آیا آمریکا باید از مدل‌ های متن‌ باز هوش مصنوعی چین بترسد؟ چالش OpenAI با مدل Kimi K3

تقابل OpenAI با مدل‌ های وزنی‌ باز؛ رقیب جدید و سرسخت غول‌ های هوش مصنوعی

قابلیت‌های خیره‌کننده جدیدترین مدل هوش مصنوعی شرکت Moonshot چین یعنی Kimi K3 که به عنوان بزرگ‌ترین مدل لارج لنگویج متن‌باز (Open-weight LLM) شناخته می‌شود، بحث‌های جدی و داغی را در میان کارشناسان آغاز کرده است. این موضوع دو مسئله مهم را به هم پیوند داده است: فرصت‌های اقتصادی غول‌های آمریکایی و آینده تکنولوژی هوش مصنوعی.

به گزارش بخش اخبار فناوری زوم تک به نقل از TechCrunch، دین دبلیو بال (Dean W. Ball)، مدیر بخش آینده‌های استراتژیک در شرکت OpenAI، تا جایی پیش رفت که ادعا کرد دولت آمریکا باید بهانه‌ای پیدا کند تا نوعی ترس، عدم قطعیت و بی‌اعتمادی رگولاتوری پیرامون این مدل‌های جدید ایجاد کند؛ چرا که مدل‌های متن‌باز هوش مصنوعی ناگزیر باعث کاهش سرمایه‌گذاری در آزمایشگاه‌های پیشرو و بسته خواهند شد. این اظهارات با واکنش تند اهالی فناوری همراه شد. چهره‌های سرشناسی چون یان لکان (Yann LeCun) و مارتین کاسادو (Martin Casado) استدلال کردند که نرم‌افزارهای متن‌باز می‌توانند به نوآوری سرعت بخشیده و در کنار پروژه‌های انحصاری به حیات خود ادامه دهند. در پی این انتقادات، بال ادعای خود مبنی بر اینکه سرکوب قانونی «بهترین استراتژی» کاخ سفید است را پس گرفت.

احتمال تحریم مدل Kimi K3؛ تلاش غول‌ های آمریکایی برای حفظ انحصار

با این حال، رسانه آکسیوس گزارش داده که دولت ترامپ تحت فشار آزمایشگاه‌های پیشرو آمریکایی در حال بررسی ممنوعیت استفاده از مدل Kimi K3 و سایر مدل‌های پیشرفته چینی است. البته گزارش دیگری از پولیتیکو نشان می‌دهد که وزارت بازرگانی آمریکا به این زودی‌ها چنین اقدامی انجام نخواهد داد.

مزیت این اتفاق برای شرکت‌های بزرگ هوش مصنوعی کاملاً روشن است: مدل‌های وزنی‌باز که روی زیرساخت‌های مستقل یا داخل سازمان‌های بزرگ اجرا می‌شوند، هوش ارزان‌تری را نسبت به مدل‌های پرچمدار Anthropic یا OpenAI ارائه می‌دهند. اگر کاربران به سمت هزینه‌کرد خارج از این آزمایشگاه‌های بسته بروند، بازگشت سرمایه‌های عظیم آن‌ها در آموزش مدل‌ها کاهش خواهد یافت.

برادن هنکاک (Braden Hancock)، هم‌بنیان‌گذار Snorkel AI در گفتگو با تک‌کرانچ می‌گوید: «مدل‌های متن‌باز قدرتمند در سطح پرچمداران، حاشیه سود شرکت‌های بزرگ را تحت فشار قرار داده و قیمت‌ها را پایین می‌آورند. این به معنای کاهش استفاده از هوش مصنوعی نیست، بلکه دقیقاً برعکس آن رخ خواهد داد.»

نگرانی‌ های امنیتی و سیاسی؛ از جاسوسی داده‌ ها تا گاردریل‌ های امنیتی

نگرانی‌ها درباره مدل‌های هوش مصنوعی چینی در چند بخش مطرح می‌شود:

• حفاظت از داده‌های آمریکا: مشابه ممنوعیت واردات خودروهای برقی چینی به دلیل جمع‌آوری داده، این نگرانی وجود دارد. اما کارشناسان معتقدند مدل‌های وزنی‌باز که روی سرورهای آمریکایی اجرا می‌شوند، بعید است داده‌ها را به چین درز دهند.
• سوگیری‌های محتوایی: احتمال وجود سوگیری به نفع حکومت چین در این مدل‌ها مطرح است، هرچند مشخص نیست این امر چه تاثیری روی کارهای فنی مانند کدنویسی خواهد داشت.
• فقدان گاردریل‌های امنیتی: مدل‌های چینی فاقد محدودیت‌های امنیتی مصوب دولت آمریکا برای جلوگیری از حملات سایبری یا ساخت تسلیحات هستند. با این حال، دیوید ساکس (David Sacks)، سرمایه‌گذار و مشاور ترامپ، مواردی را به اشتراک گذاشته که نشان می‌دهد شرکت‌های آمریکایی برای برطرف کردن شکاف‌های امنیتی (زمانی که مدل‌های بسته آمریکایی از انجام دستورات امتناع می‌کنند) به مدل‌های چینی روی آورده‌اند.

خطر عقب افتادن آمریکا از چرخه نوآوری و تحقیقات بین‌المللی

حامیان هوش مصنوعی آزاد بر این باورند که شرکت‌های پیشرو آمریکایی یک تقابل کاذب بین نوآوری و مدل‌های بسته ایجاد کرده‌اند. هنکاک معتقد است: «بزرگ‌ترین خطر مدل‌های متن‌باز چینی، نفوذ از در پشتی نیست؛ بلکه رهبری آن‌ها در نوآوری است. فریم‌ورک PyTorch به این دلیل استاندارد صنعت شد که متن‌باز بود و کل جامعه در توسعه آن مشارکت کردند. اکنون نیمی از مقالات دانشجویان آمریکایی بر پایه مدل‌های متن‌باز چینی نوشته می‌شود.»

کلم دلانگ (Clem Delangue)، مدیرعامل پلتفرم Hugging Face نیز اظهار داشت: «محدود کردن مدل‌های باز، هوش مصنوعی را امن‌تر نمی‌کند؛ بلکه فقط خطرات را پنهان کرده، قدرت را در دست چند شرکت محدود متمرکز می‌کند و مانع از مشارکت نسل بعدی محققان و دانشگاهیان می‌شود.»

کنترل صادرات تراشه‌ ها؛ راهکار واقعی برای حفظ برتری آمریکا

سم برسنیک (Sam Bresnick)، پژوهشگر مرکز امنیت و فناوری‌های نوظهور جورج‌تاون، می‌گوید راه واقعی برای کند کردن پیشرفت چین، تمرکز بر کنترل صادرات تراشه‌ها است. متوقف کردن فروش پردازنده‌های Nvidia H200 به چین می‌تواند آمریکا را از این بحث جنجالی درباره ممنوعیت فناوری‌های متن‌باز نجات دهد.

بخشی از مشکل به عدم قطعیت در مدل‌های اقتصادی هوش مصنوعی بازمی‌گردد. هر دو مدل کسب‌وکار (بسته و آزاد) هنوز به پایداری کامل نرسیده‌اند و شرکت‌ها برای درآمدزایی از ابزارهای خود با توجه به هزینه‌های سنگین آموزش، دست و پنجه نرم می‌کنند.

شرکت‌هایی مانند انویدیا (Nvidia) و Thinking Machines Lab در حال تلاش برای تجاری‌سازی مدل‌های باز هستند. انویدیا می‌داند اگر ده‌ها شرکت اقدام به توسعه هوش مصنوعی کنند، بازار بسیار بزرگ‌تری برای فروش تراشه‌هایش خواهد داشت. در نهایت، داشتن مدل‌های متن‌باز قدرتمند و ارزان‌قیمت به نفع آمریکا خواهد بود، اما این موضوع با استراتژی فعلی غول‌های انحصارطلب هوش مصنوعی در تعارض است.