در حقیقت نوآوری باز در قلب رونق هوش مصنوعی قرار دارد. شبکه عصبی ترنسفورمر که همان T در GPT است و اساس هوش مصنوعی اوپن‌ای‌آی را تشکیل می‌دهد، اولین‌بار در قالب یک تحقیق توسط مهندسان گوگل منتشر شد. همچنین TensorFlow و PyTorch که برای ساخت این شبکه‌های عصبی استفاده می‌شوند، به ترتیب توسط گوگل و متا ایجاد شده و با جهان به اشتراک گذاشته شدند. امروزه بعضی‌ها معتقدند که هوش مصنوعی آن‌قدر مهم و حساس است تا به سادگی در دسترس همگان قرار نگیرد.
چرا مدل‌های هوش مصنوعی متن‌باز به نفع جهان هستند؟

در ستایش رشد در فضای باز
مدل‌های متن‌باز – یعنی مدل‌هایی که کد پایه‌ آنها برای همه قابل دسترسی، تغییر و استفاده است- اغلب خطرناک تلقی می‌شوند. به‌طور کلی چند اتهام علیه هوش مصنوعی متن‌باز مطرح می‌شود. یکی از این اتهامات آن است که این مدل‌ها به رقبای آمریکا کمک می‌کنند. در اول نوامبر امسال مشخص شد که محققان چینی مدل بزرگ زبانی شرکت متا به نام Llama ۲ را برای کاربردهای نظامی تطبیق داده‌اند. اتهام دیگر علیه هوش مصنوعی متن‌باز این است که تروریست‌ها و جنایتکاران می‌توانند از این مدل‌ها بهره بگیرند و حفاظت‌هایی را که برای جلوگیری از فعالیت‌های مخرب ایجاد شده‌اند، حذف کنند و از بین ببرند. شرکت آنتروپیک که سازنده مدل‌های هوش مصنوعی است، خواستار تنظیم مقررات فوری برای این تکنولوژی شده و درباره‌ خطرات منحصر به‌فرد مدل‌های متن‌باز هشدار داده است؛ از جمله آنکه این مدل‌ها ممکن است با داده‌هایی مانند ساخت سلاح‌های بیولوژیکی تنظیم شوند.

درست است که مدل‌های هوش مصنوعی متن‌باز می‌توانند مانند هر تکنولوژی دیگری مورد سوءاستفاده قرار بگیرند، اما نباید فراموش کرد که چنین دیدگاهی به مخاطرات این مدل‌ها بیشتر از مزایای آنها وزن می‌دهد. اطلاعات لازم برای ساخت یک سلاح بیولوژیکی از قبل هم در اینترنت موجود است و به گفته مارک زاکربرگ، هم‌بنیان‌گذار و مدیرعامل شرکت متا، اگر هوش مصنوعی متن‌باز به درستی عمل کند، باید به مدافعان بیشتر از مهاجمان کمک کند. علاوه بر اینها، طبق برخی معیارها، مدل‌های بومی هوش مصنوعی چین در حال حاضر به خوبی مدل‌های شرکت متا هستند. در عین حال مزایای نرم‌افزارهای متن‌باز به وضوح قابل مشاهده هستند. این نرم‌افزارها زیربنای کل بخش تکنولوژی را تشکیل می‌دهند و دستگاه‌هایی را تامین می‌کنند که روزانه میلیاردها نفر از آنها استفاده می‌کنند. بنیان نرم‌افزاری وب که استانداردهای آن توسط تیم برنرزلی از CERN به حوزه عمومی عرضه شد، متن‌باز است؛ همچنین الگوریتم فشرده‌سازی Ogg Vorbis که اسپاتیفای در جهت پخش موسیقی برای میلیون‌ها نفر از آن استفاده می‌کند، هم متن‌باز است. مدت‌هاست رایگان کردن نرم‌افزارها به توسعه‌دهندگان کمک کرده است تا بتوانند کدهای خود را قوی‌تر کنند و این امکان را به آنها داده است تا اعتماد به کار خودشان را ثابت کنند، از کار داوطلبانه وسیع بهره بگیرند و در برخی موارد از طریق فروش خدمات پشتیبانی فنی هم کسب درآمد کنند. شفافیت باید در هوش مصنوعی هم زیربنای نوآوری باشد. اگر این فناوری به اندازه‌ای که حامیان آن ادعا می‌کنند پتانسیل و ظرفیت داشته باشد، روشی خواهد بود تا قدرت در اختیار تعداد محدودی از شرکت‌های کالیفرنیایی متمرکز نشود.

با این همه اما مدل‌های هوش مصنوعی بسته هم جایگاه خود را برای کاربردهای حساس یا وظایفی که نیاز به پیشرفته‌ترین تکنولوژی‌ها دارند، خواهند داشت. با این وجود اما مدل‌هایی که متن‌باز یا نیمه‌باز هستند هم حیاتی خواهند بود. نهاد صنعتی Open Source Initiative، زمانی یک مدل را متن‌باز تعریف می‌کند که بتوان آن را آزادانه دانلود استفاده کرد و البته شرحی از داده‌های آموزشی آن هم ارائه شده باشد. با این اوصاف هیچ‌یک از مدل‌های متن‌باز آزمایشگاه‌های بزرگ، مانند علی‌بابا و متا واجد چنین شرایطی نیستند. اما این آزمایشگاه‌ها با ارائه پلتفرم‌های نیمه‌باز، مفهومی از مدل‌های خود را فراهم کرده‌اند و به دیگران اجازه می‌دهند تا تکنیک‌های آنها را یاد بگیرند و حتی گاهی اوقات آنها را توسعه دهند.

یکی از دلایلی که نهاد صنعتی Open Source Initiative مدل‌های هوش مصنوعی متا را متن‌باز نمی‌داند، این است که دسترسی به آنها محدود است؛ به‌ویژه اینکه استفاده از آنها به کاربردهایی با کمتر از ۷۰۰ میلیون کاربر ماهانه محدود می‌شود. اما شاید شرکت متا به این نتیجه برسد که به نفع خودش است که بیشتر از اینها به متن‌باز بودن تمایل نشان دهد. در واقع هرچه متا بیشتر این کار را انجام دهد و به سمت مدل‌های متن‌باز پیش برود، پلتفرم آن برای توسعه‌دهندگان جذاب‌تر می‌شود و احتمال بیشتری وجود خواهد داشت که یک برنامه فوق‌العاده آینده، بر مبنای تکنولوژی آن توسعه یابد. در واقع دولت‌ها هم با وضع مقررات ایمنی یکنواخت، اجتناب از محدودیت‌ها و حمایت‌های مالکیت فکری که تحقیق را در قفل و بست نگه می‌دارند، باید اجازه بدهند که هوش مصنوعی متن‌باز رونق بیشتری پیدا کند. درست مانند بسیاری از نرم‌افزارهای دیگر، هوش مصنوعی هم در فضای باز رشد می‌کند.

حذف مشاغل و اشتغال‌زایی همزمان
با این همه اما همچنان نگرانی‌های جدی درباره مخاطرات هوش مصنوعی وجود دارد و برخلاف دولت‌ها، مردم بیشتر نگران از دست دادن مشاغل خود هستند. تعجبی هم ندارد؛ آخرین بررسی‌های انجام‌شده توسط اندیشکده تونی بلر نشان می‌دهد که هوش مصنوعی می‌تواند بین یک تا ۳میلیون شغل در بخش خصوصی بریتانیا را حذف کند؛ اما در نهایت افزایش بیکاری در سطح صدها هزار نفر خواهد بود؛ زیرا رشد این تکنولوژی همزمان باعث ایجاد نقش‌های جدید هم می‌شود. اندیشکده تونی بلر همچنین تخمین می‌زند که در اوج این تغییرات و در طول چند دهه بین ۶۰ هزار تا ۲۷۵ هزار شغل هر سال حذف خواهند شد. این تعداد با توجه به اینکه میانگین سالانه از دست دادن شغل‌ها در بریتانیا طی یک دهه گذشته حدود ۴۵۰ هزار شغل بوده، نسبتا متوسط توصیف شده است.

این اندیشکده تاکید کرده است که انتظار نمی‌رود این میزان حذف شغل به بیکاری طولانی‌مدت منجر شود و پیش‌بینی می‌شود که تعداد کل شغل‌های از بین رفته در اوج خود تا پایان دهه بعد به صدها هزار شغل برسد؛ زیرا هوش مصنوعی همزمان تقاضای جدیدی برای نیروی کار هم ایجاد می‌کند و آنها را دوباره به چرخه اقتصاد بازمی‌گرداند. چنین فرآیندی نیاز به ارتقای زیرساخت‌های بازار کار هم دارد که می‌تواند شامل یک سیستم هشدار اولیه باشد که چگونگی تاثیر هوش مصنوعی بر شغل‌های افراد را شناسایی می‌کند. این گزارش همچنین برآورد کرده است که استفاده از هوش مصنوعی می‌تواند در پنج سال آینده تولید ناخالص داخلی را تا یک‌درصد افزایش دهد و این افزایش تا سال۲۰۳۵ ممکن است به ۶درصد هم برسد. در عین حال بیکاری ممکن است تا سال۲۰۳۰ به ۱۸۰هزار نفر افزایش پیدا کند؛ با این توضیح که در حال حاضر حدود ۱.۴میلیون نفر در بریتانیا بیکار هستند.

با این حال تحلیلگران هوش مصنوعی را یک چالش بزرگ سیاستگذاری توصیف کرده‌اند و معتقدند که تحقق همه این سناریوها وابسته به عواملی مانند ظهور ابزارهای جدید در دهه آینده، تصمیمات سرمایه‌گذاری شرکت‌های خصوصی و سیاست‌های دولتی است که ممکن است توسعه این تکنولوژی را تسریع کنند یا به تاخیر بیندازند.