Шаблон загального призначення штучної інтелектуальної моделі Європейської комісії – що це означає для навчання штучного інтелекту?

У липні Європейська комісія (ЄК) опублікувала новий загальний шаблон штучної інтелектуальної моделі. Це означає, що постачальники штучного інтелекту повинні розкривати вміст, введений у моделі для її навчання. Це відбувається після місяців і місяців заголовків щодо творців алегуючи, що вміст був використаний без згоди для навчання штучного інтелекту.

З цим новим шаблоном ЄС зробив свою позицію ясною: прозорість тепер не є предметом переговорів. Навчання у “чорній скриньці”, коли щось створюється без розкриття його внутрішньої роботи, не буде варіантом для розробників штучного інтелекту. Це означає суттєву зміну, оскільки робота в Європі тепер буде вимагати повної прозорості щодо входів моделі та походження навчальних даних, що змусить переоцінити збір і використання даних.

Багато хто вказував на різку відмінність між цим і недавно опублікованим планом дій США щодо штучного інтелекту, який сильно акцентує на дерегуляції. Як і з будь-яким новим законом або регламентом, бізнес тепер повинен взяти до уваги і оцінити, як шаблон загального призначення штучної інтелектуальної моделі вплине на операції.

Якщо вони працюють у різних регіонах, вони робитимуть те саме з планом дій США щодо штучного інтелекту, що ще більше ускладнює ситуацію. Через складну природу цих регламентів і те, що регулювання розвитку штучного інтелекту таким чином є невідкритою територією, результати розробників, ймовірно, сильно відрізняться.

Аналіз шаблону загального призначення штучної інтелектуальної моделі

У липні цього року Європейська комісія опублікувала обов’язковий шаблон для постачальників загального призначення штучної інтелектуальної моделі, щоб вони могли опублікувати публічний підсумок даних, використаних для навчання їхніх моделей. Як частина Закону ЄС про штучний інтелект, постачальники повинні розкривати категорії даних, такі як публічно доступні набори даних, приватні ліцензовані дані, веб-контент, дані користувачів і синтетичні дані. Метою є дозволити власникам авторських прав, користувачам і розробникам нижчого рівня здійснювати свої юридичні права згідно з законодавством ЄС.

ГПШІ навчаються на великих кількостях даних; однак на сучасному ринку існує обмежена інформація щодо походження цих даних. Публічний підсумок, який передбачений цим шаблоном, надасть комплексний огляд даних, використаних для навчання моделі, перелічить основні колекції даних і пояснить інші джерела, які використовуються.

Порівняння та контраст, план дій США щодо штучного інтелекту

На відміну від цього, США твердо переконані, що вони виграють гонку штучного інтелекту і збережуть свій конкурентний优势 над Китаєм, оскільки адміністрація Трампа оголосила свій план дій щодо штучного інтелекту на початку літа. Цей новий каркас штучного інтелекту спрямований на прискорення будівництва енергозалежних центрів даних, які живлять системи штучного інтелекту, шляхом пом’якшення екологічних регуляцій. Одночасно він спрямований на збільшення глобального експорту американських технологій штучного інтелекту. Цей план складається з 90 рекомендацій і відображає зростаючі зусилля США залишитися лідерами серед глобальних конкурентів.

План побудований навколо трьох основних напрямків – прискорення інновацій, будівництво інфраструктури штучного інтелекту Америки та сприяння лідерству в міжнародній дипломатії та безпеці штучного інтелекту.

Як частина цього, ключовий висновок з плану підкреслив “відкритий” поштовх США до палива інновацій та доступності. Подібним чином план підкреслює, як уряд США буде “лідувати прикладом” щодо зростання штучного інтелекту – через навчання, обмін талантами та розширення прийняття по галузях.

З цим планом США спрямовані на оптимізацію всіх поточних технологічних регуляцій, особливо екологічних, щоб забезпечити, що законодавство не сповільнює зростання, а також заохочують ширше міжнародне розповсюдження американського програмного забезпечення та апаратного забезпечення штучного інтелекту. Цей “антирегуляторний” підхід являє собою чітку зміну від попередніх каркасів, центрованих на етиці, прозорості та відповідальній інновації – натомість рухається у напрямку більш агресивного “інноваційного” плану дій.

Відсутня частина

Цінно зробити крок назад на цьому етапі і розглянути, чи ці акти, хоча й різні, можуть страждати від тих самих недоліків, які змусять розробників бачити відсутність цінності у дотриманні їх. Підходи ЄС і США залишають критичний пробіл навколо інтелектуальної власності у наборах даних навчання штучного інтелекту. Закон ЄС про штучний інтелект зобов’язує надавати підсумки навчальних даних і політику дотримання авторських прав, але не встановлює масштабований каркас для ідентифікації або ліцензування захищених творів.

У США немає конкретних правил – залишаючи компанії штучного інтелекту самостійно орієнтуватися в еволююючому юридичному каркасі, сформованому судовими рішеннями та триваючими спорами з власниками прав. Поза юридичним текстом те, що відсутнє, – це практичний аспект; жоден з підходів не передбачає дієвих, галузевих методів для виявлення захищеного вмісту у масштабі, верифікації законного використання або спрощення ліцензування. До тих пір, поки такі рішення не будуть визначені, невизначеність щодо авторських прав у наборах даних навчання штучного інтелекту залишається суттєвим викликом для галузі.

Прихований кошт бізнесу, який пропускає слідування штучному інтелекту

Незважаючи на деякі недоліки цих регуляцій, припустимо, що вони змусять розробників штучного інтелекту сильно зосередитися на тому, як залишитися на плаву з юридичної точки зору – але це не завжди так. Насправді справжня розбіжність у сфері штучного інтелекту зараз не між регуляціями ЄС і США, а між компаніями, які інвестують у слідування сьогодні, і тими, хто грає на те, що їм не доведеться. Це повторення того, що ми бачили роки тому з впровадженням Загального регламенту захисту даних (GDPR) – компанії, які побудували захист даних з самого початку, не тільки уникнули штрафів, але й здобули довіру споживачів і гладшу доступ до інших ринків, які пізніше скопіювали стандарти GDPR.

Той самий паттерн, можливо, з’являється і у сфері штучного інтелекту. Слідування навчальних даних і рішень моделі, ймовірно, стане глобальним стандартом, а компанії, які затримують цей процес, будуть змушені переробити свої системи в майбутньому. Повернення назад, щоб додати документацію, відстежування походження та функції аудиту до існуючої системи, набагато дорожче і складніше, ніж будівництво їх з самого початку, відводячи увагу від більш орієнтованих на прибуток розбудов, які компанія хоче завершити.

Іншими словами, слідування і прозорість не є необов’язковими додатками; вони повинні бути вбудовані у системи штучного інтелекту з дня першого. Бізнеси, які ставлять їх у другий план, ризикують загальмувати інновації, зіткнутися з регуляторним наступом і втратити гонку назавжди.

Етичний штучний інтелект потребує глобальної єдності

З макроперспективи ці поляризовані підходи створюють реальну проблему для глобальних бізнесів. Компанії у ринках з легшим регулюванням, таких як США, можуть розширюватися швидше в короткій перспективі, але коли вони вирішують увійти до ЄС, вони зустрічають стіну комплаєнсу: правила слідування та документації Закону про штучний інтелект вимагають можливостей, яких вони ніколи не мали.

Переоснащення відстеження походження, документації та функцій аудиту у існуючу систему є дорогим, повільним і порушуючим, особливо тому, що слідування є однією з найбільш ресурсоємних частин комплаєнсу. Це той самий паттерн, який ми бачили з GDPR, де ті, хто запізнився з захистом даних з самого початку, боролися з дорогими переробками і затримками доступу до ринку, тоді як ті, хто прийшов першим, здобули тривалу перевагу.