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

اجرای مایکروسافت از OpenAI’s ChatGPT بسیار محبوب بود و اجرای غافلگیرکننده این سیستم پیشرفته هوش مصنوعی مولد شرکت هایی مانند گوگل و اپل را در چرت زدن گرفتار کرد.

گوگل به شدت به این تهدید پاسخ داد و راه‌حل هوش مصنوعی مولد خود را با نام Bard ایجاد کرد، اما گوگل و OpenAI هر دو به دلیل نقض حق نسخه‌برداری مربوط به آموزش هوش مصنوعی‌هایشان بر اساس حجم وسیعی از داده‌های مورد استفاده برای آموزش این سیستم‌ها، با شکایت‌های دسته جمعی روبرو هستند.

شاکیان در این موارد احتمالاً در صورت موفقیت، پیامدهای شغلی خود را درک نمی کنند. من در مورد پیامدهای آن برای مایکروسافت، گوگل یا دیگران صحبت نمی کنم، اما نحوه آموزش آنها نیز می تواند تحت هر تصمیم مرتبطی قرار گیرد و منجر به شکایت آنها در آینده توسط دیگرانی شود که از آنها آموخته اند.

بیایید این هفته نگاهی به قضاوت شرکت‌های هوش مصنوعی مولد بیندازیم و محصول هفته من را به پایان برسانیم، لپ‌تاپ جدیدی از HP که اگر برای کار زیاد سفر می‌کنید، ممکن است برای شما عالی باشد.

دادخواهی خطرناک است

متأسفانه من تجربه زیادی در پرونده های قضایی دارم. من مدتی در قراردادها به اشخاص حقوقی IBM منصوب شدم، چندین دهه دعوای خود را مدیریت کردم و چندین بار به عنوان شاهد کارشناس انتخاب شدم. من همچنین قبل از اینکه به شغلی بسیار متفاوت روی بیاورم، به عنوان وکیل آموزش دیدم.

من یاد گرفتم که دعوا چیزی نیست که آنها آن را در تلویزیون نشان دهند. هر دو طرف با دیدگاه‌های مخالف واقعیت وارد دادگاه می‌شوند و قاضی و/یا هیئت منصفه قبل از انتخاب متقاعدکننده‌ترین استدلال به عنوان برنده، هر دو طرف را می‌شنوند. طرف برنده، که ممکن است اشتباه کرده باشد، احساس می‌کند که به حق است و طرف بازنده معمولاً احساس می‌کند فریب خورده است.

نتیجه می تواند عواقب ناخواسته و شدیدی برای طرف بازنده داشته باشد که می تواند بسیار بدتر از زمانی باشد که آنها همه چیز را رها می کردند یا بدون محاکمه حل می کردند. درخواست تجدیدنظر معمولاً حدود 40000 دلار هزینه دارد و به ندرت موفقیت آمیز است. هزینه های دادگاه اولیه می تواند از بیش از 10000 دلار تا صدها هزار دلار قبل از صدور حکم متغیر باشد و علاوه بر آن، قضاوت می تواند بسیار گران باشد.

بنابراین قبل از شکایت از شخصی، نه تنها باید یک ارزیابی صادقانه از احتمال برنده شدن خود انجام دهید، بلکه باید تمام احتمالات احتمالی برد یا باخت را نیز پوشش دهید. اینجاست که فکر می‌کنم افرادی که از پلتفرم‌های هوش مصنوعی مولد شکایت می‌کنند با مشکل مواجه می‌شوند، زیرا نه تنها بعید است که برنده شوند، بلکه اگر برنده شوند، نتیجه می‌تواند به قیمت تمام شدن شغلشان تمام شود.

بگذار توضیح بدهم.

چگونه هوش مصنوعی مولد آموزش داده می شود

هوش مصنوعی مولد با مشاهده مقادیر انبوهی از داده ها و الگوها آموزش داده می شود، که سپس می تواند به چیزی که ما آن را استنتاج می نامیم تبدیل شود، که مجموعه ای بسیار کوچکتر و تا حد زیادی ادغام شده (جایی که شرکت کنندگان در مجموعه داده حذف می شوند) است. سپس به عنوان پایه ای برای عملکرد هوش مصنوعی استفاده می شود.

به عبارت دیگر، هوش مصنوعی داده‌های دیجیتالی را در مقیاس وسیع نظارت می‌کند و باعث می‌شود تک تک مشارکت‌کنندگان غیرقابل شناسایی باشند. این فرآیند مشاهده منجر به شکل گیری دانش ترکیبی می شود که مغز هوش مصنوعی را می سازد.

بسته به اندازه مجموعه داده‌های حاصل، ردیابی رفتار به هر فردی که عمدا یا ناخواسته داده‌های آموزشی را ارائه کرده است، بدون ابزارهای شفاف‌سازی که در برخی از آخرین AIS وجود دارد، غیرممکن است.

به عنوان مثال، یادگیری نحوه کمدین شدن ممکن است به مجموعه آموزشی از پخش های صوتی و تصویری بسیاری از کمدین ها نیاز داشته باشد. بر اساس بازخورد مخاطبان یا یک اپراتور آموزشی، هوش مصنوعی یاد خواهد گرفت که کدام جوک ها خنده دار هستند و نه. او سپس روال کمدی خود را از آموخته هایش بدون تکیه انحصاری به هیچ یک از همکارانش می گرفت.

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

مشکل غیر منتظره

مشکل غیرمنتظره این است که مانند هوش مصنوعی، ما با دانش ذاتی در مورد چگونگی انجام تقریباً هر کاری متولد نشده ایم. ما با مشاهده دیگران یاد می گیریم و آموزش ما از خواندن رویدادها و افرادی است که زمانی زنده بودند یا به صورت تخیلی برای سرگرم کردن یا بیان یک نکته خلق شده بودند.

وقتی صحبت از تجارت به عنوان یک استندآپ کمدین می شود، ما تمایل داریم با تماشای کمیک های دیگر یاد بگیریم. کمدی حرفه ای است که به تقلید از همکاران کمک می کند. 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 معلوم شود که آموزش کامپیوتر توسط بسیاری از کمدین ها غیرقانونی است، آیا نتیجه نمی شود که یک کمدین واقعی انسانی که از تعداد بسیار کمتری یاد می گیرد، حقوق همتایان کمدی خود را نیز نقض می کند؟ تنها تفاوت واقعی بین نحوه یادگیری هوش مصنوعی در حال حاضر و نحوه یادگیری انسان ها، سرعت یادگیری و میزان داده های آموزشی است که مشاهده می شود.

اگر شاکی‌های OpenAI و Google موفق شوند، می‌توان از همان قانون قضایی علیه آنها استفاده کرد که احتمالاً منجر به مجازات‌های گران‌قیمت می‌شود.

از آنجایی که اغلب کارها معمولاً با مشاهده دیگران آموخته می‌شوند و به طور بالقوه مشتق هستند، آیا کسی نمی‌تواند از شخص دیگری که بر روی داده‌های ناشی از مدعی آموزش دیده است شکایت کند؟

به عبارت دیگر، با استفاده از فرضیه کمدین، در صورت موفقیت این شاکیان، آیا کمدین های دیگر نمی توانند به دلیل روش آموزشی مشابه از آنها شکایت کنند و در نهایت برخی از کمدین ها در صورتی که شوخی های آنها از طرف افراد دیگر باشد، ممکن است به دلیل تخلف از اجرای برنامه منع شوند. چه کسانی هم اکنون می خواهند غرامت دریافت کنند؟

خلاصه کردن

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

اما با توجه به اینکه تمام دانش بشری و نحوه انتقال موثر آن از شخص دیگری می آید، این مفهوم قضاوت بخشی از نتیجه به نظر نادرست به نظر می رسد و می تواند تأثیر نامطلوبی بر هرکسی که در آینده از دیگران بیاموزد داشته باشد.

در نهایت، مجموعه یادگیری پایانی 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 دیجیتالی را ارائه دهد.

در نتیجه، من شک دارم که شاکیان در این پرونده ها پیروز شوند، و اگر آنها پیروز شوند، این تصمیم ممکن است پیامدهای بسیار مخربی برای نحوه آموزش ما داشته باشد.

لپ تاپ اچ پی Dragonfly G4

لپ تاپ مورد علاقه من در تمام دوران ها لپ تاپ HP Folio با فناوری Qualcomm به دلیل عمر باتری فوق العاده 21 ساعته آن باقی مانده است. HP با یک Folio مبتنی بر اینتل و کسب و کار متمرکز شد و تنها حدود شش ساعت عمر باتری داشت که قلب من را شکست. Dragonfly G4 جدید HP نیز مبتنی بر اینتل است، اما عمر باتری آن به حدود 13 ساعت می رسد که باید بسیار بهتر باشد.

HP Dragonfly G4 با قیمت حدود 1300 دلار برای پیکربندی پایه، عملکرد مناسب اما نه خیره کننده ای را برای یک نوت بوک ممتاز ارائه می دهد. این یک نوت بوک در کلاس تجاری است و دارای راه حل vPro داخلی اینتل برای اطمینان از انطباق با استانداردهای سازمانی است.

Dragonfly Notebook PC G4 (تصویر: HP)

این لپ تاپ شکل و ظاهر بسیار تمیزی دارد، یکی از بهترین صفحه کلیدهایی است که تا به حال امتحان کرده ام، وب کم مناسب، بلندگوهای چشمگیر و دقت رنگ نمایشگر به طرز شگفت انگیزی خوب است. Dragonfly G4 دارای دو ویژگی منحصر به فرد است: “کنترل خودکار دوربین” و “تابش خودکار”.

اولین مورد به شما امکان می دهد از چندین دوربین به طور همزمان در حین پخش جریانی استفاده کنید، و به همان تصویر اجازه می دهد هم چهره شما و هم شی (هایی) که دوربین دیگر می بیند را نشان دهد. دیگری به شما امکان می‌دهد با دوربین دوم، آیتم‌ها را در یک زاویه مشاهده کنید، اما آنها را طوری جلوه دهید که دوربین مستقیماً بالای سر است.

با در نظر گرفتن تعداد زیادی از مردم که در طول ویدئو کنفرانس برای نشان دادن محتوا تلاش می کنند، این دو ویژگی موهبت الهی هستند. من تعجب می کنم که سایر OEM های PC کاری مشابه انجام نداده اند.

با وزن 2.2 پوند، Dragonfly G4 HP در رده فوق سبک قرار می گیرد و زمانی که آن را در کوله پشتی خود حمل می کنید، نباید احساس کنید شبیه Quasimodo هستید. همچنین امکان انتخاب صفحه نمایش اضافی، گزینه های WAN و چند پردازنده اضافی اینتل وجود دارد.

در حالی که من هنوز حس و ظاهر لپ تاپ های HP Folio را ترجیح می دهم، این HP Dragonfly G4 اصلا بد به نظر نمی رسد. به دلیل تمام پیشرفت‌ها 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 ECT نیست.