नैतिक डेटा पर आधारित AI: एक हकीकत

नैतिक डेटा पर आधारित AI: एक वास्तविकता

तकनीक उद्योग के असंभवता के दावों को एक शानदार फटकार में, शोधकर्ताओं की एक समर्पित टीम ने वह हासिल किया है जिसे कई लोग अप्राप्य मानते थे: नैतिक रूप से प्राप्त डेटा पर प्रशिक्षित एक AI मॉडल का निर्माण। MIT, Cornell University और University of Toronto जैसे प्रतिष्ठित संस्थानों के विशेषज्ञों के नेतृत्व में यह अभूतपूर्व उपलब्धि, AI विकास के भविष्य के लिए एक व्यवहार्य और जिम्मेदार खाका प्रस्तुत करती है। गुप्त सॉस? पूरी तरह से खुले तौर पर लाइसेंस प्राप्त या सार्वजनिक डोमेन सामग्री से बना एक सावधानीपूर्वक क्यूरेट किया गया डेटासेट।

नैतिक डेटा सोर्सिंग का कठिन कार्य

इस नैतिक AI ओएसिस की यात्रा पार्क में टहलने से बहुत दूर थी। जैसा कि शोधकर्ता आसानी से स्वीकार करते हैं, वास्तविक बाधा कम्प्यूटेशनल शक्ति नहीं थी, बल्कि सरासर मानवीय प्रयास था। कॉमन पाइल v0.1 को इकट्ठा करने की प्रक्रिया, एक विशाल डेटासेट जो आठ टेराबाइट से अधिक है, को AI प्रशिक्षण के लिए उपयुक्त बनाने के लिए श्रमसाध्य मैनुअल सफाई और पुन: स्वरूपण की आवश्यकता है। डिजिटल जानकारी के लगभग अंतहीन ढेर से छानबीन करने की कल्पना करें, किसी भी प्रकार की त्रुटि की तलाश में जो डेटा सेट को दूषित कर सकती है।

लेकिन असली चुनौती कॉपीराइट स्थिति की सावधान दोहरी जाँच में निहित है। इंटरनेट के अराजक दायरे में, व्यापक मिसलाइसेंसिंग एक आदर्श है, जो कॉपीराइट सत्यापन को एक सिसीफियन कार्य में बदल देता है।

अध्ययन के सह-लेखक Stella Biderman ने वाशिंगटन पोस्ट को बताया, "यह ऐसी चीज नहीं है जहां आप उपलब्ध संसाधनों को बढ़ा सकते हैं।" "हम स्वचालित उपकरणों का उपयोग करते हैं, लेकिन दिन के अंत में हमारी सभी सामग्री को मैन्युअल रूप से एनोटेट किया गया था और लोगों द्वारा जाँचा गया था। और वह वास्तव में कठिन है।"

टेराबाइट डेटा में कॉपीराइट मुद्दों की तलाश करने की प्रक्रिया आसान नहीं है। शोधकर्ता बस प्रक्रिया में अधिक कंप्यूटर चिप्स नहीं जोड़ सकते हैं और समाधान की उम्मीद कर सकते हैं। इसके बजाय, उन्हें मैन्युअल रूप से सभी डेटा को सत्यापित और एनोटेट करने की आवश्यकता थी।

प्रतिकूल परिस्थितियों पर विजय: एक नैतिक AI का जन्म

कठिन बाधाओं के बावजूद, Biderman और उनकी समर्पित टीम दृढ़ रही। एक बार कॉमन पाइल बनाने का कठिन कार्य पूरा हो जाने के बाद, उन्होंने सात बिलियन-पैरामीटर लार्ज लैंग्वेज मॉडल (LLM) को प्रशिक्षित करने के लिए इसकी क्षमता को उजागर किया। परिणामी AI ने न केवल मेटा के Llama 1 और Llama 2 7B जैसे उद्योग बेंचमार्क के खिलाफ अपनी स्थिति बनाए रखी, बल्कि एक साफ नैतिक विवेक के साथ भी ऐसा किया।

लेकिन AI अनुसंधान परिदृश्य उतनी ही तेजी से विकसित होता है जितनी तेजी से एक तेज गति वाली गोली। यह याद रखना महत्वपूर्ण है कि मेटा ने Llama 1 और Llama 2 को कुछ साल पहले जारी किया था, जो AI की दुनिया में एक सापेक्ष अनंत काल है।

तथ्य यह है कि एक दुबली, दृढ़ टीम सीमित संसाधनों के साथ तुलनीय परिणाम प्राप्त कर सकती है, उनकी सरलता का प्रमाण है। एक विशेष रूप से प्रेरित खोज कांग्रेस के पुस्तकालय में 130,000 से अधिक अंग्रेजी भाषा की पुस्तकों का खजाना था जिसे पहले अनदेखा कर दिया गया था।

AI और कॉपीराइट के अस्पष्ट जल

AI के युग में कॉपीराइट एक काँटेदार नैतिक और कानूनी मुद्दा बना हुआ है। OpenAI और Google जैसे उद्योग के दिग्गजों ने समाचार लेखों से लेकर व्यक्तिगत सोशल मीडिया पोस्ट तक, दृष्टि में सब कुछ खाकर विशाल डेटासेट जमा किए हैं। इस अभ्यास ने सभी तरफ से आलोचना की है। लेखकों ने AI मॉडल को प्रशिक्षित करने के लिए कॉपीराइट पुस्तकों के अवैध उपयोग का आरोप लगाते हुए मुकदमे भी दायर किए हैं।

टेक उद्योग का तर्क है कि इस तरह के अभ्यास उचित उपयोगconstitute करते हैं, यह तर्क देते हुए कि डेटा तक अनियंत्रित पहुंच के बिना AI का विकास "असंभव" होगा। यह नवीनतम शोध उस सिलिकॉन वैली कथा को एक तीखी फटकार प्रदान करता है।

जबकि यह उपलब्धि एक महत्वपूर्ण कदम आगे है, यह सभी नैतिक विचारों को समाप्त नहीं करती है। बड़े भाषा मॉडल, मानव श्रमिकों को विस्थापित करने की उनकी क्षमता के साथ, अभी भी श्रम के भविष्य के बारे में मौलिक प्रश्न उठाते हैं। इसके अलावा, सार्वजनिक डोमेन में कार्यों का उपयोग हर किसी के साथ अच्छी तरह से नहीं हो सकता है, विशेष रूप से जिनके रचनात्मक योगदान अब AI द्वारा फिर से प्रस्तुत किए जा रहे हैं।

यहां तक कि एक काल्पनिक भविष्य में जहां AI फर्मों को डेटा उपयोग के लिए अनुमति लेने या मुआवजा प्रदान करने के लिए मजबूर किया जाता है, कॉपीराइट धारकों को अभी भी AI प्रशिक्षण की अनुमति देने के लिए अनुचित दबाव का सामना करना पड़ सकता है। AI मॉडल को प्रशिक्षित करते समय लाए जा सकने वाले विशाल संसाधनों का मतलब है कि अधिकांश कॉपीराइट धारक AI फर्मों के डेटा का उपयोग करने की अनुमति देने के लिए दबाव का विरोध करने में सक्षम नहीं होंगे।

AI में पारदर्शिता और जवाबदेही की ओर

Biderman, हालांकि, व्यावहारिक बनी हुई है। उसे कोई भ्रम नहीं है कि OpenAI जैसी कंपनियां अचानक नैतिक डेटा सोर्सिंग को अपना लेंगी। इसके बजाय, उसे उम्मीद है कि उसका काम डेटा उपयोग में अधिक पारदर्शिता को प्रोत्साहित करेगा। किन डेटा सेट का उपयोग किन AI उत्पादों को प्रशिक्षित करने के लिए किया गया था? उस प्रश्न का उत्तर जानने से AI के भविष्य के लिए महत्वपूर्ण निहितार्थ हो सकते हैं।

उसने वाशिंगटन पोस्ट को बताया, "यहां तक कि आंशिक पारदर्शिता का भी बहुत अधिक सामाजिक मूल्य और एक मध्यम मात्रा में वैज्ञानिक मूल्य है।"

वर्तमान में एक दिए गए AI को प्रशिक्षित करने के लिए उपयोग किए जाने वाले सटीक डेटा सेट बारीकी से संरक्षित रहस्य हैं। AI मॉडल को दोहराने का एकमात्र तरीका या तो यह बताना है कि वर्तमान AI मॉडल कैसे बनाया गया था, या AI मॉडल को रिवर्स इंजीनियर करना है जिसमें बहुत अधिक समय और प्रयास लग सकता है।

AI विकास में एक प्रतिमान बदलाव

इस शोध के निहितार्थ AI नैतिकता के दायरे से बहुत आगे तक फैले हुए हैं। यह AI को विकसित करने के तरीके में एक मौलिक बदलाव का प्रतीक है, यह दर्शाता है कि नैतिक विचार और तकनीकी उन्नति को पारस्परिक रूप से अनन्य होने की आवश्यकता नहीं है। पारदर्शिता, जिम्मेदार डेटा सोर्सिंग और मानव निरीक्षण को प्राथमिकता देकर, हम एक ऐसे भविष्य को गढ़ सकते हैं जहां AI मानवता की सेवा करता है, न कि दूसरे तरीके से।

नैतिक चिंताओं और सामाजिक प्रभावों को संबोधित करना

तकनीकी उद्योग का तर्क है कि नैतिक डेटा उपयोग एक दुर्गम बाधा है जिसे अब निर्णायक रूप से चुनौती दी गई है। इस परियोजना की सफलता एक ठोस नैतिक नींव पर AI मॉडल बनाने की व्यवहार्यता को रेखांकित करती है। हालांकि, AI विकास के नैतिक आयाम कॉपीराइट मुद्दों से परे हैं। नौकरी विस्थापन और एल्गोरिथम पूर्वाग्रह सहित AI के सामाजिक-आर्थिक प्रभाव, सावधानीपूर्वक विचार की मांग करते हैं।

AI मॉडल को प्रभावित करने वाले नैतिक विचार सिर्फ सोर्सिंग से परे हैं। हमें यह भी सत्यापित करना होगा कि डेटा के कारण AI मॉडल आबादी के किसी भी वर्ग के प्रति biased या adverse नहीं हो रहे हैं।

पारदर्शिता और जवाबदेही को बढ़ावा देना

विश्वास को बढ़ावा देने और जिम्मेदार नवाचार सुनिश्चित करने के लिए, AI उद्योग को पारदर्शिता और जवाबदेही को अपनाना चाहिए। कंपनियों को अपने मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा स्रोतों और पूर्वाग्रह को कम करने के लिए नियोजित कार्यप्रणाली के बारे में खुला होना चाहिए। स्वतंत्र ऑडिट और बाहरी निरीक्षण आगे जवाबदेही बढ़ा सकते हैं और नैतिक चूक को रोक सकते हैं।

AI पारदर्शिता को यह सत्यापित करने के लिए लागू किया जा सकता है कि डेटासेट में AI मॉडल में पूर्वाग्रह से बचने के लिए पर्याप्त विस्तृत वितरण है। AI जवाबदेही को संभावित नैतिक चूक की जांच के लिए बाहरी ऑडिट द्वारा लागू किया जा सकता है।

सहयोग और ओपन सोर्स समाधान

नैतिक रूप से सोर्स किए गए AI के विकास के लिए सहयोग और ओपन-सोर्स समाधानों की आवश्यकता है। डेटासेट, कार्यप्रणाली और सर्वोत्तम प्रथाओं को साझा करके, शोधकर्ता और डेवलपर प्रगति को गति दे सकते हैं और सामूहिक रूप से नैतिक AI विकास की चुनौतियों का समाधान कर सकते हैं। ओपन-सोर्स पहल छोटे संगठनों और व्यक्तियों को AI क्रांति में भाग लेने के लिए सशक्त कर सकती हैं, यह सुनिश्चित करते हुए कि इस तकनीक के लाभ अधिक समान रूप से साझा किए जाते हैं।

एक उज्जवल भविष्य का वादा

पूरी तरह से नैतिक रूप से सोर्स किए गए डेटा पर प्रशिक्षित एक AI मॉडल का निर्माण जिम्मेदार और लाभकारी AI की खोज में एक मील का पत्थर का प्रतिनिधित्व करता है। यह अभूतपूर्व उपलब्धि न केवल यह साबित करती है कि नैतिक AI विकास संभव है, बल्कि दूसरों के लिए अनुसरण करने के लिए एक रोडमैप भी प्रदान करती है। पारदर्शिता, सहयोग और नैतिक सिद्धांतों के प्रति प्रतिबद्धता को अपनाकर, हम मानवीय मूल्यों की रक्षा करते हुए और अधिक न्यायपूर्ण और न्यायसंगत भविष्य को बढ़ावा देते हुए AI की पूरी क्षमता को अनलॉक कर सकते हैं।