خمس طرق تشكّل بها البرامج مفتوحة المصدر سياسة الذكاء الاصطناعي

تلعب البرمجيات مفتوحة المصدر (OSS) ، وهي مجانية الوصول والاستخدام والتغيير دون قيود ، دورًا مركزيًا في تطوير واستخدام الذكاء الاصطناعي (AI). يمكن اعتبار خوارزمية الذكاء الاصطناعي على أنها مجموعة من التعليمات - أي الحسابات التي يجب إجراؤها وبأي ترتيب ؛ يقوم المطورون بعد ذلك بكتابة البرامج التي تحتوي على هذه التعليمات المفاهيمية كرمز فعلي. إذا تم نشر هذا البرنامج لاحقًا بطريقة مفتوحة المصدر - حيث تكون الشفرة الأساسية متاحة للجمهور لأي شخص لاستخدامها وتعديلها - يمكن لأي عالم بيانات استخدام هذه الخوارزمية بسرعة مع القليل من الجهد. هناك بالآلاف من تطبيقات من خوارزميات الذكاء الاصطناعي التي تجعل استخدام الذكاء الاصطناعي أسهل بهذه الطريقة ، بالإضافة إلى مجموعة مهمة من الأدوات الناشئة التي تتيح الذكاء الاصطناعي الأكثر أخلاقية. في الوقت نفسه ، هناك عدد متناقص من أدوات OSS في الحقل الفرعي المهم بشكل خاص للتعلم العميق - مما يؤدي إلى تعزيز تأثير السوق للشركات التي تطور تلك OSS و Facebook و Google. يركز عدد قليل من وثائق حوكمة الذكاء الاصطناعي بشكل كافٍ على دور البرمجيات مفتوحة المصدر ، وهي رقابة مؤسفة ، على الرغم من أن هذا يؤثر بهدوء على كل قضية تقريبًا في سياسة الذكاء الاصطناعي. من البحث إلى الأخلاق ، ومن المنافسة إلى الابتكار ، تلعب التعليمات البرمجية مفتوحة المصدر دورًا مركزيًا في الذكاء الاصطناعي وتستحق المزيد من الاهتمام من صانعي السياسات.





1. OSS يسرع تبني الذكاء الاصطناعي

تعمل OSS على تمكين وزيادة اعتماد الذكاء الاصطناعي من خلال تقليل مستوى المعرفة الرياضية والتقنية اللازمة لاستخدام الذكاء الاصطناعي. تعد كتابة الرياضيات المعقدة للخوارزميات في رمز أمرًا صعبًا ويستغرق وقتًا طويلاً ، مما يعني أن أي بديل موجود مفتوح المصدر يمكن أن يكون مفيدًا للغاية لعلماء البيانات. تستفيد OSS من كل من البيئة التعاونية والتنافسية حيث يعمل المطورون معًا للعثور على الأخطاء بقدر ما يتنافسون لكتابة أفضل إصدار من الخوارزمية. ينتج عن هذا في كثير من الأحيان كود أكثر سهولة وقوة وعالية الجودة مقارنة بما قد يطوره عالم بيانات متوسط ​​- غالبًا ما يكون مستكشفًا للبيانات ومحلًا عمليًا للمشكلات أكثر من عالم الرياضيات البحت. هذا يعني أن كود AI مفتوح المصدر المكتوب جيدًا يوسع بشكل كبير من قدرة عالم البيانات العادي ، مما يتيح لهم استخدام خوارزميات ووظائف التعلم الآلي الأكثر حداثة. وهكذا ، في حين تم إيلاء الكثير من الاهتمام ل تدريب واستبقاء مواهب الذكاء الاصطناعي ، مما يجعل استخدام الذكاء الاصطناعي أسهل - كما يفعل كود OSS - قد يكون له تأثير كبير مماثل في تمكين النمو الاقتصادي من الذكاء الاصطناعي.



2. تساعد OSS في مكافحة التحيز في الذكاء الاصطناعي

يمكن لأدوات الذكاء الاصطناعي مفتوحة المصدر أيضًا أن تتيح الاستخدام الأوسع والأفضل للذكاء الاصطناعي الأخلاقي. تعمل الأدوات مفتوحة المصدر مثل AI Fairness 360 من شركة IBM ، و Fairlearn من Microsoft ، و Aequitas من جامعة شيكاغو على تخفيف الحواجز التقنية لمكافحة تحيز الذكاء الاصطناعي. هناك أيضًا برنامج OSS يُسهل على علماء البيانات استجواب نماذجهم ، مثل إمكانية شرح الذكاء الاصطناعي 360 من شركة آي بي إم أو التعلم الآلي القابل للتفسير من كريس مولنار أداة و الكتاب . يمكن أن تساعد هذه الأدوات علماء البيانات المقيدين بالوقت الذين يرغبون في بناء أنظمة ذكاء اصطناعي أكثر مسؤولية ، لكنهم يتعرضون لضغوط لإنهاء المشاريع وتقديمها للعملاء. في حين أن المزيد من الرقابة الحكومية على الذكاء الاصطناعي أمر ضروري بالتأكيد ، يجب على صانعي السياسات أيضًا التفكير بشكل متكرر أكثر في الاستثمار في برمجيات الذكاء الاصطناعي الأخلاقية مفتوحة المصدر كرافعة بديلة لتحسين دور الذكاء الاصطناعي في المجتمع. مؤسسة العلوم الوطنية تمول بالفعل الأبحاث في عدالة الذكاء الاصطناعي ، ولكن يجب على الوكالات والمؤسسات المانحة أن تعتبر البرمجيات مفتوحة المصدر جزءًا لا يتجزأ من الذكاء الاصطناعي الأخلاقي ، وتمويل تطويره واعتماده بشكل أكبر.



كلمات لوصف كريستوفر كولومبوس

3. أدوات OSS للذكاء الاصطناعي تنهض بالعلوم

في عام 2007 ، جادل مجموعة من الباحثين بأن الافتقار إلى تطبيقات الخوارزمية المتاحة علنًا يمثل عقبة رئيسية أمام التقدم العلمي في ورق بعنوان الحاجة إلى برامج مفتوحة المصدر في التعلم الآلي. من الصعب تخيل هذه المشكلة اليوم ، حيث يوجد الآن عدد كبير من أدوات OSS AI للاكتشاف العلمي. كمثال واحد فقط ، يتم تنفيذ برنامج Keras المفتوح المصدر للذكاء الاصطناعي تستخدم ل تحديد المكونات الفرعية لجزيئات الرنا المرسال وبناء واجهات عصبية لمساعدة المكفوفين على الرؤية بشكل أفضل. تعمل برامج OSS أيضًا على تسهيل إعادة إنتاج البحث ، مما يمكّن العلماء من التحقق من نتائج بعضهم البعض وتأكيدها. حتى التغييرات الصغيرة في كيفية تطبيق خوارزمية الذكاء الاصطناعي يمكن أن تؤدي إلى نتائج مختلفة جدًا ؛ استخدام البرمجيات مفتوحة المصدر المشتركة يمكن أن يخفف من مصدر عدم اليقين هذا. هذا يسهل على العلماء إجراء تقييم نقدي لنتائج أبحاث زملائهم ، وهو تحد شائع في العديد من التخصصات التي تواجه أزمة تكرار مستمرة .



في حين أن كود OSS أكثر شيوعًا اليوم ، لا يزال هناك جهود لرفع النسبة المئوية للأوراق الأكاديمية التي تنشر رموزها علنًا — حاليًا حوالي 50 إلى 70 بالمائة في مؤتمرات التعلم الآلي الرئيسية. يلعب صانعو السياسات أيضًا دورًا في دعم كود برمجيات المصدر المفتوح في العلوم ، مثل تشجيع مشاريع أبحاث الذكاء الاصطناعي الممولة اتحاديًا لنشر الكود الناتج علنًا. قد تنظر وكالات تقديم المنح أيضًا في تمويل الصيانة المستمرة لأدوات OSS AI ، والتي غالبًا ما تمثل تحديًا للبرامج الهامة. مبادرة Chan Zuckerberg ، التي تمول مشاريع OSS الهامة ، يكتب أن برمجيات المصدر المفتوح حاسمة للبحث العلمي الحديث ... ومع ذلك ، فحتى برامج البحث الأكثر استخدامًا تفتقر إلى التمويل المخصص.



4. يمكن أن تساعد برمجيات المصدر المفتوح أو تعوق المنافسة في قطاع التكنولوجيا

برمجيات المصدر المفتوح تداعيات كبيرة على سياسة المنافسة. من ناحية أخرى ، يتسع الإصدار العام لرمز التعلم الآلي ويسمح باستخدامه بشكل أفضل. في العديد من الصناعات ، سيمكن هذا من تبني المزيد من الذكاء الاصطناعي مع مواهب أقل في الذكاء الاصطناعي - ومن المحتمل أن يكون ذلك مفيدًا للمنافسة. ومع ذلك ، بالنسبة إلى Google و Facebook ، فإن المصدر المفتوح لأدوات التعلم العميق الخاصة بهم (Tensorflow و PyTorch ، على التوالي) ، قد يزيد من ترسيخهم في مواقعهم المحصنة بالفعل. يتم توظيف جميع مطوري Tensorflow و PyTorch تقريبًا بواسطة Google و Facebook ، مما يشير إلى أن الشركات لا تتخلى عن الكثير من السيطرة. في حين أن هذه الأدوات هي بالتأكيد في متناول الجمهور بشكل أكبر ، فإن الهدف المعلن في كثير من الأحيان المتمثل في 'دمقرطة' التكنولوجيا من خلال برمجيات المصدر المفتوح ، في هذه الحالة ، هو تعبير ملطف.



قيصر روسيا الأول

أصبحت Tensorflow و PyTorch أكثر أدوات التعلم العميق شيوعًا في كل من الصناعة والأوساط الأكاديمية ، مما أدى إلى فوائد كبيرة للشركات الأم. يستفيد كل من Google و Facebook على الفور من البحث الذي يتم إجراؤه باستخدام أدواتهما لأنه لا توجد حاجة لترجمة الاكتشافات الأكاديمية إلى لغة أو إطار عمل مختلف. علاوة على ذلك ، تظهر هيمنتهم مجموعة من علماء البيانات ومهندسي التعلم الآلي المدربين في أنظمتهم وتساعدهم في وضعهم كشركات متطورة للعمل من أجلها. أخيرًا ، الفوائد التي تعود على Google و Facebook للتحكم في التعلم العميق في OSS كبيرة وقد تستمر بعيدًا في المستقبل. يجب أن يؤخذ هذا في الاعتبار في أي مناقشات حول المنافسة في قطاع التكنولوجيا.

5. ينشئ OSS معايير افتراضية للذكاء الاصطناعي

OSS للذكاء الاصطناعي أيضًا آثار مهمة على هيئات المعايير ، مثل IEEE و ISO / JTC ، و CEN-CENELEC ، التي تسعى إلى التأثير على صناعة وسياسة الذكاء الاصطناعي. في الصناعات الأخرى ، غالبًا ما تضيف هيئات المعايير قيمة من خلال نشر أفضل الممارسات وتمكين التكنولوجيا القابلة للتشغيل البيني. ومع ذلك ، في الذكاء الاصطناعي ، يعني الاستخدام المتنوع لأنظمة التشغيل ولغات البرمجة والأدوات أن تحديات التشغيل البيني قد حظيت بالفعل باهتمام كبير. علاوة على ذلك ، فإن مجتمع ممارسي الذكاء الاصطناعي غير رسمي إلى حد ما ، حيث يتم نشر العديد من الممارسات والمعايير من خلال Twitter ومنشورات المدونات ووثائق OSS. تعني هيمنة Tensorflow و PyTorch في حقل التعلم العميق أن Google و Facebook لهما تأثير كبير ، مما قد يحجم عن التنازل عن هيئات المعايير التي يحركها الإجماع. حتى الآن ، لم يشارك مطورو OSS على نطاق واسع في عمل هيئات المعايير الدولية ، وهذا قد يعيق تأثيرهم بشكل كبير في مجال الذكاء الاصطناعي.

ترتبط سياسة الذكاء الاصطناعي ببرامج مفتوحة المصدر

من البحث إلى الأخلاق ، ومن المنافسة إلى الابتكار ، تلعب التعليمات البرمجية مفتوحة المصدر دورًا رئيسيًا في تطوير استخدام الذكاء الاصطناعي. هذا يجعل الغياب المستمر لمطوري المصادر المفتوحة من مناقشات السياسة أمرًا ملحوظًا ، لأنهم يتمتعون بتأثير ذي مغزى على ومعرفة محددة للغاية لاتجاه الذكاء الاصطناعي. يمكن لإشراك المزيد من مطوري OSS AI أن يساعد صانعي سياسات الذكاء الاصطناعي على التفكير بشكل روتيني في تأثير OSS في السعي لتحقيق التنمية العادلة والمنصفة للذكاء الاصطناعي.

سنة واحدة في ساعات