อีกนานแค่ไหนกว่าจะมีการปราบปรามการปลดเซ็นเซอร์โมเดล AI อย่างจริงจัง?

หากคุณอายุมากพอที่จะจำวงการซอฟต์แวร์เถื่อนในช่วงประมาณปี 1995–2010 ได้ ซึ่งเป็นยุคที่ซอฟต์แวร์ที่ถูกเจาะระบบและภาพยนตร์ที่ถูกริปจำนวนมหาศาล (ซื้อมาแบบยกล็อตจากแผงขายริมถนน หรือรวบรวมโดยนักละเมิดลิขสิทธิ์ทั่วไป เมื่อบรอดแบนด์ความเร็วสูงทำให้การดาวน์โหลดไฟล์ขนาดใหญ่และจำนวนมากเป็นไปได้) สะสมอยู่ในคอลเลกชันดีวีดีหลายชุดที่แน่นเอี้ยด วงการโมเดล AI โอเพนซอร์สที่ถูก “ปลดเซ็นเซอร์” ซึ่งกำลังก่อตัวขึ้นในตอนนี้อาจทำให้คุณรู้สึกคุ้นเคยอยู่บ้าง

จาก “ยุคทอง” ของการซื้อขายซอฟต์แวร์และภาพยนตร์ริมถนนแบบไม่เป็นทางการ เครดิต – Shankar.s. “ดีวีดีละเมิดลิขสิทธิ์ที่ตลาดถนน PP” – แหล่งที่มา / ใบอนุญาต

ในสมัยนั้น ก่อนที่การเช่าซอฟต์แวร์จะกลายเป็นรูปแบบที่ผู้บริโภคนิยมใช้กัน กลุ่มผู้คลั่งไคล้ซอฟต์แวร์ใน “วงการ” จำนวนไม่มากแต่มีฝีมือสูงได้เริ่มเจาะระบบแอปพลิเคชัน ก่อนนำไปเผยแพร่ในกลุ่มข่าว “วาเรซ” และต่อมาก็ในกลุ่มแชร์ไฟล์ทอร์เรนต์ ข้อจำกัดเหล่านั้นอาจเจาะผ่านได้อย่างยากลำบากหรือง่ายดาย แต่เมื่อเผยแพร่สู่สาธารณะแล้ว การเจาะระบบก็มักจะย้อนกลับไม่ได้

สิ่งเดียวกันนี้กำลังเกิดขึ้นกับโมเดลภาษาขนาดใหญ่ (LLM) แบบโอเพนซอร์ส ซึ่งถูกถอดตัวกรองความปลอดภัยที่ฝึกฝังไว้ในโมเดลเป็นประจำและในวงกว้าง จากนั้นโมเดลที่ปลดเซ็นเซอร์แล้วก็ถูกนำไปเผยแพร่ในหลายแห่งเสียจน แม้จะปิดแหล่งต้นทางของ “เครื่องมือเจาะระบบ” ก็ไม่ส่งผลต่อการเข้าถึงโมเดลเหล่านั้น

ผู้มีพระคุณหรือผู้ก่อปัญหา

คำถามคือ คุณต้องการมองกิจกรรมเหล่านี้ในแง่มุมใด? ต่างจากวงการซอฟต์แวร์เถื่อน ไม่มีใครถูกพรากรายได้ไปอย่างชัดเจนเท่ากับที่ผู้ผลิตซอฟต์แวร์รายเล็กอาจเคยประสบเมื่อ 20-30 ปีก่อน

แน่นอนว่าในกรณีเหล่านี้* มักมีการละเมิดเงื่อนไขใบอนุญาตดั้งเดิม อย่างไรก็ตาม ต่างจากการเผยแพร่ค่าน้ำหนักโมเดลเพียงบางส่วนของผู้ผลิตโมเดล AI เชิงสร้างสรรค์อย่าง Black Forest Labs ผู้จัดจำหน่ายดั้งเดิมไม่ได้ใช้เวอร์ชัน “คุณภาพต่ำกว่า” เป็นช่องทางขายต่อยอดไปสู่โมเดลที่มีความสามารถสูงกว่าและให้บริการผ่าน API เท่านั้น แต่กลับเผยแพร่โมเดลฉบับเต็มออกมาโดยตรง

ในกรณีส่วนใหญ่ แทบไม่มีใครเรียกใช้โมเดลรุ่นแรกเหล่านี้บนเครื่องของตนเองได้ เพราะมีจำนวนพารามิเตอร์สูงเกินไป แม้แต่การ์ด GPU ที่มีสเปกดีและหน่วยความจำ VRAM ขนาด 16-24GB ก็ยังไม่ไหว

ด้วยเหตุนี้ โมเดลรุ่นแรกจึงถูกแปลงเป็นเวอร์ชันขนาดเล็กลงอย่างรวดเร็ว เพื่อให้ทำงานบนฮาร์ดแวร์สำหรับผู้บริโภคได้ โดยใช้การควอนไทซ์โมเดลและแปลงค่าน้ำหนักเป็นรูปแบบที่เบากว่า เช่น GGUF, AWQ, PTQ, EXL2 หรือ MLX ซึ่งออกแบบมาเพื่อระบบนิเวศของ Apple

แม้โมเดลเหล่านี้จะทำงานได้ไม่ดีเท่าโมเดลฉบับเต็มที่มีขนาดใหญ่กว่า (ซึ่งโดยทั่วไปมักให้บริการเชิงพาณิชย์ผ่านฟาร์ม GPU หลายแห่ง) แต่อย่างน้อยก็อยู่ภายใต้การควบคุมของผู้ใช้ และสามารถปรับแต่งให้เหมาะกับผู้ใช้รายนั้นโดยเฉพาะได้ในแบบที่โมเดล “ดีกว่า” ทำไม่ได้

ปรับแต่งได้ตามต้องการ

การปรับแต่งบางรูปแบบเป็นสิ่งที่สมเหตุสมผลอย่างชัดเจน และโดยทั่วไปอยู่ในขอบเขตของใบอนุญาตจากผู้พัฒนาต้นทาง เช่น การปรับแต่งเพิ่มเติมเพื่อให้น้ำหนักของโมเดลมุ่งเน้นไปที่งานหรือสาขาเป้าหมายที่ผู้ใช้ป้อนเข้าไปโดยเฉพาะ ในกรณีนี้ หากมีพื้นที่ดิสก์เพียงพอ ก็สามารถปรับแต่งโมเดลโอเพนซอร์สหลายชุดให้เหมาะกับงานที่หลากหลายได้ เปรียบเสมือนชุดเครื่องมือแบบดั้งเดิมที่แต่ละชิ้นทำหน้าที่เฉพาะ แทนที่จะใช้โมเดลน้ำหนักเต็มจากผู้พัฒนาต้นทางที่เป็นเหมือน “มีดพับสวิส” ซึ่งทำได้ทุกอย่าง

นอกจากนี้ ยังสามารถรวมโมเดลที่มีการตั้งค่าเข้ากันได้แต่ใช้ข้อมูลฝึกต่างกันเข้าด้วยกัน หรือเพิ่มความสามารถให้โมเดลด้วยตัวกรอง LoRA ซึ่งมีน้ำหนักเบา โดยไม่เสี่ยงทำให้ความสามารถดั้งเดิมของโมเดลพื้นฐานด้อยลงจากการปรับแต่งเพิ่มเติม

อย่างไรก็ตาม การปรับเปลี่ยนที่ผู้ใช้จำนวนมากสนใจที่สุด และทำได้ง่ายกว่าวิธีข้างต้นทั้งหมด คือการนำตัวกรองความปลอดภัยที่กล่าวถึงไปแล้วออก หรือการนำแนวป้องกันออก

แม้จะยอมรับว่าการทำเช่นนี้เปิดทางให้โมเดลสร้างเนื้อหาลามกอนาจารและเนื้อหาเกี่ยวกับการพัฒนามัลแวร์ได้ แต่ก็ช่วยขจัดข้อจำกัดที่ผู้ใช้จำนวนมากมองว่าเข้มงวดเกินไป และมักทำให้เกิดข้อผิดพลาด

หนึ่งในตัวอย่างชวนขำมากมายที่ Llama-2-7b-chat ปฏิเสธคำขอที่สมเหตุสมผลโดยอ้างเหตุผลด้านความปลอดภัย ดูได้จาก URL แหล่งที่มา แหล่งที่มา

Heretic

ในกรณีของ Heretic ซอฟต์แวร์ที่พลิกโฉมการปลดเซ็นเซอร์โมเดลในช่วงที่ผ่านมา ยังสามารถลดระดับการใช้สำนวน “สละสลวย” และข้อความที่ยืดยาวซึ่งโมเดลมักจะสร้างขึ้นได้ด้วย

Heretic เริ่มทำงานเพื่อปลดการเซ็นเซอร์ gpt-oss แม้ต้องยอมรับว่าในภาพนี้โปรแกรมทำงานบนเครื่องที่มีสเปกสูงมาก ซึ่งไม่น่าจะพบได้ในบ้านของผู้บริโภคทั่วไป แต่ก็สามารถเช่าเครื่องดังกล่าวทางออนไลน์ได้ในราคาถูกตลอดระยะเวลาที่จำเป็นต้องใช้ แหล่งที่มา

ที่สำคัญกว่านั้น Heretic ซึ่งค้นหาวิธี ลบกลไกการปฏิเสธ โดยอัตโนมัติ พร้อมลดความเสียหายต่อพฤติกรรมดั้งเดิมของโมเดลให้น้อยที่สุด ทำให้งานปลดการเซ็นเซอร์ที่ค่อนข้างท้าทายกลายเป็นเพียงคำสั่งเดียวจากมุมมองของผู้ใช้ปลายทาง

อย่างที่เห็นจากภาพหน้าจอด้านบน Heretic มักทำงานได้ดีกว่าบน GPU ที่ทรงพลังกว่าที่คาดว่าจะมีในบ้านของผู้บริโภคทั่วไป อย่างไรก็ตาม ผู้ใช้ไม่จำเป็นต้องรันโปรแกรมนี้บนฮาร์ดแวร์ที่บ้าน เช่นเดียวกับที่เมื่อปี 2002 พวกเขาไม่จำเป็นต้องแคร็กซอฟต์แวร์ด้วยตนเอง ในยุค warez ผู้ให้บริการต้นน้ำในวงการ (ผู้ที่ทำเป็นงานอดิเรก โดยทั่วไปไม่ได้แสวงหากำไร) ซึ่งมีฮาร์ดแวร์เช่นนี้หรือเต็มใจใช้โทเคนบางส่วนเพื่อแก้ปัญหา จะเป็นผู้เจลเบรกโมเดลและปล่อยโมเดลที่ปลดการเซ็นเซอร์แล้วเข้าสู่วงการ

ตกเป็นเป้าจับตา

เมื่อการกระทำทางดิจิทัลที่ «น่ากังขา» ทำได้ง่ายขึ้น โดยทั่วไปมักเกิดจากความสามารถที่ก้าวกระโดดขึ้นในชั่วข้ามคืน (เช่น Napster หรือ PopCornTime) ซึ่งทำให้ทั้งกิจกรรมดังกล่าวและระดับความสนใจ «อย่างเป็นทางการ» ที่ต้องการควบคุมกิจกรรมนั้นขยายตัวขึ้นอย่างฉับพลัน

เมื่อรวมกับความนิยมที่เพิ่มขึ้นและความง่ายในการใช้งานแพลตฟอร์มอย่าง Ollama Heretic ก็เริ่มทำให้ผู้ใช้ที่ไม่มีความรู้ด้านเทคนิคเข้าถึงโมเดลที่ปลดการเซ็นเซอร์ได้ แม้ว่าวิธีที่ «ใช้ง่ายจนใครก็ทำได้» อย่างแท้จริงจะยังไม่มีให้ใช้ในตอนนี้ก็ตาม

และนั่นก็ทำให้ฉันย้อนกลับไปยังคำถามก่อนหน้านี้ว่า กิจกรรมนี้ถือเป็น «ปัญหา» หรือไม่ บทความวิจัยที่เผยแพร่บน arXiv เมื่อวานนี้ทำให้ฉันคิดว่า เมื่อพิจารณาจากแนวโน้มล่าสุดที่มุ่งจำกัดและปราบปรามเสรีภาพของผู้บริโภคด้านเทคโนโลยี การปลดการเซ็นเซอร์น่าจะได้รับความสนใจเพิ่มขึ้นเรื่อย ๆ และนำไปสู่การออกกฎหมายห้ามปรามในหลายพื้นที่ทั่วโลกมากขึ้น

บทความวิจัยฉบับใหม่ ซึ่งเป็นรายงานจาก 10a Labs นำเสนอขบวนการปลดการเซ็นเซอร์ในแง่ลบ และยกกรณีการนำไปใช้ในทางที่ผิดซึ่งเป็นเพียงส่วนน้อยตามแบบฉบับ ซึ่งประวัติศาสตร์ชี้ให้เห็นว่า และแนวโน้มปัจจุบันบ่งชี้ว่า จะนำไปสู่การจำกัดกิจกรรมดังกล่าว

การศึกษาติดตามสิ่งที่เกิดขึ้นหลังจากเผยแพร่และแจกจ่ายโมเดลที่ปลดการเซ็นเซอร์แล้ว และระบุแอปพลิเคชันบน GitHub ได้ 1,643 รายการ ซึ่งผสานรวม แนะนำ หรือตั้งค่าเริ่มต้นให้ใช้โมเดลที่ไม่มีการเซ็นเซอร์

โมเดลที่กล่าวถึงมีตั้งแต่แชตบอตใช้งานทั่วไปและเครื่องมือประมวลผลเอกสาร ไปจนถึงบทบาทสมมติและการเล่าเรื่องสำหรับผู้ใหญ่ บริการเนื้อหาทางเพศอย่างโจ่งแจ้ง เครื่องมือแฮ็กและรักษาความปลอดภัยเชิงรุก ตลอดจนแอปพลิเคชันฉ้อโกงและเครื่องมือสร้างมัลแวร์ โดยงานวิจัยจัดให้ 25% ของโมเดลที่เผยแพร่เป็น «อันตรายอย่างชัดเจน»:

ภาพแจกแจงการใช้งานโมเดล AI ที่ไม่มีการเซ็นเซอร์หลังเผยแพร่ งานวิจัยติดตามแอปพลิเคชันบน GitHub 1,643 รายการที่ผสานรวม แนะนำ หรือตั้งค่าเริ่มต้นให้ใช้โมเดลที่ถูกถอดข้อจำกัดด้านความปลอดภัยออก และพบว่า 37% เป็นแชตบอตใช้งานทั่วไปที่ไม่มีการเซ็นเซอร์ ขณะที่เครื่องมือด้านความมั่นคงปลอดภัยทางไซเบอร์และเครื่องมือประมวลผลเอกสารมีสัดส่วนอย่างละ 16% ส่วนหมวดหมู่ย่อยอื่น ๆ ได้แก่ ผู้ช่วยเสียง บทบาทสมมติสำหรับผู้ใหญ่ งานเขียนเชิงสร้างสรรค์ การเขียนโค้ด และการใช้งานอื่น ๆ งานวิจัยพบว่าแอปพลิเคชันที่ระบุได้ประมาณ 25% อาจจัดอยู่ในประเภท «อันตรายอย่างชัดเจน» แหล่งที่มา

เมื่อพิจารณาข้อจำกัดที่เพิ่งกำหนดขึ้นของสหราชอาณาจักรเกี่ยวกับการเข้าถึงเว็บ (และความตั้งใจที่ขณะนี้ระงับไว้ที่จะจำกัดการเข้าถึง VPN ที่ใช้หลีกเลี่ยงข้อจำกัดดังกล่าวด้วย); ข้อกำหนดของแคลิฟอร์เนียในปี 2027 ที่ให้ระบบปฏิบัติการส่วนใหญ่รวบรวมช่วงอายุของผู้ใช้และส่งข้อมูลดังกล่าวให้แอปพลิเคชัน; แผนการของสหภาพยุโรปในการตรวจสอบอายุเพื่ออนุญาตให้เข้าถึงเนื้อหาสำหรับผู้ใหญ่ทางออนไลน์; และการห้ามของออสเตรเลียไม่ให้ผู้ที่อายุต่ำกว่า 16 ปีมีบัญชีสื่อสังคมออนไลน์ งานวิจัยฉบับใหม่นี้ดูจะสอดคล้องกับรูปแบบที่ความสนใจที่เพิ่มขึ้นนำไปสู่การกำกับดูแลที่เข้มข้นขึ้น กฎระเบียบ และอาจรวมถึงการห้ามบางส่วนหรือทั้งหมดในท้ายที่สุด

เรื่องแบบนี้เกิดขึ้นที่นี่ไม่ได้หรือ

ไม่ใช่เลย เรื่องแบบนี้เกิดขึ้นที่นี่ได้แน่นอน ส่วนหนึ่งเป็นเพราะผู้เขียนงานวิจัยฉบับใหม่ประเมินว่ามีการนำไปใช้ในทางมุ่งร้ายในสัดส่วนสูง และอาจเป็นเพราะมาตรการควบคุมจะเพิ่มข้อจำกัดต่อแนวโน้มที่กำลังเติบโตของการใช้ AI ที่รันภายในเครื่อง ซึ่งรัฐบาลและสถาบันต่าง ๆ อาจมองว่าเป็นภัยคุกคาม โดยเฉพาะอย่างยิ่งเมื่อโมเดลเหล่านั้นถูกปลดพันธนาการแล้ว

การนำเสนอกิจกรรมปลดการเซ็นเซอร์ว่าเป็นการ «เอื้อให้» สร้างเนื้อหา NSFW และก่อเหตุแฮ็กโดยประสงค์ร้าย อาจทำให้เรื่องนี้ดูเหมือนเป็นประเด็นที่มีเพียงสองทางเลือกอย่างผิดๆ กล่าวคือ เมื่อสามารถนำไปใช้ในทางไม่ดีได้ ก็ต้องอยู่ภายใต้การกำกับดูแล ในทางปฏิบัติ ดูเหมือนจะไม่มีวิธีที่เป็นจริงในการกำกับดูแลฟังก์ชันดังกล่าว เลย นอกจากสั่งห้ามโดยสิ้นเชิง เพราะมีกรณีใช้งานที่เป็นไปได้มากมาย

นอกจากนี้ ในกรณีที่การปลดการเซ็นเซอร์ LLM อาจทำให้โมเดลสร้างเนื้อหา เช่น เรื่องแต่งที่มีเนื้อหา CSAM ได้ การออกกฎควบคุมอย่างเข้มงวดก็ดูเหมือนจะเป็นข้อเสนอที่ไม่มีทางโต้แย้ง เพราะผู้ที่คัดค้านอาจถูกทำให้ดูเหมือนสนับสนุนการนำโมเดลที่ปลดการเซ็นเซอร์ไปใช้ในทางชั่วร้าย แทนที่จะสนับสนุนการใช้งานอย่างสมเหตุสมผล

ข้อพิจารณานี้มองข้ามข้อเท็จจริงที่ว่า โมเดลที่ผ่านการปรับแต่งอย่างละเอียดหรือได้รับผลจาก LoRA สามารถสร้างผลลัพธ์ในโดเมนเฉพาะที่ผู้ใช้ต้องการได้อย่างมีประสิทธิภาพกว่ามาก เพราะค่าน้ำหนักพื้นฐานของโมเดลจะถูกบิดเบือนไปตามงานนั้นมากเสียจน ทำลายการป้องกันที่ฝึกไว้ในโมเดลไปได้อยู่ดี

เรื่องความง่ายในการใช้งาน

ความง่ายในการใช้งานคือสิ่งที่ทำให้เกิดการยอมรับในวงกว้าง และการยอมรับในวงกว้างก็คือสิ่งที่ก่อให้เกิดแรงกดดันต่อรัฐบาลให้ออกกฎหมาย ไม่ว่าจะมาจากกลุ่มกดดันสาธารณะ ผู้วิ่งเต้นในอุตสาหกรรม หรือแรงกดดันระหว่างรัฐบาล

แม้ว่าการปรับแต่งอย่างละเอียดและ LoRA จะให้ผลลัพธ์ที่ตรงเป้าหมายมากกว่าการปลดล็อกโมเดลพื้นฐาน FOSS ได้แทบจะแน่นอน แต่วิธีเหล่านี้ต้องอาศัย วินัยและความพยายามในระดับหนึ่งจึงจะทำได้

เมื่อการเรียกใช้โมเดลที่ปลดการเซ็นเซอร์และผ่านการ quantization ในเครื่องทำได้ง่ายเพียงไม่กี่คลิกอย่างแท้จริง (เพราะผู้ใช้แทบจะแน่นอนว่าจะดาวน์โหลดโมเดลที่ «ปลดล็อกไว้ล่วงหน้า» แทนที่จะเจาะระบบปลดล็อกด้วย Heretic เอง) กิจกรรมนี้ก็จะหลุดพ้นจากวงจำกัดของกลุ่มคนคลั่งไคล้เทคโนโลยีและเข้าสู่พื้นที่สาธารณะ ซึ่งการนำไปใช้ในทางที่ผิดมีแนวโน้มจะกลายเป็นประเด็นที่ถูกหยิบยกมาใช้เป็นเครื่องมือทางการเมือง

ฤดูร้อนนี้ NVIDIA นำกลุ่มพันธมิตรเทคโนโลยีรายใหญ่ในการชิงออกมาคัดค้านข้อจำกัดจากรัฐบาลต่อโมเดลโอเพนซอร์ส ด้วย จดหมายเปิดผนึกที่ย้ำข้อโต้แย้งอีกครั้งว่า การนำเทคโนโลยีไปใช้ในทางที่ผิดโดยคนส่วนน้อยไม่ควรทำให้เทคโนโลยีนั้นต้องสูญเสียศักยภาพที่จะก่อประโยชน์ในวงกว้าง อย่างไรก็ตาม ในช่วงไม่กี่ปีที่ผ่านมา จุดยืนนี้ไม่ได้รับความนิยม

* มีผู้ตั้งคำถามอยู่บ่อยครั้งว่าผู้สร้างโมเดลจริงใจหรือไม่กับความตั้งใจที่ประกาศไว้ว่าจะจำกัดกิจกรรมของผู้ใช้ โดยมาตรการป้องกันยังถูก มองว่าเป็น «ละครฉากหน้า»ด้วยซ้ำ