معضلة البيانات في الذكاء الاصطناعي: الخصوصية والتنظيم ومستقبل الذكاء الاصطناعي الأخلاقي

تعتمد الحلول التي تعتمد على الذكاء الاصطناعي على البيانات عالية الجودة التي يتم تدريبها عليها، وهو جانب غالباً ما يُ忽َض أو يُغفَل عنه في عملية إنشاء مجموعة البيانات.

مع زيادة تدقيق سلطات حماية البيانات على كيفية مطابقة تقنيات الذكاء الاصطناعي للوائح واللوائح المتعلقة بالخصوصية وحماية البيانات، تواجه الشركات ضغوطاً متزايدة لتحديد مصادر البيانات وتنقيحها وتنميتها بطرق مطابقة للوائح والأخلاقيات.

هل هناك真的 نهج أخلاقي لإنشاء مجموعات بيانات الذكاء الاصطناعي؟ ما هي أكبر التحديات الأخلاقية التي تواجه الشركات، وكيف يتعاملون معها؟ وكيف تؤثر الإطارات القانونية المتطورة على توافر واستخدام بيانات التدريب؟ دعونا نستكشف هذه الأسئلة.

الخصوصية والذكاء الاصطناعي

يتطلب الذكاء الاصطناعي بطبيعته كمية كبيرة من البيانات الشخصية لتنفيذ المهام. وقد أثار هذا مخاوف بشأن جمع وتخزين واستخدام هذه المعلومات.

هناك العديد من القوانين حول العالم التي تنظم وتنظم استخدام البيانات الشخصية، من قانون حماية البيانات العام في الاتحاد الأوروبي إلى قانون حماية المعلومات الصحية في الولايات المتحدة، الذي ينظم الوصول إلى بيانات المرضى في صناعة الرعاية الصحية.

على سبيل المثال، هناك أربعة عشر ولاية أمريكية تتمتع بقوانين شاملة لحماية البيانات، مع ست ولايات أخرى ستدخل حيز التنفيذ في عام 2025 وأوائل عام 2026. وقد أشار الإدارة الجديدة إلى تغيير في نهجها لتنفيذ حماية البيانات على المستوى الفيدرالي.

يشدد ال焦 على تعزيز الابتكار بدلاً من فرض قيود، مع التركيز على تنظيم الذكاء الاصطناعي. وتشمل هذه التحول إلغاء الأوامر التنفيذية السابقة المتعلقة بالذكاء الاصطناعي وإدخال توجيهات جديدة لتوجيه تطويره وتطبيقه.

تتطور تشريعات حماية البيانات في مختلف البلدان، حيث تكون القوانين أكثر صرامة في أوروبا وأقل صرامة في آسيا وأفريقيا.

然而، يتم حظر المعلومات الشخصية المتعرف عليها (PII) – مثل الصور الشخصية والوثائق الرسمية مثل جوازات السفر أو أي بيانات شخصية حساسة أخرى – بشكل عام في معظم البلدان إلى حد ما.

وفقًا لمنظمة الأمم المتحدة للتجارة والتنمية، فإن جمع واستخدام المعلومات الشخصية وتبادلها مع الأطراف الثالثة دون إشعار أو موافقة المستهلكين يُعد قلقًا كبيرًا لمعظم دول العالم.

لديها 137 من أصل 194 دولة قوانين تضمن حماية البيانات و الخصوصية. ونتيجة لذلك، تتخذ الشركات العالمية احتياطات شديدة لتفادي استخدام PII لتدريب النماذج، لأن اللوائح مثل تلك الموجودة في الاتحاد الأوروبي تحظر مثل هذه الممارسات بشكل صارم، مع استثناءات نادرة في مجالات مثل تنفيذ القانون.

مع مرور الوقت، تصبح قوانين حماية البيانات أكثر شمولاً وتنفذ على الصعيد العالمي. وتتكيف الشركات مع ممارساتها لتجنب التحديات القانونية والوفاء بالمتطلبات القانونية والاخلاقية الناشئة.

ما هي الطرق التي تستخدمها الشركات للحصول على البيانات؟

عند دراسة قضايا حماية البيانات لتدريب النماذج، من المهم أولاً فهم من أين تحصل الشركات على هذه البيانات.

هناك ثلاثة مصادر رئيسية و أساسية للبيانات.

• جمع البيانات

تمكن هذه الطريقة من جمع البيانات من منصات التمويل الجماعي ووسائل الإعلام ومجموعات البيانات مفتوحة المصدر.

من المهم ملاحظة أن وسائل الإعلام العامة خاضعة لاتفاقيات ترخيص مختلفة. حتى ترخيص الاستخدام التجاري غالباً ما ينص صراحة على أن المحتوى لا يمكن استخدامه لتدريب النماذج.

حتى عندما تحصل شركات الذكاء الاصطناعي على المحتوى بشكل قانوني، يمكن أن تواجه بعض القضايا.

سارعت تقنيات تدريب النماذج إلى التقدم بسرعة أكبر من الإطارات القانونية، مما يعني أن القواعد واللوائح المحيطة ببيانات التدريب لا تزال تتطور.

لذلك، يجب على الشركات البقاء على اطلاع دائم بالتطورات القانونية ومراجعة اتفاقيات الترخيص بعناية قبل استخدام المحتوى من مصادر الأسهم لتدريب الذكاء الاصطناعي.

• إنشاء البيانات

تعتبر واحدة من أكثر طرق تحضير مجموعة البيانات أماناً إنشاء محتوى فريد، مثل تصوير الأشخاص في بيئات خاضعة للرقابة مثل الاستوديوهات أو المواقع الخارجية.

قبل المشاركة، يوقع الأفراد على استمارة موافقة لاستخدام معلوماتهم الشخصية، مع تحديد ما هي البيانات التي يتم جمعها وكيف وحيث سيتم استخدامها ومن سيكون لديه حق الوصول إليها.

هذا يضمن الحماية القانونية الكاملة ويعطي الشركات ثقة في أنهم لن يواجهوا ادعاءات باستخدام البيانات بشكل غير قانوني.

然而، فإن عيب هذه الطريقة هو تكاليفها، خاصة عند إنشاء بيانات لسيناريوهات حافة أو مشاريع كبيرة.

然而، فإن الشركات الكبيرة والمؤسسات تتجه بشكل متزايد إلى استخدام هذه الطريقة لأسبابين.

أولاً، يضمن هذا الامتثال التام لجميع المعايير واللوائح القانونية.

ثانياً، يوفر لهم بيانات مخصصة تماماً لسيناريوهاتهم ومتطلباتهم الخاصة، مما يضمن دقة أعلى في تدريب النماذج.

• إنشاء البيانات الاصطناعية

استخدام أدوات البرمجيات لإنشاء صور أو نصوص أو مقاطع فيديو بناءً على سيناريو معين.

然而، توجد قيود للبيانات الاصطناعية: يتم إنشاؤها بناءً على معايير محددة وتنقصها التباين الطبيعي للبيانات الحقيقية.

يمكن أن يؤثر هذا النقص سلباً على نماذج الذكاء الاصطناعي.

على الرغم من أن هذا ليس ذا صلة دائماً ولا يحدث دائماً، إلا أنه من المهم تذكر “انهيار النموذج” – النقطة التي يصبح فيها الاعتماد المفرط على البيانات الاصطناعية يؤدي إلى تدهور النموذج، مما يؤدي إلى إنتاجات منخفضة الجودة.

يمكن أن تكون البيانات الاصطناعية فعالة جداً لمهام أساسية، مثل التعرف على الأنماط العامة أو تحديد الكائنات أو تمييز العناصر البصرية الأساسية مثل الوجوه.

然而، ليست الخيار الأمثل عندما تحتاج شركة إلى تدريب نموذج بالكامل من الصفر أو التعامل مع سيناريوهات نادرة أو محددة جداً.

تظهر الحالات الأكثر إظهاراً في البيئات الداخلية، مثل سائق منشغل بطفل أو شخص يبدو متعبًا خلف عجلة القيادة أو حتى حالات القيادة المتهورة.

ليست هذه النقاط متاحة عادة في مجموعات البيانات العامة – ولا ينبغي أن تكون كذلك – لأنها تتضمن أفراد حقيقيين في بيئات خاصة.

由于 تعتمد نماذج الذكاء الاصطناعي على بيانات التدريب لإنشاء مخرجات اصطناعية، فإنها تواجه صعوبات في تمثيل السيناريوهات التي لم تواجهها بدقة.

عندما تفشل البيانات الاصطناعية، تصبح البيانات المُنشأة – التي يتم جمعها في بيئات خاضعة للرقابة مع ممثلين حقيقيين – هي الحل.

مزودو حلول البيانات مثل Keymakr يضعون الكاميرات في السيارات ويستأجرون الممثلين ويقومون بتسجيل الإجراءات مثل رعاية الطفل أو شرب الزجاجة أو إظهار علامات الإجهاد.

يوقع الممثلون عقوداً توافق على استخدام بياناتهم الشخصية لتدريب الذكاء الاصطناعي، مما يضمن الامتثال لقوانين الخصوصية.

المسؤوليات في عملية إنشاء مجموعة البيانات

لكل مشارك في العملية، من العميل إلى شركة التعليمة، مسؤوليات محددة في الاتفاق.

الخطوة الأولى هي إقامة عقد، الذي يحدد طبيعة العلاقة، بما في ذلك الشروط المتعلقة بالسرية والملكية الفكرية.

دعونا ننظر إلى الخيار الأول للعمل مع البيانات، أي عندما يتم إنشاؤها من الصفر.

تنص حقوق الملكية الفكرية على أن أي بيانات يُنشئها المزود تعود ملكيتها للشركة التي تعاقدت معها، مما يعني أنها تم إنشاؤها لصالحها.

هذا يعني أن المزود يجب أن يضمن حصول البيانات بشكل قانوني و適合.

كشركة حلول بيانات، يضمن Keymakr امتثال البيانات من خلال التحقق أولاً من الولاية القضائية التي يتم فيها إنشاء البيانات، والحصول على موافقة مناسبة من جميع الأفراد المعنيين، وضمان أن البيانات يمكن استخدامها قانونياً لتدريب الذكاء الاصطناعي.

من المهم ملاحظة أن بمجرد استخدام البيانات لتدريب نموذج الذكاء الاصطناعي، يصبح من الصعب تحديد البيانات المحددة التي ساهمت في النموذج لأن الذكاء الاصطناعي يدمجها جميعاً.

نظرًا لتطورها السريع، لا تزال هذه المنطقة تضع إرشادات واضحة لتوزيع المسؤوليات.

هذا يشبه تعقيدات السيارات ذاتية القيادة، حيث لا تزال أسئلة المسؤولية – سواء كان السائق أو الشركة المصنعة أو شركة البرمجيات – تتطلب توزيعاً واضحاً.

في حالات أخرى، عندما يستلم مزود التعليمة مجموعة بيانات للتعليمة، يفترض أن العميل حصل على البيانات بشكل قانوني.

إذا كان هناك دلائل واضحة على أن البيانات تم الحصول عليها بشكل غير قانوني، يجب على المزود الإبلاغ عن ذلك.

然而، هذه الحالات الواضحة نادرة للغاية.

من المهم ملاحظة أن الشركات الكبيرة والشركات والشركات التي تُقدّر سمعتها تكون حريصة جداً على مصدر بياناتها، حتى لو لم يتم إنشاؤها من الصفر ولكن تم الحصول عليها من مصادر قانونية أخرى.

بشكل عام، تعتمد مسؤولية كل مشارك في عملية البيانات على الاتفاق.

يمكن اعتبار هذه العملية جزءاً من سلسلة “الاستدامة” الأوسع، حيث يلعب كل مشارك دوراً حاسماً في الحفاظ على المعايير القانونية والأخلاقية.

ما هي المفاهيم الخاطئة حول الجزء الخلفي من تطوير الذكاء الاصطناعي؟

مفهوم خاطئ عن تطوير الذكاء الاصطناعي هو أن نماذج الذكاء الاصطناعي تعمل بشكل مشابه لمحركات البحث، حيث تجمع وتجمع المعلومات لتقديمها للمستخدمين بناءً على المعرفة المكتسبة.

然而، تعمل نماذج الذكاء الاصطناعي، خاصة نماذج اللغة، غالباً على أساس الاحتمالات وليس الفهم الحقيقي.

تتنبأ الكلمات أو العبارات بناءً على الاحتمالات الإحصائية، باستخدام الأنماط التي شوهدت في البيانات السابقة.

الذكاء الاصطناعي لا “يعرف” أي شيء؛ إنه يُقَرِّب ويهزء ويعدل الاحتمالات.

علاوة على ذلك، يفترض الكثيرون أن تدريب الذكاء الاصطناعي يتطلب مجموعات بيانات ضخمة، ولكن معظم ما يحتاجه الذكاء الاصطناعي للاعتراف به – مثل الكلاب أو القطط أو البشر – تم تأسيسه بالفعل جيداً.

ال焦 الآن هو تحسين الدقة وتحسين النماذج بدلاً من إعادة اختراع القدرات التعرف.

يتعلق الكثير من تطوير الذكاء الاصطناعي اليوم بملء الفجوات الصغيرة المتبقية في الدقة بدلاً من البدء من الصفر.

التحديات الأخلاقية وكيف سيتأثر سوق الذكاء الاصطناعي العالمي بالاتحاد الأوروبي قانون الذكاء الاصطناعي والتخفيف من اللوائح الأمريكية

عند مناقشة الأخلاقيات والقانونية للعمل مع البيانات، من المهم فهم ما يُعتبر “أخلاقي” في الذكاء الاصطناعي.

التحدي الأخلاقي الأكبر الذي تواجهه الشركات اليوم في الذكاء الاصطناعي هو تحديد ما يُعتبر مقبولاً أو غير مقبول لذكاء اصطناعي أو تعليمه.

هناك إجماع واسع النطاق على أن الذكاء الاصطناعي الأخلاقي يجب أن يساعد بدلاً من إيذاء البشر وي避ي الخداع.

然而، يمكن لنظم الذكاء الاصطناعي أن تُرتكب أخطاء أو “توهج”، مما يثير تحديات في تحديد ما إذا كانت هذه الأخطاء تُعتبر معلومات خاطئة أو ضرر.

أخلاقيات الذكاء الاصطناعي هي موضع نقاش مع Participation منظمات مثل اليونسكو – مع مبادئ رئيسية تتعلق بالمراجعة وقابلية التتبع للمخرجات.

تلعب الإطارات القانونية المحيطة بالوصول إلى البيانات وتنمية الذكاء الاصطناعي دوراً هاماً في تشكيل المناظر الأخلاقية للذكاء الاصطناعي.

الدول التي تُطبق قيوداً أقل على استخدام البيانات تمكن من وصول بيانات التدريب أكثر، في حين تقيد الدول التي تُطبق قوانين بيانات أكثر صرامة توافر البيانات لتدريب الذكاء الاصطناعي.

على سبيل المثال، يُظهر الاتحاد الأوروبي، الذي اعتمد قانون الذكاء الاصطناعي، والولايات المتحدة، التي ألغت العديد من لوائح الذكاء الاصطناعي، نهجين متناقضين يُظهران المناظر الحالية العالمية.

يؤثر قانون الذكاء الاصطناعي في الاتحاد الأوروبي بشكل كبير على الشركات التي تعمل في أوروبا.

يفرض إطاراً تنظيمياً صارماً، مما يجعل من الصعب على الشركات استخدام أو تطوير نماذج الذكاء الاصطناعي معينة.

يجب على الشركات الحصول على تراخيص محددة للعمل مع بعض التكنولوجيات، وفي nhiều حالات، تجعل اللوائح من الصعب على الشركات الصغيرة الامتثال لهذه القواعد.

نتيجة لذلك، قد يختار بعض الشركات الخروج من أوروبا أو تجنب العمل هناك تماماً، مشابهاً لتأثير لوائح العملة الرقمية.

قد تتمكن الشركات الكبيرة التي يمكنها تحمل الاستثمارات اللازمة لتحقيق الامتثال من التكيف، ولكن القانون قد يدفع ابتكارات الذكاء الاصطناعي خارج أوروبا لصالح أسواق مثل الولايات المتحدة أو إسرائيل، حيث تكون اللوائح أقل صرامة.

يمكن أن يكون قرار الولايات المتحدة استثمار الموارد الكبيرة في تطوير الذكاء الاصطناعي مع قيود أقل لهو أيضاً سلبيات، ولكنه قد يدعو إلى مزيد من التنوع في السوق.

في حين يركز الاتحاد الأوروبي على السلامة وامتثال اللوائح، من المحتمل أن تدعم الولايات المتحدة المزيد من المخاطرة والتجربة الحدية.