«`html
Искусственный интеллект с открытым исходным кодом может ускорить достижение целей устойчивого развития
Искусственный интеллект с открытым исходным кодом может ускорить достижение целей устойчивого развития. Искусственный интеллект с открытым исходным кодом представляет собой важную возможность для продвижения к глобальным целям устойчивого развития. С 2018 по 2024 год его использование для поддержки этих целей выросло на 300 %, с заметными вкладом в такие области, как сельское хозяйство, управление экосистемами и борьба с изменением климата. Эта открытая модель, позволяющая каждому изучать, изменять и делиться инструментами, была разработана для ускорения прогресса эффективным и инклюзивным способом.
Однако его расширение выявило сложные проблемы. Отсутствие структурированной системы управления может привести к чрезмерному потреблению ресурсов и этическим уязвимостям. Например, децентрализованная разработка избыточных моделей на неэффективных локальных инфраструктурах усугубляет углеродный след отрасли. Кроме того, легкий доступ к инструментам с открытым исходным кодом снизил затраты на производство дипфейков и целевой дезинформации, создавая риски для безопасности и доверия к информации.
Еще одна проблема — это цифровой колониализм, когда могущественные страны и учреждения Глобального Севера контролируют данные и инфраструктуру, ограничивая автономию стран Юга. Наборы данных, разработанные для локальных контекстов, могут плохо применяться в других местах, что приводит к ошибкам и снижению релевантности решений в области управления.
Для решения этих проблем предлагаются четыре ключевых действия. Первое заключается в интеграции устойчивости в весь жизненный цикл моделей, оптимизации аппаратных инфраструктур и избегании расточительства, связанного с избыточной разработкой. Такие методы, как дистилляция моделей, позволяют сократить их размер до 70 %, тем самым уменьшая их экологическое воздействие. Другой подход — использование центров обработки данных с жидкостным охлаждением и питанием от возобновляемых источников энергии, что снижает спрос на энергию на 20 % и потребление воды на 52 %.
Второе действие направлено на создание количественной системы оценки для измерения влияния искусственного интеллекта на цели устойчивого развития. Это предполагает разработку комплексных индикаторов, интегрирующих локальные и глобальные данные, что позволяет точно оценивать положительные и отрицательные эффекты. Например, критерии устойчивости могут охватывать более 40 социальных, экологических и экономических индикаторов, предоставляя ясное представление о реальном воздействии.
Третье действие основано на регулировании и прозрачности. Чтобы предотвратить злоупотребления, необходимо внедрить обязательные аудиты, тесты на устойчивость к атакам и четкие лицензии, определяющие разрешенные способы использования. Разработчики должны использовать проверенные наборы данных, чтобы ограничить предвзятость, а правительства могут вводить строгие политики для предотвращения распространения вредоносного контента. Пользователи, в свою очередь, несут ответственность за этичное применение этих инструментов и сообщение о неправильном использовании.
Наконец, четвертое действие поощряет глобальное сотрудничество и обмен знаниями. Несмотря на демократизацию доступа, сохраняются неравенства в области инфраструктуры, талантов и суверенитета данных. Создание платформ с открытым доступом, соблюдающих принципы находимости, доступности и повторного использования, имеет решающее значение для обеспечения равного доступа к ресурсам. Учреждения, такие как Глобальный диалог по управлению искусственным интеллектом, могли бы укрепить сотрудничество, публикуя ежегодные отчеты и организуя межправительственные переговоры.
На региональном уровне сотрудничество между глобальными платформами и местными исследовательскими центрами позволяет сочетать общие базовые модели с данными, специфичными для каждого контекста. Это облегчает внедрение адаптированных решений при соблюдении нормативных требований по защите данных. Учреждения, такие как Австралийский институт искусственного интеллекта или Национальный институт по оценке и безопасности искусственного интеллекта во Франции, играют ключевую роль в этой локализации.
Искусственный интеллект с открытым исходным кодом в сочетании с подходящим управлением может преобразовать процесс принятия решений, сделав его более инклюзивным и основанным на фактах. Это позволит быстрее выявлять приоритеты, препятствия и пути устойчивого преобразования, даже перед лицом сложных проблем. Интегрируя уроки, извлеченные из опыта граждан всего мира, он также может сделать повестку на период после 2030 года более представительной и эффективной.
Модели с открытым исходным кодом также предлагают конкретные преимущества. Их стоимость в 5–29 раз ниже, чем у проприетарных моделей при сопоставимой производительности, что расширяет их доступность. Такие инструменты, как модели обработки естественного языка, специализированные на климате, помогают бороться с дезинформацией, в то время как другие, используемые в здравоохранении, могли бы смягчить нехватку терапевтов в некоторых регионах. В экономической сфере малые и средние предприятия могут принимать и адаптировать эти технологии для оптимизации своего производства.
Однако без подходящего управления риски сохраняются. Производство электронных материалов и инфраструктура, необходимая для искусственного интеллекта, вносят вклад в мировые токсичные отходы. Кроме того, почти 60 % моделей, помеченных как с открытым исходным кодом, не имеют никакой лицензии, что усложняет их безопасное использование. Распространение нерегулируемых моделей также облегчает выявление уязвимостей злоумышленниками, увеличивая риски фишинга или распространения ненавистнических речей.
Чтобы максимизировать преимущества искусственного интеллекта с открытым исходным кодом, необходим координированный подход. Он должен сочетать устойчивость, строгую оценку, безопасность и сотрудничество, чтобы сократить неопределенности и гарантировать, что эта технология действительно служит глобальному прогрессу.
Искусственный интеллект с открытым исходным кодом может ускорить достижение целей устойчивого развития. Искусственный интеллект с открытым исходным кодом представляет собой важную возможность для продвижения к глобальным целям устойчивого развития. С 2018 по 2024 год его использование для поддержки этих целей выросло на 300 %, с заметными вкладом в такие области, как сельское хозяйство, управление экосистемами и борьба с изменением климата. Эта открытая модель, позволяющая каждому изучать, изменять и делиться инструментами, была разработана для ускорения прогресса эффективным и инклюзивным способом.
Однако его расширение выявило сложные проблемы. Отсутствие структурированной системы управления может привести к чрезмерному потреблению ресурсов и этическим уязвимостям. Например, децентрализованная разработка избыточных моделей на неэффективных локальных инфраструктурах усугубляет углеродный след отрасли. Кроме того, легкий доступ к инструментам с открытым исходным кодом снизил затраты на производство дипфейков и целевой дезинформации, создавая риски для безопасности и доверия к информации.
Еще одна проблема — это цифровой колониализм, когда могущественные страны и учреждения Глобального Севера контролируют данные и инфраструктуру, ограничивая автономию стран Юга. Наборы данных, разработанные для локальных контекстов, могут плохо применяться в других местах, что приводит к ошибкам и снижению релевантности решений в области управления.
Для решения этих проблем предлагаются четыре ключевых действия. Первое заключается в интеграции устойчивости в весь жизненный цикл моделей, оптимизации аппаратных инфраструктур и избегании расточительства, связанного с избыточной разработкой. Такие методы, как дистилляция моделей, позволяют сократить их размер до 70 %, тем самым уменьшая их экологическое воздействие. Другой подход — использование центров обработки данных с жидкостным охлаждением и питанием от возобновляемых источников энергии, что снижает спрос на энергию на 20 % и потребление воды на 52 %.
Второе действие направлено на создание количественной системы оценки для измерения влияния искусственного интеллекта на цели устойчивого развития. Это предполагает разработку комплексных индикаторов, интегрирующих локальные и глобальные данные, что позволяет точно оценивать положительные и отрицательные эффекты. Например, критерии устойчивости могут охватывать более 40 социальных, экологических и экономических индикаторов, предоставляя ясное представление о реальном воздействии.
Третье действие основано на регулировании и прозрачности. Чтобы предотвратить злоупотребления, необходимо внедрить обязательные аудиты, тесты на устойчивость к атакам и четкие лицензии, определяющие разрешенные способы использования. Разработчики должны использовать проверенные наборы данных, чтобы ограничить предвзятость, а правительства могут вводить строгие политики для предотвращения распространения вредоносного контента. Пользователи, в свою очередь, несут ответственность за этичное применение этих инструментов и сообщение о неправильном использовании.
Наконец, четвертое действие поощряет глобальное сотрудничество и обмен знаниями. Несмотря на демократизацию доступа, сохраняются неравенства в области инфраструктуры, талантов и суверенитета данных. Создание платформ с открытым доступом, соблюдающих принципы находимости, доступности и повторного использования, имеет решающее значение для обеспечения равного доступа к ресурсам. Учреждения, такие как Глобальный диалог по управлению искусственным интеллектом, могли бы укрепить сотрудничество, публикуя ежегодные отчеты и организуя межправительственные переговоры.
На региональном уровне сотрудничество между глобальными платформами и местными исследовательскими центрами позволяет сочетать общие базовые модели с данными, специфичными для каждого контекста. Это облегчает внедрение адаптированных решений при соблюдении нормативных требований по защите данных. Учреждения, такие как Австралийский институт искусственного интеллекта или Национальный институт по оценке и безопасности искусственного интеллекта во Франции, играют ключевую роль в этой локализации.
Искусственный интеллект с открытым исходным кодом в сочетании с подходящим управлением может преобразовать процесс принятия решений, сделав его более инклюзивным и основанным на фактах. Это позволит быстрее выявлять приоритеты, препятствия и пути устойчивого преобразования, даже перед лицом сложных проблем. Интегрируя уроки, извлеченные из опыта граждан всего мира, он также может сделать повестку на период после 2030 года более представительной и эффективной.
Модели с открытым исходным кодом также предлагают конкретные преимущества. Их стоимость в 5–29 раз ниже, чем у проприетарных моделей при сопоставимой производительности, что расширяет их доступность. Такие инструменты, как модели обработки естественного языка, специализированные на климате, помогают бороться с дезинформацией, в то время как другие, используемые в здравоохранении, могли бы смягчить нехватку терапевтов в некоторых регионах. В экономической сфере малые и средние предприятия могут принимать и адаптировать эти технологии для оптимизации своего производства.
Однако без подходящего управления риски сохраняются. Производство электронных материалов и инфраструктура, необходимая для искусственного интеллекта, вносят вклад в мировые токсичные отходы. Кроме того, почти 60 % моделей, помеченных как с открытым исходным кодом, не имеют никакой лицензии, что усложняет их безопасное использование. Распространение нерегулируемых моделей также облегчает выявление уязвимостей злоумышленниками, увеличивая риски фишинга или распространения ненавистнических речей.
Чтобы максимизировать преимущества искусственного интеллекта с открытым исходным кодом, необходим координированный подход. Он должен сочетать устойчивость, строгую оценку, безопасность и сотрудничество, чтобы сократить неопределенности и гарантировать, что эта технология действительно служит глобальному прогрессу.
«`
Crédits des sources
Source principale
DOI : https://doi.org/10.1038/s41467-026-73866-8
Titre : Steering open-source AI to accelerate the sustainable development goals
Revue : Nature Communications
Éditeur : Springer Science and Business Media LLC
Auteurs : Min Chen; Kai Wu; Prajal Pradhan; Cameron Allen; Stefano Nativi; Klaus Hubacek; Alexey Voinov; Felix Creutzig; Tatiana Filatova; Niklas Boers; Michael Meadows; Peilong Ma; Frank Biermann; Hans Joachim Schellnhuber; John Ludden; Maria Paradiso; Michael Batty; Huadong Guo; Min Cao; Peng Hou; Guonian Lü