سیگنال چین برای تغییر سیاست: محدودیت دسترسی به پیشرفته‌ترین مدل‌های هوش مصنوعی «وزن باز»

اکوسیستم هوش مصنوعی منبع باز اساساً نحوه ساخت نرم‌افزار توسط توسعه‌دهندگان را تغییر داده است. به جای تکیه انحصاری بر سیستم‌های بسته و اختصاصی، اکنون میلیون‌ها توسعه‌دهنده مدل‌های قدرتمند «وزن باز» (Open-Weight) را دانلود می‌کنند تا آن‌ها را بر روی سخت‌افزار خود اجرا کنند، که موجی از نوآوری بدون نیاز به مجوز را در صنایع مختلف ممکن ساخته است.

در طول دو سال گذشته، آزمایشگاه‌های هوش مصنوعی چین موتور محرک این اکوسیستم باز بوده‌اند. شرکت‌هایی مانند علی‌بابا (Alibaba)، ژیپو اِی‌آی (Zhipu AI) و مون‌شات اِی‌آی (Moonshot AI) با انتشار رایگان مدل‌های بسیار توانمند، سهم بازار جهانی عظیمی را به دست آورده‌اند، به طوری که سیستم‌های آن‌ها اکنون بیش از ۶۰ درصد از توکن‌های پردازش شده در پلتفرم‌های مسیریابی اصلی را مدیریت می‌کنند.[6]

اما با عبور این مدل‌ها از یک آستانه قابلیت حیاتی، محاسبات نظارتی در حال تغییر است. در اواخر جولای ۲۰۲۶، وزارت بازرگانی چین مذاکراتی را با توسعه‌دهندگان برتر هوش مصنوعی آغاز کرد تا دسترسی خارجی به پیشرفته‌ترین مدل‌های منتشر نشده آن‌ها را محدود کند.[1][2]

تغییر سیاست پیشنهادی نشان‌دهنده بلوغ در حاکمیت جهانی هوش مصنوعی است. به جای ممنوعیت کامل فناوری منبع باز، رگولاتورها در حال بررسی یک رویکرد طبقه‌بندی شده هستند: در دسترس نگه داشتن مدل‌های استاندارد به صورت رایگان، در حالی که «مدارهای قطع‌کننده» (Circuit Breakers) بر روی سیستم‌های مرزی (Frontier) که با قدرتمندترین هوش مصنوعی‌های جهان رقابت می‌کنند، اعمال شود.[3]

برای درک اهمیت این موضوع، بهتر است به مکانیسم «وزن‌های باز» نگاه کنیم. هنگامی که یک آزمایشگاه، هوش مصنوعی را آموزش می‌دهد، یک فایل عظیم از پارامترهای عددی—همان وزن‌ها—تولید می‌کند که نحوه پردازش اطلاعات و تولید پاسخ‌ها توسط مدل را دیکته می‌کنند.

در یک سیستم بسته، مانند سیستم‌هایی که توسط اوپن‌اِی‌آی (OpenAI) یا آنتروپیک (Anthropic) اداره می‌شوند، این وزن‌ها در سرورهای شرکت پنهان می‌مانند. کاربران از طریق یک API با مدل تعامل می‌کنند، به ازای هر پرس‌وجو هزینه می‌پردازند و داده‌های خود را تحت نظارت و فیلترهای ایمنی ارائه‌دهنده قرار می‌دهند.[3][6]

انتشار وزن‌های باز این پویایی را معکوس می‌کند. با انتشار پارامترها به صورت آنلاین، آزمایشگاه‌ها به هر کسی اجازه می‌دهند تا مدل را دانلود کند، آن را بر روی داده‌های خصوصی تنظیم دقیق (Fine-tune) کند و آن را به صورت محلی اجرا کند، بدون اینکه هزینه‌های اشتراک بپردازد یا اطلاعات حساس سازمانی را در معرض دید اشخاص ثالث قرار دهد.[5]

این گشودگی یک مزیت بزرگ برای نوآوری جهانی بوده است. استارتاپ‌ها، محققان دانشگاهی و بخش‌های فناوری اطلاعات سازمانی به مدل‌های وزن باز روی آورده‌اند تا برنامه‌های کاربردی سفارشی را با کسری از هزینه جایگزین‌های بسته بسازند.[8]

با این حال، همان ویژگی‌هایی که وزن‌های باز را جذاب می‌کنند—دسترسی نامحدود و کنترل محلی—چالش‌های امنیتی جدیدی نیز ایجاد می‌کنند. هنگامی که یک مدل دانلود می‌شود، سازندگان آن نمی‌توانند نحوه استفاده از آن را نظارت کنند، آن را فراخوانی کنند یا با محافظ‌های ایمنی جدید آن را وصله (Patch) کنند.[3][5]

این پایداری زمانی که مدل‌ها به قابلیت‌های «مرزی» (Frontier) می‌رسند، به یک مسئولیت عمیق تبدیل می‌شود. در اواسط جولای، مون‌شات اِی‌آی مدل کیمی کا۳ (Kimi K3) را با ۲.۸ تریلیون پارامتر منتشر کرد که ارزیابان مستقل دریافتند این مدل قادر است در وظایف پیچیده کدنویسی و استدلال، با مدل‌های برتر آمریکایی رقابت کند یا حتی از آن‌ها پیشی بگیرد.[3][4][7]

سیستم‌هایی با این کالیبر می‌توانند به صورت تئوری برای کشف آسیب‌پذیری‌های نرم‌افزاری، تولید کمپین‌های فیشینگ پیچیده یا کمک به تحقیقات بیولوژیکی مورد استفاده مجدد قرار گیرند. رگولاتورهای چینی با درک این خطرات استفاده دوگانه، اکنون نگرانی‌های ایمنی را که پیش‌تر توسط همتایان آمریکایی‌شان مطرح شده بود، تکرار می‌کنند.[5]

بحث‌های پکن آینه‌ای از یک مناظره موازی است که در سیلیکون ولی و واشنگتن در جریان است. در حالی که توسعه‌دهندگان مدل‌های بسته برای کنترل‌های سخت‌گیرانه بر گسترش منبع باز لابی کرده‌اند، ائتلاف گسترده‌ای از غول‌های سخت‌افزاری و نرم‌افزاری—از جمله انویدیا (Nvidia) و متا (Meta)—به شدت از اکوسیستم باز دفاع کرده‌اند.[8]

این حامیان استدلال می‌کنند که مدل‌های باز از انحصار بازار جلوگیری می‌کنند و در واقع امنیت را با اجازه دادن به هزاران محقق مستقل برای بررسی نقص‌های سیستم‌ها افزایش می‌دهند، بسیار شبیه به نحوه ایمن‌سازی اینترنت مدرن توسط نرم‌افزار منبع باز.[8]

اجماع نوظهور در میان رگولاتورهای جهانی به سمت «گشودگی انتخابی» اشاره دارد. تحت این الگو، اکثریت قریب به اتفاق مدل‌های هوش مصنوعی برای پیشبرد رشد اقتصادی و شمول تکنولوژیکی، به ویژه برای کشورهای در حال توسعه، آزادانه در دسترس باقی خواهند ماند.[7]

در همین حال، تنها پیشرفته‌ترین لبه توسعه هوش مصنوعی—مدل‌هایی که قادر به عملیات سایبری خودمختار یا استدلال علمی پیشرفته هستند—قبل از انتشار وزن‌هایشان، با کنترل‌های صادراتی، آزمایش ایمنی اجباری یا محدودیت‌های استفاده داخلی مواجه خواهند شد.[3][4]

در نهایت، این تکامل سیاست نشان می‌دهد که صنعت هوش مصنوعی در حال عبور از فاز «غرب وحشی» خود است. در حالی که هم ایالات متحده و هم چین با واقعیت‌های هوش مصنوعی مرزی دست و پنجه نرم می‌کنند، تمرکز از صرفاً به حداکثر رساندن قابلیت‌ها به سمت ایجاد چارچوب‌های پایدار و ایمن تغییر می‌کند که به نوآوری منبع باز اجازه می‌دهد بدون به خطر انداختن امنیت جهانی رشد کند.