1. المقدمة والنظرة العامة
تحدد الورقة البحثية "حجة توفير الطاقة الحاسوبية الأساسية الشاملة" انحرافًا حاسمًا في تطوير الذكاء الاصطناعي المعاصر: الاتجاه نحو نماذج مركزية كثيفة الاستهلاك للموارد وتتحكم فيها كيانات قليلة، مقابل إمكانية تحقيق ذكاء اصطناعي مفتوح وديمقراطي ممكن بمبادرات مثل المصادر المفتوحة للنماذج وتقنيات النشر الفعالة. يجادل المؤلف بأنه لضمان مستقبل شامل للذكاء الاصطناعي، يجب علينا مواجهة المركزية بنشاط من خلال توسيع الوصول إلى المورد الأساسي الذي يدعم تقدم الذكاء الاصطناعي: الطاقة الحاسوبية.
هذا يقود إلى اقتراح توفير الطاقة الحاسوبية الأساسية الشاملة (UBCP)، وهي مبادرة سياسية مصممة لضمان وصول عالمي مجاني إلى كمية أساسية من الموارد الحاسوبية مخصصة خصيصًا للبحث والتطوير في مجال الذكاء الاصطناعي. يتم تصور المفهوم كتوازي في العصر الرقمي للدخل الأساسي الشامل (UBI)، بهدف توفير أساس غير مشروط للمشاركة في الاقتصاد القائم على الذكاء الاصطناعي.
الرؤى الرئيسية
- مخاطر المركزية: النمو المتسارع في البيانات والمعاملات ومتطلبات الحوسبة يخلق حاجزًا مرتفعًا أمام الدخول، مما يعرض مستقبل الذكاء الاصطناعي لخطر السيطرة عليه من قبل حفنة من الشركات الكبيرة أو الدول.
- المصادر المفتوحة كموازن: تظهر مبادرات مثل المصادر المفتوحة لـ LLaMA 2 و Claude 2 مسارًا عمليًا نحو الديمقراطية، لكن فوائدها تقتصر حاليًا على أقلية تتمتع بامتيازات تقنية.
- UBCP كحل: يُقترح تخصيص مضموم ومجاني للطاقة الحاسوبية للبحث والتطوير في الذكاء الاصطناعي كمنفعة عامة ضرورية لتسوية ساحة اللعب وتعزيز الابتكار على نطاق واسع.
2. مبادرة UBCP: المبادئ الأساسية
يستند إطار عمل UBCP على ثلاثة ركائز أساسية تحدد نطاقه وفلسفته التشغيلية.
2.1 الوصول المجاني
مستوحى من الدخل الأساسي الشامل (UBI)، فإن المبدأ الأول هو أن UBCP يجب أن يقدم دون شروط وبالمجان. لا ينبغي أن يكون الوصول مشروطًا بالمعرفة التقنية أو الوضع الاقتصادي أو الانتماء المؤسسي. الهدف صراحة هو سد الفجوة الناتجة عن غياب هذه المعرفة، مما يجعله أداة للتمكين بدلاً من أن يكون مكافأة على امتياز قائم. يقتصر الاستخدام بشكل صارم على أنشطة البحث والتطوير في الذكاء الاصطناعي لضمان أن يخدم المورد الغرض المقصود منه وهو تعزيز الابتكار.
2.2 دمج أحدث تقنيات الذكاء الاصطناعي
مجرد توفير قدرة حوسبة خام (مثل ساعات معالجة GPU) غير كافٍ. يجب أن يكون UBCP منصة مُدارة تدمج أحدث التطورات في أدوات ومعرفة الذكاء الاصطناعي. وهذا يشمل:
- نماذج أساسية مقطرة ومضغوطة بكفاءة (مثل المتغيرات الأصغر من النماذج الكبيرة).
- مجموعات بيانات تدريب عالية الجودة ومصدرة بشكل أخلاقي مع أوراق بيانات شاملة.
- معايير تقييم موحدة.
- أدوات حوكمة وأخلاقيات الذكاء الاصطناعي (مثل أدوات الكشف عن التحيز والقابلية للتفسير).
يجب أن تتبنى المنصة فلسفة تصميم منخفضة/بدون كود، مستوحاة من المنصات التجارية، مما يسمح للمستخدمين بتجميع تطبيقات الذكاء الاصطناعي من وحدات مسبقة البناء، وبالتالي خفض حاجز المهارة.
2.3 إمكانية الوصول الشامل
يتطلب الشمول الحقيقي التغلب على الفجوات الرقمية. يجب أن تكون واجهة UBCP:
- مصممة للأجهزة المحمولة أولاً: تعمل بكامل وظائفها على الهواتف الذكية، والتي هي نقطة الوصول الأساسية للإنترنت في المناطق المحرومة من الخدمات.
- متوافقة مع معايير إمكانية الوصول: الالتزام بمعايير مثل WCAG لخدمة المستخدمين ذوي الإعاقة.
- شاملة من الناحية المعرفية: استخدام التصور والرسوم المتحركة والتلعيب لجعل مفاهيم الذكاء الاصطناعي المعقدة مفهومة لمستخدمين متنوعين، بما في ذلك الأطفال وكبار السن.
- مترجمة ومحلية: مترجمة بالكامل، مع تكييف المصطلحات التقنية للسياقات اللغوية والثقافية العالمية.
3. المبررات والأسباب
3.1 الفوائد المتمحورة حول الإنسان
التبرير يعكس حجج الدخل الأساسي الشامل، ويركز على ثلاثة محاور:
- التمكين: يوفر للجميع الوسائل لتطوير المعرفة بالذكاء الاصطناعي والتكيف مع التغيير التكنولوجي.
- التفرد: يمكن الناس من تخصيص حلول الذكاء الاصطناعي لاحتياجاتهم المحلية أو الثقافية أو الشخصية الفريدة، متجاوزين النماذج الموحدة من المزودين المركزيين.
- الاستقلالية: يقلل الاعتماد على منصات الذكاء الاصطناعي المملوكة، مما يمنح الأفراد والمجتمعات سيطرة أكبر على التقنيات التي تؤثر على حياتهم.
3.2 حوافز أصحاب المصلحة
تدعو الورقة البحثية أصحاب المصلحة الرئيسيين - المنصات التقنية الكبيرة، والمساهمين في المصادر المفتوحة، وصناع السياسات - لدعم UBCP. بالنسبة للمنصات، يمكن أن يكون شكلاً من أشكال التعاون التنافسي المسبق الذي ينمي السوق الإجمالي ومجموعة المواهب. بالنسبة لمجتمع المصادر المفتوحة، فإنه يوفر قاعدة مستخدمين ضخمة ومشاركة. بالنسبة لصناع السياسات، فإنه يعالج المخاوف بشأن عدم المساواة الرقمية، والإزاحة الاقتصادية، والاستقلالية التكنولوجية.
4. الإطار التقني والتنفيذ
4.1 نظرة عامة على البنية التقنية
يمكن أن يكون نظام UBCP المحتمل منصة سحابية أصلية مبنية على نموذج اتحادي، ربما تستفيد من موارد الحوسبة غير المستغلة بالكامل من شبكة عالمية من مراكز البيانات (مشابهة لمفهوم Folding@home ولكن للذكاء الاصطناعي). ستفصل البنية الأساسية بين طبقة توفير الموارد وطبقة أدوات الذكاء الاصطناعي وواجهة المستخدم.
4.2 النموذج الرياضي لتخصيص الموارد
آلية تخصيص عادلة أمر بالغ الأهمية. يمكن أن يعتمد أحد النماذج على نظام قائمة انتظار ذات أولوية مقسمة زمنيًا. يحصل كل مستخدم i على تخصيص متكرر من "اعتمادات الحوسبة" $C_i(t)$ لكل فترة زمنية $t$ (مثل شهريًا). عندما يقدم المستخدم مهمة بتكلفة حوسبة مقدرة $E_j$، تدخل في قائمة انتظار. يهدف النظام إلى تعظيم المنفعة الإجمالية ضمن ميزانية عالمية $B$.
يمكن أن تكون دالة الهدف المبسطة للجدولة:
$\text{تعظيم } \sum_{j} U_j(E_j, p_j) \cdot x_j$
$\text{بشرط: } \sum_{j} E_j \cdot x_j \leq B$
حيث $U_j$ هي دالة المنفعة للمهمة $j$ (والتي يمكن أن تأخذ في الاعتبار أولوية المستخدم $p_j$، ربما بشكل عكسي مرتبط بالاستخدام السابق لتعزيز الإنصاف)، و $x_j$ متغير ثنائي يشير إلى ما إذا كانت المهمة قد تم تشغيلها أم لا.
4.3 أداء النموذج الأولي والنتائج المحاكاة
بينما لا يوجد UBCP كامل النطاق، يمكن أن تكون المحاكاة القائمة على تسعير السحابة ومتطلبات النماذج مفتوحة المصدر توضيحية. على سبيل المثال، تزويد كل مستخدم عالمي بحصة شهرية قادرة على ضبط نموذج لغة متوسط الحجم (مثل 7 مليار معامل) على مجموعة بيانات متواضعة سيتطلب بنية تحتية ضخمة. تشير النمذجة الأولية إلى تدرج غير خطي للتكلفة مقابل فائدة المستخدم.
وصف الرسم البياني المحاكى: رسم بياني خطي يظهر "المنفعة التراكمية للابتكار المجتمعي (مفهرس)" على المحور الصادي مقابل "ميزانية الحوسبة الإجمالية لـ UBCP (بيتا فلوب/ثانية-أيام)" على المحور السيني. يكون المنحنى ضحلًا في البداية، يمثل المكاسب الأساسية في الوصول والمعرفة، ثم يرتفع بشدة في منطقة "الكتلة الحرجة" حيث يمكن للمستخدمين إجراء بحث وتطوير ذي معنى، قبل أن يستقر مع تناقص العوائد الحدية للتخصيصات العالية جدًا. يسلط الرسم البياني الضوء على الحاجة إلى استهداف الميزانية للوصول إلى نقطة التحول في المنحنى.
5. إطار التحليل: دراسة حالة
السيناريو: باحث في الصحة العامة في منطقة منخفضة الدخل يرغب في تطوير أداة ذكاء اصطناعي تشخيصية لمرض محلي باستخدام التصوير الطبي، لكنه يفتقر إلى الموارد الحاسوبية والخبرة العميقة في التعلم الآلي.
تطبيق UBCP:
- الوصول: يسجل الباحث الدخول إلى بوابة UBCP عبر هاتف ذكي.
- اختيار الأداة: يستخدم واجهة منخفضة الكود لاختيار نموذج أساسي للرؤية مسبق التدريب وموجه طبيًا (مثل نسخة مقطرة من نموذج مثل PubMedCLIP) ويوصله بوحدة ضبط النموذج.
- البيانات والحوسبة: يرفع مجموعة بيانات صغيرة ومجهولة المصدر للصور المحلية. تساعد أدوات الحوكمة في المنصة على إنشاء ورقة بيانات. يخصص الباحث اعتمادات الحوسبة الشهرية الخاصة به لمهمة الضبط.
- التطوير والتقييم: تعمل المهمة على البنية التحتية الاتحادية. توفر المنصة معايير تقييم موحدة للتصوير الطبي. يقوم الباحث بالتكرار على النموذج باستخدام لوحة تحكم مرئية بديهية.
- النتيجة: يتم إنشاء أداة تشخيصية مخصصة وذات صلة محليًا دون استثمار مسبق في أجهزة أو مهارات متقدمة في الذكاء الاصطناعي، مما يوضح إمكانات التمكين لـ UBCP.
6. التطبيقات المستقبلية وخارطة طريق التطوير
قصير المدى (1-3 سنوات): برامج تجريبية في بيئات أكاديمية أو لمنظمات غير حكومية، تركز على توفير الوصول للطلاب والباحثين في المناطق النامية. التكامل مع المنصات التعليمية الحالية (مثل دورات الذكاء الاصطناعي على Coursera، edX) لتوفير حوسبة عملية.
متوسط المدى (3-7 سنوات): إنشاء صناديق UBCP وطنية أو إقليمية، يمكن تمويلها من خلال ضريبة على استخدام الحوسبة التجارية للذكاء الاصطناعي أو كجزء من مبادرات البنية التحتية العامة الرقمية. تطوير بيئات قوية ومعزولة للتجارب الآمنة للذكاء الاصطناعي.
طويل المدى (7+ سنوات): UBCP كحق رقمي معترف به عالميًا، مدمج في الأطر الدولية. تطور المنصة لدعم التدريب اللامركزي للذكاء الاصطناعي والتعلم الاتحادي على نطاق واسع، مما يمكن من تطوير النماذج التعاونية دون تجميع مركزي للبيانات. تقارب محتمل مع شبكات البنية التحتية المادية اللامركزية (DePIN) لتوريد الحوسبة.
7. التحليل النقدي وتعليقات الخبراء
الرؤية الأساسية: مقترح Zhu لـ UBCP ليس مجرد إصلاح تقني؛ إنه تدخل سياسي واقتصادي عميق يهدف إلى منع نشوء "أرستقراطية الحوسبة". إنه يحدد بشكل صحيح الوصول إلى الحوسبة، وليس فقط الخوارزميات أو البيانات، كحد جديد لعدم المساواة. القياس على الدخل الأساسي الشامل مناسب ولكنه يقلل من شأن التعقيد - بينما النقود قابلة للاستبدال، يجب أن تكون الحوسبة معبأة بذكاء مع الأدوات والمعرفة لتكون مفيدة، مما يجعل UBCP منفعة عامة أكثر تعقيدًا بكثير.
التسلسل المنطقي: تتبع الحجة هيكلًا مقنعًا من ثلاثة فصول: (1) تشخيص المشكلة (المركزية عبر قوانين توسيع نطاق الحوسبة)، (2) اقتراح الحل (الركائز الثلاث لـ UBCP)، (3) دعوة للعمل (نداء لأصحاب المصلحة). المنطق سليم، لكنه يتجاهل تحديات الحوكمة الهائلة - من يقرر أي النماذج هي "الأحدث" على المنصة؟ كيف يتم تعريف "البحث والتطوير في الذكاء الاصطناعي" مقابل الاستخدام المحظور؟ هذه أسئلة سياسية غير تافهة، وليست تقنية.
نقاط القوة والضعف:
نقاط القوة: أكبر قوة للورقة هي رؤيتها في الوقت المناسب والطموحة. إنها تتجاوز القلق بشأن أخلاقيات الذكاء الاصطناعي إلى اقتراح ملموس قائم على الموارد. يؤكد التركيز على إمكانية الوصول عبر الهاتف المحمول والتوطين على فهم عميق للفجوات الرقمية في العالم الحقيقي. الدعوة لدمج الأدوات، وليس فقط دورات المعالجة الخام، تتماشى مع الأبحاث من معهد ستانفورد للذكاء الاصطناعي المتمحور حول الإنسان (HAI)، الذي يؤكد على أهمية سهولة الاستخدام والتعليم في عملية الديمقراطية.
نقاط الضعف: الفيل في الغرفة هو التمويل والاستدامة. الورقة صامتة بشأن التكلفة المقدرة، والتي ستكون فلكية للطرح العالمي. على عكس الدخل الأساسي الشامل، حيث لتحويلات النقد مضاعفات اقتصادية واضحة، فإن العائد على الاستثمار للحوسبة الشاملة يصعب قياسه. علاوة على ذلك، لم تتم معالجة خطر تحول المنصة نفسها إلى قوة مركزية جديدة أو هدف للاستخدام الخبيث (مثل توليد المعلومات المضللة) بشكل كافٍ. يجب أن تتعلم المقترحات مثل UBCP من تحديات الحوكمة التي واجهتها مشاريع البنية التحتية الإلكترونية واسعة النطاق مثل شبكة XSEDE.
رؤى قابلة للتنفيذ: بالنسبة لصناع السياسات، الخطوة الفورية ليست UBCP عالميًا، ولكن برامج تجريبية "UBCP-Lite": سحابات حوسبة ذكاء اصطناعي ممولة من القطاع العام للمؤسسات الأكاديمية والمدنية، مع أغلفة تعليمية قوية. بالنسبة للشركات التقنية، فإن الرؤية هي النظر إلى المساهمات في مثل هذه المجمعات ليس كعمل خيري ولكن كـ استثمار استراتيجي في النظام البيئي - يشبه إلى حد كبير سحابة أبحاث TPU من Google أو اعتمادات API السابقة من OpenAI للباحثين. يجب أن يدافع مجتمع المصادر المفتوحة عن معايير أعباء عمل الذكاء الاصطناعي المحمولة والفعالة التي يمكن أن تعمل عبر أجهزة غير متجانسة، مما يجعل UBCP المستقبلي ممكنًا تقنيًا. في النهاية، يجب قراءة ورقة Zhu كاستفزاز: نحن نصمم الاقتصاد السياسي للذكاء الاصطناعي الآن، وإذا لم نبنِ بوعي آليات للوصول على نطاق واسع، فسنقوم حتمًا بتثبيت شكل جديد من الأوليغارشية التكنولوجية.
8. المراجع
- Zhu, Y. (2023). The Case for Universal Basic Computing Power. Tongji University. [Source PDF]
- Kaplan, J., et al. (2020). Scaling Laws for Neural Language Models. arXiv:2001.08361.
- Bommasani, R., et al. (2021). On the Opportunities and Risks of Foundation Models. Stanford Center for Research on Foundation Models (CRFM).
- Gebru, T., et al. (2021). Datasheets for Datasets. Communications of the ACM.
- Mitchell, M., et al. (2019). Model Cards for Model Reporting. Proceedings of the Conference on Fairness, Accountability, and Transparency (FAT*).
- Van Parijs, P., & Vanderborght, Y. (2017). Basic Income: A Radical Proposal for a Free Society and a Sane Economy. Harvard University Press.
- Stanford Institute for Human-Centered AI (HAI). (2023). The AI Index Report. https://aiindex.stanford.edu/
- XSEDE: Extreme Science and Engineering Discovery Environment. https://www.xsede.org/