مشکل شکایت از شرکت های هوش مصنوعی عمومی به دلیل نقض حق چاپ

استقرار مایکروسافت از OpenAI’s ChatGPT بسیار محبوب بود و اجرای ناگهانی این سیستم پیشرفته AI مولد باعث جذب شرکت هایی مانند گوگل و اپل شد.

گوگل به شدت به این تهدید پاسخ می‌دهد و راه‌حل هوش مصنوعی خود، Bard را به کار می‌گیرد، اما گوگل و OpenAI هر دو با دعوای دسته‌جمعی مواجه هستند که به نقض حق نسخه‌برداری مربوط به آموزش سیستم‌های هوش مصنوعی خود بر اساس مقادیر انبوه داده‌های مورد استفاده برای آموزش این سیستم‌ها اشاره می‌کنند.

این امکان وجود دارد که شاکیان این دعاوی در صورت موفقیت، پیامدهای شغلی خود را درک نکنند. من در مورد پیامدهای مایکروسافت یا گوگل یا دیگران صحبت نمی‌کنم، اما نحوه آموزش آنها نیز ممکن است در هر قضاوت مرتبطی باشد و منجر به شکایت آنها در آینده توسط دیگرانی شود که از آنها آموخته‌اند.

بیایید شرکت‌های مولد هوش مصنوعی را در کت و شلوار این هفته بررسی کنیم و محصول هفته من را به پایان خواهیم رساند، یک لپ‌تاپ جدید HP که اگر برای کار زیاد سفر می‌کنید، ممکن است برای شما عالی باشد.

دعوی قضایی جدی است

متأسفانه من تجربه زیادی در دعاوی دارم. مدتی به صورت قراردادی به شرکت حقوقی آی‌بی‌ام منصوب شده‌ام، دو دهه است که دعاوی خود را مدیریت کرده‌ام و چندین بار به عنوان شاهد کارشناس انتخاب شده‌ام. قبل از اینکه به مسیر شغلی کاملاً متفاوتی بروم، برای وکالت نیز آموزش دیدم.

من آموخته ام که دعوای قضایی با هر چیزی که در تلویزیون به تصویر کشیده می شود متفاوت است. هر دو طرف با دیدگاه‌های متضاد درباره واقعیت وارد دادگاه می‌شوند و قاضی و/یا هیئت منصفه قبل از انتخاب قانع‌کننده‌ترین استدلال به عنوان برنده، هر دو طرف را می‌شنوند. طرف برنده، که ممکن است اشتباه کرده باشد، احساس می کند که درست است، و طرف بازنده به طور کلی احساس می کند که فریب خورده است.

نتیجه می تواند عواقب شدید و ناخواسته ای برای طرف بازنده داشته باشد که می تواند بسیار بدتر از این باشد که آنها در وهله اول همه چیز را به حال خود رها کنند یا بدون محاکمه حل و فصل کنند. درخواست تجدید نظر عموماً حدود 40000 دلار هزینه دارد و به ندرت موفقیت آمیز است. هزینه های محاکمه اولیه می تواند از بیش از 10000 دلار تا صدها هزار دلار قبل از صدور حکم متغیر باشد، و احکام می تواند علاوه بر آن بسیار گران باشد.

بنابراین، قبل از شکایت از کسی، نه تنها باید یک ارزیابی صادقانه از احتمال برنده شدن خود انجام دهید، بلکه باید هرگونه عواقب ناخواسته احتمالی برد یا باخت را نیز بپوشانید. این جایی است که فکر می‌کنم افرادی که از پلتفرم‌های هوش مصنوعی مولد شکایت می‌کنند با مشکل مواجه می‌شوند، زیرا نه تنها احتمالاً برنده می‌شوند، بلکه اگر برنده شوند، نتیجه ممکن است به قیمت تمام شدن شغلشان تمام شود.

بگذار توضیح بدهم.

هوش مصنوعی مولد چگونه آموزش داده می شود؟

هوش مصنوعی مولد با مشاهده مقادیر عظیمی از داده‌ها و الگوها آموزش داده می‌شود، که سپس می‌توان آن‌ها را به چیزی که ما آن را استنتاج می‌گوییم تبدیل کرد که یک مجموعه داده بسیار کوچک‌تر و تا حد زیادی یکپارچه است (از آنجایی که مشارکت‌کنندگان در مجموعه داده‌ها حذف شده‌اند) که سپس استفاده می‌شود. به عنوان پایه کار هوش مصنوعی.

به عبارت دیگر، سیستم‌های هوش مصنوعی داده‌های دیجیتال را در مقیاسی نظارت می‌کنند که مشارکت‌کنندگان فردی را غیرقابل تشخیص می‌کند. این فرآیند مشاهده منجر به شکل گیری دانش جاسازی شده ای می شود که مغز هوش مصنوعی را تشکیل می دهد.

بسته به اندازه مجموعه داده‌های حاصل، ردیابی رفتار به هر فردی که آگاهانه یا ناخواسته داده‌های آموزشی ارائه کرده است، بدون ابزارهای شفاف‌سازی که قبلاً در برخی از Ais جدید وجود دارد، غیرممکن است.

برای مثال، یادگیری نحوه استندآپ کمدین شدن ممکن است به مجموعه آموزشی از چندین پخش صوتی و تصویری توسط کمدین ها نیاز داشته باشد. بر اساس بازخورد مخاطبان یا اپراتور آموزشی، هوش مصنوعی می‌آموزد که کدام جوک‌ها خنده‌دار هستند و کدام‌ها نه. او سپس روال های کمدی خود را از آموخته های خود بدون تکیه انحصاری به هیچ مشارکت کننده ای استخراج می کند.

سوالی که باید به آن پاسخ داده شود این است که آیا نتیجه، حق چاپ هر کسی را که سهوا و بدون اجازه به ایجاد مجموعه داده آموزشی کمک کرده است، نقض می کند؟

مشکل غیر منتظره

مشکل غیرمنتظره این است که مانند سیستم‌های هوش مصنوعی، ما با دانش ذاتی در مورد نحوه انجام بسیاری از کارها متولد نشده‌ایم. ما با مشاهده دیگران یاد می گیریم و آموزش ما از خواندن رویدادها و افرادی است که زنده بوده اند یا به صورت تخیلی برای سرگرم کردن یک نقطه یا بردن به خانه ساخته شده اند.

وقتی صحبت از تجارتی مانند استندآپ کمیک می شود، ما تمایل داریم با تماشای کمیک های دیگر یاد بگیریم. کمدی یک مسیر شغلی است که او می تواند در تقلید از همسالان خود جای بگیرد. تفاوت این است که انسان ها ظرفیت ذهنی یا زمان لازم برای یادگیری از تعداد انگشت شماری از مربیان عمدی یا غیرعمدی را ندارند، در حالی که یک کامپیوتر می تواند اطلاعات هزاران نفر را در یک لحظه مصرف کند.

بنابراین، اگر یادگیری رایانه ای از بسیاری از کمدین ها غیرقانونی باشد، آیا نتیجه نمی شود که یک کمدین واقعی انسانی که از تعداد بسیار کمتری یاد می گیرد، حقوق همتایان کمدین خود را نیز نقض می کند؟ تنها تفاوت واقعی بین نحوه یادگیری هوش مصنوعی در حال حاضر و نحوه یادگیری افراد، سرعت یادگیری و میزان داده های آموزشی است که مشاهده می شود.

اگر کسانی که از OpenAI و Google شکایت می‌کنند موفق شوند، می‌توان از همان قانون قضایی علیه آنها استفاده کرد که احتمالاً منجر به مجازات‌های بسیار گرانی می‌شود.

از آنجایی که بیشتر آثار عموماً با مشاهده دیگران و به طور بالقوه مشتق می شوند، نمی تواند از شخص دیگری که بر اساس داده هایی که از شاکی سرچشمه گرفته است آموزش دیده است، شکایت کند؟

به عبارت دیگر، با استفاده از فرضیه کمدی، در صورت موفقیت این شاکیان، دیگر کمدین ها نمی توانند از آنها به دلیل روش آموزشی مشابه شکایت کنند، و برخی از کمدین ها به طور بالقوه می توانند به دلیل تخلف از اجرای برنامه منع شوند، اگر شوخی های آنها از سوی افراد دیگر فاش شود. می خواهد جبران شود؟

کاغذ بسته بندی

هوش مصنوعی مولد اکنون به طور مستقل یاد می‌گیرد و با سرعتی حیرت‌انگیز و تقریباً باورنکردنی پیشرفت می‌کند. این در فروشگاه های بزرگ داده آموزش دیده است که ممکن است حاوی اطلاعات مهمی در مورد شما و همسرتان باشد. این روند آموزشی احتمالاً زیر سؤال می رود زیرا این سیستم ها جایگزین بسیاری از افرادی می شوند که به طور ناخواسته داده های خود را در آموزش قرار داده اند.

اما با توجه به اینکه تمام دانش بشری و نحوه انتقال مؤثر آن از شخص دیگری می آید، تصور شکایت شدن برای بخشی از نتیجه اشتباه به نظر می رسد و می تواند تأثیر منفی بر هرکسی که در آینده از دیگران بیاموزد داشته باشد.

در نهایت، مجموعه آموزشی پایان عمری ندارد، به این معنی که دانش جمع‌آوری‌شده عمری خواهد داشت که می‌تواند قرن‌ها پس از مرگ مشارکت‌کننده ادامه داشته باشد و شکل بسیار محدودی از جاودانگی دیجیتال را تضمین کند.

در نتیجه، من شک دارم که شاکیان در این پرونده ها پیروز شوند، و اگر آنها پیروز شوند، این حکم می تواند تأثیرات بسیار زیانبارتری بر نحوه آموزش ما داشته باشد.

کامپیوتر نوت بوک HP Dragonfly G4

لپ تاپ مورد علاقه من از همه، لپ تاپ HP Folio با فناوری Qualcomm به دلیل عمر باتری 21 ساعته آن است. HP این کار را با Folio مبتنی بر اینتل دنبال کرد و تنها با حدود 6 ساعت عمر باتری، قلب من را شکست. HP Dragonfly G4 نیز مبتنی بر اینتل است، اما عمر باتری آن تا 13 ساعت افزایش می یابد، که باید بسیار بهتر باشد.

HP Dragonfly G4 با قیمتی در حدود 1300 دلار برای پیکربندی پایه، عملکرد مناسب اما خیره کننده ای را برای لپ تاپ های درجه یک ارائه می دهد. این یک لپ تاپ کلاس تجاری است و دارای یک راه حل Intel vPro برای اطمینان از مطابقت با استانداردهای شرکت است.

لپ تاپ Dragonfly PC G4 (اعتبار تصویر: HP)

این لپ تاپ دارای تناسب و روکش بسیار تمیز، یکی از بهترین صفحه کلیدهایی است که تا به حال امتحان کرده ام، یک وب کم مناسب، بلندگوهای عالی، و دقت رنگ نمایشگر به طرز شگفت انگیزی خوب است. Dragonfly G4 دو ویژگی منحصر به فرد دارد: «کنترل خودکار دوربین» و «Auto Keystone».

اولین مورد به شما امکان می دهد از چندین دوربین به طور همزمان در هنگام پخش استفاده کنید، و به شما این امکان را می دهد که صورت خود و اشیائی که توسط دوربین دیگر دیده می شود در همان تصویر ظاهر شوند. دیگری به شما امکان می‌دهد با دوربین دوم، موارد را در یک زاویه مشاهده کنید، اما به نظر می‌رسد که دوربین مستقیماً در بالا قرار دارد.

با در نظر گرفتن تعداد زیادی از مردم که برای مشاهده محتوا با جلسات ویدئو کنفرانس مبارزه می کنند، این دو ویژگی موهبت الهی هستند. من متعجبم که سایر تولیدکنندگان رایانه شخصی کاری مشابه انجام نداده اند.

HP Dragonfly G4 با وزن 2.2 پوند در دسته فوق سبک قرار می گیرد و نباید هنگام حمل آن در کوله پشتی خود احساس یک کوازیمودو را در شما ایجاد کند. همچنین دارای مجموعه ای از مانیتورهای اختیاری، گزینه های WAN و چند پردازنده اختیاری اینتل است.

در حالی که من هنوز حس و ظاهر نوت بوک های HP Folio را ترجیح می دهم، HP Dragonfly G4 اصلا بد نیست. به دلیل تمام پیشرفت‌های انجام شده و افزایش عمر باتری، این محصول هفته من است.

نظرات بیان شده در این مقاله متعلق به نویسنده است و لزوماً منعکس کننده نظرات شبکه خبری کالج فناوری امارات نیست.