مدل‌های متن‌باز چینی، تهدیدی برای غول‌های هوش مصنوعی آمریکا

مدل‌های متن‌باز چینی، تهدیدی برای غول‌های هوش مصنوعی آمریکا

تهران- در هفته‌ای که گذشت، بحث درباره مدل‌های متن‌باز (open-weight) هوش مصنوعی، به‌ویژه مدل قدرتمند Kimi K3 از آزمایشگاه چینی Moonshot، ابعاد تازه‌ای یافت. این مدل بزرگ زبانی، که عملکرد چشمگیری داشته، موجی از نگرانی را در میان شرکت‌های بزرگ آمریکایی مانند OpenAI برانگیخته و حتی زمزمه‌هایی از احتمال ممنوعیت آن در ایالات متحده به گوش می‌رسد. بنا بر گزارش TechCrunch به قلم تیم فرنهولز، این جنجال مرزهای میان اقتصاد، امنیت و نوآوری را به هم گره زده است.

چرا مدل‌های متن‌باز برای OpenAI ترسناک‌اند؟

چند روز پیش، دین دبلیو. بال، مدیر بخش آینده‌پژوهی راهبردی OpenAI، در بحثی جنجالی پیشنهاد کرد که دولت آمریکا باید با ایجاد فضای بی‌اعتمادی و ابهام قانونی، جلوی گسترش مدل‌های متن‌باز چینی را بگیرد. او استدلال کرد که این مدل‌ها، به‌ناچار، سرمایه‌گذاری‌های عظیم شرکت‌های پیشتاز هوش مصنوعی را با کاهش حاشیه سود مواجه می‌کنند. هرچند او بعداً این موضع را تعدیل کرد و گفت که ممنوعیت، «بهترین استراتژی» نیست، اما صداها از کاخ سفید نشان می‌دهد که این ایده کاملاً از روی میز کنار گذاشته نشده است. طبق گزارش Axios، دولت ترامپ تحت فشار آزمایشگاه‌های پیشروی آمریکایی، در حال بررسی ممنوعیت مدل‌های پیشرفته چینی از جمله Kimi K3 است، هرچند پولیتیکو نیز می‌گوید وزارت بازرگانی آمریکا به این زودی‌ها چنین اقدامی نمی‌کند.

اما چرا یک مدل رایگان و در دسترس، چنین هراسی را برمی‌انگیزد؟ پاسخ ساده است: اقتصاد. مدل‌های متن‌باز، به‌ویژه اگر قدرتمند و رایگان باشند، می‌توانند روی زیرساخت‌های مستقل اجرا شوند و هزینه‌های استفاده از هوش مصنوعی را برای شرکت‌ها و کاربران تا حد زیادی پایین بیاورند. این در حالی است که شرکت‌هایی مانند OpenAI و Anthropic میلیاردها دلار صرف آموزش مدل‌های خود کرده‌اند و حالا می‌بینند که رقبای رایگان می‌توانند بازگشت این سرمایه‌های هنگفت را زیر سؤال ببرند. برادن هنکاک، از بنیان‌گذاران شرکت Snorkel AI، به تِک‌کرانچ گفت: «مدل‌های متن‌باز قوی، حاشیه سود شرکت‌های بزرگ را فشرده می‌کنند و قیمت‌ها را پایین می‌آورند.» او تأکید کرد که این به معنای کاهش استفاده از هوش مصنوعی نیست، بلکه برعکس، استفاده را گسترش می‌دهد، اما درآمد غول‌ها را کاهش می‌دهد.

دلایل دولت برای ممنوعیت و نقاط ضعف آن

کسانی که خواستار ممنوعیت هستند، چند استدلال می‌آورند: نخست، نگرانی از نشت داده‌ها به چین. اما کارشناسان می‌گویند اجرای مدل‌های متن‌باز روی سرورهای آمریکایی، احتمال جاسوسی را کم‌رنگ می‌کند. دوم، وجود سوگیری‌های پنهان به نفع چین که ممکن است در کد یا خروجی‌ها نمود یابد. و سوم، نبود «نرده‌های محافظ» (guardrails) اجباری که دولت آمریکا برای مدل‌های داخلی وضع کرده تا از سوءاستفاده جلوگیری کند. با این حال، دیوید ساکس، سرمایه‌دار خطرپذیر و مشاور ترامپ، بارها به مواردی اشاره کرده که شرکت‌های آمریکایی برای انجام وظایف امنیتی که مدل‌های بومی از آن سر باز می‌زنند، به سراغ مدل‌های چینی رفته‌اند! این یعنی نرده‌های محافظ نه‌تنها امنیت را افزایش نداده، بلکه باعث شده بازار به سمت رقبا متمایل شود.

نوآوری یا انحصار؛ مسئله این است

حامیان مدل‌های باز، مانند یان لیکان (مدیر ارشد هوش مصنوعی متا) و مارتین کاسادو، معتقدند که محدود کردن این مدل‌ها، به جای حفظ برتری آمریکا، به نفع چین تمام می‌شود. هنکاک توضیح می‌دهد: «تأثیر بزرگ‌تر مدل‌های متن‌باز چینی این نیست که احتمالاً درهای پشتی دارند، بلکه این است که مالک نوآوری می‌شوند.» او PyTorch را مثال می‌زند که به دلیل متن‌باز بودن، به استاندارد صنعت تبدیل شد و همه جامعه در آن مشارکت کردند. حال بیم آن می‌رود که مدل‌های چینی نیز به محور تحقیقات بین‌المللی بدل شوند. به‌گفته هنکاک، اکنون بیش از نیمی از مقالات علمی که دانشجویان آمریکایی مطالعه می‌کنند، از منابع چینی می‌آید و آزمایشگاه‌های آمریکایی تمایلی به اشتراک‌گذاری یافته‌های خود ندارند.

کلم دلانگ، مدیرعامل Hugging Face، در این باره می‌گوید: «محدود کردن مدل‌های باز، هوش مصنوعی را ایمن‌تر نمی‌کند، فقط ریسک‌ها را پنهان می‌کند و قدرت را در دست چند شرکت متمرکز می‌سازد.»

راه حل واقعی چیست؟

سام برسنیک، محقق مرکز امنیت و فناوری‌های نوظهور در جرج‌تاون، معتقد است که بحث اصلی باید بر سر کنترل صادرات تراشه‌ها باشد، نه ممنوعیت مدل‌ها. او می‌گوید: «اگر واقعاً می‌خواهیم چین را کند کنیم، باید فروش پردازنده‌های پیشرفته مثل Nvidia H200 را به آن متوقف کنیم.» این کار، به زعم او، از بحث‌های پیچیده درباره ممنوعیت فناوری‌های متن‌بازی که شرکت‌های زیادی خواهان آن‌اند، جلوگیری می‌کند.

نکته جالب اینکه برخی شرکت‌های آمریکایی، از جمله Nvidia و Thinking Machines Lab، خود به سمت عرضه مدل‌های باز رفته‌اند. برای نمونه، Nvidia با سرمایه‌گذاری روی مجموعه مدل‌های باز Nemotron، سعی دارد اکوسیستمی از توسعه‌دهندگان ایجاد کند؛ چرا که اگر صدها شرکت سازنده هوش مصنوعی وجود داشته باشند، بازار تراشه‌های آن رونق می‌گیرد.

تأثیر بر ایران و جوامعی که به مدل‌های باز وابسته‌اند

این جنجال‌ها برای کاربران و توسعه‌دهندگان ایرانی نیز پیامدهای مستقیم دارد. ایران به دلیل تحریم‌ها، دسترسی رسمی به بسیاری از سرویس‌های پیشرفته هوش مصنوعی مانند ChatGPT یا Claude را ندارد. در چنین شرایطی، مدل‌های متن‌باز اغلب تنها راه برای بهره‌گیری از هوش مصنوعی جدید هستند. اگر آمریکا بخواهد استفاده از مدل‌های چینی را محدود کند، ممکن است جامعه فناوری ایران با گزینه‌های کمتری روبه‌رو شود. در عین حال، مدل‌های متن‌باز می‌توانند فرصتی برای توسعه بومی و تطبیق با زبان فارسی باشند. برای توسعه‌دهندگان ایرانی که به ساخت ابزارهای مبتنی بر هوش مصنوعی برای بازار فارسی‌زبان مشغول‌اند، دسترسی به مدل‌های قدرتمند متن‌باز امری حیاتی است. مدل‌هایی مانند Kimi K3 می‌توانند پایه‌ای برای ساخت چت‌بات‌ها، ابزارهای ترجمه و تحلیل متن به زبان فارسی باشند، آن هم بدون نیاز به مجوز از شرکت‌های آمریکایی که اغلب دسترسی ایرانیان را مسدود می‌کنند. تجربه نشان داده که جوامع مختلف با دسترسی به مدل‌های باز، نوآوری‌های محلی خود را شکوفا می‌کنند.

جمع‌بندی

این مناقشه بیش از هر چیز نشان می‌دهد که مدل کسب‌وکار هوش مصنوعی هنوز به بلوغ نرسیده و شرکت‌های بزرگ برای حفظ سودآوری خود، به دنبال حمایت دولت‌ها هستند. در حالی که رقابت واقعی در نوآوری باز و توزیع‌شده نهفته است، تمرکز بیش از حد قدرت، هم برای امنیت و هم برای پیشرفت فناوری خطرناک خواهد بود. برای ایران، پیگیری دقیق این روندها و حمایت از پروژه‌های متن‌باز داخلی می‌تواند راهگشای حضور مؤثر در عرصه جهانی هوش مصنوعی باشد.