Template Baru Komisi Eropa untuk AI – Apa yang Dimaksud untuk Pelatihan AI?

Pada bulan Juli, Komisi Eropa (KE) merilis template baru untuk kecerdasan buatan (AI) umum. Ini berarti bahwa penyedia AI harus mengungkapkan konten yang dimasukkan ke dalam model untuk melatih mereka. Ini datang setelah berbulan-bulan dan berbulan-bulan headline tentang pembuat mengklaim konten digunakan tanpa izin untuk melatih AI.

Dengan template baru ini, Uni Eropa telah membuat posisinya jelas: transparansi sekarang tidak dapat dinegosiasikan. Pelatihan kotak hitam, di mana sesuatu dibuat tanpa mengungkapkan kerja internalnya, tidak akan menjadi pilihan bagi pengembang AI. Ini menandai pergeseran signifikan karena operasi di Eropa sekarang memerlukan visibilitas penuh ke dalam input model dan provenance data pelatihan, memaksa evaluasi ulang pengumpulan dan penggunaan data.

Banyak yang telah menunjukkan perbedaan yang mencolok antara ini dan rencana aksi AI AS yang baru saja dirilis, yang berfokus berat pada deregulasi. Seperti dengan setiap hukum atau peraturan baru, bisnis sekarang harus mengambil stok dan menilai bagaimana template GPAI akan mempengaruhi operasi.

Jika mereka beroperasi di seluruh wilayah, mereka akan melakukan hal yang sama dengan rencana aksi AI AS, yang lebih membingungkan. Karena sifat kompleks dari ini dan fakta bahwa mengatur pengembangan AI dengan cara ini adalah wilayah yang belum dipetakan, output oleh pengembang kemungkinan akan sangat berbeda.

Menganalisis Template Model AI Umum

Pada bulan Juli tahun ini, Komisi Eropa menerbitkan template wajib untuk penyedia GPAI sehingga mereka dapat menerbitkan ringkasan publik dari data yang digunakan untuk melatih model mereka. Sebagai bagian dari Undang-Undang AI UE, penyedia harus mengungkapkan kategori data seperti dataset yang tersedia secara publik, data lisensi pribadi, konten web yang diambil, data pengguna, dan data sintetis. Tujuannya adalah untuk memungkinkan pemegang hak cipta, pengguna, dan pengembang hilir untuk melaksanakan hak hukum mereka di bawah hukum UE.

GPT dilatih dengan jumlah data yang besar; namun, di pasar saat ini, terdapat informasi terbatas tentang asal data ini. Ringkasan publik yang diterbitkan template ini akan memberikan gambaran komprehensif tentang data yang digunakan untuk melatih model, daftar koleksi data utama, dan menjelaskan sumber lain yang digunakan.

Bandikan dan Kontraskan, Rencana Aksi AI AS

Dibandingkan, AS sangat yakin bahwa mereka akan memenangkan perlombaan AI dan mempertahankan keunggulan kompetitifnya atas Tiongkok, karena administrasi Trump mengumumkan rencana aksi AI-nya lebih awal musim panas ini. Kerangka AI baru ini bertujuan untuk mempercepat pembangunan pusat data yang intensif energi yang memuat sistem AI dengan mempermudah peraturan lingkungan. Pada saat yang sama, ini bertujuan untuk meningkatkan ekspor global teknologi AI Amerika. Dengan 90 rekomendasi, rencana ini mencerminkan upaya yang semakin besar oleh AS untuk tetap memimpin kompetitor globalnya.

Rencana ini dibangun di sekitar tiga pilar inti – mempercepat inovasi, membangun infrastruktur AI Amerika, dan mempromosikan kepemimpinan dalam diplomasi dan keamanan AI internasional.

Sebagai bagian dari ini, salah satu poin penting dari rencana ini menyoroti dorongan ‘sumber terbuka’ Amerika untuk memicu inovasi dan aksesibilitas. Rencana ini juga menyoroti bagaimana pemerintah AS akan ‘memimpin dengan contoh‘ dalam pertumbuhan AI – melalui pelatihan, pertukaran bakat, dan perluasan adopsi di seluruh industri.

Dengan rencana ini, AS bertujuan untuk menyederhanakan semua peraturan teknologi saat ini, terutama peraturan lingkungan, untuk memastikan legislasi tidak memperlambat pertumbuhan, sambil mendorong distribusi AI perangkat lunak dan perangkat keras AS yang lebih luas secara internasional. Pendekatan ‘anti-regulasi’ ini menandai pergeseran yang jelas dari kerangka sebelumnya yang berfokus pada etika, transparansi, dan inovasi yang bertanggung jawab – alih-alih bergerak menuju rencana aksi ‘inovasi pertama’ yang lebih agresif.

Potongan yang Hilang

Saatnya untuk mengambil langkah mundur dan mempertimbangkan apakah tindakan ini, meskipun berbeda, dapat menderita dari kelemahan yang sama yang akan menyebabkan pengembang melihat kurangnya nilai dalam mematuhinya. Pendekatan UE dan AS meninggalkan celah kritis seputar hak cipta dalam dataset pelatihan AI. Undang-Undang AI UE mengharuskan ringkasan data pelatihan dan kebijakan kepatuhan hak cipta, tetapi tidak menetapkan kerangka yang dapat diskalakan untuk mengidentifikasi atau melisensikan karya berhak cipta.

Di AS, tidak ada aturan khusus – meninggalkan perusahaan AI untuk menavigasi kerangka hukum yang berkembang yang dibentuk oleh putusan pengadilan dan sengketa berkelanjutan dengan pemegang hak. Di luar teks hukum, apa yang hilang adalah sisi praktis; tidak satu pun pendekatan ini yang menetapkan metode yang dapat digunakan secara luas di industri untuk mendeteksi konten yang dilindungi, memverifikasi penggunaan yang sah, atau mempermudah lisensi. Sampai solusi tersebut didefinisikan, ketidakpastian seputar hak cipta dalam pelatihan AI akan tetap menjadi tantangan signifikan bagi industri.

Biaya Tersembunyi dari Mengabaikan Pelacakan AI

Meskipun beberapa kelemahan dalam peraturan ini, diasumsikan bahwa mereka akan menyebabkan pengembang AI sangat fokus pada bagaimana tetap bertahan dari perspektif hukum – tetapi ini tidak selalu terjadi. Faktanya, perbedaan sebenarnya dalam AI saat ini bukanlah antara peraturan UE dan AS, tetapi antara perusahaan yang berinvestasi dalam pelacakan hari ini dan mereka yang berjudi bahwa mereka tidak perlu. Ini adalah pengulangan dari apa yang kita lihat beberapa tahun yang lalu dengan implementasi Peraturan Perlindungan Data Umum (GDPR) – perusahaan yang membangun desain privasi sejak awal tidak hanya menghindari denda tetapi juga memperoleh kepercayaan konsumen dan akses yang lebih lancar ke pasar lain yang kemudian meniru standar GDPR.

Polanya yang sama mungkin muncul dengan AI. Pelacakan data pelatihan dan keputusan model kemungkinan akan menjadi baseline global, dan perusahaan yang menunda akan harus merancang ulang sistem mereka di masa depan. Kembali menambahkan dokumentasi, pelacakan provenance, dan fitur audit ke sistem yang ada jauh lebih mahal dan kompleks daripada membangunnya dari awal, mengalihkan fokus dari pembangunan yang lebih fokus pada ROI.

Dengan kata lain, pelacakan dan transparansi bukanlah fitur tambahan yang opsional; mereka harus terintegrasi ke dalam sistem AI sejak awal. Bisnis yang memperlakukannya sebagai pemikiran kedua berisiko menghambat inovasi, menghadapi reaksi regulasi, dan kehilangan perlombaan secara permanen.

AI Etis Membutuhkan Kesatuan Global

Dari perspektif makro, pendekatan yang berbeda ini menciptakan masalah nyata bagi bisnis global. Perusahaan di pasar yang lebih longgar seperti AS dapat berkembang lebih cepat dalam jangka pendek, tetapi ketika mereka memutuskan untuk memasuki UE, mereka menghadapi tembok kompatibilitas: aturan jejak dan dokumentasi AI Act memerlukan kemampuan yang tidak pernah mereka bangun.

Memasang pelacakan provenance, dokumentasi, dan fitur audit ke sistem yang ada sangat mahal, lambat, dan mengganggu, terutama karena pelacakan adalah salah satu bagian paling intensif sumber daya dari kepatuhan. Ini adalah pola yang sama yang kita lihat dengan GDPR, di mana mereka yang terlambat memulai desain privasi berjuang dengan perubahan yang mahal dan akses pasar yang tertunda, sementara mereka yang bergerak lebih awal memperoleh keunggulan yang langgeng.