อemplates ใหม่ของ کمیسیونยุโรปสำหรับ AI ทั่วไป – มันหมายถึงอะไรสำหรับการฝึกอบรม AI?

ในเดือนกรกฎาคม คณะกรรมาธิการยุโรป (EC) ได้เปิดตัวเทมเพลตใหม่สำหรับ ปัญญาประดิษฐ์ทั่วไป (GPAI) นี่หมายความว่าผู้ให้บริการ AI ต้องเปิดเผยเนื้อหาที่ป้อนเข้าไปในโมเดลเพื่อฝึกอบรมพวกเขา สิ่งนี้เกิดขึ้นหลังจากหลายเดือนของข่าวที่เกี่ยวข้องกับผู้สร้าง อ้างว่าเนื้อหาถูกใช้โดยไม่ได้รับอนุญาตในการฝึกอบรม AI。

ด้วยเทมเพลตใหม่นี้ สหภาพยุโรปได้แสดงจุดยืนของตนแล้วว่าความโปร่งใสเป็นสิ่งที่ไม่สามารถต่อรองได้ การฝึกอบรมแบบ “กล่องดำ” ซึ่งสร้างสิ่งใดสิ่งหนึ่งโดยไม่เปิดเผยการทำงานภายในจะไม่ใช่ตัวเลือกสำหรับนักพัฒนา AI สิ่งนี้标志ถึงการเปลี่ยนแปลงที่สำคัญ เนื่องจากการดำเนินงานในยุโรปจะต้องมีการมองเห็นแบบเต็มรูปแบบในการป้อนข้อมูลและข้อมูลที่ใช้ในการฝึกอบรม ซึ่งจะบังคับให้重新ประเมินการรวบรวมและการใช้ข้อมูล

หลายคนชี้ให้เห็นถึงความแตกต่างที่ชัดเจนระหว่างสิ่งนี้และ แผนการกระทำ AI ของสหรัฐฯ ที่เพิ่งเปิดตัวไปไม่นาน ซึ่งมุ่งเน้นไปที่การลดกฎระเบียบ ในทุกๆ กฎหมายหรือระเบียบที่ใหม่ๆ บริษัทต่างๆ จะต้องประเมินและประเมินผลกระทบของเทมเพลต GPAI ต่อการดำเนินงานของตน หากพวกเขาดำเนินงานข้ามภูมิภาค พวกเขาจะทำเช่นเดียวกันกับแผนการกระทำ AI ของสหรัฐฯ ซึ่งจะทำให้สิ่งต่างๆ ยุ่งยากมากขึ้น เนื่องจากธรรมชาติที่ซับซ้อนของสิ่งเหล่านี้และข้อเท็จจริงที่ว่าการควบคุมพัฒนา AI ในลักษณะนี้เป็นดินแดนที่ไม่มีใครสัมผัสมาก่อน ผลลัพธ์ของนักพัฒนาจึงมีแนวโน้มที่จะแตกต่างกันอย่างมาก

การวิเคราะห์เทมเพลตโมเดล AI ทั่วไป

ในเดือนกรกฎาคมของปีนี้ คณะกรรมาธิการยุโรปได้เผยแพร่เทมเพลตที่บังคับใช้สำหรับผู้ให้บริการ GPAI เพื่อให้พวกเขาสามารถเผยแพร่สรุปสาธารณะเกี่ยวกับข้อมูลที่ใช้ในการฝึกอบรมโมเดลของตน ในฐานะส่วนหนึ่งของกฎหมาย AI ของสหภาพยุโรป ผู้ให้บริการจะต้องเปิดเผยประเภทข้อมูล เช่น ชุดข้อมูลที่มีอยู่สาธารณะ ข้อมูลที่ได้รับอนุญาตส่วนตัว เนื้อหาที่ถูกสแกนจากเว็บ ข้อมูลผู้ใช้ และข้อมูลสังเคราะห์ วัตถุประสงค์คือเพื่อให้เจ้าของลิขสิทธิ์ ผู้ใช้ และนักพัฒนาลำดับถัดไปสามารถใช้สิทธิทางกฎหมายของตนภายใต้กฎหมายของสหภาพยุโรปได้

GPTs ถูกฝึกอบรมด้วยปริมาณข้อมูลขนาดใหญ่ แต่ในตลาดปัจจุบัน มีข้อมูลที่จำกัดเกี่ยวกับต้นกำเนิดของข้อมูลนี้ สรุปสาธารณะที่กำหนดโดยเทมเพลตนี้จะให้ภาพรวมที่ครอบคลุมเกี่ยวกับข้อมูลที่ใช้ในการฝึกอบรมโมเดล รายการคอลเลกชันข้อมูลหลัก และอธิบายแหล่งอื่นๆ ที่ใช้

เปรียบเทียบและเปรียบเทียบ แผนการกระทำ AI ของสหรัฐฯ

เมื่อเปรียบเทียบกัน แผนการกระทำ AI ของสหรัฐฯ มุ่งเน้นไปที่การเร่งการก่อสร้างศูนย์ข้อมูลที่ใช้พลังงานสูงซึ่งให้พลังงานแก่ระบบ AI โดยการทำให้กฎระเบียบด้านสิ่งแวดล้อมง่ายขึ้น ในเวลาเดียวกัน มันพยายามเพิ่มการส่งออกเทคโนโลยี AI ของอเมริกาไปทั่วโลก แผนนี้มีคำแนะนำ 90 ข้อ และสะท้อนถึงความพยายามที่เพิ่มขึ้นของสหรัฐฯ ในการรักษาความได้เปรียบทางการแข่งขันเหนือผู้แข่งขันทั่วโลก

แผนการนี้สร้างขึ้นรอบๆ เสาหลักสามประการ – การเร่งนวัตกรรม การสร้างโครงสร้างพื้นฐาน AI ของอเมริกา และการส่งเสริมความเป็นผู้นำในด้านการทูตและความมั่นคง AI ระดับนานาชาติ

เป็นส่วนหนึ่งของสิ่งนี้ ข้อสรุปที่สำคัญจากแผนการเน้นย้ำถึงการผลักดัน “โอเพ่นซอร์ส” ของอเมริกาเพื่อกระตุ้นนวัตกรรมและความสามารถในการเข้าถึง ในทำนองเดียวกัน แผนการนี้เน้นย้ำถึงวิธีที่รัฐบาลสหรัฐฯ จะ “นำโดยตัวอย่าง” ในด้านการเติบโตของ AI – ผ่านการฝึกอบรม การแลกเปลี่ยนความสามารถ และการขยายการนำไปใช้ในอุตสาหกรรมต่างๆ

ด้วยแผนการนี้ สหรัฐฯ มุ่งหวังที่จะทำให้กฎระเบียบเทคโนโลยีปัจจุบันของตนง่ายขึ้น โดยเฉพาะอย่างยิ่งกฎระเบียบด้านสิ่งแวดล้อม เพื่อให้แน่ใจว่ากฎหมายไม่ชะลอการเติบโต ในขณะเดียวกันก็ส่งเสริมการกระจายเทคโนโลยี AI ของสหรัฐฯ ทั่วโลกมากขึ้น แนวทาง “ต้านกฎระเบียบ” นี้แสดงถึงการเปลี่ยนแปลงที่ชัดเจนจากกรอบการทำงานก่อนหน้านี้ที่มุ่งเน้นไปที่จริยธรรม ความโปร่งใส และนวัตกรรมที่รับผิดชอบ – และเปลี่ยนไปสู่แผนการกระทำ “นวัตกรรมก่อน” ที่มีความก้าวร้าวมากขึ้น

ชิ้นส่วนที่หายไป

มันคุ้มค่าที่จะถอยหลังและพิจารณาว่าlaws และระเบียบนี้ แม้ว่าจะแตกต่างกัน แต่อาจมีข้อบกพร่องเดียวกันที่จะทำให้นักพัฒนารู้สึกว่าการปฏิบัติตามพวกมันไม่มีค่า สหภาพยุโรปและแนวทางของสหรัฐฯ ทิ้งช่องว่างที่สำคัญเกี่ยวกับทรัพย์สินทางปัญญาในเซตข้อมูลการฝึกอบรม AI กฎหมาย AI ของสหภาพยุโรปกำหนดให้ต้องมีสรุปข้อมูลการฝึกอบรมและนโยบายการปฏิบัติตามลิขสิทธิ์ แต่ไม่ได้กำหนดกรอบการทำงานที่มีประสิทธิภาพสำหรับการระบุหรือการออกใบอนุญาตผลงานลิขสิทธิ์

ในสหรัฐฯ ไม่มีกฎเกณฑ์ที่เฉพาะเจาะจง – ทำให้บริษัท AI ต้องนำทางกรอบการทำงานทางกฎหมายที่กำลังพัฒนาโดยคำตัดสินของศาลและข้อพิพาทที่กำลังดำเนินอยู่กับเจ้าของสิทธิ นอกเหนือจากข้อความทางกฎหมายแล้ว สิ่งที่หายไปคือด้านปฏิบัติการ; แนวทางทั้งสองไม่ได้กำหนดวิธีการทำงานที่ใช้ได้ในอุตสาหกรรมสำหรับการตรวจจับเนื้อหาที่ได้รับการคุ้มครอง การตรวจสอบการใช้งานตามกฎหมาย หรือการทำให้การออกใบอนุญาตเป็นไปอย่างราบรื่น จนกว่าโซลูชันเหล่านี้จะถูกกำหนด ความไม่แน่นอนเกี่ยวกับลิขสิทธิ์ในการฝึกอบรม AI จะยังคงเป็นความท้าทายที่สำคัญสำหรับอุตสาหกรรม

ค่าใช้จ่ายที่ซ่อนอยู่ของธุรกิจที่ข้ามการตรวจสอบ AI

尽管有一些ข้อบกพร่องในระเบียบเหล่านี้ แต่จะถูกสมมติว่าพวกเขาจะทำให้นักพัฒนา AI มุ่งเน้นไปที่การอยู่รอดจากมุมมองทางกฎหมาย – แต่สิ่งนี้ไม่จำเป็นต้องเป็นเช่นนั้นเสมอไป ในความเป็นจริง การแบ่งแยกที่แท้จริงใน AI ในขณะนี้ไม่ได้อยู่ระหว่างกฎระเบียบของสหภาพยุโรปและสหรัฐฯ แต่อยู่ระหว่างบริษัทที่กำลังลงทุนในการตรวจสอบความถูกต้องในปัจจุบันและที่กำลังเดิมพันว่าพวกเขาจะไม่ต้องทำเช่นนั้น สิ่งนี้เป็นการทำซ้ำสิ่งที่เราเห็นหลายปีที่แล้วกับการนำ General Data Protection Regulation (GDPR) มาใช้ – บริษัทที่สร้างการออกแบบตามหลักการคุ้มครองความเป็นส่วนตัวตั้งแต่แรกไม่เพียงแต่หลีกเลี่ยงค่าปรับ แต่ยังได้รับความไว้วางใจจากผู้บริโภคและเข้าถึงตลาดอื่นๆ ที่สะท้อนมาตรฐาน GDPR ในภายหลังได้อย่างราบรื่น

รูปแบบเดียวกันนี้อาจเกิดขึ้นกับ AI การตรวจสอบความถูกต้องของข้อมูลการฝึกอบรมและตัดสินใจของโมเดลมีแนวโน้มที่จะกลายเป็นมาตรฐานทั่วโลก และบริษัทที่ล่าช้าจะถูกบังคับให้ออกแบบระบบใหม่ การกลับไปเพิ่มเอกสาร การติดตามต้นกำเนิด และคุณลักษณะการตรวจสอบลงในระบบที่มีอยู่เป็นเรื่องที่มีค่าใช้จ่ายและซับซ้อนมากกว่าการสร้างมันขึ้นมาจากจุดเริ่มต้น ซึ่งจะเบี่ยงเบนความสนใจไปจากการสร้างที่มุ่งเน้น ROI ที่บริษัทต้องการ

ความต้องการความสามัคคีทั่วโลกสำหรับ AI ที่มีจริยธรรม

จากมุมมองระดับมหภาค แนวทางที่แตกต่างกันเหล่านี้สร้างปัญหาใหญ่สำหรับธุรกิจทั่วโลก บริษัทในตลาดที่มีการควบคุมน้อย เช่น สหรัฐฯ สามารถเติบโตได้เร็วขึ้นในระยะสั้น แต่เมื่อพวกเขาเข้าสู่สหภาพยุโรป พวกเขาจะต้องเผชิญกับกำแพงการปฏิบัติตามกฎระเบียบ: กฎระเบียบการตรวจสอบและเอกสารของกฎหมาย AI ต้องการความสามารถที่พวกเขาไม่เคยสร้างมาก่อน

การปรับเปลี่ยนการตรวจสอบต้นกำเนิด เอกสาร และคุณลักษณะการตรวจสอบเข้ากับระบบที่มีอยู่เป็นเรื่องที่มีค่าใช้จ่าย ช้า และรบกวน โดยเฉพาะอย่างยิ่งเนื่องจากการตรวจสอบความถูกต้องเป็นส่วนหนึ่งที่ต้องใช้ทรัพยากรมากที่สุดในการปฏิบัติตามกฎระเบียบ มันเป็นรูปแบบเดียวกับที่เราเห็นกับ GDPR ซึ่งผู้ที่ล่าช้าในการออกแบบตามหลักการคุ้มครองความเป็นส่วนตัวต้องดิ้นรนกับการเปลี่ยนแปลงที่มีค่าใช้จ่ายสูงและเข้าถึงตลาดที่ล่าช้า ในขณะที่ผู้ที่เริ่มต้นก่อนได้รับประโยชน์ที่ยั่งยืน