Il nuovo modello di Intelligenza Artificiale generale della Commissione Europea – Cosa significa per l’addestramento dell’IA?

A luglio, la Commissione Europea (CE) ha rilasciato un nuovo modello di intelligenza artificiale generale (GPAI) . Ciò significa che i fornitori di IA devono divulgare il contenuto immesso nei modelli per addestrarli. Ciò avviene dopo mesi e mesi di titoli riguardanti creatori che affermano che il contenuto è stato utilizzato senza consenso per addestrare l’IA.

Con questo nuovo modello, l’UE ha reso chiara la sua posizione: la trasparenza è ora non negoziabile. L’addestramento della scatola nera, in cui qualcosa viene creato senza rivelare i suoi meccanismi interni, non sarà un’opzione per gli sviluppatori di IA. Ciò segna un cambiamento significativo, poiché operare in Europa richiederà ora la piena visibilità degli input del modello e della provenienza dei dati di addestramento, costringendo a una rivalutazione della raccolta e dell’utilizzo dei dati.

Molti hanno sottolineato la netta differenza tra questo e il recentemente rilasciato piano d’azione per l’IA degli Stati Uniti, che si concentra fortemente sulla deregolamentazione. Come per qualsiasi nuova legge o regolamento, le aziende devono ora prendere atto e valutare esattamente come il modello GPAI impatterà sulle operazioni.

Se operano in più regioni, faranno lo stesso con il piano d’azione per l’IA degli Stati Uniti, confondendo ulteriormente le cose. A causa della complessità di questi e del fatto che la regolamentazione dello sviluppo dell’IA in questo modo è un territorio inesplorato, gli output degli sviluppatori saranno probabilmente molto diversi.

Analisi del modello di Intelligenza Artificiale generale

A luglio di quest’anno, la Commissione Europea ha pubblicato un modello obbligatorio per i fornitori di GPAI in modo che possano pubblicare una sintesi pubblica dei dati utilizzati per addestrare i loro modelli. Come parte del regolamento dell’IA dell’UE, i fornitori devono divulgare categorie di dati come set di dati pubblicamente disponibili, dati privati con licenza, contenuti web raschiati, dati utente e dati sintetici. L’obiettivo è consentire ai titolari del copyright, agli utenti e agli sviluppatori downstream di esercitare i loro diritti legali ai sensi della legge dell’UE.

I GPT sono addestrati con grandi quantità di dati; tuttavia, nel mercato attuale, ci sono informazioni limitate disponibili riguardo all’origine di questi dati. La sintesi pubblica che questo modello stabilisce fornirà una panoramica completa dei dati utilizzati per addestrare un modello, elencherà le principali raccolte di dati e spiegherà altre fonti utilizzate.

Confronto e contrasto, piano d’azione per l’IA degli Stati Uniti

In confronto, gli Stati Uniti sono fermamente convinti che vinceranno la corsa all’IA e manterranno il loro vantaggio competitivo sulla Cina, poiché l’amministrazione Trump ha annunciato il suo piano d’azione per l’IA all’inizio dell’estate. Questo nuovo quadro per l’IA mira ad accelerare la costruzione di centri dati ad alta intensità energetica che alimentano i sistemi di IA, alleggerendo le norme ambientali. Allo stesso tempo, cerca di aumentare l’esportazione globale di tecnologie di IA americane. Con 90 raccomandazioni, il piano riflette gli sforzi crescenti degli Stati Uniti per rimanere avanti rispetto ai suoi concorrenti globali.

Il piano si basa su tre pilastri fondamentali – accelerare l’innovazione, costruire l’infrastruttura di IA dell’America e favorire la leadership nella diplomazia e nella sicurezza internazionale dell’IA.

Come parte di questo, un punto chiave del piano ha sottolineato la spinta “open-source” degli Stati Uniti per alimentare l’innovazione e l’accessibilità. Allo stesso modo, il piano sottolinea come il governo degli Stati Uniti ” farà da esempio ” quando si tratta di crescita dell’IA – attraverso la formazione, gli scambi di talenti e l’aumento dell’adozione in tutti i settori.

Con questo piano, gli Stati Uniti mirano a semplificare tutte le loro attuali norme tecnologiche, in particolare quelle ambientali, per assicurarsi che la legislazione non rallenti la crescita, mentre incoraggia una più ampia distribuzione internazionale di software e hardware di IA americani. Questo approccio “anti-regolamentare” segna un chiaro cambiamento rispetto a precedenti quadri centrati sull’etica, la trasparenza e l’innovazione responsabile – spostandosi verso un piano d’azione più aggressivo “innovazione prima”.

Il pezzo mancante

È il caso di fare un passo indietro a questo punto e considerare se questi atti, sebbene diversi, potrebbero soffrire degli stessi difetti che faranno sì che gli sviluppatori vedano una mancanza di valore nell’aderire ad essi. Gli approcci dell’UE e degli Stati Uniti lasciano un vuoto critico intorno alla proprietà intellettuale nei set di dati di addestramento dell’IA. Il regolamento dell’IA dell’UE impone sintesi dei dati di addestramento e una politica di conformità al copyright, ma non stabilisce un quadro scalabile per l’identificazione o la licenza di opere protette da copyright.

Negli Stati Uniti, non esistono regole specifiche – lasciando le aziende di IA a navigare in un quadro giuridico in evoluzione plasmato da sentenze giudiziarie e dispute in corso con i titolari dei diritti. Al di là del testo giuridico, ciò che manca è il lato pratico; nessuno dei due approcci definisce metodi lavorabili e applicabili a livello di settore per rilevare contenuti protetti su larga scala, verificare l’uso legittimo o semplificare la licenza. Finché tali soluzioni non saranno definite, l’incertezza intorno al copyright nell’addestramento dell’IA rimarrà una sfida significativa per il settore.

Il costo nascosto delle aziende che saltano la tracciabilità dell’IA

Nonostante alcuni dei difetti di queste norme, si supporrà che gli sviluppatori di IA diventino molto concentrati su come rimanere a galla da un punto di vista legale – ma non è sempre il caso. In realtà, la vera divisione nell’IA al momento non è tra la regolamentazione dell’UE e quella degli Stati Uniti, ma tra le aziende che investono nella tracciabilità oggi e quelle che scommettono che non dovranno farlo. Ciò è una ripetizione di ciò che abbiamo visto anni fa con l’attuazione del regolamento generale sulla protezione dei dati (GDPR) – le aziende che hanno costruito la privacy-by-design all’inizio non solo hanno evitato multe, ma hanno anche guadagnato la fiducia dei consumatori e un accesso più fluido ad altri mercati che in seguito hanno adottato gli standard del GDPR.

Lo stesso modello potrebbe emergere con l’IA. La tracciabilità dei dati di addestramento e delle decisioni del modello probabilmente diventerà una base globale e le aziende che ritarderanno dovranno ridisegnare i loro sistemi in futuro. Tornare indietro per aggiungere documentazione, tracciabilità della provenienza e funzionalità di audit a un sistema esistente è molto più costoso e complesso che costruirli fin dall’inizio, distogliendo l’attenzione da costruzioni più focalizzate sul ROI che l’azienda vuole completare.

In altre parole, la tracciabilità e la trasparenza non sono opzionali; devono essere incorporate nei sistemi di IA fin dall’inizio. Le aziende che le trattano come afterthought rischiano di bloccare l’innovazione, affrontare una reazione normativa e perdere la corsa indefinitamente.

L’IA etica necessita di unità globale

Da una prospettiva macro, questi approcci polarizzati creano un vero problema per le aziende globali. Le aziende in mercati con regolamentazione più leggera come gli Stati Uniti possono scalare più velocemente nel breve termine, ma quando decidono di entrare nell’UE, si trovano di fronte a un muro di conformità: le regole di tracciabilità e documentazione dell’Atto dell’IA richiedono capacità che non hanno mai costruito.

Aggiungere la tracciabilità della provenienza, la documentazione e le funzionalità di audit a un sistema esistente è costoso, lento e disruptivo, soprattutto perché la tracciabilità è una delle parti più intensive in termini di risorse della conformità. È lo stesso modello che abbiamo visto con il GDPR, dove i ritardatari nella progettazione della privacy hanno lottato con ristrutturazioni costose e ritardate l’accesso al mercato, mentre i primi adottanti hanno guadagnato un vantaggio duraturo.