بينما تناقش الولايات المتحدة ردها على الذكاء الاصطناعي الصيني، تطالب الصناعة بعدم فرض قيود واسعة على الأوزان المفتوحة
وقعت عدة شركات ذكاء اصطناعي، بما في ذلك Hugging Face وMeta وMicrosoft وMistral وNvidia، على رسالة مفتوحة تحث صانعي السياسات على عدم فرض “قيود مبكرة شاملة” على نماذج الذكاء الاصطناعي ذات الوزن المفتوح. تأتي الرسالة في الوقت الذي تتناقش فيه واشنطن حول كيفية استجابة الولايات المتحدة للاتهامات بأن مختبرات الذكاء الاصطناعي الصينية تسرق الملكية الفكرية من نظيراتها الأمريكية، وتزداد قدراتها.
لا تذكر الرسالة الصين على الإطلاق، لكنها تأتي في أعقاب تقارير تفيد بأن إدارة ترامب كانت تفكر في حظر نماذج الوزن المفتوح الصينية، وربما فرض عقوبات على شركات الذكاء الاصطناعي من البلاد. كما اتهمت البيت الأبيض Moonshot AI بتقطير نموذج Anthropic’s Fable لتدريب نموذج Kimi K3 الذي تم إصداره مؤخرًا، والذي يعد، وفقًا لجميع القياسات، مثيرًا للإعجاب.
يبدو أن الرسالة تهدف إلى تثبيط فكرة الحظر الكامل على النماذج الصينية، وكذلك ضمان عدم تسرب استجابة الإدارة للاشتباه في عملية التقطير الصينية إلى قيود موسعة على الذكاء الاصطناعي ذي الوزن المفتوح أو تقنيات شائعة مثل التقطير:
اقرأ أيضاً
“يجب على صانعي السياسات أن يكونوا حذرين في عدم الخلط بين تقنيات تطوير النماذج المشروعة وسرقة الملكية الفكرية. التقطير، أو ممارسة استخدام مخرجات نموذج واحد للمساعدة في تدريب أو تحسين نموذج آخر، هو تقنية مستخدمة على نطاق واسع لتحسين النماذج والتقييم والتحقق. يعكس ذلك تقليدًا طويلًا في التعلم من، والبناء على، وتحسين التقنيات الحالية، وهو تقليد ساعد في دفع الابتكار منذ صعود حركة البرمجيات مفتوحة المصدر.
بالمقابل، تثير الجهود غير القانونية لاستخراج القيمة من النماذج المغلقة مخاوف مشروعة. يجب معالجة هذه المخاوف من خلال أطر قانونية وتجارية مستهدفة بدلاً من القيود الشاملة على التقنيات التي تلعب دورًا مهمًا في ابتكار الذكاء الاصطناعي.”
تتناقض الرسالة مع الحجج في الصناعة التي تقول إن النماذج ذات الوزن المفتوح بشكل جوهري خطيرة لأنها توسع الوصول إلى نماذج قوية، يمكن استخدامها في الهجمات الإلكترونية أو الأنشطة الخبيثة الأخرى، دون أي إشراف.
“الرد الصحيح على هذا الخطر ليس حظر الأوزان المفتوحة. في عالم يستخدم فيه المهاجمون في الأمن السيبراني ذكاء اصطناعي متقدم، يحتاج المدافعون إلى الوصول إلى نماذج ذات قدرات مماثلة حتى يتمكنوا من الكشف عن التهديدات الناشئة ومحاكاتها والاستجابة لها”، تقرأ الرسالة. “تعمل النماذج المفتوحة على توسيع القدرة الدفاعية، وزيادة الشفافية، والسماح بالاكتشاف والتصحيح للثغرات عبر فرق متعددة.”
في الأسبوع الماضي، كشفت OpenAI أنه أثناء اختبار GPT-5.6 Sol ونموذج آخر غير مسمى، استغل أحد الأنظمة ضعفًا في بيئة الاختبار للوصول إلى مستودع Hugging Face يحتوي على حل لمعيار الترميز. يمكن أن يجادل أحدهم بأن هدف النموذج لم يكن ضارًا، وأنه كان في الواقع يغش في اختبار للحصول على أعلى درجة. لكن الحادث أثار نقاشًا حول مخاطر تركيز تكنولوجيا الذكاء الاصطناعي المتقدمة وراء عدد قليل من المزودين المغلقين.
قالت Hugging Face إنها لم تتمكن من الدفاع عن نفسها ضد الهجوم باستخدام نماذج الذكاء الاصطناعي التجارية المتقدمة لأنها كانت تعيق جهودها. كانت النماذج المغلقة التي استخدمتها غير قادرة على التمييز بين الطلب منها على بناء استغلال لمهاجم وطلب مدافع يحاول الكشف عنها. بدلاً من ذلك، كان على الشركة أن تتحول إلى استخدام نموذج GLM 5.2 من شركة الذكاء الاصطناعي الصينية Z.ai، وهو نموذج قوي ذو وزن مفتوح، للدفاع عن نفسها ضد الهجوم.
تسلط الرسالة الضوء على الانقسام في صناعة الذكاء الاصطناعي. لقد حثت شركات مثل OpenAI وAnthropic الإدارة على الاستجابة للاشتباه في سرقة الملكية الفكرية من قبل شركات الذكاء الاصطناعي الصينية بينما تنمو النماذج ذات الوزن المفتوح بسرعة في القدرات. قد يكون للنتيجة آثار كبيرة على نماذج أعمالهم، التي تهددها انتشار نماذج ذكاء اصطناعي رخيصة وعالية القدرة ومتاحة.
هؤلاء الشركات، جنبا إلى جنب مع مطوري الذكاء الاصطناعي الآخرين ذوي المصدر المغلق مثل Google DeepMind و SpaceX، بارزون في غيابهم في أسفل هذه الرسالة.
أولئك الذين وقعوا على الرسالة لديهم مصلحة اقتصادية واضحة في رؤية نماذج الذكاء الاصطناعي المفتوحة تزدهر. الشركات مثل Nvidia وMicrosoft Azure ومقدمي البنية التحتية الآخرين لديهم مصلحة خاصة في الدفع نحو نماذج مستهلكة: إذا كانت النماذج قابلة للتبادل، فسوف يشتري الناس المزيد من وحدات معالجة الرسومات، ويستأجرون المزيد من سعة السحاب، ويبنون المزيد من التطبيقات، ويستخدمون المزيد من طبقات التوجيه.
تشجع الرسالة صانعي السياسات على توسيع الوصول إلى الحوسبة للشركات الناشئة والباحثين، والاستثمار في الأصول التدريبية المشتركة مثل مجموعات البيانات والأدوات وإطارات التقييم، و“[الحفاظ] على الحدود متعددة من خلال تجنب القيود المبكرة على النماذج المفتوحة التي تعيق المنافسة أو تدفع الابتكار إلى الخارج.”
عند الشراء من خلال الروابط في مقالاتنا، قد نكسب عمولة صغيرة. هذا لا يؤثر على استقلالنا التحريري.