الشركة الأمريكية دعت إلى فرض ضوابط على تصدير الرقائق الإلكترونية.
قالت شركة أنثروبيك الأمريكية، مطورة نموذج الذكاء الاصطناعي (كلود)، في منشور على مدونة يوم الاثنين إن ثلاث شركات صينية استغلت البرنامج للحصول دون سند قانوني على قدرات لتحسين نماذجها الخاصة، ودعت إلى فرض ضوابط على تصدير الرقائق الإلكترونية.
جاء ذلك عقب إفصاح مماثل من أوبن إيه آي هذا الشهر، للتحذير من هجمات «تقطير المعرفة»، والتي تعتبر تقنية متطورة في التعلم الآلي.
وأشارت مذكرة اطلعت عليها «رويترز» إلى أن «أوبن إيه آي» نبهت المشرعين الأمريكيين إلى أن شركة «ديب سيك» الصينية الناشئة في مجال الذكاء الاصطناعي تستهدف «أوبن إيه آي» المطورة لبرنامج «تشات جي بي تي» وشركات ذكاء اصطناعي في الولايات المتحدة لتقليد نماذجها واستخدامها في تدريبها الخاص.
وقالت أنثروبيك إن شركات ديب سيك ومونشوت وميني ماكس تفاعلت أكثر من 16 مليون مرة مع برنامج كلود باستخدام نحو 24 ألف حساب وهمي، في انتهاك لشروط الخدمة للشركة وقيود الوصول الإقليمية.
وأوضحت أنثروبيك أن هذه الشركات استخدمت تقنية تُعرف باسم «التقطير»، والتي تتضمن تقييم نموذج ذكاء اصطناعي أقدم وأكثر رسوخا وقوة جودة الإجابات التي يقدمها نموذج أحدث، مما يؤدي فعليا إلى نقل معارف النموذج الأقدم.
وأضافت الشركة «تتزايد كثافة هذه الحملات وتعقيدها.
والفرصة المتاحة للتحرك محدودة، ويتجاوز التهديد أي شركة أو منطقة بعينها».
وحذرت أنثروبيك من أن النماذج المأخوذة بتقنية «التقطير» غير المشروعة تفتقر إلى الضمانات اللازمة، مما يُشكل مخاطر جسيمة على الأمن القومي.
وإذا ما تسنى نشر هذه النماذج كمصدر مفتوح، فإن المخاطر تتضاعف مع انتشار القدرات بحرية خارج سيطرة أي حكومة.
وأكدت أنثروبيك، التي جمعت 30 مليار دولار في أحدث جولة تمويل لها، وتبلغ قيمتها السوقية حاليا 380 مليار دولار، أن هجمات التقطير تقدم دعما لقضية فرض ضوابط على الصادرات، إذ يؤدي تقييد الوصول إلى الرقائق إلى إضعاف قدرات التدريب المباشر للنماذج، والحد من نطاق نشاط التقطير غير المشروع.
وأفادت أنثروبيك بأن عملية ديب سيك استهدفت قدرات الاستدلال في مختلف المهام، وإنشاء بدائل آمنة خالية من الرقابة، بينما ركزت عملية مونشوت على الاستدلال الآلي واستخدام الأدوات، بالإضافة إلى البرمجة وتحليل البيانات.
واستهدفت ميني ماكس البرمجة الآلية واستخدام الأدوات والتنسيق.
وتعتبر تقطير المعرفة تقنية متطورة في التعلم الآلي حيث يتم تدريب شبكة عصبية مدمجة، يشار إليها باسم «الطالب»، على إعادة إنتاج سلوك وأداء شبكة أكبر وأكثر تعقيدا، تُعرف باسم «المعلم»، بهدف تحسين النموذج، مما يسمح للمطورين بنقل القدرات التنبؤية للبنى الثقيلة إلى نماذج خفيفة الوزن مناسبة للنشر على أجهزة محدودة الموارد.
من خلال التقاط المعلومات الغنية المشفرة في تنبؤات «المعلم»، غالبا ما يحقق نموذج التلميذ دقة أعلى بكثير مما لو تم تدريبه على البيانات الأولية فقط، مما يسد الفجوة بين الأداء العالي والكفاءة بشكل فعال.
ويعد تقطير المعرفة أمرا محوريا في الصناعات التي تكون فيها الموارد الحاسوبية نادرة ولكن الأداء العالي غير قابل للتفاوض.
التعليقات (0)
لا توجد تعليقات حتى الآن. كن أول من يعلق!
أضف تعليقك