برای هوش مصنوعی فقط یک فرصت داریم

برداشت از بازار: ترکیبی؛ محرک‌ها نه خودِ لفاظی‌ها، بلکه مقررات‌گذاری و نحوه اجرا هستند. پیشنهاد فعلی بیشتر درباره نظارت و هماهنگی است تا توقفی در سراسر صنعت: Anthropic متعهد شده است ارزیابی‌های تعبیه‌شده انجام دهد و سپس از همکاری با Accenture برای انجام بخشی از این کار خبر داده است. این موضوع هزینه‌های انطباق را افزایش می‌دهد، اما به‌تنهایی سقفی برای آموزش یا تقاضای محاسباتی تعیین نمی‌کند.

برای شرکت‌های زیرساخت هوش مصنوعی و نیمه‌رسانا—از جمله NVDA، AVGO و تأمین‌کنندگان مراکز داده—سناریوی نزولی این است که اعمال محدودیت‌های الزام‌آور بر سرعت پیشرفت یا تأخیر در عرضه مدل‌ها، در نهایت تقاضا برای شتاب‌دهنده‌ها و هزینه‌های سرمایه‌ای را کاهش دهد. در مقابل، بررسی‌های ایمنیِ معتبر می‌توانند ریسک ادراک‌شده استقرار را کاهش دهند و به گسترش پذیرش در شرکت‌ها کمک کنند؛ امری که در بلندمدت به نفع پلتفرم‌های ابری و نرم‌افزارهای هوش مصنوعی خواهد بود. هیچ‌یک از این پیامدها صرفاً با حمایت‌های علنی به‌طور خودکار محقق نمی‌شود.

ریسک اصلی این است که هماهنگی چگونه به سیاست‌گذاری تبدیل می‌شود. اگر مقررات هزینه‌های ثابت قابل‌توجهی تحمیل کنند یا توسعه متن‌باز را محدود سازند، ممکن است به نفع آزمایشگاه‌های پیشتازِ برخوردار از سرمایه کافی تمام شوند و نگرانی‌هایی درباره تسخیر مقررات‌گذاری و مسائل ضدانحصار ایجاد کنند؛ اگر آزمایشگاه‌های بزرگ به‌طور یک‌جانبه سرعت کار را کاهش دهند، اما رقبا چنین نکنند، ممکن است بدون کاهش معنادار ریسک در سطح کل سامانه، سهم بازار خود را از دست بدهند. این انتقادها صرفاً نظری نیستند: آسوشیتدپرس گزارش می‌دهد که در یک شکایت ادعا شده شرکت‌های پیشرو هوش مصنوعی به‌طور غیرقانونی توافق کرده‌اند توسعه را کند کنند؛ البته ادعا به معنای یافته دادگاه نیست.

مواردی که باید زیر نظر گرفت:

اینکه تعهدات ارزیابان الزام‌آور می‌شوند یا نه، دولت‌ها آستانه‌هایی برای قابلیت‌ها یا عرضه تعیین می‌کنند یا نه، نظارت ضدانحصاری چگونه پیش می‌رود و آیا مقررات میان سامانه‌های پیشرو و مدل‌های متن‌باز تمایز قائل می‌شوند یا نه. تا زمانی که این جزئیات برنامه‌های عرضه، سفارش‌های محاسباتی یا پذیرش مشتریان را تغییر ندهند، این موضوع بیش از هر چیز نشانه‌ای از ریسک سیاست‌گذاری است—نه محرکی روشن برای سودآوری در کوتاه‌مدت.