یک تغییر تحول آفرین در هوش مصنوعی متن باز
از لحاظ تاریخی، توسعه هوش مصنوعی متن باز تلاشی پراکنده بود که اغلب منجر به مدل‌های ضعیف می‌شد. قبل از سال 2023، تعداد کمی از نهادهای غیرانتفاعی منابع لازم برای آموزش مدل‌های هوش مصنوعی با قابلیت‌هایی حتی نزدیک به GPT-2 را داشتند. شرکت‌های بزرگ فناوری بر چشم‌انداز هوش مصنوعی اختصاصی تسلط داشتند، در حالی که هوش مصنوعی متن باز عمدتاً به کاربردهای خاص محدود می‌شد.
سال 2023 نقطه عطفی بود. چندین مدل پایه جدید با مجوزهای آزاد منتشر شدند و به دنبال آن Meta مدل متن باز Llama 2 خود را با همکاری Microsoft منتشر کرد. این رویداد موجی از فعالیت را برانگیخت و بیش از 10000 مدل مشتق شده در عرض شش ماه ایجاد شد. عصر جدیدی از توسعه هوش مصنوعی متن باز آغاز شده بود.
اهداف بلندپروازانه و یک کمیته راهبری برجسته
در برابر این پس‌زمینه، AI Alliance مجموعه‌ای چشمگیر از اهداف را از همان ابتدا تعیین کرد. این اهداف شامل موارد زیر بود:
- تقویت همکاری باز
- ایجاد حاکمیت و حفاظ برای هوش مصنوعی
- توسعه ابزارهای محک‌زنی و مواضع سیاستی روشن
- اولویت‌بندی ابتکارات آموزشی گسترده
- پرورش اکوسیستم‌های سخت‌افزاری قوی
قدرت این اتحاد با کالیبر کمیته راهبری آن بیشتر می‌شود، که دارای فهرستی از سازمان‌های تجاری و دانشگاه‌های مشهور است.
معیارهای عضویت: تعهد به باز بودن و همکاری
برای عضویت در AI Alliance، یک سازمان باید چهار معیار کلیدی را داشته باشد:
- همسویی با ماموریت: عضو بالقوه باید با ماموریت پرورش ایمنی، علم باز و نوآوری همسو باشد.
- تعهد به پروژه‌ها: اعضا باید به کار بر روی پروژه‌های مهمی که با ماموریت اتحاد همسو هستند، متعهد باشند.
- تنوع دیدگاه‌ها: اعضای آینده‌نگر باید مایل به مشارکت در تنوع دیدگاه‌ها و فرهنگ‌ها در عضویت جهانی باشند که در حال حاضر از 140 سازمان فراتر رفته و انتظار می‌رود بیشتر رشد کند.
- شهرت: AI Alliance به دنبال اعضایی با شهرت شناخته شده به عنوان مربی، سازنده یا مدافع در جامعه متن باز هوش مصنوعی است.
دسته‌بندی اعضا: سازندگان، توانمندسازان و مدافعان
اعضای Alliance معمولاً در یکی از سه دسته قرار می‌گیرند:
- سازندگان (Builders): این اعضا مسئول ایجاد مدل‌ها، مجموعه داده‌ها، ابزارها و برنامه‌هایی هستند که از هوش مصنوعی استفاده می‌کنند.
- توانمندسازان (Enablers): این اعضا از طریق آموزش‌ها، موارد استفاده و پشتیبانی عمومی جامعه، پذیرش فناوری‌های هوش مصنوعی باز را ترویج می‌کنند.
- مدافعان (Advocates): این اعضا بر مزایای اکوسیستم AI Alliance تاکید می‌کنند و اعتماد و ایمنی عمومی را در میان رهبران سازمانی، ذینفعان اجتماعی و نهادهای نظارتی تقویت می‌کنند.
شش حوزه تمرکز کلیدی: رویکردی جامع به اکوسیستم هوش مصنوعی
AI Alliance اولویت‌های بلندمدت خود را در شش حوزه تمرکز کلیدی تعریف می‌کند. با این حال، توجه به این نکته مهم است که Alliance رویکردی جامع به کل اکوسیستم هوش مصنوعی دارد و اعضای جامعه و توسعه‌دهندگان را تشویق می‌کند تا در یک یا چند حوزه شرکت کنند و با تغییر علایق یا اولویت‌ها، سازگار شوند.
در اینجا نگاهی دقیق‌تر به شش حوزه تمرکز کلیدی داریم:
مهارت‌ها و آموزش (Skills and Education)
این حوزه به ارائه دانش هوش مصنوعی به مخاطبان گسترده، از جمله مصرف‌کنندگان و رهبران تجاری که خطرات هوش مصنوعی را ارزیابی می‌کنند، و همچنین دانشجویان و توسعه‌دهندگانی که برنامه‌های هوش مصنوعی را می‌سازند، اختصاص دارد. هدف آن ساده‌سازی فرآیند یافتن راهنمایی تخصصی در زمینه‌های خاص است و شامل یک طرح ارزیابی مدل است.
در سال 2024، Alliance راهنمای شایستگی‌های ضروری برای هوش مصنوعی را منتشر کرد، یک منبع جامع که حاصل یک نظرسنجی گسترده برای شناسایی نقش‌های کلیدی در هوش مصنوعی و مهارت‌های مورد نیاز برای آن نقش‌ها است. با وجود اینکه این راهنما اخیراً منتشر شده است، تاکنون 9 بار بازبینی شده است و یک نظرسنجی بعدی برای رسیدگی به مسائل شناسایی شده در نظرسنجی اولیه برنامه‌ریزی شده است.
اعتماد و ایمنی (Trust and Safety)
این حوزه حیاتی، عناصر ضروری اعتماد و ایمنی لازم برای موفقیت همه برنامه‌های هوش مصنوعی را بررسی می‌کند. معیارها، ابزارها و روش‌شناسی‌ها برای اطمینان از اینکه مدل‌ها و برنامه‌ها با کیفیت بالا، ایمن و قابل اعتماد هستند، به کار گرفته می‌شوند. این شامل پشتیبانی از استانداردهای رفتاری در حال تحول و پاسخ‌های موثر به خطرات است.
گروه کاری در این حوزه، مفاهیم برتر مربوط به اعتماد و ایمنی را جمع‌آوری می‌کند و کاربران را با تخصص مورد نیازشان مرتبط می‌کند. نظرسنجی وضعیت اعتماد و ایمنی هوش مصنوعی متن باز - پایان سال 2024، که در وب‌سایت AI Alliance منتشر شده است، هم نیازها و هم موفقیت‌ها را در این حوزه برجسته کرد. شکاف‌های تحقیقاتی و محیطی از طریق تلاش‌های تحقیق و توسعه توسط اعضای متعدد AI Alliance برطرف می‌شوند.
برنامه‌ها و ابزارها (Applications and Tools)
این گروه بر بررسی ابزارها و تکنیک‌هایی برای ساخت برنامه‌های کاربردی کارآمد و قوی با قابلیت هوش مصنوعی تمرکز دارد. همچنین در حال توسعه یک آزمایشگاه هوش مصنوعی برای تسهیل آزمایش و تست برنامه‌های کاربردی هوش مصنوعی است که نوآوری را تسریع می‌کند.
توانمندسازی سخت‌افزار (Hardware Enablement)
این حوزه به پرورش یک اکوسیستم شتاب‌دهنده سخت‌افزاری قوی هوش مصنوعی با اطمینان از اینکه پشته نرم‌افزار هوش مصنوعی مستقل از سخت‌افزار است، اختصاص دارد. فناوری‌هایی مانند MLIR و Triton ابزارهای نرم‌افزاری حیاتی برای دستیابی به قابلیت حمل سخت‌افزار با کارایی بالا هستند. این ابزارها سازمان‌ها را قادر می‌سازند تا از سخت‌افزار مورد نظر خود استفاده کنند، انعطاف‌پذیری و عملکرد را افزایش داده و وابستگی به سیستم‌های اختصاصی را کاهش دهند.
مدل‌های پایه و مجموعه داده‌ها (Foundation Models and Datasets)
این حوزه بر مدل‌هایی برای مناطق محروم، از جمله چند زبانه، چندوجهی، سری زمانی، علم و سایر حوزه‌ها تمرکز دارد. به عنوان مثال، مدل‌های علمی و خاص دامنه، تغییرات آب و هوایی، کشف مولکولی و صنعت نیمه‌هادی را هدف قرار می‌دهند.
مدل‌های موثر و معماری‌های کاربردی هوش مصنوعی به مجموعه داده‌های مفیدی با حاکمیت و حقوق استفاده واضح نیاز دارند. ابتکار داده‌های باز و قابل اعتماد (Open Trusted Data Initiative) در حال روشن کردن الزامات چنین مجموعه داده‌هایی و ایجاد کاتالوگ‌هایی از مجموعه داده‌های سازگار است. این تلاش با هدف حذف عمده نگرانی‌های مربوط به مسائل حقوقی، کپی‌رایت و حریم خصوصی است.
مدافعی (Advocacy)
حمایت از سیاست‌های نظارتی برای ایجاد یک اکوسیستم هوش مصنوعی سالم و باز ضروری است. همه سیاست‌ها و مقررات هوش مصنوعی باید دیدگاه‌های متعادل و نه مغرضانه را نشان دهند.
یک بررسی عمیق در اعتماد و ایمنی: ابتکار 2025
اعتماد و ایمنی یک حوزه مهم و گسترده در AI Alliance است، با متخصصان متعددی که روی ابزارهایی برای شناسایی و کاهش سخنان نفرت‌انگیز، سوگیری و سایر محتوای مضر کار می‌کنند. ابتکار ارزیابی اعتماد و ایمنی (Trust and Safety Evaluation Initiative) یک تعهد بزرگ برای سال 2025 است که دیدگاهی یکپارچه از کل طیف ارزیابی را ارائه می‌دهد - نه فقط برای ایمنی، بلکه برای عملکرد و سایر زمینه‌هایی که ارزیابی اثربخشی مدل‌ها و برنامه‌های کاربردی هوش مصنوعی بسیار مهم است. یک پروژه فرعی در حال بررسی اولویت‌های ایمنی خاص بر اساس دامنه، مانند سلامت، قانون و امور مالی است.
در اواسط سال 2025، AI Alliance قصد دارد یک تابلوی امتیازات Hugging Face را منتشر کند که توسعه‌دهندگان را قادر می‌سازد:
- ارزیابی‌هایی را جستجو کنند که به بهترین وجه با نیازهای آنها مطابقت دارد.
- نحوه عملکرد مدل‌های باز را در برابر آن ارزیابی‌ها مقایسه کنند.
- آن ارزیابی‌ها را دانلود و مستقر کنند تا مدل‌های خصوصی و برنامه‌های کاربردی هوش مصنوعی خود را بررسی کنند.
این ابتکار همچنین راهنمایی‌هایی در مورد جنبه‌های مهم ایمنی و انطباق موارد استفاده مختلف ارائه می‌دهد.
پشتیبانی از هوش مصنوعی در محل: پشته‌های نرم‌افزاری مستقل از سخت‌افزار
همه فراخوانی‌های مدل هوش مصنوعی به خدمات تجاری میزبانی شده متکی نخواهند بود. موقعیت‌های خاصی نیازمند راه‌حل‌های دارای شکاف هوایی (air-gapped) هستند. دستگاه‌های هوشمند لبه‌ای مجهز به هوش مصنوعی، استقرار مدل‌های جدید، کوچک و قدرتمند را در محل، اغلب بدون اتصال به اینترنت، هدایت می‌کنند. برای پشتیبانی از این موارد استفاده و تسهیل ارائه مدل در مقیاس بزرگ با پیکربندی‌های سخت‌افزاری انعطاف‌پذیر، AI Alliance در حال توسعه پشته‌های نرم‌افزاری مستقل از سخت‌افزار است.
نمونه‌های واقعی از همکاری: SemiKong و DANA
دو مثال نشان می‌دهند که چگونه همکاری باز بین اعضای Alliance مزایای قابل توجهی برای همه به همراه دارد:
SemiKong
SemiKong یک تلاش مشترک بین سه عضو Alliance است. آنها یک مدل زبان بزرگ متن باز را به طور خاص برای حوزه فرآیند تولید نیمه‌هادی ایجاد کردند. تولیدکنندگان می‌توانند از این مدل برای تسریع توسعه دستگاه‌ها و فرآیندهای جدید استفاده کنند. SemiKong دارای دانش تخصصی در مورد فیزیک و شیمی دستگاه‌های نیمه‌هادی است. تنها در شش ماه، SemiKong توجه صنعت جهانی نیمه‌هادی را به خود جلب کرد.
SemiKong با تنظیم دقیق یک مدل پایه Llama 3 با استفاده از مجموعه داده‌های جمع‌آوری شده توسط Tokyo Electron توسعه داده شد. این فرآیند تنظیم منجر به یک مدل هوش مصنوعی مولد خاص صنعت با دانش برتر در مورد فرآیندهای اچینگ نیمه‌هادی در مقایسه با مدل پایه عمومی شد. یک گزارش فنی در مورد SemiKong در دسترس است.
DANA (عوامل عصبی نمادین آگاه به دامنه)
DANA یک توسعه مشترک Aitomatic Inc. (مستقر در سیلیکون ولی) و Fenrir Inc. (مستقر در ژاپن) است. این نشان دهنده یک نمونه اولیه از معماری عامل (agent architecture) است که اکنون محبوب شده است، جایی که مدل‌ها با ابزارهای دیگر ادغام می‌شوند تا قابلیت‌های مکمل را ارائه دهند. در حالی که مدل‌ها به تنهایی می‌توانند به نتایج چشمگیری دست یابند، مطالعات متعددی نشان داده‌اند که LLMها اغلب پاسخ‌های نادرستی تولید می‌کنند. یک مطالعه در سال 2023 که در مقاله SemiKong ذکر شده است، خطاهای معمولی LLM را 50٪ اندازه‌گیری کرد، در حالی که استفاده مکمل DANA از ابزارهای استدلال و برنامه‌ریزی، دقت را برای برنامه‌های هدف به 90٪ افزایش داد.
DANA از عوامل عصبی نمادین استفاده می‌کند که قابلیت‌های تشخیص الگوی شبکه‌های عصبی را با استدلال نمادین ترکیب می‌کنند و امکان استدلال منطقی دقیق و حل مسئله مبتنی بر قوانین را فراهم می‌کنند. استدلال منطقی، همراه با ابزارهایی برای برنامه‌ریزی (مانند طراحی فرآیندهای خط مونتاژ)، نتایج دقیق و قابل اعتمادی را تولید می‌کند که برای سیستم‌های کنترل کیفیت صنعتی و برنامه‌ریزی و زمان‌بندی خودکار ضروری هستند.
تطبیق‌پذیری DANA به چندین حوزه گسترش می‌یابد. به عنوان مثال، در پیش‌بینی مالی و تصمیم‌گیری، DANA می‌تواند روندهای بازار را درک کند و بر اساس نظریه‌های پیچیده، با استفاده از داده‌های ساختاریافته و بدون ساختار، پیش‌بینی‌هایی انجام دهد. همین قابلیت را می‌توان برای بازیابی و ارزیابی متون پزشکی و اطلاعات تحقیقاتی به کار برد و اطمینان حاصل کرد که تشخیص‌ها و درمان‌ها با پروتکل‌ها و شیوه‌های پزشکی تثبیت شده مطابقت دارند. در اصل، DANA می‌تواند نتایج بیمار را بهبود بخشد و خطاها را در برنامه‌های کاربردی حیاتی بیمار کاهش دهد.
یک پایه قوی برای ادامه رشد
AI Alliance سال 2025 را در موقعیتی قوی آغاز کرد، با اعضایی که در 23 کشور پراکنده شده‌اند و گروه‌های کاری متعددی که بر چالش‌های اصلی هوش مصنوعی متمرکز هستند. این اتحاد دارای بیش از 1200 همکار گروه کاری است که در بیش از 90 پروژه فعال مشارکت دارند. در سطح بین‌المللی، AI Alliance در رویدادهایی که در 10 کشور برگزار شد، شرکت کرده و به بیش از 20000 نفر دسترسی پیدا کرده است و پنج راهنمای نحوه انجام کار در مورد موضوعات مهم هوش مصنوعی را برای کمک به محققان و توسعه‌دهندگان در ساخت و استفاده از هوش مصنوعی منتشر کرده است.
AI Alliance نمونه‌هایی را برای استفاده از هوش مصنوعی در مدل‌هایی مانند خانواده Granite IBM و مدل‌های Llama Meta منتشر کرده است. مجموعه رو به رشد “دستور العمل‌ها” از محبوب‌ترین کتابخانه‌ها و مدل‌های باز برای الگوهای کاربردی رایج، از جمله RAG، گراف‌های دانش، سیستم‌های عصبی نمادین و معماری‌های برنامه‌ریزی و استدلال عامل نوظهور استفاده می‌کند.
افزایش مقیاس: برنامه‌های بلندپروازانه برای 2025 و فراتر از آن
در سال 2025، AI Alliance متعهد به افزایش ده برابری دامنه و تاثیر خود است. دو مورد از ابتکارات اصلی جدید آن، که قبلاً مورد بحث قرار گرفت، ابتکار داده‌های باز و قابل اعتماد و ابتکار ارزیابی اعتماد و ایمنی هستند. AI Alliance همچنین قصد دارد یک آزمایشگاه جامعه استاندارد صنعتی برای توسعه و آزمایش فناوری‌های کاربردی هوش مصنوعی ایجاد کند. ابتکارات مدل خاص دامنه آن به تکامل خود ادامه خواهند داد. به عنوان مثال، گروه کاری جدید آب و هوا و پایداری قصد دارد مدل‌های پایه چندوجهی و ابزارهای نرم‌افزاری متن باز را برای رسیدگی به چالش‌های کلیدی در تغییرات آب و هوایی و کاهش آن توسعه دهد.
پیش‌بینی می‌شود تا سال 2030، هوش مصنوعی حدود 20 تریلیون دلار به اقتصاد جهانی کمک کند. تا آن زمان، پیش‌بینی می‌شود که 70 درصد از برنامه‌های کاربردی هوش مصنوعی صنعتی بر روی هوش مصنوعی متن باز اجرا شوند. همچنین انتظار می‌رود کمبود متخصصان هوش مصنوعی حتی حادتر از امروز شود. اعضای AI Alliance ممکن است بتوانند با همکاری با سایر اعضا برای دسترسی به تخصص‌های متنوع و به اشتراک‌گذاری منابع، این چالش را کاهش دهند.
AI Alliance مسیری مشابه با سایر سازمان‌های متن باز موفق، مانند Linux Foundation، Apache Software Foundation و Open Source Initiative را دنبال می‌کند. این موارد شامل:
- برنامه‌های جامع آموزش و مهارت‌های هوش مصنوعی
- حمایت جهانی از هوش مصنوعی مسئول
- ایجاد ابزارهایی برای اطمینان از ایمنی و قابلیت اطمینان هوش مصنوعی، و همچنین سهولت توسعه و استفاده
- تحقیقات مشترک با موسسات دانشگاهی
رهبری AI Alliance همچنان به جذب توسعه‌دهندگان و محققان، و همچنین رهبران تجاری و دولتی ادامه خواهد داد. رهبری AI Alliance افزایش مقیاس همکاری جهانی را به عنوان ماموریت اصلی خود برای سال 2025 تعیین کرده است. با در نظر گرفتن همه موارد، AI Alliance پایه‌ای برای تبدیل شدن به یک نیروی غالب جهانی دارد که آینده هوش مصنوعی را شکل می‌دهد، بهبود می‌بخشد و نوآوری می‌کند.