Euroopan komission uusi yleispätevä tekoälymallipohja – Mitä se merkitsee tekoälykoulutukselle?

Kesäkuussa Euroopan komissio (EK) julkaisi uuden yleispätevän tekoälymallipohjan. Tämä tarkoittaa, että tekoälytarjoajien on paljastettava sisältö, joka on syötetty malleihin niiden kouluttamiseksi. Tämä tapahtuu kuukausien jälkeen, kun luojat väittivät, että sisältöä käytettiin ilman lupaa tekoälyn kouluttamiseen.

Tässä uudessa mallipohjassa EU on tehnyt kannan selväksi: läpinäkyvyys on nyt ehdoton. “Musta laatikko” -koulutus, jossa jotain luodaan ilman sisäisten toimintatapojen paljastamista, ei ole enää vaihtoehto tekoälykehittäjille. Tämä merkitsee merkittävää muutosta, sillä Euroopassa toimiminen edellyttää nyt täydellistä näkyvyyttä mallien syötteisiin ja koulutusdatan alkuperään, mikä pakottaa uudelleenarvioimaan datakeräämistä ja käyttöä.

Monet ovat korostaneet selvää eroa tämän ja hiljattain julkaistun US AI Action Planin välillä, joka keskittyy voimakkaasti sääntelyn purkamiseen. Kuten minkä tahansa uuden lain tai säännön tapauksessa, yritysten on nyt arvioitava tarkasti, miten GPAI-mallipohja vaikuttaa toimintaan.

Jos ne toimivat useilla alueilla, he tekevät samaa myös US AI Action Planin kanssa, mikä lisää sekavuutta. Niden ja sääntelyn monimutkaisen luonteen vuoksi, kehittäjien tulokset ovat todennäköisesti hyvin erilaisia.

Yleispätevän tekoälymallipohjan analyysi

Kesäkuussa tänä vuonna Euroopan komissio julkaisi pakollisen mallipohjan yleispätevien tekoälytarjoajien käyttöön, jotta he voivat julkaista julkisen yhteenvedon koulutusdatasta, jota heidän mallejaan varten käytetään. EU:n tekoälylain mukaisesti tarjoajien on paljastettava datakategoriat, kuten julkisesti saatavat tietokannat, yksityiset lisensoitujen tietojen, verkkosisällön, käyttäjätiedot ja synteettiset tiedot. Tavoitteena on mahdollistaa tekijänoikeuksien haltijoiden, käyttäjien ja alihankkijoiden oikeuksien käyttäminen EU:n lainsäädännön mukaisesti.

GPT:t koulutetaan suurilla määrillä dataa; kuitenkin nykyisellä markkinalla on rajallisesti tietoa saatavilla datan alkuperästä. Julkisen yhteenvedon, jonka tämä mallipohja esittää, tarjoaa kattavan katsauksen koulutusdatasta, luetellaan pääasialliset datakokoelmat ja selitetään muita käytettyjä lähteitä.

Vertailu ja kontrasti, US AI Action Plan

Vertailussa Yhdysvallat on sitoutunut voittamaan tekoälykilpailun ja ylläpitämään kilpailukykyään Kiinaa vastaan, kun Trumpin hallinto julkaisi tekoälytoimintasuunnitelmansa aiemmin kesäkuussa. Tämä uusi tekoälykehys pyrkii kiihdyttämään energiaa vaativien tietokeskusten rakentamista, jotka voittavat tekoälyjärjestelmiä, helpottamalla ympäristösääntelyjä. Samalla se pyrkii lisäämään amerikkalaisten tekoälytekniikoiden maailmanlaajuista vientiä. 90 suosituksen sisältävän suunnitelman tavoitteena on edistää Yhdysvaltojen johtavaa asemaa globaaleissa kilpailijoissa.

Suunnitelma perustuu kolmeen keskeiseen pilarin: innovaation kiihdyttämiseen, Amerikan tekoälyinfrastruktuurin rakentamiseen ja johtajuuden edistämiseen kansainvälisessä tekoälydiplomatia- ja turvallisuuspolitiikassa.

Suunnitelman mukaan yksi avainasia on Yhdysvaltojen “avoin lähdekoodi” -pyrkimys, jolla pyritään edistämään sekä innovaatiota että saatavuutta. Samalla suunnitelma korostaa, miten Yhdysvaltain hallitus “esittää esimerkkiä” tekoälyn kasvussa – koulutuksen, osaamisen vaihdon, ja laajentamalla soveltamista eri aloilla.

Tässä suunnitelmassa Yhdysvallat pyrkii yksinkertaistamaan kaikki nykyiset teknologiasäännöt, erityisesti ympäristösääntelyjä, varmistaakseen, että lainsäädäntö ei hidasta kasvua, ja edistää laajempaa kansainvälistä jakelua Yhdysvaltojen tekoälyohjelmistoja ja laitteita. Tämä “sääntelyn vastainen” lähestymistapa merkitsee selvää muutosta aikaisemmista kehyksistä, jotka keskittyivät eettisyyteen, läpinäkyvyyteen ja vastuulliseen innovaatioon – siirtyen kohti aggressiivisempaa “innovaatio ensin” -toimintasuunnitelmaa.

Puuttuva palanen

On syytä ottaa askel taaksepäin ja pohtia, voivatko nämä toimet, vaikka ne ovat erilaisia, kärsiä samasta virheestä, joka aiheuttaa kehittäjien näkemän arvon puutteen noudattamisessa niitä. EU:n ja Yhdysvaltojen lähestymistavat jättävät kriittisen aukon tekoälykoulutusdataan liittyvän immateriaalioikeuden ympärillä. EU:n tekoälylaki edellyttää koulutusdatan yhteenvedon ja tekijänoikeuspolitiikan laatimista, mutta se ei perusta skaalautuvaa kehyksiä tekijänoikeuksien tunnistamiseksi tai lisensointiin.

Yhdysvalloissa ei ole minkäänlaisia sääntöjä – jättäen tekoälyyritykset navigoimaan kehittyvässä oikeudellisessa kehyksessä, joka muotoutuu oikeustapauksien ja jatkuvien riitojen kanssa tekijänoikeuksien haltijoiden kanssa. Oikeudellisen tekstin ulkopuolella, mitä puuttuu, on käytännön puoli; kumpikaan lähestymistapa ei esittele toimivia, alanlaajuisia menetelmiä suojatun sisällön havaitsemiseksi suuressa mittakaavassa, laillisen käytön vahvistamiseksi tai lisensointiprosessin sujuvoittamiseksi. Kunnes tällaiset ratkaisut määritellään, epävarmuus tekoälykoulutuksen tekijänoikeuksissa pysyy merkittävänä haasteena alan kehittäjille.

Yritysten piilevät kustannukset tekoälyn jäljittämättömyydestä

Jotkut virheistä näissä säännöksissä, on oletettava, että ne aiheuttavat tekoälykehittäjien keskittymisen sääntelyn mukaisuuteen oikeudellisesta näkökulmasta – mutta tämä ei aina ole tapahtumassa. Itse asiassa todellinen ero tekoälyssä ei ole EU:n ja Yhdysvaltojen sääntelyn välillä, vaan yritysten välillä, jotka panostavat jäljittämään tekoälyään tänään ja niiden, jotka uhkapelaa siitä, etteivät heidän tarvitse. Tämä on toistuma siitä, mitä näimme vuosia sitten yleisen tietosuojalain (GDPR) käyttöönoton yhteydessä – yritykset, jotka rakensivat varhain tietosuojaa suunnitelmansa perustana, välttivät sakkoja ja saavuttivat kuluttajien luottamuksen ja sujuvamman pääsyn muihin markkinoihin, jotka myöhemmin omaksuivat GDPR-standardeja.

Samaa mallia voi olla kehittymässä tekoälyssä. Tekoälykoulutuksen ja mallipäätösten jäljittäminen tulee todennäköisesti olemaan globaali perusvaatimus, ja yritykset, jotka viivästyvät, joutuvat suunnittelemaan järjestelmänsä uudelleen tulevaisuudessa. Palataksesi ja lisätäksesi dokumentaation, alkuperän seurantaa ja tarkastusominaisuuksia olemassa olevaan järjestelmään on paljon kalliimpaa ja monimutkaisempaa kuin rakentaa ne alusta alkaen, ja se vie fokuksen pois enemmän tuottavuuteen keskittyvistä järjestelmistä, joita yritys haluaa toteuttaa.

Toisin sanoen, jäljittäminen ja läpinäkyvyys eivät ole vapaaehtoisia lisäyksiä; ne on sisäänrakennettava tekoälyjärjestelmiin alusta alkaen. Yritykset, jotka kohdeltavat niitä jälkikäteen, vaarantavat innovaation, kohtaavat sääntelyn takaiskun ja menettävät kilpailun lopullisesti.

Eettinen tekoäly vaatii globaalia yhtenäisyyttä

Makrotasolla nämä polarisoituneet lähestymistavat luovat todellisen ongelman globaaleille yrityksille. Yritykset, jotka toimivat vähemmän säänteltyjä markkinoilla, kuten Yhdysvalloissa, voivat laajentaa toimintaansa nopeammin lyhyellä aikavälillä, mutta kun he päättävät siirtyä EU-markkinoille, he kohtaavat sääntelyseinän: tekoälylain jäljittämisen ja dokumentaation säännökset vaativat kykyjä, joita he eivät koskaan rakentaneet.

Jäljittämisen, dokumentaation ja tarkastusominaisuuksien lisääminen olemassa olevaan järjestelmään on kallista, hidasta ja häiritsevää, erityisesti koska jäljittäminen on yksi sääntelyn vaativimmista osista. Se on samaa mallia, mitä näimme GDPR:n kanssa, jossa myöhässä olevat yritykset, jotka eivät olleet suunnitelleet tietosuojaa alusta alkaen, kamppailivat kalliiden uudelleensuunnittelujen ja myöhästyneen markkinoiden saavutuksen kanssa, kun taas varhaiset toimijat saavuttivat kestävän etulyöntiaseman.