کشورهای گروه ۷ چارچوب واحدی را برای گزارش‌دهی اجباری شفافیت در مورد هوش مصنوعی پیشتاز تعیین کردند

کشورهای گروه هفت رسماً یک چارچوب واحد را تصویب کردند که گزارش‌دهی شفافیت را برای مدل‌های هوش مصنوعی پیشتاز اجباری می‌کند و به این ترتیب به دوران مقررات‌گذاری پراکنده پایان می‌دهد. این توافق که در جریان یک نشست اضطراری دیجیتال نهایی شد، توسعه‌دهندگان قدرتمندترین سیستم‌های هوش مصنوعی جهان را ملزم می‌کند تا معیارهای استاندارد شده‌ای را در مورد داده‌های آموزشی، ارزیابی‌های ایمنی و ردپای زیست‌محیطی خود افشا کنند.[1][5]

در طول سه سال گذشته، صنعت هوش مصنوعی تحت مجموعه‌ای آشفته از قوانین منطقه‌ای فعالیت می‌کرد. قانون هوش مصنوعی اتحادیه اروپا الزامات سخت‌گیرانه و الزام‌آور قانونی را تحمیل کرد، در حالی که ایالات متحده بر ترکیبی از دستورات اجرایی و تعهدات داوطلبانه تکیه داشت، و بریتانیا رویکردی ملایم و حامی نوآوری را پیش گرفت.[2][8]

این واگرایی نظارتی کابوسی برای انطباق و روزنه‌ای برای فرار از پاسخگویی ایجاد کرده بود. شرکت‌های چندملیتی فناوری با این چشم‌انداز روبرو بودند که مدل‌های متفاوتی را برای حوزه‌های قضایی مختلف آموزش دهند، در حالی که محققان ایمنی هشدار می‌دادند که توافق‌های داوطلبانه فاقد قدرت لازم برای جلوگیری از خطرات فاجعه‌بار هستند.[4][8]

چارچوب جدید گروه ۷ این مشکل را با ایجاد یک استاندارد گزارش‌دهی واحد و جهانی حل می‌کند. به جای سر و کله زدن با هفت تعریف قانونی مختلف از آنچه یک مدل خطرناک را تشکیل می‌دهد، توسعه‌دهندگان اکنون به یک آستانه ریاضی واحد نگاه خواهند کرد: هر مدلی که با استفاده از بیش از ۱۰ به توان ۲۶ عملیات ممیز شناور (FLOPs) آموزش داده شود، به طور خودکار الزامات گزارش‌دهی اجباری را فعال می‌کند.[1][7]

این آستانه محاسباتی عمداً بالا تعیین شده است تا فقط مدل‌های پیشتاز عظیم و چند میلیارد دلاری که توسط بزرگترین شرکت‌های فناوری توسعه داده می‌شوند را در بر بگیرد. گروه ۷ با گره زدن مقررات به قدرت محاسباتی به جای قابلیت‌های ذهنی، قصد دارد وضوح مطلق را برای بازار فراهم کند.[3][6]

استارتاپ‌ها و توسعه‌دهندگان متوسط، ذینفعان فوری این ساختار هستند. از آنجایی که اکثریت قریب به اتفاق توسعه هوش مصنوعی بسیار پایین‌تر از این آستانه محاسباتی عظیم قرار می‌گیرد، شرکت‌های کوچک‌تر کاملاً از پرزحمت‌ترین الزامات گزارش‌دهی معاف هستند و به آن‌ها اجازه می‌دهد بدون هزینه‌های سنگین تیم‌های انطباق در سطح شرکت‌های بزرگ، نوآوری کنند.[6][8]

برای غول‌های فناوری که از این آستانه عبور می‌کنند، این چارچوب سه رکن اصلی افشای اجباری را معرفی می‌کند. اولین رکن، که بیشترین بحث و جدل را برانگیخته است، منشأ داده‌های آموزشی است. شرکت‌ها اکنون باید خلاصه‌های سطح بالایی از مجموعه‌داده‌های مورد استفاده برای آموزش مدل‌های خود ارائه دهند، از جمله نسبت مواد دارای حق چاپ، داده‌های مصنوعی و داده‌های استخراج شده از وب عمومی.[4][7]

نکته حیاتی این است که این چارچوب توسعه‌دهندگان را ملزم نمی‌کند که مجموعه‌داده‌های آموزشی دقیق خود را تحویل دهند، که این یک امتیاز بزرگ به شرکت‌هایی بود که از دست دادن باارزش‌ترین اسرار تجاری خود می‌ترسیدند. در عوض، خلاصه‌ها به گونه‌ای طراحی شده‌اند که به دارندگان حق چاپ و محققان یک «برچسب تغذیه» از آنچه وارد مدل شده است، بدهد، بدون اینکه مالکیت فکری اصلی را فاش کند.[2][4]

رکن دوم بر ایمنی و آزمایش‌های خصمانه، که معمولاً به عنوان «تیم قرمز» (red-teaming) شناخته می‌شود، تمرکز دارد. قبل از اینکه یک مدل پیشتاز برای عموم مستقر شود، توسعه‌دهندگان باید نتایج ارزیابی‌های ایمنی استاندارد شده را به یک مرکز تسویه هوش مصنوعی گروه ۷ که به تازگی تأسیس شده است، ارسال کنند.[1][7]

این ارزیابی‌ها باید به صراحت قابلیت‌های مدل را در مورد سنتز سلاح‌های بیولوژیکی، تولید حملات سایبری خودکار و تکثیر خودمختار مشخص کنند. اگر مدلی مهارت‌های خطرناکی در این زمینه‌ها نشان دهد، توسعه‌دهنده باید ثابت کند که قبل از انتشار، موانع حفاظتی کافی اجرا شده است.[5][7]

رکن سوم یک دستور زیست‌محیطی بی‌سابقه را معرفی می‌کند. آموزش مدل‌های پیشتاز به مقادیر سرسام‌آوری برق و آب برای خنک‌سازی مراکز داده نیاز دارد. چارچوب گروه ۷ شرکت‌ها را ملزم می‌کند که گزارش‌های حسابرسی شده‌ای از کل انتشار کربن و مصرف آب مرتبط با دوره آموزشی یک مدل را منتشر کنند.[2][8]

انتظار می‌رود این شفافیت زیست‌محیطی تغییر بزرگی در نحوه ساخت زیرساخت‌های هوش مصنوعی ایجاد کند و شرکت‌ها را مجبور سازد نه تنها در زمینه هوشمندی مدل، بلکه در زمینه بهره‌وری انرژی نیز رقابت کنند. با عمومی شدن این داده‌ها، مشتریان سازمانی که خود با الزامات پایداری روبرو هستند، می‌توانند ارائه‌دهندگان هوش مصنوعی را بر اساس ردپای کربن آن‌ها انتخاب کنند.[2][6]

نحوه برخورد با هوش مصنوعی متن‌باز (Open-Source) یک نقطه اختلاف اصلی در طول مذاکرات بود. چارچوب نهایی یک مصالحه ظریف ارائه می‌دهد: مدل‌های با وزن باز (open-weight) که از آستانه محاسباتی عبور می‌کنند، همچنان باید قبل از انتشار با الزامات گزارش‌دهی مطابقت داشته باشند، اما برای اطمینان از اینکه اکوسیستم متن‌باز توسط تأخیرهای بوروکراتیک خفه نشود، فرآیندهای بررسی تسریع شده‌ای به آن‌ها اعطا می‌شود.[3][7]

از نظر ژئوپلیتیکی، این چارچوب واحد نشان‌دهنده یک مانور استراتژیک توسط کشورهای دموکراتیک برای تعیین استاندارد جهانی حاکمیت هوش مصنوعی است. گروه ۷ با همسو کردن اقتصادهای بزرگ غربی در کنار ژاپن، یک بلوک اقتصادی چنان بزرگی ایجاد کرده است که هر شرکتی که مایل به فعالیت در سطح جهانی باشد، باید به قوانین آن پایبند باشد.[5][8]

این امر عملاً توسعه‌دهندگان در کشورهای غیر عضو گروه ۷ را مجبور می‌کند در صورت تمایل به دسترسی به بازارهای غربی، این چارچوب را بپذیرند. این یک نمایش قدرت نرم است که برای اطمینان از این طراحی شده که نسل بعدی هوش مصنوعی به صورت شفاف، ایمن و همسو با ارزش‌های دموکراتیک ساخته شود.[1][5]

در حالی که این توافق یک پیروزی دیپلماتیک است، کار سخت اجرا باقی مانده است. اکنون هر یک از اعضای گروه ۷ باید این چارچوب را تا پایان سال ۲۰۲۷ در قوانین داخلی خود بگنجانند، فرآیندی که ناگزیر با لابی‌گری شدید هم از سوی شرکت‌های بزرگ فناوری و هم سازمان‌های حقوق مدنی روبرو خواهد شد.[4][8]