ما مدى امتثال نماذج اللغة الكبيرة لقانون الذكاء الاصطناعي للاتحاد الأوروبي؟

Auther: Ramy AlDamati

Author Posts & Courses

Published on

September 24, 2024

Reading Time

11 hours

ما مدى امتثال نماذج اللغة الكبيرة لقانون الذكاء الاصطناعي للاتحاد الأوروبي؟

ما مدى امتثال نماذج اللغة الكبيرة
(LLMs)
لقانون الذكاء الاصطناعي للاتحاد الأوروبي؟

مع استمرار الذكاء الاصطناعي التوليدي في احتلال مركز الصدارة، هناك دعوة متزايدة لتنظيم هذه التقنية نظرًا لقدرتها على التأثير السلبي على شريحة كبيرة من السكان بسرعة. يمكن أن تتخذ التأثيرات شكل التمييز، وترسيخ الصور النمطية، وانتهاكات الخصوصية، والتحيزات السلبية، وتقويض القيم الإنسانية الأساسية.

في يونيو 2023، أعلنت الحكومة الأمريكية مجموعة من الإرشادات الطوعية للذكاء الاصطناعي التي وافقت عدة شركات بارزة على اتباعها، بما في ذلك Anthropic وMeta (فيسبوك) وجوجل وأمازون وOpenAI ومايكروسوفت على سبيل المثال لا الحصر.[1] هذه خطوة رائعة للولايات المتحدة، ولكن للأسف، لطالما تخلفت عن الاتحاد الأوروبي في لوائح الذكاء الاصطناعي. في منشوري السابق “أخلاقيات الذكاء الاصطناعي التوليدي: اعتبارات رئيسية في عصر المحتوى المستقل”، استكشفت إطار أخلاقيات الذكاء الاصطناعي للاتحاد الأوروبي وقدمت مجموعة من الاعتبارات لتنفيذ الإطار عند استخدام نماذج اللغة الكبيرة (LLMs). تركز هذه المدونة على مسودة قانون الذكاء الاصطناعي للاتحاد الأوروبي ومدى امتثال نماذج اللغة الكبيرة لمسودة التشريع.

قانون الذكاء الاصطناعي للاتحاد الأوروبي

في يونيو 2023، أقر الاتحاد الأوروبي أول مسودة تنظيم للذكاء الاصطناعي في العالم. بناءً على إطار أخلاقيات الذكاء الاصطناعي الذي تم التصديق عليه في عام 2019، يتمثل أولوية الاتحاد الأوروبي في ضمان أن تكون أنظمة الذكاء الاصطناعي المستخدمة في الاتحاد الأوروبي “آمنة وشفافة ويمكن تتبعها وغير تمييزية وصديقة للبيئة”.[2] لتجنب العواقب الضارة، يصر إطار الاتحاد الأوروبي على أن يظل البشر مشاركين في أنظمة الذكاء الاصطناعي. بعبارة أخرى، لا يمكن للشركات ببساطة السماح للذكاء الاصطناعي والأتمتة بالعمل بنفسها.

يقسم القانون المقترح الذكاء الاصطناعي إلى ثلاث فئات مختلفة اعتمادًا على المخاطر التي قد تشكلها على الناس – كل مستوى من المخاطر يتطلب مستوى مختلفًا من التنظيم. إذا تم قبول هذه الخطة، فستكون أول مجموعة من لوائح الذكاء الاصطناعي في العالم. الفئات الثلاث للمخاطر التي حددها الاتحاد الأوروبي هي: مخاطر غير مقبولة، ومخاطر عالية، ومخاطر محدودة.

مخاطر غير مقبولة: سيتم حظر استخدام التكنولوجيا الضارة والتي تشكل تهديدًا للبشر. يمكن أن تشمل هذه الأمثلة التأثير المعرفي على الأفراد أو فئات معينة ضعيفة؛ تصنيف الناس بناءً على مكانتهم الاجتماعية، واستخدام التعرف على الوجه للمراقبة في الوقت الحقيقي وتحديد الهوية عن بُعد على نطاق واسع. الآن، نحن جميعًا نعلم أن الجيوش حول العالم تركز على الأسلحة المستقلة، لكنني سأترك ذلك جانبًا.
مخاطر عالية: يتم تصنيف أنظمة الذكاء الاصطناعي التي يمكن أن يكون لها تأثير ضار على السلامة أو الحقوق والحريات الأساسية إلى فئتين مختلفتين من قبل الاتحاد الأوروبي. الفئة الأولى هي الذكاء الاصطناعي المدمج في المنتجات التجارية التي تقع حاليًا تحت لوائح سلامة المنتجات في الاتحاد الأوروبي. يشمل ذلك الألعاب والطائرات والسيارات والمعدات الطبية والمصاعد وما إلى ذلك. الفئة الثانية ستحتاج إلى التسجيل في قاعدة بيانات الاتحاد الأوروبي. يشمل ذلك التكنولوجيا مثل القياسات الحيوية، وعمليات البنية التحتية الحرجة، والتدريب والتعليم، والأنشطة المتعلقة بالتوظيف، والشرطة، ومراقبة الحدود، والتحليل القانوني للقانون.
مخاطر محدودة: على الأقل، يجب أن تفي الأنظمة ذات المخاطر المنخفضة بمعايير الشفافية والانفتاح التي تمنح الناس الفرصة لاتخاذ قرارات مستنيرة. ينص الاتحاد الأوروبي على أنه يجب إخطار المستخدمين كلما كانوا يتعاملون مع الذكاء الاصطناعي. كما يتطلبون أن يتم إنشاء النماذج بطريقة لا تنتج مواد غير قانونية. كما يتطلبون أن يكشف صانعو النماذج عن أي مواد محمية بحقوق الطبع والنشر تم استخدامها في تدريبهم.

سيحتاج قانون الذكاء الاصطناعي للاتحاد الأوروبي بعد ذلك إلى التفاوض بين الدول الأعضاء حتى يتمكنوا من التصويت على الشكل النهائي للقانون. يستهدف الاتحاد الأوروبي نهاية العام (2023) للتصديق.

الآن، دعونا ننتقل إلى كيفية التزام نماذج اللغة الكبيرة الحالية بمسودة القانون.

امتثال نماذج اللغة الكبيرة لمسودة قانون الذكاء الاصطناعي للاتحاد الأوروبي

نشر باحثون في مركز ستانفورد لأبحاث النماذج الأساسية (CRFM) ومعهد الذكاء الاصطناعي المرتكز على الإنسان (HAI) مؤخرًا ورقة بعنوان “هل تمتثل النماذج الأساسية لمسودة قانون الذكاء الاصطناعي للاتحاد الأوروبي؟” استخلصوا اثنين وعشرين متطلبًا من القانون، وصنفوها، ثم أنشأوا مقياسًا من 5 نقاط لاثني عشر من المتطلبات الاثني والعشرين. جميع الأبحاث، بما في ذلك المعايير والمقاييس والدرجات متاحة على GitHub تحت رخصة MIT.

قام فريق البحث بتخطيط المتطلبات التشريعية إلى الفئات الموضحة في الجدول 1.1. الآن، يجب ملاحظة أن الفريق قام فقط بتقييم اثني عشر من المتطلبات الاثني والعشرين المحددة. في النهاية، اختار الفريق المتطلبات الاثني عشر التي كانت الأكثر قابلية للتقييم بناءً على البيانات المتاحة للجمهور والوثائق المقدمة من صانعي النماذج.

الجدول 1.1: ملخص جدول الامتثال لنماذج اللغة الكبيرة

بالنسبة لأولئك الذين قد لا يكونون على دراية، قام فريق ستانفورد أيضًا بفهرسة أكثر من مائة مجموعة بيانات لنماذج اللغة الكبيرة والنماذج والتطبيقات التي يمكن العثور عليها في رسومهم البيانية للنظام البيئي. لجعل الأمور قابلة للإدارة، قام الباحثون بتحليل “10 مزودي نماذج أساسية – ونماذجهم الأساسية الرئيسية – مع 12 من متطلبات القانون للنماذج الأساسية بناءً على مقاييسنا”.[3]

نظر الباحثون إلى نماذج من OpenAI وAnthropic وGoogle وMeta وStability.ai وغيرها. بناءً على تحليلهم، نتج عن بحثهم بطاقة الأداء التالية.

الشكل 1.2: تقييم امتثال مزودي النماذج الأساسية لمسودة قانون الذكاء الاصطناعي

للاتحاد الأوروبي

بشكل عام، لاحظ الباحثون أن هناك قدرًا كبيرًا من التباين في امتثال النماذج عبر المزودين (وهذه كانت فقط اثني عشر من المتطلبات الاثني والعشرين) حيث “يسجل بعض المزودين أقل من 25٪ (AI21 Labs، Aleph Alpha، Anthropic) وفقط مزود واحد يسجل على الأقل 75٪ (Hugging Face/BigScience) حاليًا”.[4]

أشجعكم على قراءة الدراسة الكاملة، لكن الباحثين ذكروا أن هناك مجالًا كبيرًا للتحسين عبر جميع المزودين. كما حددوا عدة تحديات رئيسية “مستمرة” والتي تشمل:

قضايا حقوق الطبع والنشر الغامضة: تم تدريب معظم النماذج الأساسية على بيانات تم الحصول عليها من الإنترنت، مع احتمال كبير أن يكون جزء كبير منها محميًا بحقوق الطبع والنشر. ومع ذلك، فإن معظم المزودين لا يوضحون حالة حقوق الطبع والنشر لبيانات التدريب. الآثار القانونية لاستخدام وإعادة إنتاج البيانات المحمية بحقوق الطبع والنشر، خاصة عند النظر في شروط الترخيص، غير محددة بشكل جيد وحاليًا قيد التقاضي النشط في الولايات المتحدة (انظر Washington Post — “تعلم الذكاء الاصطناعي من عملهم. الآن يريدون التعويض.” Reuters — “قاضٍ أمريكي يجد عيوبًا في دعوى الفنانين ضد شركات الذكاء الاصطناعي”). سنرى كيف ستتطور الأمور مع مرور الوقت.
نقص في الكشف عن تخفيف المخاطر: كما ذكر في المقدمة، يمكن للذكاء الاصطناعي أن يؤثر سلبًا على العديد من الأشخاص بسرعة، لذا فإن فهم مخاطر نماذج اللغة الكبيرة أمر حاسم. ومع ذلك، يتجاهل تقريبًا جميع مزودي النماذج الأساسية إفصاحات المخاطر المحددة في مسودة التشريع. على الرغم من أن العديد من المزودين يسردون المخاطر، إلا أن القليل منهم يفصلون الخطوات التي اتخذوها للتخفيف من المخاطر المحددة. على الرغم من أنها ليست حالة ذكاء اصطناعي توليدي، هناك دعوى قضائية حديثة ضد شركة التأمين الصحي الأمريكية Cigna Healthcare، التي تدعي أنها استخدمت الذكاء الاصطناعي لرفض المدفوعات (Axios — “انتشار الدعاوى القضائية للذكاء الاصطناعي إلى الصحة”). كتب بيل جيتس مقالًا رائعًا بعنوان “مخاطر الذكاء الاصطناعي حقيقية ولكن يمكن إدارتها”، والذي أشجعكم على قراءته.
نقص في التقييم والتدقيق: هناك نقص في المعايير المتسقة لتقييم أداء النماذج الأساسية، خاصة في مجالات مثل الاستخدام المحتمل غير الصحيح أو متانة النموذج. قدم قانون الرقائق والعلوم الأمريكي تفويضًا للمعهد الوطني للمعايير والتكنولوجيا (NIST) لإنشاء تقييمات موحدة لنماذج الذكاء الاصطناعي. كانت القدرة على تقييم ومراقبة النماذج محور إطار عمل GenAIOps الذي ناقشته مؤخرًا. في النهاية، سنرى GenAIOps وDataOps وDevOps يجتمعون تحت إطار عمل مشترك، لكننا لا نزال بعيدين عن ذلك.
تقارير استهلاك الطاقة غير المتسقة: أعتقد أن العديد منا قد عانى من موجات الحرارة الأخيرة في جميع أنحاء العالم. بالنسبة لنماذج اللغة الكبيرة، يتنوع مزودو النماذج الأساسية تمامًا عندما يتعلق الأمر بالإبلاغ عن استخدام الطاقة والانبعاثات المرتبطة بها. في الواقع، يستشهد الباحثون بأبحاث أخرى تشير إلى أننا لا نعرف حتى كيفية قياس ومحاسبة استخدام الطاقة حتى الآن. أبلغ موقع nnlabs.org ما يلي: “وفقًا لـ OpenAI، تطلب تدريب GPT-2، الذي يحتوي على 1.5 مليار معلمة، 355 عامًا من وقت الحوسبة بمعالج واحد واستهلك 28,000 كيلووات ساعة من الطاقة. بالمقارنة، تطلب تدريب GPT-3، الذي يحتوي على 175 مليار معلمة، 355 عامًا من وقت الحوسبة بمعالج واحد واستهلك 284,000 كيلووات ساعة من الطاقة، وهو ما يعادل 10 أضعاف الطاقة التي استخدمها GPT-2. تطلب تدريب BERT، الذي يحتوي على 340 مليون معلمة، 4 أيام من التدريب على 64 وحدة معالجة تينسور (TPUs) واستهلك 1,536 كيلووات ساعة من الطاقة.”[5]

بالإضافة إلى ما سبق، هناك العديد من القضايا الأخرى التي يجب التعامل معها عند تنفيذ الذكاء الاصطناعي التوليدي في منظمتك.

الملخص

بناءً على البحث، لا يزال هناك طريق طويل أمام مزودي ومتبني تقنيات الذكاء الاصطناعي التوليدي. يحتاج المشرعون ومصممو الأنظمة والحكومات والمنظمات إلى العمل معًا لمعالجة هذه القضايا الهامة. كنقطة بداية، يمكننا التأكد من أننا شفافون في تصميمنا وتنفيذنا واستخدامنا لأنظمة الذكاء الاصطناعي. بالنسبة للصناعات المنظمة، قد يكون هذا تحديًا نظرًا لأن نماذج اللغة الكبيرة غالبًا ما تحتوي على مليارات المعلمات. مليارات! كيف يمكن لشيء ما أن يكون قابلاً للتفسير وشفافًا مع هذا العدد الكبير من العوامل؟ تحتاج هذه الأنظمة إلى أن يكون لديها وثائق واضحة وغير غامضة ويجب علينا احترام حقوق الملكية الفكرية. لدعم الحوكمة البيئية والاجتماعية والمؤسسية (ESG)، سنحتاج أيضًا إلى تصميم إطار عمل موحد لقياس والإبلاغ عن استهلاك الطاقة. والأهم من ذلك، تحتاج أنظمة الذكاء الاصطناعي إلى أن تكون آمنة، وتحترم الخصوصية، وتدعم القيم الإنسانية. نحتاج إلى اتخاذ نهج مرتكز على الإنسان تجاه الذكاء الاصطناعي.

المراجع

[1] واشنطن بوست — “تعلم الذكاء الاصطناعي من عملهم. الآن يريدون التعويض.”

[2] رويترز — “قاضٍ أمريكي يجد عيوبًا في دعوى الفنانين ضد شركات الذكاء الاصطناعي”

[3] مركز ستانفورد لأبحاث النماذج الأساسية — “هل تمتثل النماذج الأساسية لمسودة قانون الذكاء الاصطناعي للاتحاد الأوروبي؟”

[4] نفس المصدر — يشير إلى نتائج البحث المذكورة أعلاه.

[5] nnlabs.org — يقدم معلومات حول استهلاك الطاقة لنماذج GPT وBERT.

مراجع إضافية

قانون الرقائق والعلوم الأمريكي — يتضمن تفويضًا للمعهد الوطني للمعايير والتكنولوجيا (NIST) لإنشاء تقييمات موحدة لنماذج الذكاء الاصطناعي.
مقال بيل جيتس — “مخاطر الذكاء الاصطناعي حقيقية ولكن يمكن إدارتها”
Axios — “انتشار الدعاوى القضائية للذكاء الاصطناعي إلى الصحة”

الخلاصة النهائية

من الواضح أن هناك حاجة ملحة للتعاون بين مزودي ومستخدمي تقنيات الذكاء الاصطناعي التوليدي لضمان الامتثال للوائح والقوانين القادمة. يجب أن يكون التركيز على الشفافية، والمساءلة، والاحترام الكامل لحقوق الملكية الفكرية والخصوصية. بالإضافة إلى ذلك، يجب أن نعمل على تطوير أطر عمل موحدة لقياس والإبلاغ عن استهلاك الطاقة لتقليل الأثر البيئي لهذه التقنيات المتقدمة.

من خلال اتخاذ نهج مرتكز على الإنسان في تصميم وتنفيذ أنظمة الذكاء الاصطناعي، يمكننا تحقيق التوازن بين الابتكار والمسؤولية الأخلاقية، مما يضمن أن التقنيات الجديدة تعمل لصالح المجتمع ككل دون الإضرار بالقيم الإنسانية الأساسية.

خلفية موجزة عن النمذجة من الثنائية والثلاثية الأبعاد

1- الرابطة الدولية للذكاء الاصطناعي والقانون

International Association for Artificial Intelligence and Law (IAAIL)

هي منظمة دولية تشجع البحث والتعليم في مجال الذكاء الاصطناعي والقانون. يقدمون قائمة بدورات الذكاء الاصطناعي المعتمدة ، بما في ذلك الشهادات والدرجات ، على موقع الويب الخاص بهم.

4- منصة Coursera

وهي عبارة عن منصة تعليمية عبر الإنترنت تقدم مجموعة متنوعة من الدورات التدريبية المتعلقة بالذكاء الاصطناعي ، تم إنشاء العديد منها بالشراكة مع أفضل الجامعات وخبراء الصناعة. أنها توفر كلاً من الدورات الفردية وبرامج الشهادات ، المعترف بها على نطاق واسع في الصناعة.

5- منصة لينكدان التعليميةLinkedIn Learning

وهي عبارة عن منصة تطوير احترافية تقدم مجموعة من الدورات التدريبية المتعلقة بالذكاء الاصطناعي والتعلم الآلي وعلوم البيانات. يتم إنشاء دوراتهم بالشراكة مع خبراء الصناعة ويمكن أن تكون مورداً قيماً لتطوير المهارات والمعرفة في هذا المجال.

6- أوبن إيه آي OpenAI

هي منظمة أبحاث للذكاء الاصطناعي تهدف إلى تطوير ذكاء اصطناعي آمن ومفيد للعالم. أنها توفر مجموعة من الموارد المتعلقة بالذكاء الاصطناعي ، بما في ذلك المواد والأدوات التعليمية لتقييم مصداقية أنظمة وتطبيقات الذكاء الاصطناعي.

7- جمعية ماكينات الحوسبة Association for Computing Machinery (ACM)

هي جمعية مهنية لمتخصصي الحوسبة وتقدم مجموعة من الموارد المتعلقة بالذكاء الاصطناعي ، بما في ذلك المؤتمرات وورش العمل والمنشورات. كما أنها توفر برنامج شهادة لمتخصصي الذكاء الاصطناعي ، والمعروف باسم شهادة ACM في الذكاء الاصطناعي.

8- منصة : EdX

وهي عبارة عن منصة تعليمية عبر الإنترنت تقدم مجموعة متنوعة من الدورات التدريبية المتعلقة بالذكاء الاصطناعي والتعلم الآلي وعلوم البيانات. إنهم يقدمون دورات من أفضل الجامعات وخبراء الصناعة ، والعديد منها مجاني للتدقيق أو يمكن الحصول عليه مقابل رسوم للحصول على شهادة إتمام.

9- منظمة: AI Global

هي منظمة دولية تعمل على تعزيز تطوير الذكاء الاصطناعي ونشره بشكل أخلاقي ومسؤول. أنها توفر مجموعة من الموارد المتعلقة بالذكاء الاصطناعي ، بما في ذلك المواد التعليمية والمبادئ التوجيهية لتقييم مصداقية أنظمة وتطبيقات الذكاء الاصطناعي.