الذكاء الاصطناعي
تكتيكات تدريب الذكاء الاصطناعي المشكوك فيها: مصدر قلق متزايد

النقاط الرئيسيةتواجه شركات الذكاء الاصطناعي مثل ميتا وأوبن إيه آي دعاوى قضائية لاستخدامها بيانات كتب…
عرض المزيد
- تواجه شركات الذكاء الاصطناعي مثل ميتا وأوبن إيه آي دعاوى قضائية لاستخدامها بيانات كتب مسروقة من مكتبات الظل لتدريب النماذج.
- بنى ديب سيك منافسًا في الذكاء الاصطناعي بتكلفة 6 ملايين دولار باستخدام مخرجات تشات جي بي تي، مما أثار اتهامات بسرقة الملكية الفكرية.
- يطالب مبتكرو المحتوى بتعويضات حيث تستهلك نماذج الذكاء الاصطناعي أعمالاً محمية بحقوق الطبع والنشر دون إذن أو دفع.
تستمر تكتيكات تدريب الذكاء الاصطناعي في خضوعها للتدقيق بسبب نقص الرقابة عليها. من الشائع أن يستلهم الكتاب المعاصرون وحتى يستعيروا جوانب من القصص السابقة. بينما يُعد هذا الإجراء جزءًا من تطور الكتابة، هناك أوقات يتم فيها نسخ أعمال الكاتب وأسلوبه دون إذن.
عندما يحدث هذا الوضع، تسمح قوانين انتهاك حقوق النشر الحديثة للمنشئ الأصلي للمحتوى باسترداد الخسائر. ومع ذلك، لا يمكن قول الشيء نفسه عن العدد المتزايد من أنظمة الذكاء الاصطناعي التي تبين أنها استخدمت أعمالًا تم الحصول عليها بشكل غير قانوني لتطوير نماذجها. الآن، تواجه الصناعة مفترق طرق فيما يتعلق بتكتيكات التدريب والانتقام لأولئك الذين عانوا من خسائر. إليك ما تحتاج إلى معرفته.
تكتيكات تدريب الذكاء الاصطناعي المشكوك فيها
A flurry of الدعاوى القضائية الآن تدعي أن OpenAI وMETA (META ) سعت عمدًا إلى إيجاد حلول بديلة عند الحصول على بيانات المكتبة لتدريب نماذجها. يدعي المدعون في الدعوى أن الشركة كانت على علم ولم تهتم بأنها قد تسرق ملايين من المؤلفين دون تعويض، أو حتى ذكر.
مثل هذه الادعاءات ليست مفاجأة كبيرة للعديد الذين يعتقدون أن سباق الذكاء الاصطناعي أدى إلى تجاهل أساسي لقوانين حقوق النشر. وبالتالي يواصل المؤلفون الاعتراض على مطوري الذكاء الاصطناعي، مطالبين بمزيد من الشفافية حول كيفية الحصول على البيانات ومعالجتها بواسطة هذه الأنظمة.
بينما لم يتم بعد مشاركة مسارات واضحة مع الجمهور، بدأت الأدلة تتراكم ضد شركات الذكاء الاصطناعي. قد تؤدي هذه الأدلة إلى تغييرات شاملة في تكتيكات التدريب التي يستخدمها مطورو الذكاء الاصطناعي في المستقبل.
التكتيكات التدريبية التي تستخدمها الشركات لإنشاء النماذج
تدريب نظام الذكاء الاصطناعي هو عملية معقدة قد تشمل جمع ومعالجة كميات هائلة من البيانات من مصادر مختلفة. هذه البيانات هي ما يعتمد عليه نظام الذكاء الاصطناعي عند محاولة الإجابة على الأسئلة أو استكشاف سيناريوهات جديدة. وبالتالي، تعمل معظم أنظمة الذكاء الاصطناعي بشكل أفضل عندما يكون لديها المزيد من البيانات للرجوع إليها.
إنشاء الذكاء الاصطناعي
الطريقة الأساسية لإنشاء نموذج ذكاء اصطناعي تتضمن جمع البيانات. في الماضي، كان جمع البيانات عملية تستغرق وقتًا طويلاً تتطلب من المهندسين البحث عن قواعد بيانات موجودة بالفعل بدلاً من البناء من الصفر. على سبيل المثال، قد تطور مقدمو الرعاية الصحية نظام ذكاء اصطناعي يستفيد من الإحصاءات الصحية الوطنية لتقديم إجابات طبية أكثر صلة.
من هناك، يقرر المطورون أي خوارزمية سيختارون. الخيارات الرئيسية هي التعلم المراقب، التعلم غير المراقب، التعلم شبه المراقب، التعلم المعزز، الانحدار الخطي، التعلم العميق، الغابة العشوائية، بايز الساذج، والشبكات العصبية. كل من هذه الخوارزميات تقدم مزايا وعيوب فريدة، مما يجعلها أكثر ملاءمة لمهام معينة.
أخيرًا، يبدأ عملية التدريب التكراري. في هذه المرحلة، يتم اختبار النموذج وتقييمه بناءً على الدقة والأداء المقدم. تسمح هذه الخطوة للمهندسين بضبط النموذج والتحقق من صحته، مما يعزز قدراته. كما تساعد هذه المرحلة المهندسين على التأكد من أن النموذج يواصل التعلم من بيانات التدريب، بدلاً من مجرد حفظها.

المصدر – Uptech.team
تكتيكات تدريب الذكاء الاصطناعي الحالية مكلفة
عملية تدريب نموذج الذكاء الاصطناعي تستغرق وقتًا طويلاً ومكلفة ويمكن تقسيمها إلى فئتين رئيسيتين: التدريب والتشغيل. يشير التدريب إلى التكلفة الواحدة لإنشاء نموذج معين. على سبيل المثال، أنفق ChatGPT حوالي 100 مليون دولار على نموذج 4o الخاص به، وفقًا للرئيس التنفيذي للشركة، سام ألتمان.
ومن الجدير بالذكر أن هذه التكاليف فاقت تكاليف النماذج السابقة بشكل كبير. على سبيل المثال، تكلفة تدريب ChatGPT-3 تبلغ تقريبًا 4 ملايين دولار. الارتفاع في تكاليف تدريب الذكاء الاصطناعي هو نتيجة مباشرة لزيادة متطلبات الحوسبة. النماذج الأحدث تعمل على أحدث شرائح NVIDIA (NVDA ) ، مما يزيد من تكلفتها.
بالإضافة إلى ذلك، أدى الذكاء الاصطناعي إلى رفع أسعار الحوسبة السحابية. الغالبية العظمى من تطبيقات الذكاء الاصطناعي لا تعمل أصلاً على أجهزة الكمبيوتر الخاصة بالمستخدمين. بل تعتمد على مراكز بيانات متطورة وخوارزميات الحوسبة السحابية لدعم المتطلبات الحوسبية الضخمة. كل هذه العوامل جعلت برمجة الذكاء الاصطناعي مكلفة.
أسواق الذكاء الاصطناعي
يشير الارتفاع الأخير في عدد أسواق تدريب الذكاء الاصطناعي إلى وجود المزيد من التطورات في هذا المجال التي تسعى لتوفير التكاليف. تسمح أسواق الذكاء الاصطناعي للمطورين، صانعي المحتوى، وأولئك الذين يسعون إلى دمج الذكاء الاصطناعي بالتواصل. يمكن للمطورين العثور على نماذج مُعدة مسبقًا يمكنهم تحسينها أو تعديلها وفقًا لاحتياجاتهم، مما يوفر الكثير من الوقت والتمويل في العملية.
تكلفة التشغيل
تكلفة التشغيل أو الاستدلال لأنظمة الذكاء الاصطناعي هي نفقة أخرى يجب على المطورين أخذها في الاعتبار. تشير تكلفة الاستدلال إلى مقدار المال الذي تكلفه كل تفاعل مع الذكاء الاصطناعي. تكلفة تشغيل العديد من أنظمة الذكاء الاصطناعي اليوم أعلى لأن النظام يجب أن يصل إلى جميع البيانات في نموذجه لتقديم استجابة دقيقة ومفيدة. تعني هذه الخطوة أن الذكاء الاصطناعي سيحتاج إلى استخدام الكثير من قوة الحوسبة، من آلات عالية الأداء، بشكل متكرر. هذه المتطلبات تضيف تكاليف كبيرة إلى النظام.
هل تكتيكات تدريب الذكاء الاصطناعي اليوم أخلاقية؟
عند النظر إلى تكتيكات التدريب والاستراتيجيات التي تتبعها شركات الذكاء الاصطناعي الضخمة اليوم، من السهل ملاحظة وجود مواقف أخلاقية ومعنوية صعبة داخل الصناعة. نعم، لإنشاء أفضل أنظمة الذكاء الاصطناعي، يحتاج المطورون إلى توفير بيانات قيمة ودقيقة للنموذج. ومع ذلك، يجادل بعض المطورين أن تكلفة الحصول على موافقة حقوق النشر على جميع البيانات المستخدمة في المجموعة ستكون هائلة، مما يكبح الابتكار أساسًا.
تحمي قوانين حقوق النشر الدولية المؤلفين من الاستخدام غير المصرح به لأعمالهم، أسلوبهم، وشبههم. يبدو أن أنظمة الذكاء الاصطناعي وجدت ثغرة قانونية تسمح لها باستخدام نسخ شبه مطابقة من الأشخاص، الأماكن، المعلومات، والقصص، مع قلة الردود القانونية حتى الآن.
ومع ذلك، هناك شعور متزايد بين صانعي المحتوى بأن هذه الأنظمة حصلت على أعمالهم بصورة غير قانونية ثم استخدمتها لتدريب نماذج الذكاء الاصطناعي لتكرار الصياغة والنبرة والأسلوب. تم الكشف عن أدلة على الاستخدام غير القانوني للكتب المحمية بحقوق النشر داخل نماذج تدريب OpenAI من خلال الكشف الأخير.
دعوى قضائية ضد OpenAI
في الدعوى القضائية ضد OpenAI، يدعي المدعون أن المطورين استخدموا مكتبات الظل عن علم لتجنب دفع ثمن مجموعات كبيرة من الكتب. مكتبات الظل هي منصات إلكترونية توفر الوصول إلى الأعمال المحمية بحقوق النشر مجانًا. تشمل المكتبات المذكورة في الدعوى مكتبة LibGen، Bok، Sci-Hub، وBibliotik.
تهدف الدعوى إلى إثبات أن OpenAI وMETA كانا على علم بأنهما يتجاوزان قوانين حقوق النشر. وتظهر كيف استخدمت الشركات مكتبات الظل ومصادر مجانية أخرى لتقليل تكاليف التدريب بشكل كبير بينما سرقت من المؤلفين مستحقاتهم العادلة.
ردًا على الادعاءات، تصرفت META في البداية كما لو أنها غير مدركة لأي من هذه الأفعال. ومع ذلك، بعد ظهور رسائل بريد إلكتروني يُعتقد أنها تكشف الفهم الكامل للشركة لأفعالها، وتوضح أنها قامت بتحميل أكثر من 81.7 تيرابايت من البيانات من مكتبات الظل، ما يعادل ملايين الأعمال.
رسائل بريد META غير محجوبة
من المفارقة أن رسائل البريد الإلكتروني الداخلية هي التي كشفت أن الشركة كانت على دراية تامة بالطبيعة المشكوك فيها لقرارها باستخدام مكتبات الظل. في رسائل البريد غير المحجوبة، يتساءل مهندس قلق يدعى نيكولاي باشليكوف عن أخلاقية المشروع، قبل أن يمزح بشأن شرعية الخطة.
في رسائل لاحقة، صرح الموظف بأنه كان قلقًا من استخدام عناوين IP الخاصة بـ META لتحميل محتوى مقرصن عبر التورنت. وإدراكًا أن ذلك قد يكون مشكلة، أمرت META المهندسين بتحميل البيانات من خوادم خارجية غير متصلة بـ Facebook أو META.
أوامر من القمة
عند سؤالهم في البداية عن تورط META في التحميل عبر التورنت، صرح مارك زوكربيرغ بأنه لا يعرف شيئًا عن العملية. أثبتت رسائل البريد غير المحجوبة العكس. يُعتقد أن الرسائل تُظهر أن قرار استخدام خوادم غير تابعة لـ FB جاء فقط بعد موافقة زوكربيرغ المباشرة.
هل يستخدم مطورو الذكاء الاصطناعي محتوى مسروق؟
نظرًا للأدلة المقدمة والزيادة المفاجئة في قدرات الذكاء الاصطناعي، يبدو واضحًا أن العديد من أنظمة الذكاء الاصطناعي لجأت إلى مكتبات الظل ووسائل أخرى لبناء نماذج تدريب أكثر فاعلية. تحتوي مجموعات البيانات هذه على مواد محمية بحقوق النشر لم تتلقَ إذنًا من المؤلفين أو الناشرين لاستخدامها في تدريب نماذج الذكاء الاصطناعي.
هل هو غير قانوني؟
في حين يصبح من الصعب أكثر إنكار استخدام المواد المقرصنة في نماذج الذكاء الاصطناعي الأكثر تقدمًا اليوم، لا يزال شرعية هذه الممارسة موضع تساؤل. لم تخضع أي شركة ذكاء اصطناعي بعد لقوانين انتهاك حقوق النشر. بالإضافة إلى ذلك، سباق الذكاء الاصطناعي في كامل قوته وقد يرى العديد من السياسيين أن تقييد وصول أنظمة الذكاء الاصطناعي المحلية إلى البيانات يشكل عائقًا أمام الابتكار. وبالتالي، قد لا يتخذون إجراءات لجعل مكافحة انتهاك حقوق النشر في الذكاء الاصطناعي سهلة مثل السرقات التقليدية.
تزايد الدعاوى القضائية
قد لا يكون المنظمون مستعدين للضغط على شركات الذكاء الاصطناعي، لكن صانعي المحتوى قد سئموا. تستمر الدعاوى القضائية في التدفق من مؤلفين محبطين يزعمون أن محتواهم تم الحصول عليه بصورة غير قانونية، وتوزيعه، وتكراره دون أي تعويض.
مؤخرًا، قدمت شركة المحاماة Joseph Saveri دعاوى جماعية فيدرالية أمريكية مباشرة حول هذه المسألة. الدعوى، التي قُدمت نيابة عن سارة سيلفرمان ومؤلفين آخرين ضد OpenAI وMETA، تسعى إلى تعويضات عن الخسائر الناجمة عن قدرة المنتج على تكرار صيغته وأسلوبه.
الدعوى الجماعية الدعوى تدعي انتهاكات متعددة لقانون حقوق النشر الرقمية للألفية، الإهمال الجنائي، وقوانين المنافسة غير العادلة. الهدف من الدعوى هو الحصول على أمر قضائي دائم بشأن هذه التكتيكات التدريبية حتى يتم وضع استراتيجية تعويض وحماية عادلة للمؤلفين.
هل تم تدريب DeepSeek بواسطة ChatGPT؟
من المفارقة أن ChatGPT ادعى أنه ضحية سرقة فكرية من نظام ذكاء اصطناعي بعد أن أطلقت شركة الذكاء الاصطناعي الصينية الناشئة DeepSeek موجات عبر السوق. أحدثت DeepSeek موجة من الاهتمام بعد أن كشفت الشركة عن أدائها المثير للإعجاب، تكلفتها المنخفضة، وقدراتها المتقدمة للجمهور الشهر الماضي.
اتهم مطورو OpenAI شركة DeepSeek باستخدام بيانات ChatGPT لبرمجة نموذجها، مما مكنها من إنشاء نموذج يتفوق على المنافسين ويكلف أقل بكثير. بالمقارنة، حققت DeepSeek أداءً مماثلًا لـ ChatGPT بتكلفة 6 ملايين دولار مقابل أكثر من 100 مليون دولار التي استخدمها ChatGPT.
بالإضافة إلى ذلك، تتمكن DeepSeek من استخدام قوة حوسبة أقل بكثير بفضل إعدادها الفريد. تكاليف الاستدلال لـ DeepSeek أقل بكثير من ChatGPT بسبب استخدام عدة نماذج متخصصة بدلاً من نموذج واحد ضخم.
وبالتالي، تحتاج DeepSeek فقط إلى تنشيط النموذج عند الإشارة إلى السؤال، مما يتيح لها استخدام شرائح NVIDIA أقل تكلفة وأكثر قوة. على وجه التحديد، تستخدم DeepSeek 1/50 من تكلفة تشغيل أحدث نموذج Claude 3.5 Sonnet، مما يجعلها حلاً أكثر فعالية من حيث التكلفة للأعمال على المدى الطويل.
إنه يستعير
من المثير للاهتمام أن DeepSeek لا تنكر استخدام ChatGPT لتطوير نصوص “التفكير”. بل تصف العملية في الورقة البيضاء الأصلية لـ DeepSeek. شعر المهندسون أن هذا النهج سيزود DeepSeek بمعلومات أكثر دقة، مما سرّع عملية التقطير.
بالإضافة إلى ذلك، تأكدت من أن البيانات المستخدمة لبرمجة نماذج الذكاء الاصطناعي للمنافسين لم تُستخدم لبرمجة DeepSeek. النتيجة هي نظام أكثر كفاءة يتفوق على سلفه ويكلف جزءًا صغيرًا فقط للتشغيل. بالطبع، يجادل الكثيرون بأن تكاليف ChatGPT يجب أن تُدرج في ميزانية DeepSeek إذا استفادوا من النظام لإنشاء نماذجهم.
أزمة هوية DeepSeek
في مقال حديث، ذهب باحث في الذكاء الاصطناعي إلى المصدر للتحقق مما إذا كانت DeepSeek تستعير الكثير من ChatGPT. بدأ بسؤال نموذج اللغة الكبيرة إذا كان يعتقد أن DeepSeek أذكى من Gemini، المنافس لجوجل. من المفارقة أن النموذج أجاب أنه يعتقد “أنه ChatGPT”. رأى الكثيرون هذا الكشف كدليل كافٍ لإثبات كمية البيانات الضخمة التي جمعتها DeepSeek من ChatGPT.
هل يجب تعويض صانعي المحتوى عن استخدام الذكاء الاصطناعي؟
هناك قلق متزايد بين صانعي المحتوى في السوق. مع تطور أنظمة الذكاء الاصطناعي، من المؤكد أنها ستستهلك المزيد من المواد المحمية بحقوق النشر. في الماضي، رأى المهندسون أن الشركات تقوم بإيقاف معلومات إدارة حقوق النشر لتقليل خطر اكتشاف أفعالهم. ومع ذلك، يتغير الوضع.
في يوليو 2023، وقع مجموعة من أكثر من 8000 كاتب على رسالة موجهة إلى الرئيس التنفيذي لـ META مارك زوكربيرغ، والرئيس التنفيذي لـ OpenAI سام ألتمان، والرئيس التنفيذي لـ Alphabet سوندار بيتشاي، والرئيس التنفيذي لـ Stability AI عماد مستاك، والرئيس التنفيذي لـ IBM أرڤيند كرشنا والرئيس التنفيذي لـ Microsoft (MSFT ) ساتيا نادلا. تنص الرسالة على أن الذكاء الاصطناعي “يقوم بتقليد وإعادة إنتاج لغتنا، قصصنا، أسلوبنا، وأفكارنا”. وتطالب بالتعويض والاعتراف.
كما كان نقابة كتّاب أمريكا ونقابة ممثلي الشاشة صريحين بشأن استخدام أعمالهم داخل قطاع الذكاء الاصطناعي. يسعون لضمان حقوق معينة وتعويض للكتاب كلما تم استخدام أعمالهم لإنشاء نماذج الذكاء الاصطناعي.
ظهور خيارات التكتيكات التدريبية
مع الاعتراف بحدود الإعداد الحالي وكيف يفتقر إلى أي طريقة شرعية حقيقية للمضي قدمًا، سعت BookCorpus لتقديم حل أفضل. تأسست الشركة في عام 2015 بهدف محدد هو دعم الباحثين في الذكاء الاصطناعي في تدريب نماذج اللغة الكبيرة. وبالتالي، تشمل آلاف الأعمال والنماذج المصممة لتعزيز الأداء دون تجاوز الخطوط الأخلاقية.
بالفعل، يدخل العديد من مزودي الخدمات المتخصصين في الذكاء الاصطناعي السوق. تجمع هذه الشركات بين الوصول إلى بيانات قيمة، نماذج، وأكثر. يتم تفصيلها لتلبية متطلبات الحوسبة للذكاء الاصطناعي وغالبًا ما تصاحبها بعض خيارات الحوسبة السحابية كطريقة لتقليل تكاليف التطوير أكثر.
الشركات الرائدة في ثورة نماذج اللغة الكبيرة للذكاء الاصطناعي
أدى صعود نماذج اللغة الكبيرة إلى تسهيل التفاعل مع هذه الأنظمة أكثر من أي وقت مضى. من خلال طلب محادثة بسيط، يمكنك إجراء أبحاث متعمقة، إنشاء صور وقصص، وأكثر من ذلك. وبالتالي، تُعتبر نماذج اللغة الكبيرة أحد أكبر الانجازات في تكنولوجيا التفاعل الحاسوبي على الإطلاق. إليكم شركة واحدة تستمر في دفع الابتكار في سوق نماذج اللغة الكبيرة.
Alphabet Inc
Alphabet Inc. (GOOG ) هي الشركة الأم لـ Google والعديد من الشركات التابعة لها. إنها واحدة من أكثر الشركات شهرة ونجاحًا في قطاع الذكاء الاصطناعي. من المثير للاهتمام أن المهندسين يختارون استخدام نموذج الشركة الآخر، Google DeepMind، لإنشاء نموذج Gemini الخاص بـ Google. Gemini هو نموذج لغة كبير متقدم يترجم، يفهم المحتوى، يجيب على الأسئلة، وأكثر من ذلك.
ومن الجدير بالذكر أن Google DeepMind يعمل بجد على إنشاء نماذج لغة كبيرة وميزات جديدة للشركة. على سبيل المثال، ميزة SELF-DISCOVER الجديدة تُنشئ بنية مخصصة للمهام داخل النماذج، مما يقلل الوقت الإجمالي اللازم للإجابة بدقة على الأسئلة.
GOOG مخطط السعر
نظرًا لهيمنة Google في السوق، والوصول المباشر إلى بيانات ضخمة، والتوسع المستمر في نماذج مخصصة، فإن GOOG يُعد سهمًا ذكيًا للاحتفاظ به. الشركة هي واحدة من أفضل مزودي الذكاء الاصطناعي على مستوى العالم وتتمتع بالشبكة والتمويل لدمج تقنيتها وتوسيعها للجمهور بفعالية.
كيف سيتغير تكتيكات التدريب في المستقبل
يمكنك أن تتوقع أن تعتمد تكتيكات تدريب الذكاء الاصطناعي على أنظمة ذكاء اصطناعي أكثر صقلًا للبيانات مع توسع الصناعة. أظهرت DeepSeek أن نهجها خفض التكاليف بشكل كبير. بالإضافة إلى ذلك، سيصبح من الصعب أكثر الادعاء بانتهاك حقوق النشر إذا استخدمت الشركة بيانات تم إنشاؤها بواسطة ذكاء اصطناعي آخر بدلاً من مباشرة.
كل هذه العوامل والطلب المتزايد من الحكومات لقيادة سباق الذكاء الاصطناعي قد وضعت صانعي المحتوى في موقع خطر جدًا. نأمل أنه في الأشهر القادمة، سيقوم مطورو الذكاء الاصطناعي بإنشاء تكتيكات تدريب أكثر فاعلية تحترم وتعوض أولئك الذين يستغلون بياناتهم لتحقيق النجاح.
تعرف على مشاريع ذكاء اصطناعي أخرى رائعة الآن.











