سهگانه دشوار هوش مصنوعی
چگونه یک فناوری انقلابی را باید تنظیم کرد.
به گزارش اطلس دیپلماسی، مقالهای با عنوان «سهگانه دشوار هوش مصنوعی» به قلم سباستین الباوم (Sebastian Elbaum) و سباستین مالابی (Sebastian Mallaby) در فارن افرز (Foreign Affairs) منتشر شده است. این مقاله با نقد رویکردهای کنونی دولت ترامپ و ضعفهای ساختاری تنظیمگری در دولتهای پیشین، استدلال میکند که برای خروج از بنبست کنونی، واشنگتن باید بهجای توهم کنترل کامل، بهسمت مصالحههای واقعگرایانه نظیر وضع «مالیات بر ریسک» و ایجاد «مخزن ملی داده» حرکت کند تا توازنی میان نوآوری و امنیت برقرار شود. در ادامه، چکیده مطلب آمده است.
تلاشهای جهانی برای حکمرانی هوش مصنوعی که در سال ۲۰۲۳ آغاز شده بود، اکنون با رکود مواجه شده است. دولت ترامپ با رویکرد مقرراتزدایی و تمرکز بر رقابت با چین، اولویت را به امنیت ملی و اقتصادی داده است. با این حال، چشمپوشی از امنیت اجتماعی و ریسکهای وجودی هوش مصنوعی، ابطال مسئولیت حاکمیتی است. مشکل اصلی در این مسیر، «سهگانه دشوار» است؛ اگر دولتی بخواهد امنیت ملی و اقتصادی را حداکثر کند، ناچار است سرعت انتشار مدلها را بالا ببرد که این امر امنیت اجتماعی را به خطر میاندازد. برعکس، تمرکز بر ایمنی کامل، سرعت نوآوری را کاهش داده و کشور را در رقابت نظامی و تجاری با رقبایی چون چین عقب میاندازد.
یکی از موانع اصلی درک صحیح این توازن، توهم «تکینگی» است؛ این تصور که هوش مصنوعی بهزودی به مرحله خوداصلاحی بازگشتی میرسد و انفجار هوش رخ میدهد. مقاله استدلال میکند که این سناریو بهدلیل محدودیتهای فیزیکی نظیر نیاز به نیمهرساناها، انرژی و دخالتهای انسانی در دنیای واقعی، بسیار دور از ذهن است. هوش مصنوعی بهتدریج پیشرفت میکند، نه بهصورت ناگهانی. بنابراین، سیاستهایی نظیر محدود کردن صادرات تراشه به چین یا ممنوعیت مدلهای «وزنباز» (Open-weight) بهدلیل عدم همکاری پکن، عملاً ناکارآمد هستند و تنها باعث وابستگی بیشتر کشورهای در حال توسعه به فناوریهای چینی میشوند.
اکنون دو راهکار عملی برای خروج از این بحران پیشنهاد میشود: نخست، وضع یک «مالیات بر ریسک» (Risk Tax) 5 درصدی بر هزینههای آموزشی مدلهای بزرگ که مبالغ آن در صورت سرمایهگذاری شرکتها در بخش تحقیق و توسعه ایمنی، بهصورت اعتبار مالیاتی بازگردانده شود. این کار باعث میشود آزمایشگاههای خصوصی بهجای تمرکز صرف بر سود، بر کاهش پیامدهای منفی هوش مصنوعی نظیر اشاعه اطلاعات نادرست سرمایهگذاری کنند. دوم، ایجاد یک «مخزن ملی داده» تحت نظارت مرکز استانداردهای هوش مصنوعی (CAISI) است که دادههای دولتی پاکسازیشده را در اختیار شرکتها قرار دهد و در مقابل، قدرت نظارت و وتوی مدلهای خطرناک را برای دولت ایجاد کند.
در نهایت، تنظیمگری مدلهای انحصاری حتی در صورت وجود مدلهای باز چینی، منطقی است؛ زیرا مدلهای آمریکایی پیشرفتهترین هستند و نوآوریهای ایمنی در آنها میتواند به استانداردهای جهانی تبدیل شود. همانطور که در دوران جنگ سرد، پیمان منع گسترش سلاحهای هستهای بهرغم تنشها امضا شد، امروز نیز ایجاد زیرساختهای نهادی برای کنترل هوش مصنوعی میتواند مقدمهای برای یک پیروزی بزرگ در زمینه «منع گسترش هوش مصنوعی مخرب» در آینده باشد./ منبع



