في 14 مارس، أرسلنا رد Hugging Face على طلب مكتب البيت الأبيض لسياسة العلوم والتكنولوجيا للحصول على معلومات حول خطة عمل البيت الأبيض للذكاء الاصطناعي. لقد انتهزنا هذه الفرصة (لإعادة) التأكيد على الدور الأساسي الذي تلعبه أنظمة الذكاء الاصطناعي المفتوحة والعلم المفتوح في تمكين التكنولوجيا من أن تكون أكثر أداءً وكفاءة، ويتم اعتمادها على نطاق واسع وموثوق، وتلبية أعلى معايير الأمان. يقدم منشور المدونة هذا ملخصًا لردنا، والنص الكامل متاح هنا.
السياق: لا تنام على (بقوة) قدرات النماذج المفتوحة
إن الأساليب المفتوحة لتطوير الذكاء الاصطناعي ليست فقط (عادة) أكثر شفافية وقابلية للتكيف وسليمة من الناحية العلمية، بل إنها أيضًا مستنسخة أو تجاوزت الأداء والعروض التجارية المستخدمة على نطاق واسع لواجهة برمجة التطبيقات (API) فقط في العديد من المهام؛ ويفعلون ذلك بشكل متزايد جداول زمنية أقصر، مع زيادة كفاءة الموارد. يتفوق برنامج OlympicCoder الذي صممه فريقنا مؤخرًا على Claude 3.7 في مهام الترميز المعقدة باستخدام معلمات 7B ووصفة ما بعد التدريب مفتوحة المصدر، أو نماذج OLMo 2 المفتوحة بالكامل من AI2 (مع بيانات التدريب المفتوحة) التي تتطابق مع أداء o1-mini، وهما من أحدث الأمثلة المقنعة. تُظهر هذه النجاحات أن استراتيجية الذكاء الاصطناعي القوية يجب أن تستفيد من التطوير المفتوح والتعاوني لدفع أداء التكنولوجيا واعتمادها وأمنها على أفضل وجه. ونحن نقدم ثلاث توصيات رئيسية في هذا الاتجاه.
التوصية 1: الاعتراف بالمصادر المفتوحة والعلوم المفتوحة كأساس لنجاح الذكاء الاصطناعي
تعتمد أنظمة الذكاء الاصطناعي الأكثر تقدمًا حتى الآن على أساس قوي من البحث المفتوح (آليات الاهتمام، وهندسة المحولات، وخوارزميات ما بعد التدريب الأرخص) والبرمجيات مفتوحة المصدر (PyTorch، ومكتبات Hugging Face، وأنظمة تشغيل الكمبيوتر العملاق) – مما يوضح القيمة الحاسمة للدعم المستمر للانفتاح في الحفاظ على المزيد من التقدم. كما تبين أن الاستثمار في الأنظمة التي يمكن إعادة استخدامها وتكييفها بحرية له تأثير اقتصادي قوي مضاعف، مما يؤدي إلى زيادة نسبة كبيرة من الناتج المحلي الإجمالي للبلدان. نظرًا لأن أنظمة الذكاء الاصطناعي ذات الأوزان المفتوحة وتقنيات التدريب أصبحت خيارات جذابة بشكل متزايد للمطورين من حيث الأداء والتكلفة، فإن إعطاء الأولوية للبنية التحتية للأبحاث العامة والوصول الواسع إلى الحوسبة والنماذج القابلة للتخصيص ومجموعات البيانات المفتوحة الموثوقة – خاصة للمطورين والباحثين الصغار – سيكون ضروريًا لمزيد من النجاح الفني والاقتصادي لتكنولوجيا الذكاء الاصطناعي.
التوصية 2: إعطاء الأولوية للكفاءة والموثوقية لإطلاق العنان للابتكار على نطاق واسع
إن معالجة القيود المفروضة على الموارد لدى المنظمات التي تتبنى تكنولوجيا الذكاء الاصطناعي وتكيفها ستكون ضرورية لدعم نشرها وتعزيز الابتكار من جانب المتبنين عبر سلسلة التطوير بأكملها. النماذج الأصغر (التي يمكن استخدامها حتى على الأجهزة الطرفية)، وتقنيات تقليل المتطلبات الحسابية عند الاستدلال، والجهود المبذولة لتسهيل التدريب متوسط النطاق للمؤسسات ذات الموارد الحسابية المتواضعة إلى المتوسطة، كلها تدعم تطوير النماذج التي تلبي الاحتياجات المحددة لسياق استخدامها، خاصة في البيئات عالية المخاطر مثل الرعاية الصحية حيث أثبتت النماذج العامة بالكامل عدم موثوقيتها. تعمل أنظمة الذكاء الاصطناعي الأكثر كفاءة والمصممة خصيصًا لهذا الغرض على تسهيل إجراء تقييم أفضل في السياق، واستخدام أفضل للموارد، وتمكين المؤسسات من بناء القدرات التقنية في جميع مراحل سلسلة تطوير الذكاء الاصطناعي لضمان قدرة جميع المستخدمين على الاستفادة من النظام الذي يناسب احتياجاتهم على أفضل وجه.
التوصية 3: تأمين الذكاء الاصطناعي من خلال أنظمة مفتوحة وقابلة للتتبع وشفافة
أخيرًا، إذا كانت عقود من أمن المعلومات والأمن السيبراني في البرمجيات مفتوحة المصدر تشير إلى أي شيء، فإن أنظمة الذكاء الاصطناعي المفتوحة والشفافة سيكون لها دور أساسي تلعبه في تأمين تطوير الذكاء الاصطناعي ونشره خاصة في البيئات الأكثر أهمية – مع مستويات مختلفة من الانفتاح اللازم لمختلف متطلبات الأمان. يمكن للنماذج الشفافة تمامًا التي توفر الوصول إلى بيانات وإجراءات التدريب أن تدعم شهادات السلامة الأكثر شمولاً. يمكن للبنية التحتية المفتوحة والأدوات مفتوحة المصدر التي تنفذ أحدث تقنيات التدريب تمكين المؤسسات من تدريب النماذج التي تحتاجها في بيئات يتم التحكم فيها بالكامل. يمكن أن تكون النماذج ذات الوزن المفتوح التي يمكن تشغيلها في بيئات ذات فجوات هوائية عنصرًا حاسمًا في إدارة مخاطر المعلومات. يعد إعطاء الأولوية لاعتماد الأنظمة الأكثر شفافية، ودعم تطوير الموارد المفتوحة الموضحة، وبناء القدرات للاستفادة منها خاصة في البيئات الحرجة لاعتماد الذكاء الاصطناعي أمرًا ضروريًا لتمكين اعتماد الذكاء الاصطناعي بشكل أكثر أمانًا.
يرجى الرجوع إلى الرد الكامل للحصول على توصياتنا الأكثر تفصيلاً!
