هل تحظر الولايات المتحدة النماذج مفتوحة الأوزان

أطلقت القدرات المثيرة للإعجاب لنموذج Kimi K3 من المختبر الصيني Moonshot، وهو أكبر نموذج لغوي كبير مفتوح الأوزان، نقاشًا يخلط بين أمرين: الإمكانات الاقتصادية لشركات الذكاء الاصطناعي الأمريكية العملاقة ومستقبل نماذج اللغة الكبيرة (LLMs) كتقنية.
ذهب رئيس قسم المستقبلات الاستراتيجية في OpenAI, Dean W. Ball، إلى حد القول إن على الحكومة الأمريكية أن تجد ذريعة لإثارة الخوف التنظيمي وعدم اليقين وانعدام الثقة حول النماذج الجديدة، لأن نماذج الأوزان المفتوحة يجب بالضرورة أن تردع الإنفاق الرأسمالي من قبل مختبرات النماذج المتقدمة.

أثار ذلك ردود فعل واسعة، حيث جادل شخصيات بارزة في مجال التقنية مثل Yann LeCun وMartin Casado بأن البرمجيات المفتوحة يمكن أن تسرّع الابتكار وتتعايش مع المشاريع المغلقة المصدر. وسرعان ما تراجع Ball عن تصريحاته التي قال فيها إن تشديد القيود التنظيمية يمثل “أفضل استراتيجية” للبيت الأبيض، وإن نماذج الأوزان المفتوحة تؤدي بالضرورة إلى إبطاء التقدم في هذه التقنية.
ومع ذلك، ذكرت Axios أن إدارة Trump تدرس حظر K3 وغيره من النماذج الصينية المتقدمة بناءً على طلب من مختبرات الذكاء الاصطناعي الأمريكية المتقدمة. وقال تقرير آخر من Politico إن وزارة التجارة لن تتخذ هذه الخطوة في أي وقت قريب.
الفائدة بالنسبة لشركات الذكاء الاصطناعي الكبرى واضحة: نماذج الأوزان المفتوحة، التي تعمل على بنية تحتية مستقلة أو داخل الشركات الكبرى، تقدم ذكاءً أرخص من نماذج Anthropic أو OpenAI الرائدة في السوق. وإذا بدأ المستخدمون في إنفاق المزيد خارج المختبرات المغلقة، فهذا يعني عائدًا أقل على استثماراتهم الضخمة في تدريب النماذج.
ولا يقتصر هذا الرأي على OpenAI فقط. وقال Braden Hancock، المؤسس المشارك لـ Snorkel AI وشريك أبحاث في Laude Institute، لـ TechCrunch: “النماذج القوية مفتوحة المصدر بمستوى النماذج المتقدمة ستضغط على هوامش الأرباح وستخفض أسعار الشركات الرائدة. ولن يعني ذلك بالضرورة أن حجم استخدام الذكاء الاصطناعي سينخفض قليلًا. كما تعلمون، العكس هو الصحيح تمامًا على الأرجح”.
وهذا ليس مشكلة بالنسبة للأشخاص الذين لا يملكون أسهمًا في Anthropic وOpenAI. فالذكاء الاصطناعي سيستمر في الانتشار. إذن ما مبرر أن تمنع الحكومة الأمريكيين من شراء شيء ما في أسواقنا التي يفترض أنها حرة؟
تأتي المخاوف المتعلقة بالنماذج الصينية بعدة أشكال. أحدها هو حماية البيانات الأمريكية من الحكومة الصينية؛ فقد حظرت الولايات المتحدة استيراد السيارات الكهربائية الصينية الحديثة بسبب مخاوف تتعلق بجمع البيانات. لكن الخبراء يميلون إلى الاعتقاد بأن نماذج الأوزان المفتوحة التي تعمل على خوادم أمريكية من غير المرجح أن تسرّب البيانات إلى الصين، رغم أن حدوث ذلك ليس مستحيلًا.
والقلق الآخر هو أن هذه النماذج قد تحتوي على تحيز ضمني تجاه جمهورية الصين الشعبية، لكن ليس من الواضح ما الذي قد يعنيه ذلك، على سبيل المثال، في مهام البرمجة.
وهناك قلق ثالث شائع يتمثل في أن النماذج الصينية تفتقر إلى وسائل الحماية التي فرضتها الحكومة الأمريكية (عبر عملية غير شفافة)، والتي تهدف إلى منع استخدام نماذج اللغة الكبيرة الأمريكية الرائدة لاستغلال أنظمة الحاسوب المغلقة أو إنشاء أسلحة. ومع ذلك، قد تجعل وسائل الحماية نفسها الشركات الأمريكية أكثر عرضة للخطر؛ إذ كان David Sacks، المستثمر في رأس المال الجريء ومستشار ترامب، يشارك حالات لجأت فيها شركات أمريكية إلى نماذج لغوية صينية لسد ثغرات أمنية عندما رفضت النماذج الأمريكية المتقدمة تنفيذ تلك المهام.
لكن الدافع الأكثر أهمية لتقييد هذه النماذج هو الخوف من أن تتمكن الصين من تجاوز الولايات المتحدة إذا أبطأت المختبرات المتقدمة تقدمها.
يقول Sam Bresnick، الباحث المتخصص في الصين لدى مركز الأمن والتقنيات الناشئة في Georgetown، إن الأهمية المتزايدة للذكاء الاصطناعي في العمليات العسكرية الأمريكية تمنح الولايات المتحدة سببًا لدعم استمرار الاستثمار في الذكاء الاصطناعي لدى المختبرات المتقدمة. لكنه يقول إن السؤال برمته معقد.
ويتساءل Bresnick: “لماذا ينبغي توجيه ثقل الحكومة الأمريكية لحماية هذه الشركات من المنافسين الذين يتم منعهم من دخول السوق الأمريكية بناءً على أصلهم؟”
ويقول المدافعون عن الذكاء الاصطناعي المفتوح إن الشركات الرائدة تخلق ثنائية زائفة بين الابتكار والنماذج المغلقة.
وقال Hancock لـ TechCrunch: “التأثير الأكبر لوجود هذه النماذج مفتوحة المصدر القادمة من الصين لا يتمثل في أنها تتسلل عبر أبواب خلفية، بل في أنها تمتلك الابتكار. وينتهي بك الأمر فعليًا إلى وجود قوة عمل موسعة تعمل على نموذجك. أصبح PyTorch المعيار الصناعي لأنه كان مفتوح المصدر، وبالتالي تمكن المجتمع بأكمله من المساهمة فيه بدلًا من شركة واحدة فقط، واستمر في النمو، بينما تراجعت جميع مكتبات التعلم العميق الأخرى تقريبًا مقارنة به”.
ويخشى Hancock ومدافعون آخرون من أن تصبح النماذج اللغوية الصينية مركزًا للبحث الدولي. فبرامج الدراسات العليا الأمريكية تعتمد بالفعل بشكل كبير على نماذج صينية مفتوحة الأوزان، ويقول Hancock إن نصف الأوراق البحثية التي يدرسها الطلاب تأتي من مؤسسات صينية، بينما أصبحت مختبرات الذكاء الاصطناعي الأمريكية المتقدمة أكثر تحفظًا في مشاركة أعمالها على نطاق واسع.
وقال Clem Delangue، الرئيس التنفيذي لـ Hugging Face، وهي منصة للتعاون في مجال الذكاء الاصطناعي المفتوح: “تقييد النماذج المفتوحة لن يجعل الذكاء الاصطناعي أكثر أمانًا. بل سيخفي المخاطر ببساطة، ويركز السلطة في أيدي قلة، ويجعل من الصعب على الجيل القادم من المطورين والباحثين والأوساط الأكاديمية والمنظمات غير الربحية والحكومات المشاركة في جعل الذكاء الاصطناعي أكثر أمانًا وفائدة للجميع”.
ويقول Bresnick إن الطريقة الحقيقية لإبطاء الصين تتمثل في التركيز بشكل أكبر على ضوابط تصدير الشرائح. وأضاف أن الطريقة الأفضل للحفاظ على ريادة الولايات المتحدة في مجال الذكاء الاصطناعي ستكون التوقف عن بيع معالجات Nvidia H200 إلى الصين. وقال إن ذلك “قد يبقينا بعيدين عن هذا النقاش الشائك حول حظر التقنيات مفتوحة المصدر التي تريد أعداد ضخمة من الشركات الأمريكية استخدامها”.
ويتمثل جزء من المشكلة في حالة عدم اليقين حول اقتصاديات الذكاء الاصطناعي. ويوضح Bresnick: “نموذج الأعمال المفتوح، ونموذج الأعمال الخاص المغلق، لم يتم حسم أي منهما بعد. تكافح شركات الذكاء الاصطناعي لمعرفة كيفية تحقيق أرباح من أدواتها، خصوصًا مع استمرار ارتفاع تكاليف التدريب”.
وتظهر التحديات نفسها التي تواجه الولايات المتحدة أيضًا في الصين، حيث تكافح شركات الذكاء الاصطناعي هناك كذلك لتحقيق الإيرادات والوصول إلى القدرة الحاسوبية، بينما يُنظر إلى الحكومة على أنها تشجع الإصدارات المفتوحة لأسباب تتعلق بالسياسة، رغم صعوبة تحقيق أرباح منها.
وتحاول بعض الشركات الأمريكية، بما في ذلك Thinking Machines Lab وNvidia، بناء نموذج أعمال حول إطلاق نماذج مفتوحة. ويشير Hancock إلى أن Nvidia ستكون في وضع أفضل “إذا كانت هناك عشرات أو مئات الشركات التي تبني الذكاء الاصطناعي بدلًا من شركتين أو ثلاث فقط لديها رأس المال الكافي لصناعة شرائحها الخاصة”، وهو أحد الأسباب وراء استثمارها في Nemotron، وهي مجموعة من النماذج المفتوحة.
وقال Bresnick: “النقطة الرئيسية هي أن الولايات المتحدة ستكون في وضع أفضل بكثير إذا امتلكت نماذج مفتوحة خاصة بها، قوية جدًا وأقل تكلفة بكثير. لكن هذا يتعارض مع النهج الذي اتبعته المختبرات المتقدمة”.
الخبر منقول ومترجم من TechCrunch.
المصدر.