آینده هوش مصنوعی: چرا مدیر فنی موزیلا ساختار باز اینترنت را برای آن پیشنهاد می دهد؟
به گزارش باشگاه فوتبال بارسلونا، مدیر ارشد فناوری موزیلا (Mozilla)، رافی کریکوریان (Raffi Krikorian)، بر این باور است که هوش مصنوعی باید نه به عنوان یک محصول تجاری، بلکه همانند زیرساختی باز و عمومی، مشابه اینترنت توسعه یابد. این دیدگاه، در راستای دهه ها کوشش موزیلا برای ترویج اینترنت آزاد و باز است و اکنون این سازمان همان رویکرد را برای آینده هوش مصنوعی دنبال می نماید.
هوش مصنوعی متن باز دیگر یک پدیده جانبی نیست و گزارش موزیلا نشان می دهد که شکاف عملکردی بین مدل های متن باز پیشرو و سیستم های انحصاری مانند کلاد (Claude) و چت جی پی تی (ChatGPT) به تنها 3 درصد کاهش یافته است. محبوبیت روزافزون مدل های آزاد قابل توجه است؛ به عنوان مثال، در فوریه 2026، مدل متن باز کوون (Qwen) از علی بابا (Alibaba) بیشتر از هشت مدل دیگر مجموعاً دانلود شده است. این روند، به ویژه پس از انتشار مدل نو متا (Meta) در ماه اوت (آگوست) سال گذشته که بر پایه وزن های باز (open-weight) است، شتاب بیشتری گرفته است.
دیدگاه موزیلا: هوش مصنوعی به عنوان زیرساخت
کریکوریان تاکید دارد که سازمان ها برای دستیابی به کنترل بیشتر بر داده ها و زیرساخت های خود، به گزینه هایی غیر از سیستم های هوش مصنوعی انحصاری احتیاج دارند. او در طول فعالیت حرفه ای خود، از مدیریت تیم های مهندسی در ایکس (X) که قبلاً توییتر نام داشت تا کار بر روی خودروهای خودران در اوبر (Uber) و اکنون شکل دهی به منظره موزیلا، همواره با فناوری های نوآورانه و تأثیر آن ها بر مصرف نمایندگان سروکار داشته است. او معتقد است که سیاست گذاران باید هوش مصنوعی را به عنوان یک زیرساخت در نظر بگیرند، نه یک محصول، زیرا این خطای دسته بندی می تواند مسیر توسعه و دسترسی به هوش مصنوعی را به بیراهه ببرد. این دیدگاه، باعث شده تا کسب وکارها به طور فزاینده ای به سمت آزمایش مدل های باز و وزن-باز روی آورند.
مدل های متن باز و وزن-باز، در واقع، یک لایه تجاری چند صد میلیارد دلاری را ایجاد نموده اند. این زیست بوم، دیگر به بچه ای در زیرزمین محدود نمی گردد؛ بلکه شامل کسب وکارهایی است که در حال ساختن اقتصادهای بزرگ، زیرساخت ها، محصولات و فناوری هستند. این شرایط را می توان با لینکس (Linux) مقایسه کرد؛ سیستمی که در ابتدا تنها یک هسته بود و جدی گرفته نمی شد، اما گوگل توانست با استفاده از آن، اندروید (Android) را بسازد و اکنون تقریباً هر کامپیوتری روی کره زمین بر پایه لینکس کار می نماید. همین پویایی در دنیای هوش مصنوعی متن باز و وزن-باز در حال شکل گیری است و فراتر از مدل های محدودی است که به وسیله شرکت های بزرگی مانند انتروپیک (Anthropic) و اوپن ای آی (OpenAI) تبلیغ می شوند.
مزایای مدل های آزاد هوش مصنوعی
مردم عادی ممکن است بیشتر با چت جی پی تی یا کلاد آشنا باشند، اما کسب وکارها و تیم های فناوری اطلاعات یا منابع انسانی، به دلیل صرفه جویی در هزینه ها، کنترل کامل بر داده ها و الزامات قانونی، به طور فزاینده ای به سمت استفاده از مدل های آزاد روی می آورند. در صنایع تحت نظارت، سازمان ها می خواهند داده هایشان درون فایروال (firewall) خودشان بماند و کنترل کاملی بر نحوه جریان اطلاعات داشته باشند. این امر به آن ها امکان می دهد تا سیستم های هوش مصنوعی را در محیط تحت کنترل خودشان پیاده سازی نمایند. این مزایای مالی و امنیتی هنوز به طور گسترده ای در بین عموم مردم مطرح نشده اند.
یکی از چالش ها در پذیرش گسترده تر هوش مصنوعی متن باز، پیچیدگی درک نحوه عملکرد این مدل ها است. برای کاربران غیرتخصصی، دانلود یک مدل هوش مصنوعی ممکن است شبیه به دانلود یک فایل ناشناخته به نظر برسد که می تواند نگرانی هایی در خصوص بدافزار یا نشت داده ها ایجاد کند، حتی اگر ساختار واقعی این سیستم ها چنین خطراتی را نداشته باشد. در زمینه مدل های چینی، با وجود عدم وجود شواهد قطعی، می توان گمان برد که نگرانی های مربوط به اعتماد و مسائل نظارتی، بر این معادله تأثیرگذار است. با این حال، اگر تقاضای زیادی برای مدل های باز وجود دارد، انتظار می رود که شرکت های آمریکایی، هندی یا اروپایی نیز برای پر کردن این خلاء کوشش نمایند. این موضوع سوالی را مطرح می نماید که چرا کشورهای دیگر برای پاسخگویی به این احتیاج فزاینده اقدام نمی نمایند.
تفاوت هوش مصنوعی وزن-باز و متن باز کامل
دولت ها، به ویژه در واشنگتن، از اهمیت رو به رشد هوش مصنوعی متن باز مطلع هستند، اما ممکن است بین حمایت از شرکت های بزرگ داخلی که به سرعت به سمت عمومی شدن پیش می روند و پذیرش ریسک و دگرگون سازی زیست بوم هوش مصنوعی دچار تردید باشند. به نظر می رسد انتخاب ساده تر، پشتیبانی از شرکت هایی است که از هم اکنون به عنوان برندگان بالقوه شناخته می شوند. با این حال، کریکوریان معتقد است که آمریکا هوش مصنوعی را به عنوان یک محصول می بیند، در حالی که سایر نقاط دنیا آن را به عنوان زیرساخت در نظر می گیرند. این تفاوت در نگاه، یک مشکل اساسی است؛ زیرا زیرساخت ها چیزهایی نیستند که بتوان آن ها را به سادگی اجاره یا غیرفعال کرد.
موزیلا اذعان دارد که بحث وزن-باز با تعریف دقیق متن باز تفاوت هایی دارد. یک مدل متن باز واقعی، شامل دسترسی به تمام داده های آموزشی، سیستم های ارزیابی، و جزئیات پیش آموزش و پس آموزش است. این سطح از شفافیت برای ایجاد اعتماد و اخلاقی بودن، حیاتی است و احتیاج به سرمایه گذاری بیشتری دارد. مدل های وزن-باز (open-weight) دسترسی به کدها یا وزن های مدل را فراهم می نمایند که امکان دانلود، اجرا، اصلاح و تنظیم دقیق (fine-tuning) را می دهد. این قابلیت تنظیم دقیق، برای بومی سازی مدل های هوش مصنوعی اهمیت زیادی دارد، به ویژه برای مناطقی که شرکت های بزرگ برای آن ها بهینه سازی نمی نمایند. این روند به جوامع امکان می دهد تا مدل ها را بر اساس زبان و ارزش های خودشان شکل دهند، هرچند که فناوری برای سهولت این کار، هنوز جای بهبود دارد.
تأثیر موزیلا بر آینده هوش مصنوعی
شرکت های بزرگ، به طور طبیعی، در پی کسب حداکثر سود هستند و به همین خاطر بر بازارهای غربی و بخش هایی از آسیا تمرکز می نمایند. در نتیجه، سایر نقاط دنیا تنها به وسیله زیست بوم متن باز و وزن-باز می توانند در تحول هوش مصنوعی نقش داشته باشند. با وجود اینکه موزیلا برای دهه ها از وب باز حمایت نموده است و با وجود تسلط گوگل بر جستجو، متا بر شبکه های اجتماعی و آمازون بر خدمات ابری، وجود فایرفاکس (Firefox) باعث شده که هیچ شرکتی نتواند نسخه ای کاملاً بسته از وب ایجاد کند. جامعه فعال کاربران فایرفاکس، همواره به عنوان یک نیروی بازدارنده عمل نموده و اینترنت را در شرایط پروتکل های باز نگه داشته است.
موزیلا امیدوار است که همین پویایی در حوزه هوش مصنوعی نیز شکل بگیرد. حتی اگر مدل های باز در ابتدا سهم کوچکی از ترافیک هوش مصنوعی را به خود اختصاص دهند، همین میزان نیز می تواند گفت وگوها را حول محورهایی مانند انتخاب مدل، انتخاب عامل (agentic harness)، عاملیت کاربر (user agency) و اطمینان از حفظ حافظه در سمت کاربر، نه شرکت ها، به جلو ببرد. در نهایت، پیش بینی می گردد که بزرگ ترین شرکت هوش مصنوعی در سال 2031، ارائه دهنده یک نسخه باز از هوش مصنوعی باشد که هر شرکتی بتواند آن را سفارشی سازی و استفاده کند؛ خدماتی شبیه به اشتراک گوگل درایو (Google Drive) یا مایکروسافت آفیس 365 (Microsoft Office 365) امروزی. چنین شرکتی، به کسب وکارها یاری خواهد نمود تا از موانع عبور نموده و هوش مصنوعی را به راحتی به کار گیرند.
نگاهی به ریشه های فلسفی مدل های باز
فلسفه پشت مدل های باز، ریشه های عمیقی در جنبش نرم افزار آزاد دارد که در دهه های 1970 و 1980 میلادی شکل گرفت. ریچارد استالمن (Richard Stallman) و بنیاد نرم افزار آزاد (Free Software Foundation)، بر اهمیت آزادی کاربران برای اجرای، کپی، توزیع، مطالعه، تغییر و بهبود نرم افزار تأکید داشتند. این اصول، نه تنها یک مدل تجاری، بلکه یک دیدگاه اخلاقی و اجتماعی را برای توسعه فناوری ارائه می دهد. در دنیای هوش مصنوعی، این اصول به معنای دسترسی به کدها، داده های آموزشی و مکانیزم های مدل سازی است تا کاربران بتوانند از سوگیری ها، خطاها و کاربردهای غیرشفاف جلوگیری نمایند. این رویکرد، در برابر مدل های جعبه سیاه (black-box) که کنترل کامل آن ها در اختیار شرکت های توسعه دهنده است، قرار می گیرد و به افزایش اعتماد و امکان نظارت عمومی یاری شایانی می نماید.
هوش مصنوعی و لزوم شفافیت
توسعه هوش مصنوعی، مانند هر فناوری قدرتمند دیگری، با نگرانی هایی در خصوص تأثیرات اجتماعی و اخلاقی همراه است. استفاده از مدل های انحصاری می تواند منجر به تمرکز قدرت و داده در دست تعداد محدودی از شرکت ها گردد که این امر به نوبه خود، می تواند خطراتی برای حریم خصوصی، امنیت و حتی دموکراسی به همراه داشته باشد. در مقابل، مدل های باز، با فراهم آوردن امکان بازرسی و تغییر کدها، به جامعه امکان می دهند تا مسئولیت پذیری بیشتری در قبال هوش مصنوعی داشته باشند. این شفافیت، نه تنها برای محققان و توسعه دهندگان، بلکه برای سیاست گذاران و عموم مردم نیز اهمیت دارد تا بتوانند پیامدهای این فناوری را بهتر درک و کنترل نمایند. این همان دغدغه ای است که موزیلا در طول سال ها برای اینترنت آزاد داشته و اکنون آن را به حوزه هوش مصنوعی توسعه می دهد.
یکی از جنبه های کمتر شنیده شده در خصوص هوش مصنوعی متن باز، پتانسیل آن برای دموکراتیزه کردن دسترسی به این فناوری است. در مدل های انحصاری، فقط شرکت های بزرگ با منابع مالی فراوان می توانند به نوترین و قدرتمندترین مدل ها دسترسی داشته باشند. اما با مدل های آزاد هوش مصنوعی، حتی استارت آپ های کوچک، محققان مستقل و توسعه دهندگان در کشورهای در حال توسعه نیز می توانند از این فناوری ها بهره مند شوند. این امر می تواند به ایجاد نوآوری های غیرمنتظره و کاربردهای محلی یاری کند که شرکت های بزرگ ممکن است هرگز به آن ها فکر ننمایند. این روند، شبیه به نحوه توزیع و رشد دانش در اینترنت است که به همه امکان می دهد تا اطلاعات را به اشتراک بگذارند و از آن استفاده نمایند، نه فقط کسانی که منابع فراوان دارند.
منبع
پیشنهاد اختصاصی سردبیر (علیرضا مجیدی)
این مقاله مجذوب کننده و جالب بود؟! پس برای خواندن این نوشته های مرتبط کلیک کنید:
- آیا لباس تحریک الکتریکی عضلات واقعاً باعث تناسب اندام می گردد؟!
- دلیل احساس گناه هنگام استراحت در روزهای تعطیل و ریشه های آن
- امکان حذف واترمارک آشکار تصاویر هوش مصنوعی گوگل جمینای فراهم شد
- گزارش نو از انفجار گوشی سامسونگ در جیب کاربر و ماجرای حوادث زنجیره ای باتری
- راز صندلی های آکوستیک دوران ویکتوریا؛ چگونه اشراف ناشنوایی خود را در مبلمان پنهان می کردند؟
- سیستم عامل کره شمالی روی تمام فایل های کاربران واترمارک مخفی درج می نماید
- اختلال در عملکرد یک نیروگاه هسته ای با هجوم بی سابقه عروس های دریایی
- تنها خودپرداز قاره قطب جنوب، تنها نیست! یک دستگاه رزرو کامل فقط برای تامین قطعات در کنارش است
- داستان ساخت فانوس دریایی بل راک؛ چگونه لجاجت یک مهندس اقیانوس را شکست داد؟
- حمله امنیتی زومزدی و نفوذ به زوم با پرامپت های هوش مصنوعی
- راز بقای سنتینل ها و سیستم ایمنی دست نخورده این جزیره منزوی
- چرنوبیل بیولوژیک: دلیل نشت سیاه زخم در اسوردلوفسک و پنهان کاری شوروی