
در دره سیلیکون، برخی از باهوش ترین متفکران بر این باورند که درآمد پایه جهانی (UBI)، که پرداخت های نقدی نامحدود را تضمین می کند، به آنها کمک می کند تا زنده بمانند و پیشرفت کنند، زیرا فناوری پیشرفته، مشاغل بیشتری را به همان شکلی که ما می شناسیم، از یقه سفیدها و مشاغل خلاق از بین می برد. – وکلا، وکلا، روزنامه نگاران، هنرمندان، مهندسان نرم افزار – نیز نقش های کاری. این ایده به اندازه کافی مورد توجه قرار گرفت ده ها برنامه های درآمد تضمینی که از سال 2020 در شهرهای ایالات متحده راه اندازی شده است.
همچنین سام آلتمن، مدیر عامل OpenAI و یکی از شناخته شده ترین ها مدافع از UBI، فکر نمیکند راهحل کاملی باشد. همانطور که در یکی از آنها گفت بنشین اوایل امسال: “من فکر می کنم این بخش کوچکی از راه حل است. به نظر من عالیه من فکر می کنم به عنوان [advanced artificial intelligence] هرچه بیشتر درگیر اقتصاد باشیم، باید ثروت و منابع را بسیار بیشتر از آنچه در اختیار داریم تخصیص دهیم و به مرور زمان اهمیت پیدا خواهد کرد. اما فکر نمی کنم مشکل حل شود. فکر نمیکنم این برای مردم منطقی باشد، فکر نمیکنم مردم به طور کامل از تلاش برای خلق و انجام کارهای جدید و هر چیز دیگری دست بردارند. بنابراین من آن را یک فناوری اساسی می دانم، اما نه طرحی برای جامعه.»
جارون لانیر، دانشمند کامپیوتر، یکی از بنیانگذاران حوزه واقعیت مجازی، این هفته می نویسد: سوالی که مطرح می شود این است که در آن صورت یک برنامه برای جامعه باید چگونه باشد. اهل نیویورک که “شأن داده ها” می تواند بخش بزرگ تری از راه حل باشد.
در اینجا فرض اصلی این است: در حال حاضر ما بیشتر داده های خود را به صورت رایگان در ازای خدمات رایگان ارائه می دهیم. لانیر استدلال میکند که در عصر هوش مصنوعی، ما باید از اتصال مدلهای قدرتمندی که در حال حاضر راه خود را به جامعه باز کردهاند، با «مردمی» که چیزهای زیادی برای ارائه به آنها دارند و حتی میتوانند از آنها بیاموزند، دست برداریم.
ایده این است که مردم «برای چیزی که خلق میکنند پول میگیرند، حتی اگر فیلتر شده و دوباره ترکیب شود» و تبدیل به چیزی غیرقابل تشخیص میشوند.
این مفهوم کاملاً جدید نیست، زیرا لانیر برای اولین بار مفهوم کرامت داده را در مقاله ای در سال 2018 در هاروارد بیزینس ریویو با عنوان «ابداع کرد.طرحی برای جامعه دیجیتال بهتر“
همانطور که در آن زمان با همکار نویسنده و اقتصاددان گلن ویل نوشت:[R]لنیر و ویل مشاهده کردند که پیشبینیهای حامیان UBI «فقط برای دو نتیجه جا باقی میگذارد» و آنها افراطی هستند. یا علیرغم پیشرفتهای فناوری، فقر انبوه وجود خواهد داشت، یا باید ثروت زیادی از طریق یک صندوق اجتماعی تحت کنترل مرکزی و ملی قرار گیرد تا درآمد پایه جهانی برای شهروندان فراهم شود.»
مشکل این است که هم “قدرت را بیش از حد متمرکز می کنند و هم ارزش تولیدکنندگان داده را تضعیف یا نادیده می گیرند.”
ذهنم را باز کن
البته، دادن میزان اعتبار مناسب به افراد برای مشارکتهای بیشمارشان در هر آنچه که آنلاین وجود دارد، چالش آسانی نیست. لانیر اذعان میکند که حتی محققین کرامت دادهها نیز نمیتوانند در مورد چگونگی کشف همه چیزهایی که مدلهای هوش مصنوعی دریافت کردهاند، یا اینکه چگونه باید حسابداری دقیق انجام شود، به توافق برسند.
با این حال، او معتقد است که میتوان آن را به تدریج انجام داد. «این سیستم لزوماً میلیاردها نفری را که به مدلهای بزرگ کمکهای زیستمحیطی کردهاند، حساب نمیکند – برای مثال، کسانی که شایستگی شبیهسازیشده یک مدل را با دستور زبان تقویت کردهاند.» اما شروع با «تعداد کمی از مشارکتکنندگان خاص» ممکن است در طول زمان شروع شود. زمان “افراد بیشتری درگیر می شوند” و “شروع به ایفای نقش می کنند”.
متأسفانه، حتی اگر اراده ای وجود داشته باشد، یک چالش فوری تر – عدم دسترسی – ظاهر می شود. اگرچه OpenAI برخی از داده های آموزشی خود را در سال های گذشته منتشر کرده بود، اما از آن زمان به بعد کیمونو را به طور کامل بسته است. گرگ براکمن هنگام توصیف دادههای آموزشی برای جدیدترین و قدرتمندترین مدل زبان بزرگ OpenAI، GPT-4، در ماه گذشته برای TechCrunch، گفت که این دادهها از «انواع منابع داده مجاز، تألیفی و در دسترس عموم است، که ممکن است شامل منابع عمومی در دسترس باشد». اطلاعات شخصی، اما او از ارائه جزئیات بیشتر خودداری کرد.
به عنوان OpenAI مشخص شده پس از انتشار GPT-4، این لباس هنگامی که بیشتر از آنچه که نشان می دهد، معایب زیادی دارد. با توجه به منظر رقابتی و مفاهیم امنیتی مدلهای مقیاس بزرگ مانند GPT-4، این گزارش جزئیات بیشتری در مورد معماری (از جمله اندازه مدل)، سختافزار، محاسبه آموزش، ساخت مجموعه دادهها، روش آموزش یا موارد مشابه ارائه نمیکند. (در حال حاضر برای همه مدل های زبان اصلی، از جمله Bard -Chatbot گوگل، همین امر صادق است.)
جای تعجب نیست که رگولاتورها در تلاش هستند که چه کاری انجام دهند. OpenAI – به ویژه که فناوری آن مانند آتش در حال گسترش است – در حال حاضر در تیررس تعداد فزاینده ای از کشورها، از جمله مقامات ایتالیایی است که استفاده از چت بات محبوب خود، ChatGPT را مسدود کرده است. تنظیم کننده های داده فرانسوی، آلمانی، ایرلندی و کانادایی نیز در حال بررسی نحوه جمع آوری و استفاده از داده ها هستند.
اما همانطور که مارگارت میچل، محقق هوش مصنوعی که قبلاً رئیس اخلاق هوش مصنوعی گوگل بود، به این رسانه می گوید. بررسی تکنولوژیدر حال حاضر شناسایی و حذف داده های افراد از مدل های خود برای این شرکت ها تقریبا غیرممکن است.
همانطور که توسط این رسانه توضیح داده شده است: اگر OpenAI از ابتدا دیتالوگرهایی را در خود جای داده بود، امروز بهتر بود، اما در صنعت هوش مصنوعی استاندارد است که مجموعه دادههایی را برای مدلهای هوش مصنوعی با خراش دادن بیمشخصه وب و سپس تعویض برخی از آنها پاکسازی کند. از این داده ها
چگونه یک زندگی را نجات دهیم
اگر آن بازیکنان واقعاً درک محدودی از آنچه در مدلهایشان وجود دارد در حال حاضر داشته باشند، این یک چالش برای پیشنهاد «شأن داده» لانیر است که آلتمن در مقالهاش در نیویورکر آن را «همکار و دوست» مینامد.
زمان نشان خواهد داد که آیا این غیرممکن خواهد بود.
مطمئناً منطقی است که راهی پیدا کنیم که به مردم مالکیت کارشان را بدهیم، حتی اگر ظاهراً برچسب “متفاوت” باشد. همچنین بسیار محتمل است که ناامیدی در مورد اینکه چه کسی مالک چه چیزی است، با تغییر شکل بخشهای بیشتری از جهان با این ابزارهای جدید افزایش مییابد.
OpenAI و دیگران در حال حاضر با این چالش روبرو هستند متعدد و گسترده ادعاهای نقض حق نسخه برداری در مورد اینکه آیا آنها حق دارند کل اینترنت را برای تغذیه الگوریتم های خود خراش دهند یا خیر.
لانیر در مقاله جذاب خود در نیویورکر پیشنهاد می کند شاید مهمتر از آن، شناخت نتایج این سیستم های هوش مصنوعی می تواند به حفظ سلامت عقل افراد در طول زمان کمک کند.
مردم به آژانس نیاز دارند، و از نظر او، درآمد پایه جهانی به «قرار دادن همه به مزایای بیکاری برای حفظ ایده هوش مصنوعی جعبه سیاه» خلاصه میشود.
در همین حال، پایان دادن به “ماهیت جعبه سیاه مدل های فعلی هوش مصنوعی ما” حسابداری مشارکت افراد را آسان تر می کند – که می تواند احتمال ادامه مشارکت آنها را افزایش دهد.
او می نویسد که همه اینها می تواند به ایجاد یک کلاس خلاق جدید به جای یک کلاس وابسته جدید منجر شود. و ترجیح می دهید کجا درگیر شوید؟