Herculeńskie Zadanie Etycznego Pozyskiwania Danych
Podróż do tej etycznej oazy AI nie była spacerkiem po parku. Jak chętnie przyznają badacze, prawdziwym wąskim gardłem nie była moc obliczeniowa, ale czysty ludzki wysiłek. Proces montażu Common Pile v0.1, obszernego zestawu danych przekraczającego osiem terabajtów, wymagał pracochłonnego ręcznego czyszczenia i przeformatowywania, aby uczynić go odpowiednim do szkolenia AI. Wyobraź sobie przesiewanie przez praktycznie niekończące się stosy informacji cyfrowych, szukanie jakiegokolwiek rodzaju błędu, który mógłby uszkodzić zestaw danych. To nie była łatwa praca, ale konieczna, aby zachować integralność i jakość danych. Samo zebranie tak dużej ilości informacji jest już wyzwaniem, a co dopiero sprawdzenie jej pod kątem potencjalnych problemów.
Ale prawdziwe wyzwanie polegało na skrupulatnym, podwójnym sprawdzeniu statusu praw autorskich. W chaotycznym królestwie Internetu powszechne błędne licencjonowanie jest normą, zamieniając weryfikację praw autorskich w Syzyfową pracę. Przepisy dotyczące praw autorskich są często niejasne i zmienne, co utrudnia ustalenie, czy dane źródło jest rzeczywiście legalne do wykorzystania. Wiele stron internetowych twierdzi, że posiada odpowiednie licencje, ale w rzeczywistości tak nie jest. Badacze musieli więc sprawdzać każde źródło niezależnie, aby mieć pewność, że nie naruszają niczyich praw.
"To nie jest rzecz, w której możesz po prostu skalować zasoby, które masz dostępne" – powiedziała współautorka badania Stella Biderman WaPo. "Używamy zautomatyzowanych narzędzi, ale wszystkie nasze rzeczy zostały ręcznie oznaczone na koniec dnia i sprawdzone przez ludzi. A to jest naprawdę trudne." Automatyzacja może pomóc w części procesu, ale ostateczna weryfikacja zawsze musi być przeprowadzona przez człowieka. Badacze musieli poświęcić niezliczone godziny na analizowanie danych, aby upewnić się, że wszystko jest w porządku.
Proces przesiewania terabajtów danych w poszukiwaniu problemów z prawami autorskimi nie jest łatwy. Badacze nie mogli po prostu dodać więcej chipów komputerowych do procesu i liczyć na rozwiązanie. Zamiast tego musieli ręcznie zweryfikować i opisać wszystkie dane. To wymagało ogromnej cierpliwości, precyzji i umiejętności badawczych. Bez tego starannego podejścia, projekt nigdy by się nie powiódł. Sama świadomość, że pracują nad czymś etycznym i ważnym, motywowała ich do dalszej pracy.
Triumf Nad Przeciwnościami: Narodziny Etycznego AI
Pomimo zniechęcających przeszkód Biderman i jej oddany zespół wytrwali. Gdy żmudne zadanie stworzenia Common Pile zostało ukończone, uwolnili jego potencjał do szkolenia siedmiomiliardowego parametrowego Large Language Model (LLM). Powstała AI nie tylko dotrzymała kroku branżowym punktom odniesienia, takim jak Llama 1 i Llama 2 7B Meta, ale także zrobiła to z czystym etycznym sumieniem. To był ogromny sukces, który pokazał, że etyczne AI jest możliwe. Zespół udowodnił, że nie trzeba iść na kompromisy z etyką, aby stworzyć potężne narzędzie AI.
Ale krajobraz badań nad AI ewoluuje tak szybko, jak pędzący pocisk. Ważne jest, aby pamiętać, że Meta wydała Llama 1 i Llama 2 kilka lat temu, względną wieczność w świecie AI. To, co było aktualne wczoraj, może być już przestarzałe dzisiaj. Badacze muszą więc stale śledzić najnowsze trendy i technologie. Rywalizacja w świecie AI jest zacięta, ale to właśnie ona napędza innowacje.
Fakt, że szczupły, zdeterminowany zespół mógł osiągnąć porównywalne wyniki przy ograniczonych zasobach, jest świadectwem ich pomysłowości. Jednym szczególnie inspirowanym znaleziskiem był skarbnicza ponad 130 000 książek w języku angielskim w Bibliotece Kongresu, które wcześniej były pomijane. Znalezienie takich ukrytych skarbów wymagało pomysłowości i kreatywnego myślenia. Badacze musieli szukać alternatywnych źródeł danych, które byłyby zarówno legalne, jak i przydatne do szkolenia AI.
Mętne Wody AI i Prawa Autorskie
Prawa autorskie pozostają drażliwą kwestią etyczną i prawną w erze AI. Giganci branżowi, tacy jak OpenAI i Google, zgromadzili ogromne zbiory danych, pochłaniając wszystko, co widzą, od artykułów prasowych po osobiste posty w mediach społecznościowych. Ta praktyka spotkała się z krytyką ze wszystkich stron. Autorzy złożyli nawet pozwy, zarzucając nielegalne wykorzystanie treści do szkolenia modeli AI. Korporacje twierdzą, że bez dostępu do danych rozwój sztucznej inteligencji jest zwyczajnie niemożliwy.
Branża technologiczna twierdzi, że takie praktyki stanowią dozwolony użytek, argumentując, że rozwój AI byłby "niemożliwy" bez nieograniczonego dostępu do danych. To najnowsze badanie dostarcza ostrej nagany dla tej narracji z Doliny Krzemowej. Badacze pokazali, że etyczne AI jest możliwe, a argument o "niemożliwości" jest po prostu wymówką dla braku dbałości o prawa autorskie. Przyszłość AI zależy od znalezienia równowagi między innowacjami a poszanowaniem praw twórców.
Chociaż to osiągnięcie stanowi znaczący krok naprzód, nie eliminuje wszystkich kwestii etycznych. Duże modele językowe, z ich potencjałem do zastępowania pracowników ludzkich, nadal budzą fundamentalne pytania o przyszłość pracy. Ponadto wykorzystanie dzieł w domenie publicznej może nie wszystkim odpowiadać, zwłaszcza tym, których twórczy wkład jest teraz regurgitowany przez AI. Nawet dostęp do tekstów znajdujących się w domenie publicznej – tekstów, które nie podlegają prawom autorskim – może wzbudzać obawy. Co w sytuacji, gdy modele AI, które bazują na tego typu danych, odtwarzają, perpetuują lub uwydatniają istniejące uprzedzenia? Co robimy, gdy generują treści, które choć legalne, są obraźliwe lub szkodliwe?
Nawet w hipotetycznej przyszłości, w której firmy AI są zmuszone do szukania pozwolenia lub zapewnienia rekompensaty za wykorzystanie danych, posiadacze praw autorskich mogą nadal być narażeni na nieuzasadnioną presję, aby zezwolić na szkolenie AI. Ogromne zasoby, które można wykorzystać podczas szkolenia modeli AI, oznaczają, że większość posiadaczy praw autorskich nie byłaby w stanie oprzeć się presji ze strony dużych firm AI, aby pozwoliły im na wykorzystanie danych. To ogromny problem w sytuacji, gdy duże korporacje technologiczne mają ogromną przewagę nad indywidualnymi twórcami.
W Kierunku Transparentności i Odpowiedzialności w AI
Biderman, jednak pozostaje pragmatyczna. Nie ma złudzeń, że firmy takie jak OpenAI nagle przyjmą etyczne pozyskiwanie danych. Zamiast tego ma nadzieję, że jej praca zachęci do większej przejrzystości w wykorzystaniu danych. Jakie zestawy danych zostały wykorzystane do szkolenia których produktów AI? Znajomość odpowiedzi na to pytanie może mieć znaczące implikacje dla przyszłości AI. To kluczowe pytanie, na które muszą odpowiedzieć wszyscy twórcy AI. Pełna transparentność jest niezbędna do budowania zaufania i zapewnienia odpowiedzialnego rozwoju AI.
"Nawet częściowa przejrzystość ma ogromną wartość społeczną i umiarkowaną wartość naukową" – powiedziała WaPo. Uważam, że to bardzo ważne, aby społeczeństwo miało dostęp do informacji o tym, jak powstają modele AI. Tylko w ten sposób możemy ocenić ich potencjalne skutki społeczne i gospodarcze. Tajność w świecie AI budzi podejrzenia i obawy.
Obecnie dokładne zbiory danych użyte do szkolenia danej AI są ściśle strzeżonymi tajemnicami. Jedynym sposobem na replikację modelu AI jest albo dokładne poinformowanie, jak powstał obecny model AI, albo inżynieria wsteczna modelu AI, co może zająć mnóstwo czasu i wysiłku. Brak przejrzystości utrudnia rozwój nauki i powstrzymuje konkurencję. Potrzebujemy otwartego i transparentnego ekosystemu AI, w którym wszyscy mogą się uczyć i rozwijać.
Zmiana Paradygmatu w Rozwoju AI
Implikacje tego badania wykraczają daleko poza sferę etyki AI. Oznacza to fundamentalną zmianę w sposobie, w jaki można rozwijać AI, demonstrując, że względy etyczne i postęp technologiczny nie muszą się wzajemnie wykluczać. Stawiając na pierwszym miejscu przejrzystość, odpowiedzialne pozyskiwanie danych i nadzór ludzki, możemy tworzyć przyszłość, w której AI służy ludzkości, a nie odwrotnie. To kluczowy moment w historii AI. Musimy wykorzystać tę szansę, aby stworzyć AI, która jest zarówno potężna, jak i etyczna.
Zajęcie się Obawami Etycznymi i Wpływami Społecznymi
Argument branży technologicznej, że etyczne wykorzystanie danych jest nie do pokonania, został teraz zdecydowanie zakwestionowany. Sukces tego projektu podkreśla wykonalność budowania modeli AI na solidnych podstawach etycznych. Jednak etyczne wymiary rozwoju AI wykraczają poza kwestie praw autorskich. Społeczno-ekonomiczne skutki AI, w tym utrata miejsc pracy i stronniczość algorytmiczna, wymagają starannego rozważenia. Nie możemy zapominać o wpływie AI na społeczeństwo. Musimy być świadomi potencjalnych zagrożeń i działać, aby im zapobiec.
Etyczne względy, które wpływają na modele AI, wykraczają poza samo źródło. Musimy również zweryfikować, czy dane nie powodują, że modele AI są stronnicze wobec lub przeciwko jakiemukolwiek segmentowi populacji. To trudne zadanie, ale konieczne, aby zapewnić, że AI jest sprawiedliwa i bezstronna.
Promowanie Transparentności i Odpowiedzialności
Aby budować zaufanie i zapewnić odpowiedzialne innowacje, branża AI musi przyjąć przejrzystość i odpowiedzialność. Firmy powinny być otwarte na temat źródeł danych wykorzystywanych do szkolenia ich modeli i metodologii stosowanych do łagodzenia stronniczości. Niezależne audyty i nadzór zewnętrzny mogą dodatkowo zwiększyć odpowiedzialność i zapobiec przeoczeniom etycznym. To kluczowe, aby firmy AI były transparentne i odpowiedzialne. Tylko w ten sposób możemy zbudować zaufanie społeczne do AI.
Przejrzystość AI można wdrożyć, aby zweryfikować, czy zbiory danych zawierają wystarczająco szeroką dystrybucję, aby uniknąć stronniczości w modelu AI. Odpowiedzialność AI można wdrożyć poprzez audyty zewnętrzne w celu sprawdzenia potencjalnych przeoczeń etycznych. Audyty powinny być przeprowadzane regularnie i niezależnie, aby zapewnić ich obiektywność.
Współpraca i Rozwiązania Open Source
Rozwój etycznie pozyskiwanej AI wymaga współpracy i rozwiązań open source. Dzieląc się zbiorami danych, metodologiami i najlepszymi praktykami, badacze i programiści mogą przyspieszyć postęp i wspólnie rozwiązywać wyzwania związane z etycznym rozwojem AI. Inicjatywy open source mogą również umożliwić mniejszym organizacjom i osobom fizycznym udział w rewolucji AI, zapewniając bardziej sprawiedliwy podział korzyści z tej technologii. Współpraca jest kluczem do sukcesu. Musimy współpracować, aby stworzyć AI, która jest dostępna dla wszystkich.
Obietnica Jaśniejszej Przyszłości
Stworzenie modelu AI wytrenowanego w całości na etycznie pozyskanych danych stanowi kamień milowy w dążeniu do odpowiedzialnej i korzystnej AI. To przełomowe osiągnięcie nie tylko udowadnia, że etyczny rozwój AI jest możliwy, ale także zapewnia mapę drogową dla innych. Przyjmując przejrzystość, współpracę i zaangażowanie w zasady etyczne, możemy odblokować pełny potencjał AI, jednocześnie chroniąc wartości ludzkie i promując bardziej sprawiedliwą i równą przyszłość. To dopiero początek. Przyszłość AI zależy od nas. Musimy działać teraz, aby stworzyć AI, która jest godna zaufania i szacunku. AI, która poprawia nasze życie i sprawia, że świat staje się lepszym miejscem.