அரசாங்கங்கள் எப்போது AI மாதிரிகளைக் கட்டுப்படுத்த வேண்டும்?

Anthropic சமீபத்தில் ஒரு பெரிய சிக்கலை எதிர்கொண்டது. வெளிநாட்டு குடிமக்கள் தங்களது Fable 5 மற்றும் Mythos 5 மாதிரிகளைப் பயன்படுத்துவதைத் தடுக்கும் வகையில் அமெரிக்க அரசாங்கம் ஒரு உத்தரவைப் பிறப்பித்தது. சட்டத்தைப் பின்பற்றுவதற்காக, Anthropic அனைத்து வாடிக்கையாளர்களுக்கும் அணுகலை முடக்கியது.

இது ஒரு மிகப்பெரிய மாற்றம்.

Frontier AI என்பது இனி வெறும் மென்பொருள் மட்டுமல்ல. அது ஒரு மூலோபாய உள்கட்டமைப்பாக (strategic infrastructure) மாறிவருகிறது. மென்பொருள் உள்கட்டமைப்பாக மாறும்போது, அரசாங்கங்கள் தலையிடுகின்றன.

நாம் பெரும்பாலும் AI-ஐ சாட்போட்கள் (chatbots) அல்லது படங்களை உருவாக்கும் கருவிகள் (image generators) போன்ற ஒரு தயாரிப்பு வகையாகவே கருதுகிறோம். ஆனால் உண்மையான மாற்றம் அதன் அடிப்படையிலேயே நடந்து கொண்டிருக்கிறது. நவீன AI அமைப்புகளால் குறியீடுகளை (code) எழுதவும், பாதுகாப்பு ஓட்டைகளைக் கண்டறியவும் மற்றும் பணிப்பாய்வுகளை (workflows) இயக்கவும் முடியும். அவை பகுதி-தன்னியக்க முறையில் (semi-autonomously) செயல்படுகின்றன.

இது அபாயத்தின் தன்மையையே மாற்றுகிறது. ஒரு சாதாரண செயலியை (app) முறைப்படுத்துவது எளிது. ஆனால் இணையத் தாக்குதல்களை (cyber attacks) தானியக்கமாக்கும் ஒரு அமைப்பு, தேசிய பாதுகாப்பு உள்கட்டமைப்பைப் போலவே காட்சியளிக்கிறது.

ஒழுங்குமுறைக்கான வாதம் ஒரு மாதிரி (model) உயிரியல் பாதுகாப்பு அபாயங்கள் (biosecurity risks), மோசடி அல்லது வெகுஜனக் கண்காணிப்பு ஆகியவற்றின் வேகத்தை அதிகரித்தால், கட்டுப்பாடற்ற அணுகல் என்பது ஆபத்தானது. வேதிப்பொருட்கள், இராணுவக் கருவிகள் மற்றும் முக்கியமான உள்கட்டமைப்புகளுக்கு பொறியாளர்கள் ஏற்கனவே கட்டுப்பாடுகளை ஏற்றுக்கொள்கிறார்கள். AI அச்சுறுத்தல் சூழலை மாற்றும்போது, அணுகல் கட்டுப்பாடுகள் (access controls) அவசியமாகின்றன.

அதிகப்படியான கட்டுப்பாடுகளுக்கு எதிரான வாதம் அரசாங்கக் கட்டுப்பாடு என்பது நேரடியானதாகவும் அரசியல் ரீதியாகவும் இருக்கலாம். திடீர் கட்டுப்பாடுகள் ஆராய்ச்சியாளர்கள், ஸ்டார்ட்அப்கள் மற்றும் பொறியாளர்களைப் பாதிக்கும். இது ஒரு போட்டிச் சிக்கலையும் உருவாக்குகிறது. சிக்கலான விதிகளைப் பின்பற்றுவதற்குப் பெரிய நிறுவனங்களால் மட்டுமே முடியும் என்றால், அது மையப்படுத்தலை (centralization) உருவாக்கும். மையப்படுத்தல் என்பது குறைவான தணிக்கைக்கும் (audits) மற்றும் குறைந்த மீள்தன்மைக்கும் (resilience) வழிவகுக்கும்.

தீர்வு: திறன் சார்ந்த விதிகள் நாம் AI மாதிரிகளை அவற்றின் புகழ் அல்லது பிரபலத்தின் அடிப்படையில் கட்டுப்படுத்தக்கூடாது. அவை உண்மையில் என்ன செய்ய முடியும் என்பதன் அடிப்படையில் அவற்றைக் கட்டுப்படுத்த வேண்டும்.

இந்தக் கேள்விகளைக் கேளுங்கள்:

  • அது பாதுகாப்பு ஓட்டைகளைக் கண்டறிந்து அவற்றைச் சுரண்ட முடியுமா?
  • நிபுணரல்லாதவர்களுக்காக அது தீங்கு விளைவிக்கும் பணிகளைச் செய்ய முடியுமா?
  • மேற்பார்வை இல்லாமல் பல்வேறு அமைப்புகளில் உள்ள கருவிகளை இயக்க முடியுமா?
  • அழுத்தத்தின் போது அது பாதுகாப்புத் தடைகளைத் தாண்டுகிறதா?

பொறியாளர்களே இந்த உரையாடலை முன்னின்று நடத்த வேண்டும். கொள்கை என்பது வெறும் ஒரு அருவமான (abstract) சட்டமாக இருக்க முடியாது. அதற்கு மாதிரியின் திறன், கருவி அணுகல் மற்றும் பயன்பாட்டு சூழல் (deployment context) குறித்த தொழில்நுட்ப அறிவு தேவை.

உண்மையான போர்க்களம்: அணுகல் கட்டுப்பாடு AI பாதுகாப்பு என்பது வெறும் மாதிரி எடைகளைப் (model weights) பற்றியது மட்டுமல்ல. அது அணுகல் கட்டுப்பாட்டைப் பற்றியது.

அமைப்பைப் பயன்படுத்துவது யார்? இது ஒரு பாரம்பரிய பொறியியல் சிக்கலாகும். ஒரு இயற்கை மொழித் தூண்டுதல் (natural language prompt) பல அமைப்புகளில் செயல்களைத் தூண்டக்கூடும். அனுமதிகள் (Permissions) உள்கட்டமைப்பின் ஒரு பகுதியாக இருக்க வேண்டுமே தவிர, அவை பின்னர் யோசிக்கப்படும் ஒன்றாக இருக்கக்கூடாது. ஒரு பலவீனமான தயாரிப்புச் சட்டகத்திற்குள் (product shell) இருக்கும் ஒரு சக்திவாய்ந்த மாதிரி ஆபத்தானது.

எனது பார்வை AI-ஐத் தடை செய்வது நிலையானது அல்ல. விதிகள் ஏதுமின்றி அனைத்தையும் வெளியிடுவது பொறுப்பற்ற செயலாகும்.

கீழ்க்கண்ட மூன்று விஷயங்கள் இணையும் போது தலையிடுவது நியாயமானது:

  • அதிக திறன் (High capability)
  • அதிகப்படியான தவறாகப் பயன்படுத்தும் சாத்தியக்கூறு (High misuse potential)
  • குறைந்த பொறுப்புக்கூறல் (Low accountability)

கண்டுபிடிப்புகளை முடக்காமல் பேரழிவைத் தடுப்பதே இதன் இலக்காகும்.

அதற்கான விதிகள் உருவாவதற்கு முன்பே AI ஒரு உள்கட்டமைப்பாக மாறிவருகிறது. கணினி வடிவமைப்புத் திட்டத்தில் (system design) நீங்கள் எடுக்கும் முடிவுகள்—அனுமதிகள், பதிவுகள் (logging) மற்றும் மனித ஒப்புதல்—உலகம் எவ்வாறு AI-ஐ நிர்வகிக்கிறது என்பதைத் தீர்மானிக்கும்.

AI கட்டுப்பாட்டின் எதிர்காலம் உள்கட்டமைப்பிலேயே எழுதப்படும்.

Source: https://dev.to/joshua-fields/when-should-governments-pull-the-plug-on-ai-models-ffo

Optional learning community: https://t.me/GyaanSetuAi