هل البيانات الضخمة هي مستقبل الذكاء الاصطناعي؟

تمت متابعة 'هل البيانات الضخمة هي مستقبل الذكاء الاصطناعي؟' من قبل BTW Media لأن الأدلة المنشورة تربطه بالبنية التحتية للإنترنت أو الحوكمة أو التبعيات التشغيلية أو الظهور في السوق.

نظمت العملاقة التكنولوجية Tencent يومها Hi Tech Day ومؤتمر Digital Open Things 2023 في المركز الوطني للمؤتمرات في الصين ببكين في 14 ديسمبر، تحت شعار «الذكاء يبزغ ويفتح كل الأشياء». صرح جيانغ تشونيو بأن تطوير الذكاء الاصطناعي في الصين بحاجة ماسة إلى مجموعات بيانات قابلة للتدريب وعالية الجودة. وكشف جيانغ أنه سيتم قريبًا نشر كتاب أبيض حول حوكمة بيانات الذكاء الاصطناعي لإنشاء نظام من الأساليب والقواعد في هذا المجال. تسرع الصين تحولها الرقمي وتسد الفجوة الرقمية، بدعم قوي لتطبيق تقنيات جديدة مثل البيانات والحوسبة السحابية والذكاء الاصطناعي والحوسبة الكمومية.

نظمت العملاقة التكنولوجية Tencent يوم Hi Tech Day ومؤتمر Digital Open Things 2023 تحت شعار «الذكاء يبزغ، الرقمية تفتح كل الأشياء» في المركز الوطني للمؤتمرات في الصين ببكين في 14 ديسمبر، داعيةً أسماء كبيرة من جميع المجالات لمناقشة توجه الذكاء الاصطناعي. وخلال المؤتمر، ألقى جيانغ تشونيو، مدير قسم البيانات السحابية والبلوك تشين في الأكاديمية الصينية لبحوث المعلومات والاتصالات، كلمة حول موضوع «حوكمة بيانات الذكاء الاصطناعي تثير التفكير». قاعدة البيانات الكبيرة عالية الجودة هي الهدف التطوري التالي. «لا توجد مجموعات بيانات كثيرة قابلة للتدريب وعالية الجودة في السوق، خاصة في السياق الصيني، حيث يتم إخفاء الكثير من البيانات عالية الجودة.

نحن بحاجة ماسة إلى المرور بنموذج تجاري ومفتوح، أو تحديد أي نموذج يمكنه تحرير البيانات واستخدامها من قبل الجميع.» جيانغ تشونيو، مدير قسم البيانات السحابية والبلوك تشين في الأكاديمية الصينية لبحوث المعلومات والاتصالات. منذ عام 2018، يقود الذكاء الاصطناعي العام الموجة التكنولوجية. استثمرت جميع الأطراف بكثافة وضخت أموالاً في تدريب النماذج الكبيرة، مما خلق توجهًا تنافسيًا هائلاً. ومع ذلك، يعتقد جيانغ تشونيو أن التطوير الوطني يجب أن يركز على تحسين البيانات، ليس فقط من حيث الكمية، ولكن أيضًا الجودة.

الصين، كقوة طبيعية للبيانات، بدلاً من التركيز على الفجوة بين الخوارزميات والحساب والتي ليست كبيرة جدًا بين الأطراف، فإن التكاليف الهائلة لـ «الانطواء» في المجال، بدلاً من تحسين جودة البيانات، يمكن أن تحقق نتائج أفضل. وسرد للجمهور مجموعات البيانات واسعة النطاق والمتنوعة وعالية الجودة اللازمة لتدريب النماذج الكبيرة: GPT-1 قبل أربع أو خمس سنوات كان يحتاج إلى 4.8 جيجابايت من البيانات عالية الجودة، و GPT-2 كان 40 جيجابايت، و GPT-3 كان 570 جيجابايت، وهذا العام، أطلقت Meta نموذجًا كبيرًا وصلت قاعدة بياناته إلى حجم هائل يبلغ 4000 جيجابايت.

وأعرب جيانغ عن قلقه: «لا توجد مجموعات بيانات كثيرة قابلة للتدريب وعالية الجودة في السوق، خاصة في السياق الصيني، حيث يتم إخفاء الكثير من البيانات عالية الجودة. نحن بحاجة ماسة إلى المرور بنموذج تجاري ومفتوح، أو تحديد أي نموذج يمكنه تحرير البيانات واستخدامها من قبل الجميع.» اقرأ أيضًا: مساعد Amazon Q AI: AWS تطلق نهجًا ثوريًا لاستعلام البيانات. جيانغ تشونيو: يجب إنشاء إدارة البيانات وأمنها وحمايتها بشكل عاجل. أثار جيانغ ثلاث مشاكل في تطوير الصناعة الحالي: جودة البيانات متحيزة بشكل عام. من أجل تحويل مجموعات البيانات ذات الجودة المنخفضة إلى عالية الجودة، أكد جيانغ على ضرورة إنشاء نظام متكامل لهندسة البيانات وعمليات البحث والتطوير DevOps.

من تسليم البحث والتطوير، وتشغيل وصيانة البيانات إلى استغلال القيمة، يتم تشكيل سلسلة إنتاج بيانات كاملة أو سلسلة إمداد بحيث يمكن تسليم البيانات بطريقة منظمة وربطها تدريجيًا لتشكيل دليل إنتاج منشور، وهو ما يختلف عن المعالجة التقليدية للبيانات المنظمة في الماضي. كما حذر الشركات الحاضرة من استثمار الكثير من الوقت في تدريب النماذج قبل الانتهاء من تحسين جودة البيانات، حيث يمكن أن يكلف التدريب الواحد عشرات الملايين من الدولارات دون نتيجة. والمثير للدهشة أن فريقهم يعمل على فرز منهجية وإطار أساليب تدريب الذكاء الاصطناعي، واستكمال كتاب أبيض حول حوكمة بيانات الذكاء الاصطناعي وإنشاء نظام من الأساليب والقواعد في هذا المجال. مشاكل الأمن والخصوصية.

قال جيانغ: «هناك عدد كبير من مشاكل الأمن والخصوصية في جميع مراحل عملية التدريب، بما في ذلك حقوق التطبيق، وانتهاكات جمع المعلومات الشخصية، ونقل البيانات غير الآمن، وتزوير البيانات، والتخزين والنقل غير الآمنين للنماذج. بالإضافة إلى ذلك، هناك أيضًا مشاكل مثل هجمات من نوع Prompt وانتهاكات المحتوى المُنشأ. من أجل ضمان حماية الخصوصية والأمان طوال دورة الحياة في إنتاج النماذج واستخدامها وتشغيلها، يجب علينا إتقان مجموعة متنوعة من التقنيات، ووضع قواعد مناسبة، وتكوين قدرات المدققين والمشرفين ككل. هذا مجال جديد تمامًا يتطلب الاهتمام والاستثمار لمواجهة التحديات المتطورة لأمن البيانات والخصوصية.» إدارة المحتوى المُنشأ والاصطناعي.

حتى البيانات الاصطناعية لا يمكن أن تكون احتيالًا. لذلك، فإن قياس الصدق والدقة أمر بالغ الأهمية. بالإضافة إلى ذلك، فإن اكتشاف الضرر ومنعه مهمة عاجلة أيضًا. حاليًا، يتم الإبلاغ عن العديد من النماذج واسعة النطاق على وجه التحديد بسبب مشاكل في المحتوى المُنشأ، مثل المضايقة والعنف والتمييز. يجب السيطرة على هذه المشاكل بفعالية.

بشكل منفصل، يمكن تأطير متطلبات الصحة والدقة بواسطة قواعد؛ ويمكن تحقيق متطلبات إنشاء المحتوى وآليات المراقبة وتقييم الصحة من خلال الكشف التلقائي عن الهوية وتصفية المحتوى بالإضافة إلى التحقق اليدوي؛ ويمكن التعامل مع منع مشاكل الضرر بفعالية من خلال استخدام القيود على القواعد، والتنبؤ الخطي، والتقييم التجريبي للخصوصية، واختبارات هجوم الخصوصية.