Nowy szablon GPAI Komisji Europejskiej – co to oznacza dla szkolenia AI?

W lipcu Komisja Europejska (KE) opublikowała nowy szablon ogólnego przeznaczenia sztucznej inteligencji (GPAI). Oznacza to, że dostawcy AI muszą ujawniać zawartość wprowadzaną do modeli w celu ich szkolenia. Jest to odpowiedź na miesiące nagłówków dotyczących twórców oskarżających o wykorzystywanie treści bez zgody do szkolenia AI.

Z tym nowym szablonem UE wyraźnie określa swoje stanowisko: przejrzystość jest teraz niezbędna. Szkolenie w czarnej skrzynce, gdzie coś jest tworzone bez ujawniania jego wewnętrznych mechanizmów, nie będzie opcją dla deweloperów AI. Oznacza to znaczącą zmianę, ponieważ działanie w Europie będzie wymagało pełnej widoczności wejść modelu i pochodzenia danych szkoleniowych, co zmusi do ponownej oceny zbierania i wykorzystania danych.

Wiele osób zwróciło uwagę na wyraźną różnicę między tym a niedawno opublikowanym planem działania AI USA, który koncentruje się głównie na deregulacji. Jak w przypadku każdego nowego prawa lub regulacji, firmy muszą teraz ocenić, jak szablon GPAI wpłynie na ich działalność.

Jeśli działają w różnych regionach, będą to robić również z planem działania AI USA, co jeszcze bardziej skomplikuje sytuację. Ze względu na złożony charakter tych regulacji i fakt, że regulowanie rozwoju AI w ten sposób jest niezbadanym terytorium, wyniki uzyskane przez deweloperów będą się znacznie różnić.

Analiza szablonu modelu GPAI

W lipcu tego roku Komisja Europejska opublikowała obowiązkowy szablon dla dostawców GPAI, aby mogli opublikować publiczny podsumowanie danych wykorzystanych do szkolenia ich modeli. W ramach rozporządzenia AI UE dostawcy muszą ujawniać kategorie danych, takie jak publicznie dostępne zestawy danych, prywatne licencjonowane dane, pobrane treści z sieci, dane użytkowników i syntetyczne dane. Celem jest umożliwienie posiadaczom praw autorskich, użytkownikom i deweloperom korzystania z ich praw prawnych na mocy prawa UE.

GPT są szkolone z dużymi ilościami danych; jednak na obecnym rynku dostępna jest ograniczona ilość informacji na temat pochodzenia tych danych. Publiczne podsumowanie, które ten szablon określa, zapewni kompleksowy przegląd danych wykorzystanych do szkolenia modelu, wylistuje główne kolekcje danych i wyjaśni inne źródła wykorzystane.

Porównanie i kontrast, plan działania AI USA

W porównaniu Stany Zjednoczone są zdeterminowane, aby wygrać wyścig AI i utrzymać przewagę konkurencyjną nad Chinami, ponieważ administracja Trumpa ogłosiła swój plan działania AI wcześniej tego lata. Ten nowy framework AI ma na celu przyspieszenie budowy energochłonnych centrów danych, które napędzają systemy AI, poprzez złagodzenie regulacji środowiskowych. Jednocześnie stara się zwiększyć globalny eksport amerykańskich technologii AI. Plan zawiera 90 rekomendacji i odzwierciedla rosnące starania USA, aby utrzymać przewagę nad globalnymi konkurentami.

Plan opiera się na trzech głównych filarach – przyspieszaniu innowacji, budowaniu infrastruktury AI Ameryki i wspieraniu przywództwa w dyplomacji i bezpieczeństwie AI.

Jednym z kluczowych punktów planu jest “otwarte źródło”, które ma napędzać innowacje i dostępność. Podobnie plan podkreśla, jak rząd USA “będzie działał przykładowo” w przypadku wzrostu AI – poprzez szkolenia, wymiany talentów i rozszerzanie przyjęcia w różnych branżach.

Z tym planem USA mają na celu uproszczenie wszystkich obecnych regulacji technologicznych, zwłaszcza środowiskowych, aby upewnić się, że legislacja nie spowalnia wzrostu, oraz zachęcić do szerszego międzynarodowego rozpowszechniania oprogramowania i sprzętu AI USA. Ten “antyregulacyjny” podejście oznacza wyraźną zmianę w stosunku do wcześniejszych ram, które koncentrowały się na etyce, przejrzystości i odpowiedzialnych innowacjach – zamiast tego przechodząc do bardziej agresywnego “innowacyjnego” planu działania.

Brakujący element

Warto zrobić krok wstecz i rozważyć, czy te akty, chociaż różne, mogą cierpieć z powodu tych samych słabości, które spowodują, że deweloperzy zobaczą brak wartości w przestrzeganiu ich. Podejście UE i USA pozostawia krytyczną lukę wokół własności intelektualnej w zbiorach danych szkoleniowych AI. Rozporządzenie AI UE nakazuje podsumowanie danych szkoleniowych i politykę zgodności z prawem autorskim, ale nie ustanawia skalowalnego ramy dla identyfikacji lub licencjonowania utworów chronionych prawem autorskim.

W USA nie istnieją żadne konkretnych przepisy – pozostawiając firmy AI do nawigowania w ewoluującym ramie prawnym kształtowanym przez orzeczenia sądowe i trwające spory z posiadaczami praw. Poza tekstem prawnym to, co brakuje, to praktyczna strona; żadne z podejść nie określa funkcjonalnych, branżowych metod wykrywania chronionych treści w dużym zakresie, weryfikacji legalnego użycia lub ułatwiania licencjonowania. Dopóki takie rozwiązania nie zostaną określone, niepewność wokół praw autorskich w danych szkoleniowych AI pozostanie znaczącym wyzwaniem dla branży.

Ukryty koszt pomijania śledzenia AI przez firmy

Pomimo pewnych słabości tych regulacji, można założyć, że spowodują one, iż deweloperzy AI będą bardzo skoncentrowani na tym, jak pozostać na powierzchni z punktu widzenia prawnego – ale nie zawsze jest to przypadkiem. W rzeczywistości prawdziwa przepaść w AI nie leży między regulacjami UE a USA, ale między firmami, które inwestują w śledzenie AI dzisiaj, a tymi, które grają, że nie będą musiały. Jest to powtórzenie tego, co widzieliśmy kilka lat temu z wdrożeniem Ogólnego Rozporządzenia o Ochronie Danych (GDPR) – firmy, które wcześnie zbudowały prywatność w projekcie, uniknęły kar i zyskały zaufanie konsumentów oraz łatwiejszy dostęp do innych rynków, które później naśladowały standardy GDPR.

Ten sam wzorzec może się pojawiać w AI. Śledzenie danych szkoleniowych i decyzji modelu najprawdopodobniej stanie się globalnym punktem odniesienia, a firmy, które opóźniają, będą musiały przebudować swoje systemy w przyszłości. Wrócenie do dodania dokumentacji, śledzenia pochodzenia i funkcji audytu do istniejącego systemu jest znacznie droższe i bardziej skomplikowane niż budowanie ich od samego początku, odwracając uwagę od bardziej opłacalnych rozwiązań, które firma chce zrealizować.

Innymi słowy, śledzenie i przejrzystość nie są opcjonalnymi dodatkami; muszą być wbudowane w systemy AI od samego początku. Firmy, które traktują je jako pomyślne myślenie, ryzykują zablokowanie innowacji, konsekwencje regulacyjne i utratę wyścigu na zawsze.

Etyczny AI wymaga globalnej jedności

Z makro perspektywy te zróżnicowane podejścia tworzą prawdziwy problem dla globalnych firm. Firmy w rynkach o mniejszych wymogach, takich jak USA, mogą szybciej rosnąć w krótkim terminie, ale gdy zdecydują się wejść na rynek UE, napotkają barierę zgodności: zasady śledzenia i dokumentacji AI Act wymagają możliwości, których nigdy nie zbudowali.

Przebudowa śledzenia pochodzenia, dokumentacji i funkcji audytu w istniejącym systemie jest kosztowna, powolna i zakłócająca, zwłaszcza dlatego, że śledzenie jest jedną z najbardziej zasobochłonnych części zgodności. Jest to ten sam wzorzec, który widzieliśmy z GDPR, gdzie spóźnialscy w projekcie prywatności zmagali się z drogimi przebudowami i opóźnionym dostępem do rynku, podczas gdy wczesne innowacje zyskały trwałą przewagę.