هوش مصنوعی و سیاست‌های آینده آمریکا؛ شکاف میان رویکردهای باز و بسته
سازمان هوش مصنوعی Hugging Face در تلاش است تا چشم‌انداز متفاوتی از توسعه هوش مصنوعی را به دولت ایالات متحده معرفی کند؛ چشم‌اندازی که بر توسعه باز و همکارانه پروژه‌های هوش مصنوعی تاکید دارد.
این سازمان که میزبان بیش از ۱.۵ میلیون مدل عمومی در حوزه‌های مختلف است، اخیراً پیشنهاداتی برای طرح اقدام هوش مصنوعی دولت آمریکا ارائه داده است. این توصیه‌ها نشان می‌دهند که مدل‌های متن‌باز می‌توانند با هزینه‌ای بسیار کمتر نسبت به سیستم‌های بسته تجاری عملکردی برابر یا حتی بهتر از آنها ارائه دهند. در میان دستاوردهای اخیر، مدل OlympicCoder با تنها ۷ میلیارد پارامتر، توانسته الگوریتم پیچیده‌ای را بهتر از Claude 3.7 اجرا کند. همچنین، مدل‌های متن‌باز OLMo 2 که با عملکرد OpenAI o1-mini مقایسه می‌شوند، نمونه‌ای دیگر از دستاوردهای موفق متن‌باز هستند.
تغییرات در سیاست‌گذاری هوش مصنوعی آمریکا
این پیشنهادها در راستای اجرایی کردن دستور رسمی شماره ۱۴۱۷۹ دولت ایالات متحده ارائه شده است که به تقویت رقابت‌پذیری آمریکا در هوش مصنوعی و کاهش محدودیت‌های تنظیم‌گری می‌پردازد. این تغییر سیاست که جایگزین رویکرد دولت قبلی مبتنی بر مقررات دقیق‌تر شده است، به‌طور مشخص بر تسریع پیشرفت در این حوزه تاکید دارد.
در مقابل، شرکت‌هایی مانند OpenAI، که از کاهش تنظیم‌گری حمایت می‌کنند، بر “همکاری داوطلبانه میان دولت و بخش خصوصی” تاکید دارند و نسبت به عقب‌ماندگی آمریکا در برابر چین هشدار می‌دهند. این شرکت‌ها خواستار آزادی عمل بیشتر در زمینه نوآوری هستند و سیاست‌هایی را پیشنهاد می‌کنند که حداقل نظارت دولتی را به همراه داشته باشند.
رویکرد سه‌بعدی Hugging Face در توسعه هوش مصنوعی
پیشنهادات Hugging Face بر سه محور اصلی متمرکز است که هدف آنها دموکراتیزه کردن فناوری هوش مصنوعی است:
-
تقویت اکوسیستم‌های متن‌باز و متن‌گشوده: این سازمان تاکید دارد که سرمایه‌گذاری در زیرساخت‌های تحقیقاتی، مانند منابع ملی تحقیقاتی هوش مصنوعی (NAIRR)، و دسترسی گسترده‌تر به مجموعه‌های داده معتبر، به پیشرفت سریع‌تر کمک می‌کند. در مقایسه، رویکرد شرکت‌هایی مانند OpenAI بیشتر بر اصلاح قوانین حق نشر برای استفاده از مواد کپی‌رایت شده در مدل‌های اختصاصی متمرکز شده است.
-
کاهش محدودیت‌های منابع برای پذیرندگان کوچک‌تر: توصیه‌های Hugging Face بر ایجاد مدل‌هایی با بهره‌وری بالا تمرکز دارد که امکان اجرا بر منابع محدود را فراهم می‌کند. این سیستم‌ها می‌توانند برای سازمان‌های کوچک‌تر که توان سرمایه‌گذاری در مدل‌های بزرگ مقیاس را ندارند، مفید باشند.
-
امنیت و شفافیت: نسخه‌های متن‌باز هوش مصنوعی با شفافیت بیشتر در داده‌های آموزشی و روش‌های تولید، می‌توانند گواهینامه‌های امنیتی گسترده‌تری دریافت کنند. این شرکت معتقد است که مدل‌های شفاف و باز می‌توانند در محیط‌های ایزوله‌ای اجرا شوند و از خطرات اطلاعاتی جلوگیری کنند.
رقابت میان دو دیدگاه؛ متن‌باز یا تجاری؟
مباحث اخیر در سیاست‌های هوش مصنوعی آمریکا نشان‌دهنده شکافی میان دیدگاه‌های متفاوت در این صنعت است. از یک سو، شرکت‌هایی مانند OpenAI و Google بر تسریع فرآیندهای تجاری و کاهش نظارت دولتی تاکید دارند. از سوی دیگر، سازمان‌هایی نظیر Hugging Face بر توسعه باز و اشتراکی فناوری تاکید داشته و تاکید می‌کنند که این رویکرد نه تنها به پیشرفت فناوری کمک می‌کند، بلکه فرصت‌های بیشتری را برای مشارکت گسترده فراهم می‌کند.
ادعای Hugging Face مبنی بر اینکه یک استراتژی قدرتمند برای هوش مصنوعی باید از توسعه باز و همکارانه بهره ببرد، اگر پذیرفته شود، می‌تواند به تغییرات بزرگی در سیاست‌های ملی منجر شود. اما اگر سیاست‌گذاران بیشتر نگران افزایش توانمندی‌های چین باشند، ممکن است دیدگاه‌های شرکت‌هایی مانند OpenAI، که آزادسازی مقررات را ترجیح می‌دهند، مورد پذیرش قرار گیرد.
نتیجه‌گیری
طرح اقدام هوش مصنوعی دولت آمریکا، مسیری تعیین‌کننده برای توسعه تکنولوژی در سال‌های آینده خواهد بود. هر دو رویکرد باز و اختصاصی دارای نقاط قوت منحصر به‌فردی هستند که می‌توانند به طور مکمل در پیشرفت این صنعت نقش ایفا کنند. پرسش اصلی این است که آیا این رهبری تکنولوژیک به نفع تعداد اندکی خواهد بود یا به توسعه و نوآوری برای جمعیت بیشتری منجر خواهد شد.