சீன ஓப்பன்-வெயிட் (open-weight) AI மாடல்கள் குறித்த அச்சங்களுக்கு Arcee CTO சவால் விடுக்கிறார்

Alibaba-வின் Qwen மற்றும் Moonshot AI-யின் Kimi K3 போன்ற சீன ஓப்பன்-வெயிட் மாடல்கள் பெரும் வரவேற்பைப் பெற்று வரும் நிலையில், அவற்றின் பாதுகாப்புத் தாக்கங்கள் குறித்து ஒரு தீவிர விவாதம் எழுந்துள்ளது. இந்த மாடல்கள் சைபர் தாக்குதல்களுக்கான ஊடகங்களாக (vectors) மாறக்கூடும் என்றும், இதனால் அமெரிக்க அரசாங்கம் இவற்றைத் தடை செய்யக்கூடும் என்றும் சிலர் அஞ்சுகின்றனர். இருப்பினும், இவை இயல்பாகவே ஆபத்தானவை என்ற கருத்தை நிபுணர்கள் மறுக்கின்றனர்.

"தீய நோக்கம்" என்ற கதையைத் தகர்த்தல்

விமர்சகர்கள் முன்வைக்கும் முதன்மையான கவலை என்னவென்றால், சீனாவில் உருவாக்கப்பட்ட மாடல்களில் தீய சக்திகளால் குறியீடு செய்யப்பட்ட "மறைமுக நோக்கங்கள்" அல்லது பேக் டூர்கள் (backdoors) இருக்கலாம் என்பதாகும். இருப்பினும், அமெரிக்காவைச் சேர்ந்த AI ஆய்வகமான Arcee-யின் CTO Lucas Atkins, இந்தத் தவறான புரிதல் Large Language Models (LLMs) எவ்வாறு செயல்படுகின்றன என்பதை அடிப்படையிலேயே தவறாகச் சித்தரிக்கிறது என்று வாதிடுகிறார்.

ஒரு டெவலப்பர் ஒரு குறிப்பிட்ட தீய கட்டளையைத் தெளிவாகக் குறியீடு செய்யக்கூடிய பாரம்பரிய மென்பொருள்களைப் போலல்லாமல், LLM-கள் பயிற்சியின் (training processes) விளைவுகளாகும். ஒரு ஓப்பன்-வெயிட் மாடல் பதிவிறக்கம் செய்யப்பட்டு, ஒரு தனிப்பட்ட உள்ளூர் சூழலில் (private, local environment) இயக்கப்படும்போது, அதன் அசல் டெவலப்பரால் அந்தச் சூழலை அணுகவோ அல்லது கட்டுப்படுத்தவோ முடியாது என்று Atkins சுட்டிக்காட்டுகிறார். மாடல் வெயிட்டுகளுக்கும் (model weights) பயனரின் உள்கட்டமைப்பிற்கும் இடையிலான இந்தத் தனிமைப்படுத்தல், பாரம்பரிய மென்பொருள்களில் இல்லாத ஒரு முக்கியமான பாதுகாப்பு அடுக்கை வழங்குகிறது.

மாடல் பாதுகாப்பின் தொழில்நுட்ப உண்மை

இந்த விவாதம் தொடரும் அதே வேளையில், "மறைமுகமான" AI நடத்தையின் அபாயங்கள் மிகவும் குறைவு என்று தொழில்நுட்ப சமூகம் வலியுறுத்துகிறது. ஒரு கோடிங் மாடலை குறிப்பிட்ட கோட்பாடுகளுக்குள் (codebases) மால்வேரை (malware) புகுத்துவதற்குப் பயிற்சியளிக்க முடியுமா என்பது ஒரு தத்துவார்த்தக் கவலையாக உள்ளது. இது தத்துவார்த்த ரீதியாகச் சாத்தியம் என்பதை Atkins ஒப்புக்கொண்டாலும், இதற்கு தற்போது நடைமுறைக்குச் சாத்தியமில்லாத மிகச் சிக்கலான பொறியியல் நுணுக்கங்கள் தேவைப்படும் என்று அவர் குறிப்பிடுகிறார்.

மேலும், LLM-களின் தன்மை நிகழ்தகவு (probabilistic) மற்றும் ஆக்கபூர்வமானது என்பதால், ஒரு குறிப்பிட்ட தீய எதிர்வினையைத் தூண்டுவதற்குத் தேவையான "சரியான சூழல்" (perfect storm) உருவாவதற்கான வாய்ப்பு மிகவும் குறைவு. நிறுவனங்களைப் பொறுத்தவரை, பாதுகாப்பு பல தரநிலையான அடுக்குகளின் மூலம் நிர்வகிக்கப்படுகிறது:

• பாதுகாப்பு சோதனை (Security Testing): பெரிய நிறுவனங்கள் மாடல் மையங்களை (model cores) கடுமையான ஆய்வுச் செயல்முறைகளுக்கு உட்படுத்துகின்றன.
• பயிற்சிக்குப் பின் (Post-Training): நிறுவனங்கள் குறிப்பிட்ட பணிகளுக்காக மாடல்களை ஃபைன்-டியூன் (fine-tune) செய்கின்றன, இது சார்புநிலை (bias), நச்சுத்தன்மை (toxicity) மற்றும் மாயத்தோற்றங்கள் (hallucinations) ஆகியவற்றை ஆய்வு செய்ய அனுமதிக்கிறது.
• மாடல் சார்பற்ற தன்மை (Model Agnosticism): நவீன AI கட்டமைப்பு பெருகிய முறையில் மாடல் சார்பற்றதாக மாறி வருகிறது, அதாவது நிறுவனங்கள் தங்கள் முழு கட்டமைப்பையும் மாற்றியமைக்காமல் சீன மாடல்களுக்குப் பதிலாக அமெரிக்க மாடல்களைப் பயன்படுத்த முடியும்.

கட்டுப்பாடுகள் மூலம் அல்ல, கண்டுபிடிப்புகள் மூலம் போட்டி

அமெரிக்க நிறுவனங்களுக்கு உள்நாட்டு மாற்றுகளை வழங்க ஓப்பன் மாடல்களை உருவாக்கும் Arcee, ஒரு தனித்துவமான நிலையில் உள்ளது. சீன மாடல்களுக்குத் தடை விதிப்பது தத்துவார்த்த ரீதியாக அவர்களின் வணிகத்திற்குப் பயனளிக்கும் என்றாலும், கவனம் தடையிலிருந்து மாறி, ஒரு வலுவான உள்நாட்டுச் சூழலை (domestic ecosystem) வளர்ப்பதில் இருக்க வேண்டும் என்று Atkins வாதிடுகிறார்.

சுவாரஸ்யமாக, உயர் செயல்திறன் கொண்ட சீன மாடல்களின் எழுச்சி மேற்கத்திய நாடுகளில் கண்டுபிடிப்புகளைத் துரிதப்படுத்துகிறது. Arcee இந்த ஓப்பன்-வெயிட் மாடல்களின் கட்டமைப்புகள் மற்றும் திறன்களிலிருந்து கற்றுக்கொள்ள அவற்றைப் பயன்படுத்துகிறது, இது தொடர்ச்சியான முன்னேற்றச் சுழற்சியை உருவாக்குகிறது. Atkins கருத்துப்படி, அமெரிக்க ஆய்வகங்கள் போட்டியிடுவதற்கான இறுதி வழி கொள்கைகள் மூலம் அல்ல, செயல்திறன் மூலம் மட்டுமே: "சீன மாடல்களுடன் போட்டியிடுவதற்கான வழி, அதைவிடச் சிறந்த ஒரு மாடலை வெளியிடுவதே ஆகும்."

முக்கியக் குறிப்புகள்

• தனிமைப்படுத்தல் மூலம் பாதுகாப்பு (Security through Isolation): ஓப்பன்-வெயிட் மாடல்கள் ஒரு தனிப்பட்ட தரவு மையத்தில் (private data center) நிறுவப்பட்டவுடன், அசல் டெவலப்பர்களிடம் உள்ளூர் சூழலை அணுகவோ அல்லது கையாளவோ எந்த வழிமுறையும் இல்லை.
• தத்துவார்த்த மற்றும் நடைமுறை அபாயம் (Theoretical vs. Practical Risk): தீய குறியீட்டைப் புகுத்துவதற்கான "மறைமுகப் பயிற்சி" தத்துவார்த்த ரீதியாகச் சாத்தியம் என்றாலும், தற்போதைய LLM கட்டமைப்புகளில் இது மிகவும் சிக்கலான மற்றும் நிகழ வாய்ப்பில்லாத ஒரு விஷயமாகவே உள்ளது.
• போட்டி மூலம் கண்டுபிடிப்பு (Innovation via Competition): தடைகளைத் தொடர்வதற்குப் பதிலாக, சீனாவின் உயர் செயல்திறன் கொண்ட ஓப்பன்-வெயிட் மாடல்கள் வழங்கும் போட்டி அழுத்தம் மற்றும் பகிரப்பட்ட அறிவிலிருந்து அமெரிக்க AI துறை பயனடைய முடியும்.