Το Νέο Πρότυπο GPAI της Ευρωπαϊκής Επιτροπής – Τι Σημαίνει Αυτό για την Εκπαίδευση του AI;

Τον Ιούλιο, η Ευρωπαϊκή Επιτροπή (ΕΕ) εξέδωσε ένα νέο πρότυπο γενικού σκοπού για την τεχνητή νοημοσύνη (GPAI). Αυτό σημαίνει ότι οι παρόχοι AI πρέπει να αποκαλύψουν το περιεχόμενο που εισάγεται στα μοντέλα για να τα εκπαιδεύσουν. Αυτό έρχεται μετά από μήνες και μήνες επικεφαλίδων σχετικά με δημιουργούς που ισχυρίζονται ότι το περιεχόμενό τους χρησιμοποιήθηκε χωρίς συναίνεση για την εκπαίδευση του AI.

Με αυτό το νέο πρότυπο, η ΕΕ έχει κάνει σαφές την θέση της: η διαφάνεια είναι πλέον αδιαπραγμάτευτη. Η εκπαίδευση “μαύρου κουτιού”, όπου κάτι δημιουργείται χωρίς να αποκαλυφθούν οι εσωτερικές του εργασίες, δεν θα είναι μια επιλογή για τους dévelopτερ του AI. Αυτό σημαίνει μια σημαντική αλλαγή, καθώς η λειτουργία στην Ευρώπη θα απαιτεί πλήρη ορατότητα στις εισόδους του μοντέλου και την προέλευση των δεδομένων,迫使 μια επανεξέταση της συλλογής και χρήσης των δεδομένων.

Πολλοί έχουν υπογραμμίσει τη σαφή διαφορά μεταξύ αυτού και του πρόσφατα κυκλοφορημένου Αμερικανικού Σχεδίου Δράσης για την Τεχνητή Νοημοσύνη, το οποίο επικεντρώνεται έντονα στην απορρύθμιση. Όπως και με κάθε νέο νόμο ή κανονισμό, οι επιχειρήσεις πρέπει τώρα να λάβουν υπόψη τους και να αξιολογήσουν genau πώς το πρότυπο GPAI θα επηρεάσει τις λειτουργίες τους.

Εάν λειτουργούν σε διαφορετικές περιοχές, θα κάνουν το ίδιο και με το Αμερικανικό Σχέδιο Δράσης για την Τεχνητή Νοημοσύνη, مما confuses τις cosas. Λόγω της σύνθετης φύσης αυτών και του γεγονότος ότι η ρύθμιση της ανάπτυξης της τεχνητής νοημοσύνης με αυτόν τον τρόπο είναι ανεξερεύνητο έδαφος, οι εξόδους των dévelopτερ είναι πιθανό να διαφέρουν σημαντικά.

Ανάλυση του Προτύπου Μοντέλου Τεχνητής Νοημοσύνης Γενικού Σκοπού

Τον Ιούλιο του τρέχοντος έτους, η Ευρωπαϊκή Επιτροπή δημοσίευσε ένα υποχρεωτικό πρότυπο για τους παρόχους GPAI, ώστε να μπορούν να δημοσιεύσουν một δημόσια περίληψη των δεδομένων που χρησιμοποιούν για την εκπαίδευση των μοντέλων τους. Jako μέρος του νόμου της ΕΕ για την Τεχνητή Νοημοσύνη, οι παρόχοι πρέπει να αποκαλύψουν κατηγορίες δεδομένων όπως δημόσια διαθέσιμα σύνολα δεδομένων, ιδιωτικά αδειοδοτημένα δεδομένα, scraped web περιεχόμενο, δεδομένα χρηστών και συνθετικά δεδομένα. Ο σκοπός είναι να επιτρέψει στους κατόχους πνευματικών δικαιωμάτων, τους χρήστες και τους dévelopτερ να ασκήσουν τα νομικά τους δικαιώματα σύμφωνα με το δίκαιο της ΕΕ.

Σύγκριση και Αντιπαράθεση, Αμερικανικό Σχέδιο Δράσης για την Τεχνητή Νοημοσύνη

Σε σύγκριση, οι ΗΠΑ είναι αποφασισμένες να κερδίσουν τον αγώνα της τεχνητής νοημοσύνης και να διατηρήσουν το ανταγωνιστικό τους πλεονέκτημα έναντι της Κίνας, καθώς η διοίκηση του Trump ανακοίνωσε το Σχέδιο Δράσης για την Τεχνητή Νοημοσύνη νωρίτερα αυτό το καλοκαίρι. Αυτό το νέο πλαίσιο για την τεχνητή νοημοσύνη στοχεύει στην επιτάχυνση της κατασκευής ενεργοβόρων κέντρων δεδομένων που τροφοδοτούν τα συστήματα τεχνητής νοημοσύνης με την ελαχιστοποίηση των περιβαλλοντικών κανονισμών. Ταυτόχρονα, επιδιώκει την αύξηση των εξαγωγών Αμερικανικών τεχνολογιών τεχνητής νοημοσύνης σε παγκόσμιο επίπεδο. Με 90 συστάσεις, το σχέδιο αντανακλά τις αυξανόμενες προσπάθειες των ΗΠΑ να παραμείνουν вперед των παγκόσμιων ανταγωνιστών τους.

Το σχέδιο βασίζεται σε τρεις βασικούς πυλώνες – την επιτάχυνση της καινοτομίας, την κατασκευή της αμερικανικής υποδομής τεχνητής νοημοσύνης και την προώθηση της ηγεσίας στην διεθνή διπλωματία και ασφάλεια της τεχνητής νοημοσύνης.

Ως μέρος αυτού, μια κλειδί λήψη από το σχέδιο υπογράμμισε την ‘ανοιχτή’ προσέγγιση των ΗΠΑ για να τροφοδοτήσει cả την καινοτομία και τη διαθεσιμότητα. Παρόμοια, το σχέδιο υπογραμμίζει πώς η αμερικανική κυβέρνηση θα ‘ οδηγήσει με το παράδειγμα ‘ όταν πρόκειται για την ανάπτυξη της τεχνητής νοημοσύνης – μέσω της εκπαίδευσης, των ανταλλαγών ταλέντων και της επέκτασης της υιοθέτησης σε διάφορους τομείς.

Το Λείπων Κομμάτι

Αξίζει να σταθούμε σε αυτό το σημείο και να σκεφτούμε αν αυτές οι ενέργειες, αν και διαφορετικές, θα μπορούσαν να υποφέρουν από τα ίδια ελαττώματα που θα κάνουν τους dévelopτερ να δουν έλλειψη αξίας στην τήρηση τους. Οι προσεγγίσεις της ΕΕ και των ΗΠΑ αφήνουν ένα κρίσιμο κενό γύρω από την πνευματική ιδιοκτησία στις βάσεις δεδομένων εκπαίδευσης του AI. Ο νόμος της ΕΕ για την Τεχνητή Νοημοσύνη απαιτεί περίληψη δεδομένων εκπαίδευσης και πολιτική συμμόρφωσης με τα πνευματικά δικαιώματα, αλλά δεν καθορίζει ένα κλιμακώσιμο πλαίσιο για την αναγνώριση ή αδειοδότηση προστατευμένων έργων.

Ο Κρυφός Κόστος των Επιχειρήσεων που Παραλείπουν την Αναγνωρισιμότητα του AI

Παρά κάποια ελαττώματα σε αυτές τις ρυθμίσεις, θα υποτεθεί ότι θα κάνουν τους dévelopτερ του AI να εστιάσουν πολύ στην πώς να παραμείνουν πλωτοί από νομική πλευρά – αλλά αυτό δεν είναι πάντα το caso. Στην πραγματικότητα, η πραγματική διάσταση στο AI αυτή τη στιγμή δεν είναι μεταξύ της ρύθμισης της ΕΕ και των ΗΠΑ, αλλά μεταξύ των εταιρειών που επενδύουν στην αναγνωρισιμότητα σήμερα και εκείνων που παίζουν ότι δεν θα πρέπει να το κάνουν. Αυτό είναι μια επανάληψη του τι είδαμε χρόνια πριν με την εφαρμογή του Γενικού Κανονισμού Προστασίας Δεδομένων (GDPR) – οι εταιρείες που κατασκεύασαν την προστασία της ιδιωτικής ζωής από την αρχή δεν μόνο απέφυγαν πρόστιμα αλλά κέρδισαν και την εμπιστοσύνη των καταναλωτών και μια ομαλότερη πρόσβαση σε άλλες αγορές που αργότερα αντέγραψαν τους κανονισμούς του GDPR.

Το ίδιο μοτίβο μπορεί να εμφανίζεται με το AI. Η αναγνωρισιμότητα των δεδομένων εκπαίδευσης και των αποφάσεων του μοντέλου θα γίνει πιθανότατα μια παγκόσμια βάση, και οι εταιρείες που καθυστερούν θα πρέπει να ξανασχεδιάσουν τα συστήματά τους στο μέλλον. Η προσθήκη τεκμηρίωσης, αναγνωρισιμότητας και δυνατοτήτων ελέγχου σε ένα υπάρχον σύστημα είναι πολύ πιο ακριβό και σύνθετο από το να τα χτίσει από την αρχή, απομακρύνοντας την προσοχή από τις πιο κερδοφόρες κατασκευές που η εταιρεία θέλει να ολοκληρώσει.

Η Ηθική Τεχνητή Νοημοσύνη Χρειάζεται Παγκόσμια Ενότητα

Από μια μακροοικονομική προοπτική, αυτές οι πολωμένες προσεγγίσεις δημιουργούν ένα πραγματικό πρόβλημα για τις παγκόσμιες επιχειρήσεις. Οι εταιρείες σε αγορές με ελαφρύτερη ρύθμιση όπως οι ΗΠΑ μπορούν να αναπτύξουν πιο γρήγορα στο σύντομο χρονικό διάστημα, αλλά όταν αποφασίζουν να εισέλθουν στην ΕΕ, αντιμετωπίζουν ένα τείχος συμμόρφωσης: οι κανόνες αναγνωρισιμότητας και τεκμηρίωσης του νόμου της ΕΕ για την Τεχνητή Νοημοσύνη απαιτούν ικανότητες που δεν είχαν ποτέ χτίσει.

Η προσθήκη αναγνωρισιμότητας, τεκμηρίωσης και δυνατοτήτων ελέγχου σε ένα υπάρχον σύστημα είναι ακριβό, αργό και διαταρακτικό, especialmente因为 η αναγνωρισιμότητα είναι ένα από τα πιο πόρων-εντατικά μέρη της συμμόρφωσης. Είναι το ίδιο μοτίβο που είδαμε με το GDPR, όπου οι latecomers στην προστασία της ιδιωτικής ζωής από την αρχή αγωνίστηκαν με ακριβές ανακατασκευές και καθυστερημένες προσεγγίσεις στην αγορά, ενώ οι πρώτοι κέρδισαν einen διαρκή πλεονέκτημα.