد میتواند به رشد و توسعه اکوسیستم نرمافزاری کمک کند و در نهایت به نفع خود متا نیز باشد.
دولتها نیز باید به هوش مصنوعی متنباز اجازه دهند تا رشد کند و مقررات ایمنی را به طور یکسان اعمال کنند. آنها باید از محدودیتها و حفاظتهای مربوط به مالکیت معنوی که ممکن است تحقیقات را تحت فشار قرار دهد، اجتناب کنند. در حوزه هوش مصنوعی، همانند بسیاری از نرمافزارهای دیگر، نوآوری در فضای باز میتواند به شکوفایی برسد. این رویکرد نه تنها به پیشرفت فناوری کمک میکند، بلکه میتواند به ایجاد یک اکوسیستم سالم و پویا در زمینه هوش مصنوعی منجر شود.
منبع: The Economist
