يجب أن تعلم | للاطلاع | في صلب الموضوع | رقم اليوم | شخصية اليوم | مصطلح اليوم
ما هي أسباب ازدهار شركات الذكاء الاصطناعي في القطاع العسكري؟
بعد أسبوعين بالضبط من بدء الحرب الروسية الأوكرانية في فبراير المنصرم، قام الرئيس التنفيذي لشركة تحليل البيانات بالانتير (Palantir)، ألكسندر كارب، بتقديم عرضه إلى القادة الأوروبيين. ومع وصول الحرب إلى الأعتاب الأوروبية، يجب أن يعمل الأوروبيون على تحديث ترساناتهم بمساعدة وادي السيليكون، كما قال في رسالة مفتوحة.
وحتى تبقى أوروبا "قوية بما يكفي لهزيمة خطر الغزو الأجنبي"، كما كتب كارب، يجب على البلدان أن تعتنق "العلاقة القائمة بين التكنولوجيا والدولة، والعلاقة القائمة بين الشركات المزعزعة التي تسعى إلى إزاحة المتعاقدين المحتكرين، والوزارات الحكومية التي تشرف على التمويل".
وقد استجابت المؤسسات العسكرية لهذا النداء. فقد أعلن حلف الناتو في 30 يونيو عن تأسيسه صندوقاً للابتكار بقيمة مليار دولار، وذلك للاستثمار في الشركات الناشئة التي لا تزال في بداياتها وصناديق استثمار رأس المال التي تطوّر تكنولوجيات "عالية الأولوية" مثل الذكاء الاصطناعي، ومعالجة البيانات الكبيرة والأتمتة.
ومنذ بداية الحرب، أطلقت المملكة المتحدة استراتيجية جديدة في الذكاء الاصطناعي المخصص حصرياً للدفاع، كما خصص الألمان نصف مليار دولار تقريباً للأبحاث والذكاء الاصطناعي مع الدفعة الإضافية المخصصة للأغراض العسكرية والبالغة 100 مليار دولار.
يقول مدير أبحاث الدراسات الدفاعية في جامعة الملك في لندن ومؤلف كتاب "أنا بوت الحرب: بداية صراع الذكاء الاصطناعي (I, Warbot: The Dawn of Artificially Intelligent Conflict)"، كينيث باين: "إن الحرب تحفز التغيير".
لقد أدت الحرب في أوكرانيا إلى تسريع التوجه نحو زيادة الاعتماد على أدوات الذكاء الاصطناعي في أرض المعركة. وستكون الشركات الناشئة مثل بالانتير أكثر المستفيدين من هذا التغيير، حيث تأمل بتحقيق الأرباح من سباق المؤسسات العسكرية نحو تحديث ترساناتها بأحدث التكنولوجيات. ولكن المخاوف الأخلاقية الموجودة منذ زمن حول استخدام الذكاء الاصطناعي في الحرب أصبحت أكثر بروزاً مع زيادة تطور التكنولوجيا، على حين أصبحت فكرة القيود والقواعد التي تحكم استخدامها أبعد عن التطبيق من ذي قبل على ما يبدو.
للمزيد حول أسباب ازدهار هذه الشركات، تابع قراءة المقالة على موقعنا عبر هذا الرابط
لماذا يجب على شركات الذكاء الاصطناعي تطوير ألعاب ملائمة للأطفال؟
تزداد الألعاب الذكية المدعومة بالذكاء الاصطناعي تنوعاً وتنتشر بسرعة في جميع أنحاء العالم، فتخلق مخاطر وفرصاً للأجيال الجديدة من الأطفال. تتوقع مجموعة (Market Research Future)، على سبيل المثال، أن تنمو السوق العالمية لهذه الألعاب بنسبة 26% لتصل إلى 107.02 مليار دولار بحلول عام 2030.
من خلال تفاعلها المتزايد مع الأطفال، والاتصال بالأجهزة الأخرى المدعومة بالذكاء الاصطناعي، تؤثر هذه الألعاب بشكل منتظم على تنشئة الجيل الأصغر. تشير مبادرة جيل الذكاء الاصطناعي، التابعة للمنتدى الاقتصادي العالمي، إلى أنه يمكن للألعاب الذكية أن تُظهر تأثيرات إيجابية للغاية على نمو الأطفال عند تصميمها بطريقة مسؤولة. في المقابل، تُظهر الشكاوى التي تلقتها لجنة التجارة الفيدرالية الأميركية (FTC) بالإضافة إلى تحقيقاً أجرته منظمة المستهلك النرويجية وجود آثار وخيمة يمكن أن تحدثها الألعاب الذكية على نمو الأطفال.
الطرق غير الشفافة التي تتبادل بها بعض الألعاب الذكية البيانات -لإجراء التحليلات الخوارزمية- مع الأجهزة الأخرى التي تدعم الذكاء الاصطناعي، من خلال الاتصال بالبلوتوث مثلاً، توضح كيف يمكن لأدوات الأمن السيبراني الضعيفة أن تنتهك خصوصية الأطفال وتهدد سلامتهم. يمكن أن تؤدي الألعاب الذكية إلى تفاقم تعرض الأطفال لمخاطر السلامة عبر الإنترنت، مثل مخاطر "المحتوى" (مثل التعرض لمواد ضارة أو غير مناسبة لأعمارهم)، ومخاطر "الاتصال" (مثل التواصل غير المرغوب فيه مع البالغين)، ومخاطر "السلوك" (مثل التنمر الإلكتروني).
تحكم الآليات القانونية الدولية انتشار الألعاب التي تعمل بالذكاء الاصطناعي وتحاول التخفيف من مخاطرها. يفرض قانون الأمن السيبراني في الاتحاد الأوروبي الحد الأدنى من المتطلبات على مطوري الألعاب الذكية، الذين يتعين عليهم تصميم ألعاب تتميز بأدوات أمن سيبراني قوية عند تسويق المنتجات في الاتحاد الأوروبي. ويقدم قانون الذكاء الاصطناعي الأوروبي، الذي من المتوقع أن يدخل حيز التنفيذ في عام 2024، إطاراً للمخاطر من أربعة مستويات لتقييم تقنيات الذكاء الاصطناعي.
كما يحدد قانون فيدرالي أميركي يُسمى قانون حماية خصوصية الأطفال على الإنترنت (COPPA) معايير وصول مناسبة للعمر. وقد أدخلت لجنة التجارة الفيدرالية مؤخراً أيضاً برنامج أمن سيبراني لحماية المستهلكين من انتهاكات أنظمة الذكاء الاصطناعي.
للمزيد حول هذا الموضوع، تابع القراءة عبر هذا الرابط (إنجليزي)
تغيرات بسيطة تؤثر على كفاءة استهلاك الطاقة في أبحاث الذكاء الاصطناعي
يمثل التعلم العميق أساس أكبر النجاحات في التعلم الآلي، مثل التعرف المتقدم على الصور، وبرنامج ألفاغو (AlphaGo) بطل لعبة غو اللوحية، والنماذج اللغوية مثل جي بي تي 3 (GPT-3). ولكن هذا الأداء المذهل يتطلب تكلفة باهظة، حيث يحتاج تدريب نماذج التعلم العميق إلى مقادير ضخمة من الطاقة.
والآن، يبين بحث جديد كيف يمكن للعلماء الذين يستخدمون المنصات السحابية لتدريب خوارزميات التعليم السحابي أن يخففوا إلى درجة كبيرة من الطاقة التي يستهلكونها، وبالتالي الانبعاثات التي يولدها هذا العمل. ويكمن المفتاح الأساسي في تغييرات بسيطة في إعدادات الخدمة السحابية.
ومنذ تم نشر أول بحث يدرس تأثير هذه التكنولوجيا على البيئة منذ نحو 3 سنوات، ظهرت حركة متنامية بين الباحثين للتصريح عن الطاقة المستهلكة والانبعاثات الصادرة عن عملهم. إن وجود أرقام دقيقة يمثل خطوة مهمة نحو التغيير، ولكن جمع هذه الأرقام فعلياً قد يكون أمراً صعباً.
يقول الباحث العلمي في معهد آلين للذكاء الاصطناعي (Allen Institute for AI) في سياتل، جيسي دودج: "لا يمكنك تحسين ما لا يمكنك قياسه". "وإذا أردنا أن نحقق تقدماً جيداً في تخفيض الانبعاثات، فإن الخطوة الأولى التي يجب أن نتخذها هي الحصول على قياس جيد".
ولهذا، قام معهد آلين مؤخراً بالعمل مع مايكروسوفت وشركة الذكاء الاصطناعي هاغينغ فيس (Hugging Face) و3 جامعات لبناء أداة تقيس استخدام الكهرباء لأي برنامج تعلم آلي يعمل على آزور (Azure)، وهي خدمة الحوسبة السحابية لمايكروسوفت. وباستخدام هذه الأداة، يستطيع مستخدمو آزور الذين يبنون نماذج جديدة استعراض إجمالي استهلاك الكهرباء من قبل وحدات المعالجة الرسومية (GPU)، وهي شرائح حاسوبية خاصة لإجراء الحسابات على التوازي، خلال كل مرحلة من مشاريعهم، بدءاً من اختيار النموذج وصولاً إلى تدريبه ووضعه موضع الاستخدام. وتمثل آزور أول خدمة سحابية شهيرة تمنح المستخدمين إمكانية الاطلاع على معلومات حول تأثير برامجهم للتعلم الآلي من حيث استهلاك الطاقة.
وعلى حين توجد أدوات أخرى لقياس استهلاك الطاقة ومقدار الانبعاثات لخوارزميات التعلم الآلي التي تعمل على خوادم محلية، فإن هذه الأدوات لا تعمل عند استخدام الباحثين للخدمات السحابية التي تؤمنها شركات مثل مايكروسوفت وأمازون وجوجل. لا تقدم هذه الخدمات لمستخدميها إمكانية الاطلاع المباشر على موارد وحدات المعالجة الرسومية ووحدات المعالجة المركزية والذاكرة التي تستهلكها نشاطاتهم، وهي قيم تحتاجها الأدوات الموجودة، مثل كربون تراكر (Carbontracker) وإكسبريمينت تراكر (Experiment Tracker) وإينيرجي فيز (EnergyVis) وكود كربون (CodeCarbon)، لتقديم تقديرات دقيقة.
للمزيد حول هذه التغيرات، تابع قراءة المقالة على موقعنا عبر هذا الرابط
|
