افزایش نگرانی‌ها در واشنگتن پیرامون پیشرفت هوش مصنوعی چین و اتهامات مربوط به سرقت مالکیت فکری، دولت آمریکا را به سمت بررسی تحریم‌های سنگین و محدودیت بر مدل‌های وزن‌باز (Open-Weight) سوق داده است. با این حال، بزرگ‌ترین شرکت‌های فناوری جهان از جمله انویدیا، متا، مایکروسافت، میس‌ترال (Mistral) و هاگینگ فیس (Hugging Face) با امضای نامه‌ای مشترک، هشدار دادند که اعمال محدودیت‌های شتاب‌زده بر مدل‌های وزن‌باز به نوآوری ضربه زده و امنیت سایبری را به خطر می‌اندازد.
جنگ بر سر «تقطیر مدل» و خط قرمزهای کاخ سفید
این هشدار در پی تصمیم احتمالی دولت آمریکا برای ممنوعیت مدل‌های وزن‌باز چینی و اعمال تحریم علیه شرکت‌های هوش مصنوعی این کشور مطرح می‌شود. کاخ سفید اخیراً شرکت چینی Moonshot AI را متهم کرده که برای ساخت مدل قدرتمند Kimi K3، از خروجی‌های مدل Fable شرکت آنتروپیک استفاده کرده است.
امضاکنندگان نامه تاکید کرده‌اند که سیاست‌گذاران نباید تکنیک‌های استاندارد توسعه هوش مصنوعی را با بزهکاری یا سرقت اطلاعات اشتباه بگیرند. نقاط کلیدی مطرح‌شده در این نامه عبارت‌اند از:
- مشروعیت تکنیک تقطیر مدل: استفاده از خروجی‌های یک مدل برای آموزش و بهبود مدلی دیگر (Model Distillation)، روشی رایج و استاندارد در پژوهش‌ها و توسعه نرم‌افزار است.
- ضرورت قانون‌گذاری هدفمند: استخراج غیرقانونی داده از مدل‌های بسته باید از طریق چارچوب‌های حقوقی مشخص پیگیری شود، نه با ممنوعیت کل روش‌های توسعه.
- ارتقای دفاع سایبری: در مواجهه با تهدیدات سایبری مبتنی بر هوش مصنوعی، متخصصان امنیت برای کشف و ترمیم آسیب‌پذیری‌ها به مدل‌های قوی و شفاف وزن‌باز نیاز دارند.
شکاف عمیق میان توسعه‌دهندگان مدل‌های بسته و متن‌باز
این جریان نشان‌دهنده یک مرزبندی آشکار در صنعت هوش مصنوعی است. شرکت‌هایی مانند OpenAI و آنتروپیک که مدل‌های بسته (Closed-Source) توسعه می‌دهند، خواستار برخوردهای سخت‌گیرانه‌تر واشنگتن علیه مدل‌های چینی هستند؛ زیرا گسترش مدل‌های ارزان و دسترس‌پذیر وزن‌باز، مدل کسب‌وکار چند میلیارد دلاری آن‌ها را تهدید می‌کند.
در مقابل، شرکت‌هایی مانند انویدیا و مایکروسافت از همه‌گیری مدل‌های وزن‌باز سود می‌برند. تجاری‌سازی و تکثر مدل‌ها باعث افزایش تقاضا برای خرید پردازنده‌های گرافیکی (GPU)، اجاره سرورهای ابری و توسعه لایه‌های نرم‌افزاری می‌شود.
تجربه اخیر هاگینگ فیس نشان داد که اتکای صرف به مدل‌های بسته تجاری می‌تواند محدودیت‌آفرین باشد. این پلتفرم هنگام مواجهه با یک حمله هوش مصنوعی، به دلیل نرده‌های محافظتی (Guardrails) سخت‌گیرانه مدل‌های بسته، نتوانست ابزارهای دفاعی لازم را تحلیل کند و در نهایت مجبور شد از مدل وزن‌باز GLM ۵.۲ استفاده کند.
سوالات متداول
مدل وزن‌باز (Open-Weight) چه تفاوتی با مدل بسته دارد؟
در مدل‌های وزن‌باز، پارامترها و وزن‌های ریاضی آموزش‌دیده به‌صورت عمومی منتشر می‌شوند تا کاربران بتوانند آن را روی زیرساخت خود اجرا یا سفارشی‌سازی کنند، اما در مدل‌های بسته، دسترسی به مدل صرفاً از طریق API و تحت کنترل شرکت سازنده انجام می‌شود.
چرا انویدیا و مایکروسافت از مدل‌های open-weight دفاع می‌کنند؟
این شرکت‌ها تامین‌کننده سخت‌افزار و زیرساخت‌های ابری هستند. توسعه روزافزون مدل‌های وزن‌باز توسط کسب‌وکارها، تقاضا برای خرید پردازنده‌های گرافیکی و خدمات ابری را به شدت افزایش می‌دهد.
تقطیر مدل (Distillation) در هوش مصنوعی چیست؟
تقطیر مدل فرآیندی است که در آن از پاسخ‌ها و خروجی‌های یک مدل بزرگ و پیچیده استفاده می‌شود تا مدلی کوچک‌تر، سریع‌تر و کم‌هزینه‌تر اما با کارایی مشابه آموزش داده شود.