Hujah untuk Kuasa Pengkomputeran Asas Sejagat (UBCP): Rangka Kerja untuk AI Inklusif

1. Pengenalan & Gambaran Keseluruhan

Kertas kerja "Hujah untuk Kuasa Pengkomputeran Asas Sejagat" mengenal pasti satu perbezaan kritikal dalam pembangunan AI kontemporari: tren ke arah model berpusat yang intensif sumber dan dikawal oleh beberapa entiti, berbanding potensi untuk AI terbuka dan demokratik yang dibolehkan oleh inisiatif seperti sumber terbuka model dan teknik penyebaran yang cekap. Penulis berhujah bahawa untuk memastikan masa depan AI yang inklusif, kita mesti secara aktif menangani pemusatan dengan memperluaskan akses kepada sumber asas yang menyokong kemajuan AI: kuasa pengkomputeran.

Ini membawa kepada cadangan Kuasa Pengkomputeran Asas Sejagat (UBCP), satu inisiatif dasar yang direka untuk menjamin akses global dan percuma kepada jumlah asas sumber pengkomputeran yang khusus untuk penyelidikan dan pembangunan (R&D) AI. Konsep ini dirangka sebagai selari zaman digital kepada Pendapatan Asas Sejagat (UBI), bertujuan untuk menyediakan asas tanpa syarat untuk penyertaan dalam ekonomi yang didorong AI.

Pandangan Utama

Risiko Pemusatan: Pertumbuhan eksponen dalam data, parameter, dan keperluan pengiraan mewujudkan halangan tinggi untuk kemasukan, membahayakan masa depan AI yang dikawal oleh segelintir syarikat besar atau negara.
Sumber Terbuka sebagai Penyeimbang: Inisiatif seperti sumber terbuka LLaMA 2 dan Claude 2 menunjukkan laluan yang boleh dilaksanakan ke arah demokrasi, tetapi faedahnya kini terhad kepada minoriti yang mempunyai keistimewaan teknologi.
UBCP sebagai Penyelesaian: Peruntukan kuasa pengkomputeran yang dijamin dan percuma untuk R&D AI dicadangkan sebagai barangan awam yang perlu untuk menyamakan kedudukan dan memupuk inovasi yang meluas.

2. Inisiatif UBCP: Prinsip Teras

Rangka kerja UBCP dibina atas tiga tonggak asas yang mentakrifkan skop dan falsafah operasinya.

2.1 Akses Percuma

Diilhamkan oleh UBI, prinsip utama adalah UBCP mesti disediakan tanpa syarat dan percuma. Akses tidak sepatutnya bergantung pada celik teknologi, status ekonomi, atau penggabungan institusi. Matlamatnya adalah secara eksplisit untuk merapatkan jurang yang dicipta oleh kekurangan pengetahuan sedemikian, menjadikannya alat pemberdayaan dan bukannya ganjaran untuk keistimewaan sedia ada. Penggunaan adalah terhad kepada aktiviti R&D AI untuk memastikan sumber berkhidmat untuk tujuan yang dimaksudkan iaitu memupuk inovasi.

2.2 Integrasi AI Terkini

Hanya menyediakan pengiraan mentalah (cth., jam GPU) adalah tidak mencukupi. UBCP mesti menjadi platform terkurasi yang mengintegrasikan kemajuan terkini dalam alat dan pengetahuan AI. Ini termasuk:

Model asas yang disuling dan dimampatkan dengan cekap (cth., varian lebih kecil model besar).
Set data latihan berkualiti tinggi, bersumber etika dengan lembaran data komprehensif.
Penanda aras piawai untuk penilaian.
Alat tadbir urus dan etika AI (cth., untuk pengesanan bias, kebolehterangan).

Platform ini harus mengamalkan falsafah reka bentuk kod rendah/tiada kod, diilhamkan oleh platform komersial, membolehkan pengguna memasang aplikasi AI daripada modul pra-bina, seterusnya menurunkan halangan kemahiran.

2.3 Kebolehcapaian Sejagat

Kesejagatan sebenar memerlukan mengatasi jurang digital. Antara muka UBCP mesti:

Keutamaan Mudah Alih: Berfungsi sepenuhnya pada telefon pintar, yang merupakan titik akses internet utama di kawasan yang kurang mendapat perkhidmatan.
Mematuhi Kebolehcapaian: Mematuhi piawaian seperti WCAG untuk berkhidmat kepada pengguna kurang upaya.
Inklusif Kognitif: Menggunakan visualisasi, animasi, dan penggametan untuk menjadikan konsep AI kompleks boleh difahami oleh pelbagai pengguna, termasuk kanak-kanak dan warga emas.
Tempatan: Diterjemahkan sepenuhnya, dengan istilah teknikal disesuaikan untuk konteks linguistik dan budaya global.

3. Rasional & Justifikasi

3.1 Faedah Berpusatkan Manusia

Justifikasi mencerminkan hujah untuk UBI, berpusat pada tiga tema:

Pemberdayaan: Menyediakan semua orang dengan cara untuk membangunkan celik AI dan menyesuaikan diri dengan perubahan teknologi.
Pengindividualan: Membolehkan orang menyesuaikan penyelesaian AI kepada keperluan tempatan, budaya, atau peribadi yang unik, bergerak melangkaui model satu-saiz-sesuai-semua daripada pembekal berpusat.
Autonomi: Mengurangkan kebergantungan pada platform AI proprietari, memberikan individu dan komuniti kawalan lebih besar ke atas teknologi yang mempengaruhi kehidupan mereka.

3.2 Insentif Pihak Berkepentingan

Kertas kerja ini menyeru pihak berkepentingan utama—platform teknologi besar, penyumbang sumber terbuka, dan pembuat dasar—untuk menyokong UBCP. Bagi platform, ia boleh menjadi satu bentuk kerjasama pra-persaingan yang mengembangkan pasaran dan kumpulan bakat keseluruhan. Bagi komuniti sumber terbuka, ia menyediakan asas pengguna yang besar dan terlibat. Bagi pembuat dasar, ia menangani kebimbangan tentang ketidaksamaan digital, penggantian ekonomi, dan kedaulatan teknologi.

4. Rangka Kerja Teknikal & Pelaksanaan

4.1 Gambaran Keseluruhan Seni Bina Teknikal

Sistem UBCP yang berpotensi akan menjadi platform asli awan yang dibina berdasarkan model persekutuan, mungkin memanfaatkan sumber pengkomputeran yang kurang digunakan daripada rangkaian global pusat data (serupa dengan konsep Folding@home tetapi untuk AI). Seni bina teras akan memisahkan lapisan peruntukan sumber daripada lapisan perkakasan AI dan antara muka pengguna.

4.2 Model Matematik untuk Peruntukan Sumber

Mekanisme peruntukan yang adil adalah kritikal. Satu model boleh berdasarkan sistem giliran keutamaan, dihiris masa. Setiap pengguna i menerima peruntukan berulang "kredit pengiraan" $C_i(t)$ setiap tempoh masa $t$ (cth., bulanan). Apabila pengguna menghantar kerja dengan anggaran kos pengiraan $E_j$ , ia memasuki giliran. Sistem bertujuan untuk memaksimumkan utiliti keseluruhan tertakluk kepada belanjawan global $B$ .

Fungsi objektif yang dipermudahkan untuk penjadualan boleh jadi:
$\text{Memaksimumkan } \sum_{j} U_j(E_j, p_j) \cdot x_j$
$\text{Tertakluk kepada: } \sum_{j} E_j \cdot x_j \leq B$
Di mana $U_j$ adalah fungsi utiliti untuk kerja $j$ (yang boleh memfaktorkan keutamaan pengguna $p_j$ , mungkin berkaitan songsang dengan penggunaan lepas untuk menggalakkan ekuiti), dan $x_j$ adalah pembolehubah binari yang menunjukkan sama ada kerja itu dijalankan.

4.3 Prestasi Prototaip & Keputusan Simulasi

Walaupun tiada UBCP berskala penuh wujud, simulasi berdasarkan harga awan dan keperluan model sumber terbuka boleh menjadi ilustratif. Sebagai contoh, menyediakan setiap pengguna global dengan kuota bulanan yang mampu menala halus model bahasa bersaiz sederhana (cth., 7B parameter) pada set data sederhana akan memerlukan infrastruktur besar. Pemodelan awal mencadangkan penskalaan bukan linear kos berbanding faedah pengguna.

Penerangan Carta Simulasi: Satu carta garis menunjukkan "Faedah Inovasi Sosial Kumulatif (Diindeks)" pada paksi-Y melawan "Belanjawan Pengiraan UBCP Agregat (PetaFLOP/s-hari)" pada paksi-X. Lengkung pada mulanya cetek, mewakili akses asas dan keuntungan celik, kemudian meningkat dengan curam dalam zon "jisim kritikal" di mana pengguna boleh melakukan R&D yang bermakna, sebelum mendatar apabila pulangan marginal berkurangan untuk peruntukan yang sangat tinggi. Carta ini menyerlahkan keperluan untuk mensasarkan belanjawan untuk mencapai titik infleksi lengkung.

5. Rangka Kerja Analisis: Kajian Kes

Skenario: Seorang penyelidik kesihatan awam di kawasan berpendapatan rendah ingin membangunkan alat AI diagnostik untuk penyakit tempatan menggunakan pengimejan perubatan, tetapi kekurangan sumber pengkomputeran dan kepakaran pembelajaran mendalam.

Aplikasi UBCP:

Akses: Penyelidik log masuk ke portal UBCP melalui telefon pintar.
Pemilihan Alat: Menggunakan antara muka kod rendah untuk memilih model asas penglihatan berorientasikan perubatan yang telah dilatih (cth., versi disuling model seperti PubMedCLIP) dan menyambungkannya ke modul penalaan halus model.
Data & Pengiraan: Memuat naik set data kecil imej tempatan yang dianonimkan. Alat tadbir urus platform membantu mencipta lembaran data. Penyelidik memperuntukkan kredit pengiraan bulanan mereka kepada kerja penalaan halus.
Pembangunan & Penilaian: Kerja itu berjalan pada infrastruktur persekutuan. Platform menyediakan penanda aras pengimejan perubatan piawai untuk penilaian. Penyelidik berulang pada model menggunakan papan pemuka visual intuitif.
Hasil: Alat diagnostik yang relevan dengan tempatan dan disesuaikan dicipta tanpa pelaburan awal dalam perkakasan atau kemahiran AI lanjutan, menunjukkan potensi pemberdayaan UBCP.

6. Aplikasi Masa Depan & Peta Jalan Pembangunan

Jangka Pendek (1-3 tahun): Program perintis dalam persekitaran akademik atau NGO, memberi tumpuan kepada menyediakan akses kepada pelajar dan penyelidik di kawasan membangun. Integrasi dengan platform pendidikan sedia ada (cth., kursus AI Coursera, edX) untuk menyediakan pengiraan praktikal.

Jangka Sederhana (3-7 tahun): Penubuhan dana UBCP kebangsaan atau serantau, berpotensi dibiayai oleh levi ke atas penggunaan pengiraan AI komersial atau sebagai sebahagian daripada inisiatif infrastruktur awam digital. Pembangunan persekitaran berandbox yang teguh untuk eksperimen AI yang selamat.

Jangka Panjang (7+ tahun): UBCP sebagai hak digital yang diiktiraf global, diintegrasikan ke dalam rangka kerja antarabangsa. Evolusi platform untuk menyokong latihan AI terpencar dan pembelajaran persekutuan pada skala besar, membolehkan pembangunan model kolaboratif tanpa pengumpulan data pusat. Potensi penumpuan dengan rangkaian infrastruktur fizikal terpencar (DePIN) untuk sumber pengiraan.

7. Analisis Kritikal & Ulasan Pakar

Pandangan Teras: Cadangan UBCP Zhu bukan sekadar pembaikan teknikal; ia adalah campur tangan politik dan ekonomi yang mendalam yang bertujuan untuk mencegah "aristokrasi pengiraan." Ia betul mengenal pasti akses pengiraan, bukan hanya algoritma atau data, sebagai sempadan baru ketidaksamaan. Analogi kepada UBI adalah tepat tetapi meremehkan kerumitan—sementara wang boleh ditukar ganti, pengiraan mesti dibungkus secara pintar dengan alat dan pengetahuan untuk menjadi berguna, menjadikan UBCP barangan awam yang jauh lebih rumit.

Aliran Logik: Hujah mengikuti struktur tiga babak yang menarik: (1) Mendiagnosis masalah (pemusatan melalui undang penskalaan pengiraan), (2) Mencadangkan penyelesaian (tiga tonggak UBCP), (3) Rayuan untuk tindakan (seruan kepada pihak berkepentingan). Logiknya kukuh, tetapi ia mengabaikan cabaran tadbir urus yang monumental—siapa yang memutuskan model mana yang "terkini" di platform? Bagaimana "R&D AI" ditakrifkan berbanding penggunaan terlarang? Ini adalah soalan politik bukan remeh, bukan teknikal.

Kekuatan & Kelemahan:
Kekuatan: Kekuatan terbesar kertas kerja ini adalah visinya yang tepat pada masanya dan bercita-cita tinggi. Ia bergerak melangkaui kebimbangan tentang etika AI kepada cadangan konkrit berasaskan sumber. Penekanan pada kebolehcapaian mudah alih dan tempatan menunjukkan pemahaman mendalam tentang jurang digital dunia sebenar. Seruan untuk mengintegrasikan alat, bukan hanya kitaran mentalah, selaras dengan penyelidikan dari Institut AI Berpusatkan Manusia Stanford (HAI), yang menekankan kepentingan kebolehgunaan dan pendidikan dalam demokrasi.
Kelemahan: Gajah dalam bilik adalah pembiayaan dan kemampanan. Kertas kerja ini senyap tentang anggaran kos, yang akan menjadi astronomi untuk pelancaran global. Tidak seperti UBI, di mana pemindahan tunai mempunyai pengganda ekonomi yang jelas, pulangan pelaburan untuk pengiraan sejagat lebih sukar untuk diukur. Tambahan pula, risiko platform itu sendiri menjadi daya pemusatan baru atau sasaran untuk penggunaan berniat jahat (cth., menjana maklumat salah) tidak ditangani dengan secukupnya. Cadangan seperti UBCP mesti belajar daripada cabaran tadbir urus yang dihadapi oleh projek siberinfrastruktur berskala besar seperti rangkaian XSEDE.

Pandangan Boleh Tindak: Bagi pembuat dasar, langkah segera bukan UBCP global, tetapi perintis "UBCP-Lite": awan pengiraan AI yang dibiayai awam untuk institusi akademik dan sivik, dengan pembungkus pendidikan yang kuat. Bagi firma teknologi, pandangannya adalah untuk melihat sumbangan kepada kolam sedemikian bukan sebagai amal tetapi sebagai pelaburan ekosistem strategik—sama seperti Google's TPU Research Cloud atau kredit API awal OpenAI untuk penyelidik. Komuniti sumber terbuka harus memperjuangkan piawaian untuk beban kerja AI yang mudah alih dan cekap yang boleh berjalan merentasi perkakasan heterogen, menjadikan UBCP masa depan boleh dilaksanakan secara teknikal. Akhirnya, kertas kerja Zhu harus dibaca sebagai provokasi: kita sedang mereka bentuk ekonomi politik AI sekarang, dan jika kita tidak secara sedar membina mekanisme untuk akses berasaskan luas, kita tidak dapat tidak akan mengukuhkan satu bentuk oligarki teknologi baru.

8. Rujukan

Zhu, Y. (2023). The Case for Universal Basic Computing Power. Tongji University. [Sumber 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/