هذا الأسبوع في الذكاء الاصطناعي: الذكاء الاصطناعي التوليدي ومشكلة تعويض المبدعين

إن مواكبة صناعة سريعة الحركة مثل الذكاء الاصطناعي يعد أمرًا صعبًا. لذا، إلى أن يتمكن الذكاء الاصطناعي من القيام بذلك نيابةً عنك، إليك ملخصًا مفيدًا للقصص الحديثة في عالم التعلم الآلي، إلى جانب الأبحاث والتجارب البارزة التي لم نغطيها بمفردنا.

بالمناسبة – تخطط TechCrunch لإطلاق رسالة إخبارية خاصة بالذكاء الاصطناعي قريبًا. ابقوا متابعين.

هذا الأسبوع في مجال الذكاء الاصطناعي، رفعت ثماني صحف أمريكية بارزة مملوكة لشركة الاستثمار العملاقة ألدن جلوبال كابيتال، بما في ذلك نيويورك ديلي نيوز وشيكاغو تريبيون وأورلاندو سينتينل، دعوى قضائية ضد OpenAI وMicrosoft بسبب انتهاك حقوق الطبع والنشر فيما يتعلق باستخدام الشركات لتكنولوجيا الذكاء الاصطناعي التوليدية. وهم، مثل صحيفة نيويورك تايمز في الدعوى القضائية المستمرة ضد OpenAI، يتهمون OpenAI وMicrosoft بإلغاء الملكية الفكرية الخاصة بهم دون إذن أو تعويض لبناء وتسويق نماذج توليدية مثل GPT-4.

“لقد أنفقنا مليارات الدولارات على جمع المعلومات ونشر الأخبار في منشوراتنا، ولا يمكننا أن نسمح لـ OpenAI وMicrosoft بتوسيع قواعد اللعبة التكنولوجية الكبيرة لسرقة عملنا لبناء أعمالهم الخاصة على حسابنا”، قال فرانك باين، الرئيس التنفيذي لشركة OpenAI. وقال المحرر التنفيذي المشرف على صحف ألدن في بيان.

يبدو من المرجح أن تنتهي الدعوى بتسوية واتفاق ترخيص، نظرًا لشراكات OpenAI الحالية مع الناشرين وإحجامها عن ربط نموذج أعمالها بالكامل بحجة الاستخدام العادل. ولكن ماذا عن بقية منشئي المحتوى الذين يتم اجتياح أعمالهم في التدريب النموذجي بدون مقابل؟

يبدو أن OpenAI تفكر في ذلك.

تقترح ورقة بحثية نُشرت مؤخرًا وشارك في تأليفها بواز باراك، العالم في فريق Superalignment في OpenAI، إطارًا لتعويض أصحاب حقوق الطبع والنشر “بشكل متناسب مع مساهماتهم في إنشاء محتوى تم إنشاؤه بواسطة الذكاء الاصطناعي”. كيف؟ من خلال نظرية اللعبة التعاونية.

يقوم الإطار بتقييم مدى تأثير المحتوى الموجود في مجموعة بيانات التدريب – مثل النص أو الصور أو بعض البيانات الأخرى – على ما يولده النموذج، وذلك باستخدام مفهوم نظرية اللعبة المعروف باسم قيمة شابلي. وبعد ذلك، بناءً على هذا التقييم، يتم تحديد “الحصة الشرعية” لأصحاب المحتوى (أي التعويض).

لنفترض أن لديك نموذجًا لتوليد الصور تم تدريبه باستخدام أعمال فنية لأربعة فنانين: جون وجاكوب وجاك وجبيديا. تطلب منه رسم زهرة بأسلوب جاك. باستخدام إطار العمل، يمكنك تحديد تأثير أعمال كل فنان على الفن الذي يولده النموذج، وبالتالي التعويض الذي يجب أن يحصل عليه كل منهم.

ومع ذلك، هناك جانب سلبي لإطار العمل، فهو مكلف من الناحية الحسابية. تعتمد الحلول التي توصل إليها الباحثون على تقديرات التعويض بدلاً من الحسابات الدقيقة. هل هذا يرضي منشئي المحتوى؟ لست متأكدا من ذلك. إذا وضعت OpenAI هذا الأمر موضع التنفيذ يومًا ما، فسنكتشف ذلك بالتأكيد.

فيما يلي بعض قصص الذكاء الاصطناعي الأخرى الجديرة بالملاحظة من الأيام القليلة الماضية:

• مايكروسوفت تؤكد مجددا حظر التعرف على الوجه: اللغة المضافة إلى شروط الخدمة لخدمة Azure OpenAI، وهي عبارة عن برنامج مُدار بالكامل من Microsoft حول تقنية OpenAI، تحظر بشكل أكثر وضوحًا استخدام عمليات التكامل “بواسطة أو لصالح” أقسام الشرطة للتعرف على الوجه في الولايات المتحدة.
• طبيعة الشركات الناشئة المعتمدة على الذكاء الاصطناعي: تواجه الشركات الناشئة في مجال الذكاء الاصطناعي مجموعة مختلفة من التحديات عن تلك التي تواجهها شركة البرمجيات كخدمة النموذجية. كانت تلك هي الرسالة التي وجهتها رودينا سيسيري، المؤسس والشريك الإداري في شركة Glasswing Ventures، الأسبوع الماضي في حدث TechCrunch Early Stage في بوسطن؛ رون لديه القصة الكاملة.
• أنثروبيك تطلق خطة عمل: تطلق شركة Anthropic الناشئة للذكاء الاصطناعي خطة مدفوعة جديدة تستهدف المؤسسات بالإضافة إلى تطبيق iOS جديد. الفريق – خطة المؤسسة – يمنح العملاء وصولاً ذا أولوية أعلى إلى عائلة Anthropic’s Claude 3 من نماذج الذكاء الاصطناعي التوليدية بالإضافة إلى عناصر تحكم إدارية وإدارة مستخدم إضافية.
• لم يعد CodeWhisperer أكثر: أصبح Amazon CodeWhisperer الآن مطور Q، وهي جزء من عائلة Amazon Q من روبوتات الدردشة المولدة بالذكاء الاصطناعي والموجهة نحو الأعمال. يساعد Q Developer، المتوفر من خلال AWS، في بعض المهام التي يقوم بها المطورون أثناء عملهم اليومي، مثل تصحيح أخطاء التطبيقات وترقيتها – مثلما فعل CodeWhisperer.
• ما عليك سوى الخروج من Sam’s Club: يقول Sam’s Club المملوك لشركة Walmart إنه يتجه إلى الذكاء الاصطناعي للمساعدة في تسريع “تقنية الخروج” الخاصة به. بدلاً من مطالبة موظفي المتجر بالتحقق من مشتريات الأعضاء مقابل إيصالاتهم عند مغادرة المتجر، يمكن لعملاء Sam’s Club الذين يدفعون إما في السجل أو من خلال تطبيق الهاتف المحمول Scan & Go الخروج من مواقع متاجر معينة دون التحقق مرة أخرى من مشترياتهم .
• الحصاد الآلي للأسماك: يعد حصاد الأسماك عملاً فوضويًا بطبيعته. شينكي تعمل الشركة على تحسينها من خلال نظام آلي يقوم بإرسال الأسماك بشكل أكثر إنسانية وموثوقية، مما يؤدي إلى ما يمكن أن يكون اقتصادًا مختلفًا تمامًا للمأكولات البحرية، حسبما أفاد ديفين.
• مساعد الذكاء الاصطناعي لشركة Yelp: أعلنت شركة Yelp هذا الأسبوع عن برنامج دردشة جديد يعمل بالذكاء الاصطناعي للمستهلكين – مدعومًا بنماذج OpenAI، كما تقول الشركة – يساعدهم على التواصل مع الشركات ذات الصلة للقيام بمهامهم (مثل تركيب تركيبات الإضاءة، وتحديث المساحات الخارجية وما إلى ذلك). وتقوم الشركة بطرح مساعد الذكاء الاصطناعي على تطبيق iOS الخاص بها ضمن علامة التبويب “المشاريع”، مع خطط للتوسع إلى Android في وقت لاحق من هذا العام.

المزيد من التعلم الآلي

يبدو أنه كان هناك حفل كبير في مختبر أرجون الوطني هذا الشتاء عندما أحضروا مائة من خبراء الذكاء الاصطناعي وقطاع الطاقة للحديث عن كيف يمكن للتكنولوجيا سريعة التطور أن تكون مفيدة للبنية التحتية في البلاد والبحث والتطوير في هذا المجال. التقرير الناتج هو تقريبًا ما تتوقعه من هذا الحشد: الكثير من الفطيرة في السماء، ولكنه غني بالمعلومات على الرغم من ذلك.

وبالنظر إلى الطاقة النووية، والشبكة، وإدارة الكربون، وتخزين الطاقة، والمواد، كانت المواضيع التي انبثقت عن هذا اللقاء هي، أولاً، أن الباحثين بحاجة إلى الوصول إلى أدوات وموارد حوسبة عالية الطاقة؛ ثانيًا، تعلم كيفية اكتشاف نقاط الضعف في عمليات المحاكاة والتنبؤات (بما في ذلك تلك التي تم تمكينها بواسطة الشيء الأول)؛ ثالثًا، الحاجة إلى أدوات الذكاء الاصطناعي التي يمكنها دمج البيانات وإتاحتها من مصادر متعددة وبتنسيقات عديدة. لقد رأينا كل هذه الأشياء تحدث عبر الصناعة بطرق مختلفة، لذا فهي ليست مفاجأة كبيرة، ولكن لا شيء يتم إنجازه على المستوى الفيدرالي دون قيام عدد قليل من الخبراء بإصدار ورقة بحثية، لذا من الجيد أن يتم تسجيلها.

تعمل Georgia Tech وMeta على جزء من ذلك من خلال قاعدة بيانات جديدة كبيرة تسمى OpenDAC، وهي عبارة عن كومة من التفاعلات والمواد والحسابات التي تهدف إلى مساعدة العلماء على تصميم عمليات احتجاز الكربون للقيام بذلك بسهولة أكبر. إنه يركز على الأطر المعدنية العضوية، وهي مادة واعدة وشائعة لالتقاط الكربون، ولكنها تحتوي على آلاف الاختلافات، والتي لم يتم اختبارها بشكل شامل.

اجتمع فريق Georgia Tech مع مختبر Oak Ridge الوطني وMeta’s FAIR لمحاكاة تفاعلات الكيمياء الكمومية على هذه المواد، وذلك باستخدام حوالي 400 مليون ساعة حسابية، وهو ما يفوق قدرة الجامعة على حشدها بسهولة. نأمل أن يكون مفيدًا للباحثين المناخيين العاملين في هذا المجال. كل ذلك موثق هنا.

نسمع كثيرًا عن تطبيقات الذكاء الاصطناعي في المجال الطبي، على الرغم من أن معظمها يقوم بما يمكن أن نسميه دورًا استشاريًا، حيث يساعد الخبراء على ملاحظة الأشياء التي ربما لم يروها بطريقة أخرى، أو اكتشاف الأنماط التي قد تستغرق ساعات حتى تتمكن التكنولوجيا من العثور عليها. ويرجع ذلك جزئيًا إلى أن نماذج التعلم الآلي هذه تجد روابط بين الإحصائيات دون فهم ما الذي تسبب أو أدى إلى ماذا. ويعمل باحثون من جامعة كامبريدج ولودفيج ماكسيميليانز وجامعة ميونيخ على ذلك، نظرًا لأن تجاوز العلاقات الارتباطية الأساسية يمكن أن يكون مفيدًا للغاية في وضع خطط العلاج.

يهدف العمل، الذي يقوده البروفيسور ستيفان فيوريجيل من LMU، إلى إنشاء نماذج يمكنها تحديد الآليات السببية، وليس الارتباطات فقط: “نحن نعطي قواعد الآلة للتعرف على البنية السببية وإضفاء الطابع الرسمي على المشكلة بشكل صحيح. ثم يتعين على الآلة أن تتعلم كيفية التعرف على تأثيرات التدخلات وفهم، إذا جاز التعبير، كيف تنعكس عواقب الحياة الواقعية في البيانات التي تم إدخالها إلى أجهزة الكمبيوتر. لا يزال الوقت مبكرًا بالنسبة لهم، وهم يدركون ذلك، لكنهم يعتقدون أن عملهم جزء من فترة تطوير مهمة على مدى عقد من الزمن.

في جامعة بنسلفانيا، يعمل طالب الدراسات العليا رو إنكارناسيون على زاوية جديدة في مجال “العدالة الخوارزمية” الذي رأيناه رائدًا (بشكل أساسي من قبل النساء والأشخاص الملونين) في السنوات السبع أو الثماني الماضية. ويركز عملها على المستخدمين أكثر من المنصات، حيث يوثق ما تسميه “التدقيق الناشئ”.

عندما يضع Tiktok أو Instagram مرشحًا عنصريًا نوعًا ما، أو منشئ صور يفعل شيئًا ملفتًا للنظر، ماذا يفعل المستخدمون؟ بالتأكيد يشكون، لكنهم يستمرون أيضًا في استخدامه، ويتعلمون كيفية التحايل على المشكلات المشفرة فيه أو حتى تفاقمها. قد لا يكون هذا “حلاً” بالطريقة التي نفكر بها، ولكنه يوضح تنوع ومرونة جانب المستخدم في المعادلة – فهو ليس هشًا أو سلبيًا كما قد تظن.