رئيس التكنولوجيا في Arcee: نماذج الذكاء الاصطناعي الصينية مفتوحة الأوزان ليست خطيرة بطبيعتها

مع تنامي قدرة وشعبية النماذج الصينية للذكاء الاصطناعي مفتوحة الأوزان، عاد الجدل حول كيفية التعامل معها إلى الاحتدام مجدداً. ويُتداول أن إدارة Trump قد تحاول حظر هذه النماذج، رغم أنها لم تتخذ أي إجراء بشأن الفكرة حتى الآن، فيما تبدو شركات النماذج المملوكة، وتحديداً OpenAI وAnthropic، أكثر قلقاً تجاهها. وتقدم نماذج مفتوحة الأوزان مثل Kimi K3 من Moonshot AI وQwen من Alibaba استدلالاً بجزء بسيط من تكلفة الرمز مقارنة بالنماذج المغلقة المصدر لدى المختبرات الأمريكية الكبرى؛ ويكمن الخوف في أنها قد تشكل أيضاً نوعاً ما من التهديد، رغم أنها تهدد بالتأكيد هوامش ربح مختبرات الذكاء الاصطناعي المملوكة الكبرى.

ويرى Lucas Atkins، رئيس التكنولوجيا في Arcee -وهي شركة ناشئة تبني نماذج مفتوحة لمنح الشركات الأمريكية بديلاً محلياً عن النماذج الصينية- أن الشركات التي تشغّل النماذج الصينية مفتوحة الأوزان في مراكز بياناتها الخاصة لا ينبغي أن تخشى أن تكون هذه النماذج قناة لقراصنة صينيين. ويقول Atkins إنه لو كانت أي شركة ناشئة ستستفيد من حظر النماذج الصينية، لكانت تلك الشركة هي Arcee نفسها، لكنه يؤكد أن النماذج الصينية المفتوحة ليست أكثر خطورة من أي برنامج آخر مفتوح المصدر قد تستخدمه أي شركة، بل إنها تقدم فوائد لشركته هو نفسه.

معظم هذه النماذج هي نماذج “مفتوحة الأوزان” وليست برمجيات مفتوحة المصدر بالكامل، لكن الكود المصدري الذي يعمل فعلياً على الخوادم، إذا تم تنزيله من مواقع مثل Hugging Face، يكون في معظمه مرئياً وقابلاً للمراجعة، رغم أن الأساليب والبيانات المستخدمة في تدريب النماذج غير متاحة. ويقول Atkins إن على المؤسسات الكبيرة إخضاع نواة أي نموذج لاختبارات أمنية قبل نشره، وغالباً ما تعيد تدريب النماذج لاستخداماتها الخاصة، مع فحص التحيز والسمية والهلوسة والحساسية تجاه مواضيع معينة قبل أن يبدأ الأشخاص بإرسال الطلبات إليها.

فهل يمكن تدريب نموذج برمجي على إدخال أبواب خلفية خبيثة في الكود عند ظهور محفّز معين فقط؟ يقول Atkins: “لا يوجد سبب يمنع جهة متطورة بما يكفي من تدريب نموذج ليكون نموذجاً برمجياً رائعاً تماماً في كل الظروف، لكن عند عرض نوع معين من قواعد الكود عليه… يبدأ تدريب خفي معين بالعمل”، مضيفاً: “لا أعرف كيف يمكن فعل ذلك”. ونظراً لأن نماذج اللغة الكبيرة إبداعية بطبيعتها، يقول إن احتمالات تفعيل هذا النوع من السلوك، واحتمالات أن تستخدم أي شركة الكود الخبيث الناتج، ضئيلة.

ويشير Atkins إلى أن الشركات تبني بالفعل تطبيقات ذكاء اصطناعي محايدة تجاه النموذج المستخدم، وتعتمد على نماذج متعددة بدل الارتباط بنموذج واحد، بحيث لا تبقى الشركات مرتبطة بالنماذج الصينية إلى الأبد حتى لو كانت اليوم الخيار الأفضل من حيث السعر. ويرى أن النقاش الأمريكي ينبغي أن ينتقل من حظر النماذج الصينية إلى تعزيز منظومة أمريكية جيدة ومفتوحة للذكاء الاصطناعي، ويقول إن Arcee نفسها تستفيد من دراسة النماذج الصينية المفتوحة الجيدة والبناء عليها، والتعلم من الباحثين الأفراد الذين يطورونها، الذين يقول إن شركته تكنّ لهم احتراماً عميقاً.

لماذا يهم

مع استمرار النماذج الصينية مفتوحة الأوزان في خفض التكلفة مقارنة بالمختبرات الأمريكية المملوكة، قد يحدد الجدل السياسي حول حظرها الطريقة التي تختار بها شركات الذكاء الاصطناعي الأمريكية المنافسة: عبر التكلفة والانفتاح، أو عبر تقييد وصول منافسيها إلى العملاء من الشركات.