Hugging Face خواستار تمرکز بر متن‌باز در طرح اقدام هوش مصنوعی شد

Hugging Face از دولت ایالات متحده خواسته است تا توسعه متن‌باز را در طرح اقدام هوش مصنوعی آینده خود در اولویت قرار دهد.

در بیانیه‌ای به دفتر سیاست علم و فناوری (OSTP)، Hugging Face تأکید کرد که "سیاست‌گذاری متفکرانه می‌تواند از نوآوری حمایت کند و در عین حال اطمینان حاصل کند که توسعه هوش مصنوعی رقابتی باقی می‌ماند و با ارزش‌های آمریکایی همسو است."

Hugging Face، که میزبان بیش از ۱.۵ میلیون مدل عمومی در بخش‌های مختلف است و به هفت میلیون کاربر خدمات ارائه می‌دهد، یک طرح اقدام هوش مصنوعی را پیشنهاد می‌کند که حول سه رکن به هم پیوسته متمرکز است:

1. Hugging Face بر اهمیت تقویت اکوسیستم‌های هوش مصنوعی متن‌باز تأکید می‌کند. این شرکت استدلال می‌کند که نوآوری فنی ناشی از کنشگران متنوع در سراسر مؤسسات است و حمایت از زیرساخت‌ها – مانند منبع ملی تحقیقات هوش مصنوعی (NAIRR)، و سرمایه‌گذاری در علم و داده‌های باز – به این مشارکت‌ها اجازه می‌دهد تا اثر افزودنی داشته باشند و نوآوری قوی را تسریع کنند.

2. این شرکت پذیرش کارآمد و قابل اعتماد هوش مصنوعی را در اولویت قرار می‌دهد. Hugging Face معتقد است که گسترش مزایای فناوری با تسهیل پذیرش آن در طول زنجیره ارزش، مستلزم این است که کنشگران در سراسر بخش‌های فعالیت، توسعه آن را شکل دهند. این شرکت بیان می‌کند که مدل‌های هوش مصنوعی کارآمدتر، مدولارتر و قوی‌تر نیازمند تحقیقات و سرمایه‌گذاری‌های زیرساختی برای ایجاد گسترده‌ترین مشارکت و نوآوری ممکن است – که انتشار فناوری را در سراسر اقتصاد ایالات متحده امکان‌پذیر می‌کند.

3. Hugging Face همچنین بر نیاز به ارتقای امنیت و استانداردها تأکید می‌کند. این شرکت پیشنهاد می‌کند که دهه‌ها تجربه در امنیت سایبری نرم‌افزار متن‌باز، امنیت اطلاعات و استانداردها می‌تواند به فناوری هوش مصنوعی ایمن‌تر کمک کند. این شرکت از ارتقای قابلیت ردیابی، افشا و استانداردهای قابلیت همکاری برای ایجاد یک اکوسیستم فناوری انعطاف‌پذیرتر و قوی‌تر حمایت می‌کند.

Hugging Face تأکید می‌کند که هوش مصنوعی مدرن بر اساس دهه‌ها تحقیق باز ساخته شده است و غول‌های تجاری به شدت به مشارکت‌های متن‌باز متکی هستند. پیشرفت‌های اخیر – مانند OLMO-2 و Olympic-Coder – نشان می‌دهد که تحقیقات باز همچنان یک مسیر امیدوارکننده برای توسعه سیستم‌هایی است که با عملکرد مدل‌های تجاری مطابقت دارند و اغلب می‌توانند از آنها پیشی بگیرند، به ویژه از نظر کارایی و عملکرد در حوزه‌های خاص.

این شرکت خاطرنشان می‌کند: «شاید چشمگیرترین نکته، فشردگی سریع جدول زمانی توسعه باشد، چیزی که زمانی به مدل‌های پارامتری بیش از ۱۰۰ میلیارد نیاز داشت، تنها دو سال پیش، اکنون می‌تواند با مدل‌های پارامتری ۲ میلیارد انجام شود، که نشان‌دهنده یک مسیر تسریع‌کننده به سمت برابری است.»

این روند به سمت توسعه هوش مصنوعی در دسترس‌تر، کارآمدتر و مشارکتی نشان می‌دهد که رویکردهای باز به توسعه هوش مصنوعی نقش مهمی در توانمندسازی یک استراتژی هوش مصنوعی موفق دارد که رهبری فنی را حفظ می‌کند و از پذیرش گسترده‌تر و ایمن‌تر فناوری حمایت می‌کند.

Hugging Face استدلال می‌کند که مدل‌ها، زیرساخت‌ها و شیوه‌های علمی باز، اساس نوآوری هوش مصنوعی را تشکیل می‌دهند و به یک اکوسیستم متنوع از محققان، شرکت‌ها و توسعه‌دهندگان اجازه می‌دهند تا بر اساس دانش مشترک بنا کنند.

پلتفرم این شرکت میزبان مدل‌ها و مجموعه‌های داده هوش مصنوعی از هر دو عامل کوچک (به عنوان مثال، استارت‌آپ‌ها، دانشگاه‌ها) و سازمان‌های بزرگ (به عنوان مثال، مایکروسافت، گوگل، OpenAI، متا) است و نشان می‌دهد که چگونه رویکردهای باز پیشرفت را تسریع می‌کنند و دسترسی به قابلیت‌های هوش مصنوعی را دموکراتیزه می‌کنند.

Hugging Face بیان می‌کند: «ایالات متحده باید در هوش مصنوعی متن‌باز و علم باز پیشرو باشد، که می‌تواند رقابت‌پذیری آمریکا را با تقویت یک اکوسیستم قوی از نوآوری افزایش دهد و از تعادل سالم رقابت و نوآوری مشترک اطمینان حاصل کند.»

تحقیقات نشان داده است که سیستم‌های فنی باز به عنوان ضرب‌کننده‌های نیرو برای تأثیر اقتصادی عمل می‌کنند و اثر ضرب‌کننده تخمینی ۲۰۰۰ برابری دارند. این بدان معناست که ۴ میلیارد دلار سرمایه‌گذاری در سیستم‌های باز به طور بالقوه می‌تواند ۸ تریلیون دلار ارزش برای شرکت‌هایی که از آنها استفاده می‌کنند، ایجاد کند.

این مزایای اقتصادی به اقتصادهای ملی نیز گسترش می‌یابد. بدون هیچ‌گونه مشارکت نرم‌افزار متن‌باز، میانگین کشور ۲.۲٪ از تولید ناخالص داخلی خود را از دست می‌دهد. متن‌باز بین ۶۵ تا ۹۵ میلیارد یورو از تولید ناخالص داخلی اروپا را تنها در سال ۲۰۱۸ به خود اختصاص داد، یافته‌ای که آنقدر مهم بود که کمیسیون اروپا هنگام وضع قوانین جدید برای ساده‌سازی روند متن‌باز کردن نرم‌افزار دولتی به آن اشاره کرد.

این نشان می‌دهد که چگونه تأثیر متن‌باز مستقیماً به اقدام سیاستی و مزیت اقتصادی در سطح ملی تبدیل می‌شود و بر اهمیت متن‌باز به عنوان یک کالای عمومی تأکید می‌کند.

Hugging Face چندین عامل عملی را شناسایی می‌کند که باعث پذیرش تجاری مدل‌های باز می‌شوند:

• راندمان هزینه یک عامل اصلی است، زیرا توسعه مدل‌های هوش مصنوعی از ابتدا نیاز به سرمایه‌گذاری قابل توجهی دارد، بنابراین استفاده از پایه‌های باز هزینه‌های تحقیق و توسعه را کاهش می‌دهد.
• سفارشی‌سازی بسیار مهم است، زیرا سازمان‌ها می‌توانند مدل‌ها را به‌طور خاص برای موارد استفاده خود تطبیق داده و مستقر کنند، نه اینکه به راه‌حل‌های یک‌اندازه متکی باشند.
• مدل‌های باز قفل شدن فروشنده را کاهش می‌دهند و به شرکت‌ها کنترل بیشتری بر پشته فناوری خود و استقلال از ارائه‌دهندگان منفرد می‌دهند.
• مدل‌های باز به قابلیت‌های سیستم‌های اختصاصی بسته رسیده‌اند و در برخی موارد از آنها پیشی گرفته‌اند.

این عوامل به ویژه برای استارت‌آپ‌ها و شرکت‌های متوسط ​​ارزشمند هستند، که می‌توانند بدون سرمایه‌گذاری‌های زیرساختی عظیم به فناوری پیشرفته دسترسی داشته باشند. بانک‌ها، شرکت‌های داروسازی و سایر صنایع در حال انطباق مدل‌های باز با نیازهای خاص بازار هستند – که نشان می‌دهد چگونه پایه‌های متن‌باز از یک اکوسیستم تجاری پر جنب و جوش در سراسر زنجیره ارزش پشتیبانی می‌کنند.

برای حمایت از توسعه و پذیرش سیستم‌های هوش مصنوعی باز، Hugging Face چندین توصیه سیاستی ارائه می‌دهد:

• تقویت زیرساخت‌های تحقیقاتی: اجرای کامل و گسترش آزمایشی منبع ملی تحقیقات هوش مصنوعی (NAIRR). مشارکت فعال Hugging Face در آزمایشی NAIRR ارزش ارائه منابع محاسباتی، مجموعه‌های داده و ابزارهای مشارکتی را به محققان نشان داده است.
• تخصیص منابع محاسباتی عمومی برای متن‌باز: عموم مردم باید راه‌هایی برای مشارکت از طریق زیرساخت هوش مصنوعی عمومی داشته باشند. یکی از راه‌های انجام این کار این است که بخشی از زیرساخت محاسباتی با بودجه عمومی را به حمایت از پروژه‌های هوش مصنوعی متن‌باز اختصاص دهیم، و موانع نوآوری را برای تیم‌ها و شرکت‌های تحقیقاتی کوچک‌تر که توانایی خرید سیستم‌های اختصاصی را ندارند، کاهش دهیم.
• فعال کردن دسترسی به داده‌ها برای توسعه سیستم‌های باز: ایجاد اکوسیستم‌های داده پایدار از طریق سیاست‌های هدفمندی که به کاهش مشترکات داده می‌پردازند. ناشران به طور فزاینده‌ای معاملات صدور مجوز داده را با توسعه‌دهندگان مدل هوش مصنوعی اختصاصی امضا می‌کنند، به این معنی که هزینه‌های به دست آوردن داده‌های با کیفیت اکنون به هزینه‌های محاسباتی آموزش مدل‌های مرزی نزدیک می‌شوند یا حتی از آنها فراتر می‌روند، و تهدیدی برای محروم کردن توسعه‌دهندگان کوچک باز از دسترسی به داده‌های با کیفیت است. از سازمان‌هایی که در مخازن داده عمومی مشارکت دارند حمایت کنید و مسیرهای انطباق را ساده کنید که موانع قانونی را برای اشتراک‌گذاری مسئولانه داده کاهش می‌دهد.
• توسعه مجموعه‌های داده باز: سرمایه‌گذاری در ایجاد، مدیریت و نگهداری مجموعه‌های داده قوی و نماینده که می‌توانند از نسل بعدی تحقیقات و کاربردهای هوش مصنوعی پشتیبانی کنند. ابتکاراتی مانند کاتالوگ داده مورد اعتماد اتحاد هوش مصنوعی IBM را گسترش دهید و از پروژه‌هایی مانند دیجیتالی‌سازی مجموعه‌های عمومی کتابخانه عمومی بوستون توسط هوش مصنوعی IDI پشتیبانی کنید.
• تقویت چارچوب‌های دسترسی به داده که به حقوق احترام می‌گذارند: دستورالعمل‌های روشنی برای استفاده از داده‌ها، از جمله پروتکل‌های استاندارد برای ناشناس‌سازی، مدیریت رضایت و ردیابی استفاده ایجاد کنید. از مشارکت‌های دولتی و خصوصی برای ایجاد امانات داده تخصصی برای حوزه‌های با ارزش بالا مانند مراقبت‌های بهداشتی و علم آب و هوا پشتیبانی کنید، و اطمینان حاصل کنید که افراد و سازمان‌ها کنترل مناسبی بر داده‌های خود دارند و در عین حال نوآوری را فعال می‌کنند.
• سرمایه‌گذاری در نوآوری مبتنی بر ذینفعان: ایجاد و حمایت از برنامه‌هایی که سازمان‌ها را در بخش‌های مختلف (مراقبت‌های بهداشتی، تولید، آموزش) قادر می‌سازد تا سیستم‌های هوش مصنوعی سفارشی‌شده را برای نیازهای خاص خود توسعه دهند، نه اینکه منحصراً به سیستم‌های چند منظوره از ارائه‌دهندگان اصلی تکیه کنند. این امر مشارکت گسترده‌تری را در اکوسیستم هوش مصنوعی ممکن می‌سازد و تضمین می‌کند که مزایای هوش مصنوعی در سراسر اقتصاد گسترش می‌یابد.
• تقویت مراکز تعالی: نقش NIST را به عنوان برگزارکننده برای متخصصان هوش مصنوعی در سراسر دانشگاه، صنعت و دولت گسترش دهید تا درس‌ها را به اشتراک بگذارند و بهترین شیوه‌ها را توسعه دهند. به طور خاص، چارچوب مدیریت ریسک هوش مصنوعی نقش مهمی در شناسایی مراحل توسعه هوش مصنوعی و سوالات تحقیق ایفا کرده است که برای اطمینان از استقرار فناوری قوی‌تر و ایمن‌تر برای همه بسیار مهم است. ابزارهای توسعه یافته در Hugging Face، از مستندسازی مدل گرفته تا کتابخانه‌های ارزیابی، مستقیماً توسط این سوالات شکل می‌گیرند.
• پشتیبانی از داده‌های با کیفیت بالا برای ارزیابی عملکرد و قابلیت اطمینان: توسعه هوش مصنوعی به شدت به داده‌ها وابسته است، هم برای آموزش مدل‌ها و هم برای ارزیابی قابل اعتماد پیشرفت، نقاط قوت، خطرات و محدودیت‌های آنها. تقویت دسترسی بیشتر به داده‌های عمومی به روشی ایمن و مطمئن و اطمینان از اینکه داده‌های ارزیابی مورد استفاده برای توصیف مدل‌ها سالم و مبتنی بر شواهد هستند، پیشرفت را هم در عملکرد و هم در قابلیت اطمینان فناوری تسریع می‌کند.

Hugging Face تأکید می‌کند که شرکت‌های کوچک‌تر و استارت‌آپ‌ها به دلیل هزینه‌های بالا و منابع محدود با موانع قابل توجهی برای پذیرش هوش مصنوعی مواجه هستند. به گفته IDC، هزینه‌های جهانی هوش مصنوعی در سال ۲۰۲۸ به ۶۳۲ میلیارد دلار خواهد رسید، اما این هزینه‌ها برای بسیاری از سازمان‌های کوچک بازدارنده است.

برای سازمان‌هایی که ابزارهای هوش مصنوعی متن‌باز را به کار می‌گیرند، بازده مالی به همراه دارد. ۵۱ درصد از شرکت‌های مورد بررسی که در حال حاضر از ابزارهای هوش مصنوعی متن‌باز استفاده می‌کنند، بازگشت سرمایه مثبت را گزارش می‌کنند، در مقایسه با تنها ۴۱ درصد از کسانی که از متن‌باز استفاده نمی‌کنند.

با این حال، کمبود انرژی یک نگرانی رو به رشد است، زیرا آژانس بین‌المللی انرژی پیش‌بینی می‌کند که مصرف برق مراکز داده می‌تواند از سطوح سال ۲۰۲۲ دو برابر شود و تا سال ۲۰۲۶ به ۱۰۰۰ تراوات ساعت برسد، که معادل کل تقاضای برق ژاپن است. در حالی که آموزش مدل‌های هوش مصنوعی انرژی‌بر است، استنتاج، به دلیل مقیاس و فراوانی آن، در نهایت می‌تواند از مصرف انرژی آموزشی فراتر رود.

تضمین دسترسی گسترده به هوش مصنوعی نیازمند بهینه‌سازی سخت‌افزار و چارچوب‌های نرم‌افزاری مقیاس‌پذیر است. طیف وسیعی از سازمان‌ها در حال توسعه مدل‌هایی هستند که متناسب با نیازهای خاص خود هستند، و رهبری ایالات متحده در توسعه هوش مصنوعی متمرکز بر کارایی یک مزیت استراتژیک را ارائه می‌دهد. ابتکار هوش مصنوعی برای انرژی وزارت انرژی ایالات متحده بیشتر از تحقیقات در مورد هوش مصنوعی با راندمان انرژی پشتیبانی می‌کند و پذیرش گسترده‌تر را بدون نیازهای محاسباتی بیش از حد تسهیل می‌کند.

Hugging Face با نامه خود به OSTP، از یک طرح اقدام هوش مصنوعی متمرکز بر اصول متن‌باز حمایت می‌کند. ایالات متحده با انجام اقدامات قاطع می‌تواند رهبری خود را تضمین کند، نوآوری را پیش ببرد، امنیت را افزایش دهد و اطمینان حاصل کند که مزایای گسترده هوش مصنوعی در سراسر جامعه و اقتصاد محقق می‌شود.

همچنین ببینید: وزیر بریتانیا در ایالات متحده برای تبلیغ بریتانیا به عنوان قطب سرمایه‌گذاری جهانی هوش مصنوعی