جهانی شدن هوش مصنوعی: چالشی فراتر از قدرت محاسباتی

مدل‌های زبانی بزرگ (LLM) که پشتوانه هوش مصنوعی امروزی هستند، با چالش بزرگی روبرو هستند: داده‌های آموزش آن‌ها غالباً جانبدارانه و محدود به دیدگاه‌های غربی است. این مساله، مانع از جهانی شدن واقعی هوش مصنوعی و بهره‌مندی همه از مزایای آن می‌شود.

به گزارش برندسازی؛ از زمان راه‌اندازی ChatGPT در سال 2022، به نظر می‌رسد هوش مصنوعی بالاخره به جریان اصلی زندگی وارد شده است. از اتاق‌های هیئت مدیره شرکت‌های Fortune 500 تا میزهای شام، همه در مورد هوش مصنوعی، کاربردهای آن و وعده‌هایش صحبت می‌کنند. با سرمایه‌گذاری بیش از 500 میلیارد دلار در زیرساخت‌های هوش مصنوعی، بسیاری از سرمایه‌گذاران پیش‌بینی می‌کنند که موج هوش مصنوعی تازه در حال قدرت گرفتن است.

این سرمایه‌گذاران درست می‌گویند، هوش مصنوعی هنوز راه درازی تا فراگیر شدن واقعی در پیش دارد. اما مهم‌تر از همه، باید با احتیاط در مورد فراگیر شدن هوش مصنوعی صحبت کنیم. واقعیت این است که در حالی که بسیاری از خوانندگان این مقاله در حال حاضر از هوش مصنوعی در زندگی روزمره خود استفاده می‌کنند، میلیاردها نفر در سراسر جهان هنوز از تأثیرات و فرصت‌های هوش مصنوعی دور هستند.

پس چگونه می‌توانیم واقعاً جهان را با هوش مصنوعی تغییر دهیم؟ فرصت فقط در مورد دسترسی نیست، بلکه در مورد داده‌ها و زیرساخت‌های اساسی است که برای تبدیل هوش مصنوعی به یک انقلاب تکنولوژیکی واقعی در سطح جهانی مورد نیاز است.

درس‌هایی از پذیرش تلفن همراه:

ما می‌توانیم با نگاهی به گذشته، چیزهای زیادی در مورد وعده‌ها و خطرات انقلاب‌های تکنولوژیکی بیاموزیم. امروزه، 70.5 درصد از جمعیت جهان از تلفن همراه استفاده می‌کنند. با این حال، تقریباً 50 سال طول کشیده است تا تلفن‌های همراه از زمان اولین تماس تلفنی تلفن همراه در سال 1973 توسط مارتین کوپر، مدیر اجرایی موتورولا، با استفاده از یک نمونه اولیه تلفن همراه، به طور جهانی پذیرفته شوند.

در حالی که فناوری تلفن‌های همراه به طور قابل توجهی بهبود یافته است و تلفن‌ها در طول سال‌ها کوچکتر و هوشمندتر شده‌اند، قدرت واقعی تلفن‌های همراه با تکامل شبکه‌های تلفن همراه به دست آمد. معرفی شبکه تلفن همراه 2G در سال 2000، استفاده از تلفن همراه را به جلو راند و برای شرکت‌هایی مانند اپل امکان تصور اولین آیفون را که در سال 2007 راه اندازی شد، فراهم کرد.

بدون سرمایه‌گذاری و گسترش قابل توجه در شبکه‌های تلفن همراه جهانی – زیرساخت اساسی مورد نیاز برای انتقال فناوری تلفن همراه به هر گوشه جهان – ممکن است تلفن‌های همراه هرگز محبوبیت یا سهم بازار به دست نیاورند.

سوگیری‌ها و نقاط کور:

بنابراین، هوش مصنوعی برای تبدیل شدن به یک فناوری جهانی چه مانعی را باید پشت سر بگذارد؟ در حالی که بسیاری از سرمایه‌گذاران به سمت قدرت و تراشه‌ها – GPUهای حیاتی که به هوش مصنوعی امکان کارایی می‌دهند – نگاه می‌کنند، آنها یک بنیاد بسیار مهم‌تر را از دست می‌دهند: داده‌ها.

مدل‌های زبانی بزرگ (LLM) – ستون فقرات هوش مصنوعی امروز – فقط به خوبی داده‌هایی هستند که بر اساس آنها آموزش دیده‌اند. متأسفانه، داده‌ها اغلب با سوگیری‌ها و نقاط کور ذاتی همراه هستند.

لحظه‌ای در نظر بگیرید که بسیاری از محبوب‌ترین LLMها توسط شرکت‌های آمریکایی ساخته شده‌اند و بر روی مجموعه داده‌های بزرگ و عمومی در دسترس با استفاده از منابع آنلاین مانند ادبیات، اخبار، رسانه‌های اجتماعی و ویکی‌پدیا آموزش دیده‌اند. در حالی که گسترده است، این داده‌ها ذاتاً تحت تأثیر هنجارهای فرهنگی غربی، ایدئولوژی‌های سیاسی و دیدگاه‌های تاریخی قرار دارند. این یک مشکل است اگر محصول هوش مصنوعی قرار است در سطح جهانی استفاده شود.

این یک حقیقت ساده است: داده‌های آنلاین تمایل دارند جمعیت ثروتمندتر و با سواد تکنولوژی را منعکس کنند که درصد بسیار کمی از جمعیت جهان را نشان می‌دهند. در نتیجه، LLMهای قدرتمندترین هوش مصنوعی فقط برای کاربران انگلیسی‌زبان با دسترسی منظم به اینترنت مرتبط و کارآمد هستند، اما از حساب کردن تجربیات و واقعیت‌های اکثریت جهانی ناتوان هستند.

راه پیش رو:

یک راه حل، حاکمیت قوی‌تر هوش مصنوعی است – اجرای سیاست‌ها و رویه‌هایی که به طور فعال سوگیری‌ها را در مدل‌های هوش مصنوعی و داده‌های اساسی که به آنها وابسته هستند، کاهش می‌دهد. این به یک تمرکز فزاینده برای سیاست‌گذاران و رهبران صنعت تبدیل شده است که هدف آن ایجاد داده‌های آموزشی فراگیرتر و مدل‌هایی است که بازتاب‌دهنده دیدگاه‌های متنوع هستند. سیستم‌های حسابرسی برای انصاف الگوریتمی یکی از راه‌های رسیدگی به این موضوع است.

با این حال، تکیه بر تعداد کمی از شرکت‌های هوش مصنوعی برای خودتنظیمی محدودیت‌های خود را دارد. رسیدن به اجماع استاندارد صنعت می‌تواند دشوار باشد، تصویب سیاست می‌تواند کند باشد و اجرای آن اغلب ناهموار است. ما به رویکردی گسترده‌تر نیاز داریم.

راه دیگر برای شرکت‌ها این است که با ترکیب عمق مجموعه داده‌های اختصاصی و تخصص حوزه خود با وسعت و قدرت پردازش مدل‌های هوش مصنوعی موجود، مسائل را به دست خود بگیرند. شرکت‌ها در سراسر صنایع و مناطق با تعهد به مدیریت داده‌های خود، فرصت عظیمی را برای کمک به بهبود و گسترش مجموعه داده‌های موجود ارائه می‌دهند. استفاده از منابع جدید و جایگزین داده‌های مشتری، اصلی‌ترین فرضیه شرکت من، Tala، در رسیدن به مقیاس جهانی واقعی است – و به Tala اجازه داده است تا هوش مصنوعی را به طور موثری در زیرساخت‌های مالی خود پیاده‌سازی کند.

انقلابی واقعاً جهانی:

یک چیز روشن است: هوش مصنوعی برای ماندن آمده است و سرعت توسعه آن فقط افزایش خواهد یافت. اما اگر در حال حاضر به سوگیری‌ها و نقاط کور آن رسیدگی نکنیم، خطر می‌کنیم میلیاردها نفر را از معادله خارج کنیم.

امید وجود دارد که صنعت هوش مصنوعی – از شرکت‌های بزرگ تا نوآوران – فرصت جهانی را برای پیاده‌سازی هوش مصنوعی تشخیص دهد. شرکت‌ها باید با اتخاذ حاکمیت پیشرو هوش مصنوعی و در عین حال استفاده از داده‌های اختصاصی برای پر کردن شکاف‌های نسل اول LLMها، اقدامات پیشگیرانه‌ای انجام دهند. فرصت با داده‌ها و زیرساخت‌های جهانی آغاز می‌شود. ما در چرخه حیات هوش مصنوعی به اندازه کافی زود هستیم تا مطمئن شویم که در حال ساخت محصولاتی برای متحول کردن کل جهان هستیم، نه فقط بخش‌هایی از آن.

شیوانی سیرویا، بنیانگذار و مدیرعامل Tala.