وقال ناثان شتراوس، المتحدث باسم أمازون، إن الشركة تراجع المؤشر عن كثب. ويقول: “لا يزال Titan Text قيد المعاينة الخاصة، وسيكون من السابق لأوانه قياس شفافية نموذج الأساس قبل أن يصبح جاهزًا للتوفر العام”. ورفضت ميتا التعليق على تقرير ستانفورد ولم تستجب شركة OpenAI لطلب التعليق.
يقول ريشي بوماساني، طالب الدكتوراه في جامعة ستانفورد والذي عمل في الدراسة، إن هذه الدراسة تعكس حقيقة أن الذكاء الاصطناعي أصبح أكثر غموضًا حتى عندما أصبح أكثر تأثيرًا. ويتناقض هذا بشكل كبير مع الطفرة الكبيرة الأخيرة في الذكاء الاصطناعي، عندما ساعد الانفتاح على تغذية التقدم الكبير في القدرات بما في ذلك التعرف على الكلام والصور. يقول بوماساني: “في أواخر عام 2010، كانت الشركات أكثر شفافية بشأن أبحاثها، ونشرت الكثير من الأبحاث”. “وهذا هو السبب وراء نجاحنا في التعلم العميق.”
ويشير تقرير ستانفورد أيضًا إلى أن النماذج لا تحتاج إلى أن تكون سرية للغاية لأسباب تنافسية. يقول كيفن كليمان، الباحث في السياسات في جامعة ستانفورد، إن حقيقة أن مجموعة من النماذج الرائدة تحقق درجات عالية نسبياً في مقاييس مختلفة للشفافية تشير إلى أن جميعها يمكن أن تصبح أكثر انفتاحاً دون الخسارة أمام المنافسين.
بينما يحاول خبراء الذكاء الاصطناعي معرفة إلى أين سيصل الازدهار الأخير لبعض أساليب الذكاء الاصطناعي، يقول البعض إن السرية تخاطر بجعل هذا المجال أقل تخصصًا علميًا من كونه مجالًا يحركه الربح.
يقول جيسي دودج، عالم الأبحاث في معهد ألين للذكاء الاصطناعي، أو AI2: “هذا وقت محوري في تاريخ الذكاء الاصطناعي”. “إن اللاعبين الأكثر تأثيرًا في بناء أنظمة الذكاء الاصطناعي التوليدية اليوم أصبحوا منغلقين بشكل متزايد، ويفشلون في مشاركة التفاصيل الأساسية لبياناتهم وعملياتهم.”
تحاول AI2 تطوير نموذج لغة ذكاء اصطناعي أكثر شفافية يسمى OLMo. ويتم تدريبه باستخدام مجموعة من البيانات المستمدة من الويب والمنشورات الأكاديمية والتعليمات البرمجية والكتب والموسوعات. تم إصدار مجموعة البيانات هذه، والتي تسمى Dolma، بموجب ترخيص Impact الخاص بشركة AI2. عندما يصبح OLMo جاهزًا، تخطط AI2 لإصدار نظام الذكاء الاصطناعي العامل وكذلك الكود الذي يقف خلفه أيضًا، مما يسمح للآخرين بالبناء على المشروع.
يقول دودج إن توسيع الوصول إلى البيانات الكامنة وراء نماذج الذكاء الاصطناعي القوية أمر مهم بشكل خاص. بدون الوصول المباشر، من المستحيل عمومًا معرفة لماذا أو كيف يمكن للنموذج أن يفعل ما يفعله. ويقول: “إن تقدم العلوم يتطلب إمكانية التكرار”. “بدون إتاحة الوصول المفتوح إلى هذه العناصر الأساسية لإنشاء النماذج، سنظل في وضع “مغلق” وراكد ومملوك”.”
وبالنظر إلى مدى انتشار نماذج الذكاء الاصطناعي – ومدى خطورة هذه النماذج التي يحذر منها بعض الخبراء – فإن المزيد من الانفتاح يمكن أن يقطع شوطا طويلا.
