موارد مهم
- گروه جدیدی از توسعه دهندگان در حال ساخت مدل های AI منبع باز هستند.
- این گروه از مدل‌های آموزشی گسترده زبانی استفاده می‌کند که تحت مجوزهای آزاد منتشر خواهد کرد.
- هوش مصنوعی منبع باز می تواند کمک کند تا قدرت بالقوه تغییر بازی فناوری جدید کمتر مستعد سوگیری ها و خطاها باشد.
تحقیقات زیادی در مورد هوش مصنوعی توسط شرکت‌های بزرگ (AI) انجام شده است، اما یک گروه آنلاین می‌خواهد این فرآیند را دموکراتیک کند.
EleutherAI مجموعه‌ای است که اخیراً از محققان، مهندسان و توسعه‌دهندگان داوطلب تشکیل شده است که بر تحقیقات AI منبع باز متمرکز شده‌اند. این سازمان از پایگاه های کد GPT-Neo و GPT-NeoX برای آموزش مدل های زبانی گسترده استفاده می کند که قصد دارد تحت مجوزهای باز منتشر کند.
"داده های منبع باز به نفع محققان است زیرا دانشمندان منابع رایگان بیشتری برای استفاده برای آموزش مدل ها و تکمیل تحقیقات دارند." ادوارد کوی، مدیر عامل شرکت هوش مصنوعی Graviti در یک مصاحبه ایمیلی به Lifewire گفت. شرکت او در EueutherAI دخالتی ندارد. "ما می دانیم که تعداد زیادی از پروژه های هوش مصنوعی به دلیل کمبود کلی داده های با کیفیت بالا از موارد استفاده واقعی متوقف شده اند، بنابراین ضروری است که راهنمایی هایی را ایجاد کنیم که کیفیت داده ها را با کمک جامعه شرکت کننده تضمین کند.".
این راه است
شروع EleutherAI فروتنانه بود. سال گذشته، یک محقق مستقل هوش مصنوعی به نام کانر لیهی پیام زیر را در سرور Discord پست کرد: "هی بچه ها به [SIC] اجازه می دهد OpenAI را مانند روزهای خوب گذشته به دست بیاورد."
و به این ترتیب، گروه تشکیل شد. اکنون صدها مشارکت کننده دارد که کد خود را در مخزن نرم افزار آنلاین GitHub ارسال می کنند.
کوشش‌های AI منبع باز جدید نیستند.علی رحمان، مدیر پروژه شرکت نرم افزاری CloudiTwins در مصاحبه ایمیلی با Lifewire خاطرنشان کرد: در واقع، پلت فرم مدیریت گردش کار Airbnb و موتور کشف داده Lyft نتایج استفاده از ابزارهای منبع باز برای قادر ساختن تیم های داده برای انجام بهتر کار با داده ها هستند..
رحمان گفت: "همانطور که انقلاب منبع باز منجر به دگرگونی در توسعه نرم افزار شده است، به همان اندازه باعث توسعه و دموکراتیک شدن علم داده و هوش مصنوعی شده است." "متن باز به یک توانمندساز حیاتی برای راه حل های علوم داده سازمانی تبدیل شده است، به طوری که اکثر دانشمندان داده از ابزارهای منبع باز استفاده می کنند."
باز کردن در
توسعه AI منبع باز می تواند کمک کند تا قدرت بالقوه تغییر بازی فناوری جدید کمتر مستعد سوگیری ها و خطاها باشد.
کوش ورشنی، محقق هوش مصنوعی در IBM، در مصاحبه ای ایمیلی به Lifewire گفت: تحقیقات AI در حال حاضر عمدتاً در فضای باز انجام می شود و تقریباً همه شرکت ها، آزمایشگاه های تحقیقاتی و دانشگاه ها نتایج خود را بلافاصله در نشریات علمی ارائه می کنند.
"این انجمن باز ضروری است، زیرا سطوح بهبود یافته ای از بررسی ها و تعادل ها را برای اطمینان از اینکه هوش مصنوعی به طور مسئولانه تحقیق، ایجاد، استقرار و اعمال می شود، فراهم می کند." این امر به‌ویژه در شرایطی که این سیستم‌ها می‌توانند زندگی آسیب‌پذیرترین اعضای جامعه ما را تحت تأثیر قرار دهند بسیار مهم است. این گشودگی نه تنها برای یادگیری ماشین عمومی و الگوریتم‌های یادگیری عمیق، بلکه در مورد عناصر هوش مصنوعی قابل اعتماد نیز صدق می‌کند.»
رحمان گفت که یکی از تفاوت های اساسی بین نرم افزار اختصاصی و منبع باز انعطاف پذیری و سفارشی سازی است. تحقیقات اختصاصی هوش مصنوعی مشکلاتی با امنیت، به‌روزرسانی‌ها و بهینه‌سازی‌ها خواهد داشت.
رحمان افزود: "این به این دلیل است که رویکرد مبتنی بر جامعه منبع باز ورودی ارزشمندی از هزاران متخصص صنعت دریافت می کند که آسیب پذیری های امنیتی بالقوه را شناسایی می کنند که سپس با سرعت بیشتری اصلاح می شوند.""اجماع جامعه به این معنی است که کیفیت تضمین شده است و فرصت های جدید راحت تر شناسایی می شوند."
مسئله دیگر این است که تحقیقات اختصاصی هوش مصنوعی قابل همکاری نخواهد بود، به این معنی که نمی تواند با فرمت های داده های مختلف کار کند و احتمالاً دارای قفل فروشنده است، که مانع از آزمایش و آزمایش نرم افزار شرکت ها قبل از تعهد به راه حل می شود. رحمان گفت.
کریس کنت، مدیر عامل شرکت هوش مصنوعی پزشکی Reveal Surgical، در مصاحبه ای با Lifewire به Lifewire گفت:اما لازم نیست همه جنبه های تحقیقات هوش مصنوعی منبع باز باشد. او گفت: «محافظت از انگیزه‌های اقتصادی که توسعه تجاری برنامه‌های کاربردی کلیدی هوش مصنوعی را هدایت می‌کنند، مهم است.
با این حال، کنت گفت، با این حال، تحقیق در مورد هوش مصنوعی به یک جزء منبع باز قوی نیاز دارد. او افزود که منبع باز برای ایجاد اعتماد و استفاده از مجموعه داده هایی که توسط مؤسسات یا شرکت های منفرد کنترل نمی شوند یا نباید کنترل شوند، کار می کند.
کنت گفت: "رویکرد منبع باز بهترین راه برای شناسایی و جبران سوگیری های اساسی است که ممکن است در مجموعه های آموزشی وجود داشته باشد و به کاربردهای جامع تر، خلاقانه و قابل اعتمادتر از هوش مصنوعی منجر شود"..
