ਇੱਕ ਹੈਰਾਨਕੁਨ ਘਟਨਾ ਵਿੱਚ, ਤਕਨੀਕੀ ਉਦਯੋਗ ਦੇ ਦਾਅਵਿਆਂ ਨੂੰ ਗਲਤ ਸਾਬਤ ਕਰਦਿਆਂ, ਖੋਜਕਰਤਾਵਾਂ ਦੀ ਇੱਕ ਸਮਰਪਿਤ ਟੀਮ ਨੇ ਉਹ ਪ੍ਰਾਪਤ ਕਰ ਲਿਆ ਹੈ ਜੋ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਨੇ ਅਪ੍ਰਾਪਤੀਯੋਗ ਸਮਝਿਆ ਸੀ: ਇੱਕ AI ਮਾਡਲ ਦੀ ਰਚਨਾ ਜੋ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨੈਤਿਕ ਤੌਰ ‘ਤੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਡੇਟਾ ‘ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਹੈ। ਇਹ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਾਪਤੀ, MIT, Cornell University, ਅਤੇ University of Toronto ਵਰਗੀਆਂ ਵੱਕਾਰੀ ਸੰਸਥਾਵਾਂ ਦੇ ਮਾਹਿਰਾਂ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਹੈ, ਜੋ AI ਵਿਕਾਸ ਦੇ ਭਵਿੱਖ ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਬਲੂਪ੍ਰਿੰਟ ਪੇਸ਼ ਕਰਦੀ ਹੈ। ਗੁਪਤ ਸਾਸ? ਇੱਕ ਧਿਆਨ ਨਾਲ ਤਿਆਰ ਕੀਤਾ ਡੇਟਾਸੈਟ ਜਿਸ ਵਿੱਚ ਸਿਰਫ ਖੁੱਲ੍ਹੇ ਤੌਰ ‘ਤੇ ਲਾਇਸੈਂਸਸ਼ੁਦਾ ਜਾਂ ਜਨਤਕ ਡੋਮੇਨ ਸਮੱਗਰੀ ਸ਼ਾਮਲ ਹੈ।
ਨੈਤਿਕ ਡਾਟਾ ਸੋਰਸਿੰਗ ਦਾ ਹਰਕੂਲੀਅਨ ਕੰਮ
ਇਸ ਨੈਤਿਕ AI ਓਏਸਿਸ ਦੀ ਯਾਤਰਾ ਪਾਰਕ ਵਿੱਚ ਸੈਰ ਕਰਨ ਤੋਂ ਬਹੁਤ ਦੂਰ ਸੀ। ਜਿਵੇਂ ਕਿ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਆਸਾਨੀ ਨਾਲ ਸਵੀਕਾਰ ਕੀਤਾ, ਅਸਲ ਰੁਕਾਵਟ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸ਼ਕਤੀ ਨਹੀਂ ਸੀ, ਸਗੋਂ ਸਿਰਫ ਮਨੁੱਖੀ ਯਤਨ ਸੀ। Common Pile v0.1 ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ, ਜੋ ਕਿ ਅੱਠ ਟੈਰਾਬਾਈਟ ਤੋਂ ਵੱਧ ਦਾ ਇੱਕ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟ ਹੈ, ਨੇ AI ਸਿਖਲਾਈ ਲਈ ਇਸਨੂੰ ਢੁਕਵਾਂ ਬਣਾਉਣ ਲਈ ਦਸਤੀ ਸਫਾਈ ਅਤੇ ਮੁੜ ਫਾਰਮੈਟਿੰਗ ਦੀ ਮੰਗ ਕੀਤੀ। ਡਿਜੀਟਲ ਜਾਣਕਾਰੀ ਦੇ ਲਗਭਗ ਬੇਅੰਤ ਢੇਰਾਂ ਵਿੱਚੋਂ ਲੰਘਣ ਦੀ ਕਲਪਨਾ ਕਰੋ, ਕਿਸੇ ਵੀ ਕਿਸਮ ਦੀ ਗਲਤੀ ਦੀ ਭਾਲ ਕਰੋ ਜੋ ਡੇਟਾ ਸੈੱਟ ਨੂੰ ਭ੍ਰਿਸ਼ਟ ਕਰ ਸਕਦੀ ਹੈ।
ਪਰ ਅਸਲ ਚੁਣੌਤੀ ਕਾਪੀਰਾਈਟ ਸਥਿਤੀ ਦੀ ਸਾਵਧਾਨੀ ਨਾਲ ਦੋਹਰੀ ਜਾਂਚ ਵਿੱਚ ਹੈ। ਇੰਟਰਨੈਟ ਦੇ ਹਫੜਾ-ਦਫੜੀ ਵਾਲੇ ਖੇਤਰ ਵਿੱਚ, ਬੇਕਾਬੂ ਗਲਤ ਲਾਇਸੈਂਸ ਆਮ ਗੱਲ ਹੈ, ਕਾਪੀਰਾਈਟ ਤਸਦੀਕ ਨੂੰ ਇੱਕ ਸਿਸਿਫੀਅਨ ਕਾਰਜ ਵਿੱਚ ਬਦਲਣਾ।
“ਇਹ ਇੱਕ ਅਜਿਹੀ ਚੀਜ਼ ਨਹੀਂ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਸਿਰਫ਼ ਉਹਨਾਂ ਸਰੋਤਾਂ ਨੂੰ ਵਧਾ ਸਕਦੇ ਹੋ ਜੋ ਤੁਹਾਡੇ ਕੋਲ ਉਪਲਬਧ ਹਨ” ਸਟੈਲਾ ਬਿਡਰਮੈਨ ਨੇ WaPo ਨੂੰ ਦੱਸਿਆ। “ਅਸੀਂ ਆਟੋਮੇਟਿਡ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, ਪਰ ਸਾਡਾ ਸਾਰਾ ਸਮਾਨ ਦਿਨ ਦੇ ਅੰਤ ਵਿੱਚ ਹੱਥੀਂ ਐਨੋਟੇਟ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਲੋਕਾਂ ਦੁਆਰਾ ਜਾਂਚਿਆ ਗਿਆ ਸੀ। ਅਤੇ ਇਹ ਸੱਚਮੁੱਚ ਮੁਸ਼ਕਲ ਹੈ।”
ਕਾਪੀਰਾਈਟ ਮੁੱਦਿਆਂ ਦੀ ਭਾਲ ਵਿੱਚ ਟੈਰਾਬਾਈਟ ਡੇਟਾ ਵਿੱਚੋਂ ਲੰਘਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਆਸਾਨ ਨਹੀਂ ਹੈ। ਖੋਜਕਰਤਾ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਹੋਰ ਕੰਪਿਊਟਰ ਚਿਪਸ ਨੂੰ ਸਧਾਰਨ ਤੌਰ ‘ਤੇ ਸ਼ਾਮਲ ਨਹੀਂ ਕਰ ਸਕਦੇ ਸਨ ਅਤੇ ਇੱਕ ਹੱਲ ਦੀ ਉਮੀਦ ਕਰ ਸਕਦੇ ਸਨ। ਇਸਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਨੂੰ ਹੱਥੀਂ ਸਾਰੇ ਡੇਟਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਅਤੇ ਐਨੋਟੇਟ ਕਰਨ ਦੀ ਲੋੜ ਸੀ।
ਮੁਸੀਬਤ ‘ਤੇ ਜਿੱਤ: ਇੱਕ ਨੈਤਿਕ AI ਦਾ ਜਨਮ
ਮੁਸ਼ਕਲ ਰੁਕਾਵਟਾਂ ਦੇ ਬਾਵਜੂਦ, ਬਿਡਰਮੈਨ ਅਤੇ ਉਸਦੀ ਸਮਰਪਿਤ ਟੀਮ ਨੇ ਲਗਨ ਨਾਲ ਕੰਮ ਕੀਤਾ। ਇੱਕ ਵਾਰ ਜਦੋਂ Common Pile ਬਣਾਉਣ ਦਾ ਔਖਾ ਕੰਮ ਪੂਰਾ ਹੋ ਗਿਆ, ਤਾਂ ਉਹਨਾਂ ਨੇ ਸੱਤ ਬਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ ਲਾਰਜ ਲੈਂਗਵੇਜ ਮਾਡਲ (LLM) ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਇਸਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਜਾਰੀ ਕੀਤਾ। ਨਤੀਜੇ ਵਜੋਂ AI ਨੇ ਨਾ ਸਿਰਫ ਮੈਟਾ ਦੇ Llama 1 ਅਤੇ Llama 2 7B ਵਰਗੇ ਉਦਯੋਗ ਦੇ ਮਾਪਦੰਡਾਂ ਦੇ ਵਿਰੁੱਧ ਆਪਣੀ ਪਕੜ ਬਣਾਈ, ਸਗੋਂ ਇੱਕ ਸਾਫ਼ ਨੈਤਿਕ ਜ਼ਮੀਰ ਨਾਲ ਵੀ ਅਜਿਹਾ ਕੀਤਾ।
ਪਰ AI ਖੋਜ ਲੈਂਡਸਕੇਪ ਇੱਕ ਤੇਜ਼ ਗਤੀ ਵਾਲੀ ਗੋਲੀ ਵਾਂਗ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੁੰਦਾ ਹੈ। ਇਹ ਯਾਦ ਰੱਖਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ Meta ਨੇ Llama 1 ਅਤੇ Llama 2 ਕੁਝ ਸਾਲ ਪਹਿਲਾਂ ਜਾਰੀ ਕੀਤੇ ਸਨ, ਜੋ ਕਿ AI ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਇੱਕ ਅਨੰਤਤਾ ਹੈ।
ਇਹ ਤੱਥ ਕਿ ਇੱਕ ਪਤਲੀ, ਦ੍ਰਿੜ ਟੀਮ ਸੀਮਤ ਸਰੋਤਾਂ ਨਾਲ ਤੁਲਨਾਤਮਕ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੀ ਹੈ, ਉਹਨਾਂ ਦੀ ਚਤੁਰਾਈ ਦਾ ਪ੍ਰਮਾਣ ਹੈ। ਇੱਕ ਖਾਸ ਤੌਰ ‘ਤੇ ਪ੍ਰੇਰਿਤ ਖੋਜ ਲਾਇਬ੍ਰੇਰੀ ਆਫ਼ ਕਾਂਗਰਸ ਵਿੱਚ 130,000 ਤੋਂ ਵੱਧ ਅੰਗਰੇਜ਼ੀ ਭਾਸ਼ਾ ਦੀਆਂ ਕਿਤਾਬਾਂ ਦਾ ਇੱਕ ਖਜ਼ਾਨਾ ਸੀ ਜਿਸਨੂੰ ਪਹਿਲਾਂ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਗਿਆ ਸੀ।
AI ਅਤੇ ਕਾਪੀਰਾਈਟ ਦੇ ਧੁੰਦਲੇ ਪਾਣੀ
ਕਾਪੀਰਾਈਟ AI ਦੇ ਯੁੱਗ ਵਿੱਚ ਇੱਕ ਕੰਡਿਆਲੀ ਨੈਤਿਕ ਅਤੇ ਕਾਨੂੰਨੀ ਮੁੱਦਾ ਬਣਿਆ ਹੋਇਆ ਹੈ। OpenAI ਅਤੇ Google ਵਰਗੀਆਂ ਉਦਯੋਗਿਕ ਦਿੱਗਜਾਂ ਨੇ ਖ਼ਬਰਾਂ ਦੇ ਲੇਖਾਂ ਤੋਂ ਲੈ ਕੇ ਨਿੱਜੀ ਸੋਸ਼ਲ ਮੀਡੀਆ ਪੋਸਟਾਂ ਤੱਕ, ਨਜ਼ਰ ਆਉਣ ਵਾਲੀ ਹਰ ਚੀਜ਼ ਨੂੰ ਨਿਗਲ ਕੇ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈੱਟ ਇਕੱਠੇ ਕੀਤੇ ਹਨ। ਇਸ ਅਭਿਆਸ ਨੇ ਹਰ ਪਾਸੇ ਤੋਂ ਆਲੋਚਨਾਵਾਂ ਕੀਤੀਆਂ ਹਨ। ਲੇਖਕਾਂ ਨੇ AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਕਾਪੀਰਾਈਟ ਵਾਲੀਆਂ ਕਿਤਾਬਾਂ ਦੀ ਗੈਰ-ਕਾਨੂੰਨੀ ਵਰਤੋਂ ਦਾ ਦੋਸ਼ ਲਗਾਉਂਦੇ ਹੋਏ ਮੁਕੱਦਮੇ ਵੀ ਦਾਇਰ ਕੀਤੇ ਹਨ।
ਤਕਨੀਕੀ ਉਦਯੋਗ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਅਜਿਹੇ ਅਭਿਆਸ ਨਿਰਪੱਖ ਵਰਤੋਂ ਹਨ, ਇਹ ਦਲੀਲ ਦਿੰਦੇ ਹੋਏ ਕਿ ਡੇਟਾ ਤੱਕ ਅਸੀਮਤ ਪਹੁੰਚ ਤੋਂ ਬਿਨਾਂ AI ਦਾ ਵਿਕਾਸ “ਅਸੰਭਵ” ਹੋਵੇਗਾ। ਇਹ ਤਾਜ਼ਾ ਖੋਜ ਉਸ ਸਿਲੀਕਾਨ ਵੈਲੀ ਬਿਰਤਾਂਤ ਨੂੰ एक चुभने वाला खंडन प्रदान करता है।
ਜਦੋਂ ਕਿ ਇਹ ਪ੍ਰਾਪਤੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ, ਇਹ ਸਾਰੇ ਨੈਤਿਕ ਵਿਚਾਰਾਂ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰਦੀ। ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ, ਮਨੁੱਖੀ ਕਾਮਿਆਂ ਨੂੰ ਬਦਲਣ ਦੀ ਉਹਨਾਂ ਦੀ ਸੰਭਾਵਨਾ ਦੇ ਨਾਲ, ਕਿਰਤ ਦੇ ਭਵਿੱਖ ਬਾਰੇ ਬੁਨਿਆਦੀ ਸਵਾਲ ਖੜ੍ਹੇ ਕਰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਨਤਕ ਡੋਮੇਨ ਵਿੱਚ ਕੰਮਾਂ ਦੀ ਵਰਤੋਂ ਹਰ ਕਿਸੇ ਨੂੰ ਚੰਗੀ ਨਹੀਂ ਲੱਗ ਸਕਦੀ, ਖ਼ਾਸਕਰ ਉਹਨਾਂ ਲੋਕਾਂ ਨੂੰ ਜਿਨ੍ਹਾਂ ਦੇ ਰਚਨਾਤਮਕ ਯੋਗਦਾਨਾਂ ਨੂੰ ਹੁਣ AI ਦੁਆਰਾ ਮੁੜ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ।
ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ ਕਾਲਪਨਿਕ ਭਵਿੱਖ ਵਿੱਚ ਜਿੱਥੇ AI ਫਰਮਾਂ ਨੂੰ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਲਈ ਇਜਾਜ਼ਤ ਲੈਣ ਜਾਂ ਮੁਆਵਜ਼ਾ ਦੇਣ ਲਈ ਮਜਬੂਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਕਾਪੀਰਾਈਟ ਧਾਰਕਾਂ ਨੂੰ ਅਜੇ ਵੀ AI ਸਿਖਲਾਈ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਲਈ ਬੇਲੋੜਾ ਦਬਾਅ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ। AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਵੇਲੇ ਜਿਨ੍ਹਾਂ ਵਿਸ਼ਾਲ ਸਰੋਤਾਂ ਨੂੰ ਜੁਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜ਼ਿਆਦਾਤਰ ਕਾਪੀਰਾਈਟ ਧਾਰਕ ਵੱਡੀਆਂ AI ਫਰਮਾਂ ਦੁਆਰਾ ਉਹਨਾਂ ਨੂੰ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਦੇ ਦਬਾਅ ਦਾ ਵਿਰੋਧ ਕਰਨ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋਣਗੇ।
AI ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਵੱਲ
ਬਿਡਰਮੈਨ, ਹਾਲਾਂਕਿ, ਵਿਹਾਰਕ ਬਣੀ ਹੋਈ ਹੈ। ਉਸਨੂੰ ਕੋਈ ਭਰਮ ਨਹੀਂ ਹੈ ਕਿ OpenAI ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਅਚਾਨਕ ਨੈਤਿਕ ਡਾਟਾ ਸੋਰਸਿੰਗ ਨੂੰ ਅਪਣਾ ਲੈਣਗੀਆਂ। ਇਸਦੀ ਬਜਾਏ, ਉਸਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਉਸਦਾ ਕੰਮ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਵਿੱਚ ਵਧੇਰੇ ਪਾਰਦਰਸ਼ਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰੇਗਾ। ਕਿਹੜੇ ਡੇਟਾਸੈੱਟਾਂ ਦੀ ਵਰਤੋਂ ਕਿਸ AI ਉਤਪਾਦਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਕੀਤੀ ਗਈ ਸੀ? ਉਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਜਾਣਨਾ AI ਦੇ ਭਵਿੱਖ ਲਈ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਪਾ ਸਕਦਾ ਹੈ।
_”ਇੱਥੋਂ ਤੱਕ ਕਿ ਅੰਸ਼ਕ ਪਾਰਦਰਸ਼ਤਾ ਦਾ ਵੀ ਬਹੁਤ ਸਮਾਜਿਕ ਮੁੱਲ ਅਤੇ ਇੱਕ ਮੱਧਮ ਮਾਤਰਾ ਵਿੱਚ ਵਿਗਿਆਨਕ ਮੁੱਲ ਹੈ,” ਉਸਨੇ WaPo_ਨੂੰ ਦੱਸਿਆ।
ਵਰਤਮਾਨ ਵਿੱਚ ਇੱਕ ਦਿੱਤੇ ਗਏ AI ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੇ ਗਏ ਸਹੀ ਡੇਟਾਸੈਟ ਨੂੰ ਗੁਪਤ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ। ਇੱਕ AI ਮਾਡਲ ਨੂੰ ਦੁਹਰਾਉਣ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਹੈ ਜਾਂ ਤਾਂ ਇਹ ਦੱਸਿਆ ਜਾਵੇ ਕਿ ਵਰਤਮਾਨ AI ਮਾਡਲ ਕਿਵੇਂ ਬਣਾਇਆ ਗਿਆ ਸੀ, ਜਾਂ AI ਮਾਡਲ ਨੂੰ ਰਿਵਰਸ ਇੰਜੀਨੀਅਰ ਕੀਤਾ ਜਾਵੇ ਜਿਸ ਵਿੱਚ ਬਹੁਤ ਸਮਾਂ ਅਤੇ ਮਿਹਨਤ ਲੱਗ ਸਕਦੀ ਹੈ।
AI ਵਿਕਾਸ ਵਿੱਚ ਇੱਕ ਪੈਰਾਡਾਈਮ ਸ਼ਿਫਟ
ਇਸ ਖੋਜ ਦੇ ਪ੍ਰਭਾਵ AI ਨੈਤਿਕਤਾ ਦੇ ਖੇਤਰ ਤੋਂ ਬਹੁਤ ਦੂਰ ਤੱਕ ਫੈਲੇ ਹੋਏ ਹਨ। ਇਹ AI ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਨੈਤਿਕ ਵਿਚਾਰਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀਕਲ ਤਰੱਕੀ ਦਾ ਆਪਸ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਹੋਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਪਾਰਦਰਸ਼ਤਾ, ਜ਼ਿੰਮੇਵਾਰ ਡਾਟਾ ਸੋਰਸਿੰਗ, ਅਤੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਨੂੰ ਤਰਜੀਹ ਦੇ ਕੇ, ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਨੂੰ ਬਣਾ ਸਕਦੇ ਹਾਂ ਜਿੱਥੇ AI ਮਨੁੱਖਤਾ ਦੀ ਸੇਵਾ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਦੂਜੇ ਤਰੀਕੇ ਨਾਲ।
ਨੈਤਿਕ ਚਿੰਤਾਵਾਂ ਅਤੇ ਸਮਾਜਿਕ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨਾ
ਤਕਨੀਕੀ ਉਦਯੋਗ ਦੀ ਦਲੀਲ ਕਿ ਨੈਤਿਕ ਡਾਟਾ ਵਰਤੋਂ ਇੱਕ ਅਸੰਭਵ ਰੁਕਾਵਟ ਹੈ, ਨੂੰ ਹੁਣ ਨਿਰਣਾਇਕ ਤੌਰ ‘ਤੇ ਚੁਣੌਤੀ ਦਿੱਤੀ ਗਈ ਹੈ। ਇਸ ਪ੍ਰੋਜੈਕਟ ਦੀ ਸਫਲਤਾ ਇੱਕ ਠੋਸ ਨੈਤਿਕ ਬੁਨਿਆਦ ‘ਤੇ AI ਮਾਡਲਾਂ ਬਣਾਉਣ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਹਾਲਾਂਕਿ, AI ਵਿਕਾਸ ਦੇ ਨੈਤਿਕ ਪਹਿਲੂ ਕਾਪੀਰਾਈਟ ਮੁੱਦਿਆਂ ਤੋਂ ਪਰੇ ਹਨ। AI ਦੇ ਸਮਾਜਿਕ-ਆਰਥਿਕ ਪ੍ਰਭਾਵ, ਜਿਸ ਵਿੱਚ ਨੌਕਰੀ ਦਾ ਵਿਸਥਾਪਨ ਅਤੇ ਐਲਗੋਰਿਦਮਿਕ ਪੱਖਪਾਤ ਸ਼ਾਮਲ ਹਨ, ਨੂੰ ਧਿਆਨ ਨਾਲ ਵਿਚਾਰਨ ਦੀ ਲੋੜ ਹੈ।
AI ਮਾਡਲਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੇ ਨੈਤਿਕ ਵਿਚਾਰ ਸਿਰਫ ਸੋਰਸਿੰਗ ਤੋਂ ਪਰੇ ਹਨ। ਸਾਨੂੰ ਇਹ ਵੀ ਤਸਦੀਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਡੇਟਾ ਕਿਸੇ ਵੀ ਆਬਾਦੀ ਹਿੱਸੇ ਦੇ ਵਿਰੁੱਧ AI ਮਾਡਲਾਂ ਨੂੰ ਪੱਖਪਾਤੀ ਨਹੀਂ ਬਣਾ ਰਿਹਾ ਹੈ।
ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ
ਵਿਸ਼ਵਾਸ ਨੂੰ ਵਧਾਉਣ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਨਵੀਨਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, AI ਉਦਯੋਗ ਨੂੰ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਨੂੰ ਅਪਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਨੂੰ ਆਪਣੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੇ ਗਏ ਡੇਟਾ ਸਰੋਤਾਂ ਅਤੇ ਪੱਖਪਾਤ ਨੂੰ ਘਟਾਉਣ ਲਈ ਵਰਤੀਆਂ ਗਈਆਂ ਪ੍ਰਣਾਲੀਆਂ ਬਾਰੇ ਖੁੱਲ੍ਹਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਸੁਤੰਤਰ ਆਡਿਟ ਅਤੇ ਬਾਹਰੀ ਨਿਗਰਾਨੀ ਹੋਰ ਜਵਾਬਦੇਹੀ ਵਧਾ ਸਕਦੀ ਹੈ ਅਤੇ ਨੈਤਿਕ ਖਾਮੀਆਂ ਨੂੰ ਰੋਕ ਸਕਦੀ ਹੈ।
AI ਪਾਰਦਰਸ਼ਤਾ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਇਹ ਤਸਦੀਕ ਕਰਨ ਲਈ ਕਿ ਡੇਟਾਸੈੱਟਾਂ ਵਿੱਚ AI ਮਾਡਲ ਵਿੱਚ ਪੱਖਪਾਤ ਤੋਂ ਬਚਣ ਲਈ ਕਾਫ਼ੀ ਵਿਆਪਕ ਵੰਡ ਸ਼ਾਮਲ ਹੈ। AI ਜਵਾਬਦੇਹੀ ਨੂੰ ਬਾਹਰੀ ਆਡਿਟ ਦੁਆਰਾ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਤਾਂ ਜੋ ਸੰਭਾਵੀ ਨੈਤਿਕ ਖਾਮੀਆਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾ ਸਕੇ।
ਸਹਿਯੋਗ ਅਤੇ ਓਪਨ ਸੋਰਸ ਹੱਲ
ਨੈਤਿਕ ਤੌਰ ‘ਤੇ ਪ੍ਰਾਪਤ ਕੀਤੇ AI ਦੇ ਵਿਕਾਸ ਲਈ ਸਹਿਯੋਗ ਅਤੇ ਓਪਨ-ਸੋਰਸ ਹੱਲ ਦੀ ਲੋੜ ਹੈ। ਡੇਟਾਸੈੱਟਾਂ, ਵਿਧੀਆਂ ਅਤੇ ਵਧੀਆ ਅਭਿਆਸਾਂ ਨੂੰ ਸਾਂਝਾ ਕਰਕੇ, ਖੋਜਕਰਤਾ ਅਤੇ ਡਿਵੈਲਪਰ ਤਰੱਕੀ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਨੈਤਿਕ AI ਵਿਕਾਸ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਸਮੂਹਿਕ ਤੌਰ ‘ਤੇ ਹੱਲ ਕਰ ਸਕਦੇ ਹਨ। ਓਪਨ-ਸੋਰਸ ਪਹਿਲਕਦਮੀਆਂ ਛੋਟੀਆਂ ਸੰਸਥਾਵਾਂ ਅਤੇ ਵਿਅਕਤੀਆਂ ਨੂੰ AI ਕ੍ਰਾਂਤੀ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਲਈ ਵੀ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹੋਏ ਕਿ ਇਸ ਤਕਨਾਲੋਜੀ ਦੇ ਲਾਭ ਵਧੇਰੇ ਬਰਾਬਰ ਸਾਂਝੇ ਕੀਤੇ ਜਾਣ।
ਇੱਕ ਚਮਕਦਾਰ ਭਵਿੱਖ ਦਾ ਵਾਅਦਾ
ਨੈਤਿਕ ਤੌਰ ‘ਤੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਡੇਟਾ ‘ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਇੱਕ AI ਮਾਡਲ ਦੀ ਰਚਨਾ ਜ਼ਿੰਮੇਵਾਰ ਅਤੇ ਲਾਭਦਾਇਕ AI ਦੀ ਖੋਜ ਵਿੱਚ ਇੱਕ ਮੀਲ ਪੱਥਰ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਇਹ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਾਪਤੀ ਨਾ ਸਿਰਫ ਇਹ ਸਾਬਤ ਕਰਦੀ ਹੈ ਕਿ ਨੈਤਿਕ AI ਵਿਕਾਸ ਸੰਭਵ ਹੈ, ਸਗੋਂ ਦੂਜਿਆਂ ਲਈ ਪਾਲਣਾ ਕਰਨ ਲਈ ਇੱਕ ਰੋਡਮੈਪ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਪਾਰਦਰਸ਼ਤਾ, ਸਹਿਯੋਗ ਅਤੇ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਪ੍ਰਤੀ ਵਚਨਬੱਧਤਾ ਨੂੰ ਅਪਣਾ ਕੇ, ਅਸੀਂ ਮਨੁੱਖੀ ਕਦਰਾਂ-ਕੀਮਤਾਂ ਦੀ ਰੱਖਿਆ ਕਰਦੇ ਹੋਏ ਅਤੇ ਇੱਕ ਵਧੇਰੇ ਨਿਆਂਪੂਰਨ ਅਤੇ ਬਰਾਬਰ ਭਵਿੱਖ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹੋਏ, AI ਦੀ ਪੂਰੀ ਸਮਰੱਥਾ ਨੂੰ ਅਨਲੌਕ ਕਰ ਸਕਦੇ ਹਾਂ।