پشتیبانی غولهای فناوری از مدلهای هوش مصنوعی متنباز
به گزارش کارگروه فناوری اطلاعات سایبربان؛ انویدیا (Nvidia)، مایکروسافت و دیگر غولهای فناوری حمایت خود را از مدلهای هوش مصنوعی متنباز، به طور علنی به قانونگذاران ارائه دادند و وارد بحثی شدند که دنیای تجارت و سیاست را بر سر اینکه چه کسی این فناوری قدرتمند را کنترل میکند، به هم ریخته است.
جنسن هوانگ (Jensen Huang)، مدیرعامل انویدیا، در بیانیهای در پلتفرم ایکس، که توسط دوجین شرکت و گروه از جمله پلتفرمهای مِتا (Meta Platforms) و آیبیام (IBM) نیز امضا شده، گفت که قانونگذاران باید از محدودیتهای زودهنگام بر مدلهای باز که رقابت را خفه میکنند یا نوآوری را به خارج از کشور سوق میدهند، اجتناب کنند.
این نامه به بحثهای رو به رشد در مورد مدلهای متنباز که تنظیم آنها دشوارتر است، مانند مدلهای خود انویدیا و مدلهای منتشر شده در هفتههای اخیر توسط آزمایشگاههای چینی، و مدلهای متنباز کنترلشده توسط شرکتهای خاص مانند «OpenAI» و آنتروپیک (Anthropic)، میافزاید.
در ماههای اخیر، رهبران تجاری سیلیکون ولی از هزینههای مدلهای متنباز خشمگین شدهاند. مدیران عامل مایکروسافت و پیمانکار دفاعی فناوریهای پالانتیر (Palantir Technologies) علناً استدلال کردهاند که مدلهای متنبازی که مشتریانشان میتوانند در مراکز داده خود اجرا کنند، به کنترل هزینههای هوش مصنوعی کمک میکند.
رهبران فناوری همچنین از کنترلهایی که OpenAI و آنتروپیک در مدلهای خود ایجاد میکنند، خشمگین شدهاند. «Hugging Face»، سایت همکاری کدنویسی هوش مصنوعی که توسط یک مدل جعلی OpenAI هک شد، این هفته اعلام کرد که مجبور است از یک مدل متنباز چینی برای دفاع در برابر این حمله استفاده کند، زیرا مدلهای متنباز محدودیتهایی در استفاده برای کارهای امنیت سایبری دارند.
در عین حال، قانونگذاران آمریکایی که از حمله سایبری جعلی OpenAI نگران شدهاند، قانونی را پیشنهاد کردهاند که مستلزم یک کلید قطع برای مدلهای هوش مصنوعی است و دولت دونالد ترامپ، رئیسجمهور آمریکا، در حال بررسی تحریمهایی علیه سازندگان مدلهای متنباز چینی به دلیل ادعای سرقت فناوری متنباز ایالات متحده است.
نامه انویدیا و سایر شرکتها نگرانیها در مورد سرقت فناوری را تصدیق کرد، اما استدلال کرد که باید از طریق چارچوبهای قانونی و تجاری هدفمند به جای محدودیتهای گسترده به آنها رسیدگی شود.
در این نامه آمده است:
«تکیه صرف بر مدلهای بسته ذاتاً ایمن نیست: آنها میتوانند به روشهایی که افراد خارجی نمیتوانند تشخیص دهند، نقض، سوءاستفاده یا شکست بخورند. از سوی دیگر، مدلهای وزن باز به جامعهی گستردهای از محققان و توسعهدهندگان اجازه میدهند تا رفتار خود را بررسی کنند، آسیبپذیریها را شناسایی کنند، اقدامات حفاظتی را توسعه دهند و آنها را در طول زمان بهبود بخشند.»