“`html

Trí tuệ nhân tạo mã nguồn mở có thể thúc đẩy các mục tiêu phát triển bền vững

Trí tuệ nhân tạo mã nguồn mở có thể thúc đẩy các mục tiêu phát triển bền vững Trí tuệ nhân tạo mã nguồn mở đại diện cho một cơ hội lớn để tiến tới các mục tiêu phát triển bền vững trên toàn cầu. Từ năm 2018 đến 2024, việc sử dụng nó để hỗ trợ các mục tiêu này đã tăng 300%, với những đóng góp đáng kể trong các lĩnh vực như nông nghiệp, quản lý hệ sinh thái và chống biến đổi khí hậu. Mô hình mở này, cho phép mọi người nghiên cứu, sửa đổi và chia sẻ các công cụ, đã được thiết kế để thúc đẩy tiến bộ một cách hiệu quả và toàn diện.

Tuy nhiên, sự mở rộng của nó đã bộc lộ những thách thức phức tạp. Thiếu khung quản trị có cấu trúc có thể dẫn đến việc tiêu thụ quá mức tài nguyên và những lỗ hổng về đạo đức. Ví dụ, việc phát triển các mô hình trùng lặp một cách phi tập trung trên các cơ sở hạ tầng địa phương kém hiệu quả làm trầm trọng thêm dấu chân carbon của ngành. Ngoài ra, sự dễ dàng tiếp cận các công cụ mã nguồn mở đã giảm chi phí sản xuất deepfake và thông tin sai lệch có chủ đích, đặt ra những rủi ro đối với an ninh và niềm tin vào thông tin.

Một thách thức khác là chủ nghĩa thực dân kỹ thuật số, nơi các quốc gia và tổ chức mạnh mẽ ở Bắc bán cầu kiểm soát dữ liệu và cơ sở hạ tầng, hạn chế tính tự chủ của các nước Nam bán cầu. Các bộ dữ liệu được thiết kế cho các bối cảnh địa phương có thể không áp dụng tốt ở nơi khác, dẫn đến sai sót và giảm tính phù hợp của các giải pháp quản trị.

Để giải quyết những thách thức này, bốn hành động chính được đề xuất. Hành động đầu tiên là tích hợp tính bền vững vào toàn bộ vòng đời của các mô hình, bằng cách tối ưu hóa cơ sở hạ tầng phần cứng và tránh lãng phí do phát triển trùng lặp. Các kỹ thuật như chưng cất mô hình cho phép giảm kích thước của chúng tới 70%, từ đó hạn chế tác động môi trường. Một hướng đi khác là áp dụng các trung tâm dữ liệu làm mát bằng chất lỏng và chạy bằng năng lượng tái tạo, giảm 20% nhu cầu năng lượng và 52% tiêu thụ nước.

Hành động thứ hai nhằm thiết lập khung đánh giá định lượng để đo lường tác động của trí tuệ nhân tạo đối với các mục tiêu phát triển bền vững. Điều này đòi hỏi việc tạo ra các chỉ số tổng hợp tích hợp dữ liệu địa phương và toàn cầu, cho phép đánh giá chính xác các tác động tích cực và tiêu cực. Ví dụ, các tiêu chí bền vững có thể bao gồm hơn 40 chỉ số xã hội, môi trường và kinh tế, mang lại cái nhìn rõ ràng về tác động thực tế.

Hành động thứ ba dựa trên quy định và minh bạch. Để tránh lạm dụng, điều cần thiết là thiết lập các cuộc kiểm toán bắt buộc, thử nghiệm đối kháng và các giấy phép rõ ràng định nghĩa các cách sử dụng được phép. Các nhà phát triển phải sử dụng các bộ dữ liệu đã được kiểm toán để hạn chế các thiên vị, trong khi các chính phủ có thể áp đặt các chính sách nghiêm ngặt để ngăn chặn sự lan truyền của nội dung độc hại. Người dùng, mặt khác, có trách nhiệm áp dụng các công cụ này một cách đạo đức và báo cáo các trường hợp sử dụng sai mục đích.

Cuối cùng, hành động thứ tư khuyến khích hợp tác toàn cầu và chia sẻ kiến thức. Mặc dù việc dân chủ hóa tiếp cận đã được cải thiện, nhưng vẫn tồn tại bất bình đẳng về cơ sở hạ tầng, nhân tài và chủ quyền dữ liệu. Việc tạo ra các nền tảng truy cập mở, tuân thủ các nguyên tắc về khả năng tìm thấy, khả năng tiếp cận và tái sử dụng, là rất quan trọng để đảm bảo quyền tiếp cận công bằng với các nguồn lực. Các tổ chức như Đối thoại toàn cầu về quản trị trí tuệ nhân tạo có thể tăng cường hợp tác bằng cách xuất bản các báo cáo hàng năm và tổ chức các cuộc đàm phán liên chính phủ.

Ở cấp độ khu vực, sự hợp tác giữa các nền tảng toàn cầu và các trung tâm nghiên cứu địa phương cho phép kết hợp các mô hình nền tảng chia sẻ với các dữ liệu đặc thù của từng bối cảnh. Điều này giúp triển khai các giải pháp phù hợp, đồng thời tuân thủ các quy định về bảo vệ dữ liệu. Các tổ chức như Viện Trí tuệ nhân tạo Úc hoặc Viện Quốc gia về Đánh giá và An ninh Trí tuệ nhân tạo của Pháp đóng vai trò quan trọng trong việc địa phương hóa này.

Trí tuệ nhân tạo mã nguồn mở, kết hợp với quản trị phù hợp, có thể biến đổi quá trình ra quyết định, làm cho nó trở nên toàn diện hơn và dựa trên bằng chứng. Nó cho phép xác định nhanh chóng các ưu tiên, trở ngại và con đường chuyển đổi bền vững, ngay cả khi đối mặt với những thách thức phức tạp. Bằng cách tích hợp các bài học rút ra từ công dân trên toàn thế giới, nó cũng có thể làm cho chương trình nghị sự hậu-2030 trở nên đại diện và hiệu quả hơn.

Các mô hình mã nguồn mở còn mang lại những lợi ích cụ thể. Chi phí của chúng thấp hơn từ 5 đến 29 lần so với các mô hình độc quyền cho hiệu suất tương đương, từ đó mở rộng khả năng tiếp cận. Các công cụ như các mô hình xử lý ngôn ngữ tự nhiên chuyên về khí hậu giúp chống lại thông tin sai lệch, trong khi những công cụ khác, như những công cụ được sử dụng trong y tế, có thể giảm bớt tình trạng thiếu hụt nhà trị liệu ở một số khu vực. Trong lĩnh vực kinh tế, các doanh nghiệp nhỏ và vừa có thể áp dụng và tùy chỉnh các công nghệ này để tối ưu hóa sản xuất.

Tuy nhiên, nếu thiếu quản trị phù hợp, các rủi ro vẫn tồn tại. Việc sản xuất các vật liệu điện tử và cơ sở hạ tầng cần thiết cho trí tuệ nhân tạo đóng góp vào lượng chất thải độc hại toàn cầu. Ngoài ra, gần 60% các mô hình được gắn nhãn mã nguồn mở không có bất kỳ giấy phép nào, điều này làm phức tạp hóa việc sử dụng chúng một cách an toàn. Sự lan truyền của các mô hình không được quản lý cũng tạo điều kiện cho các tác nhân độc hại xác định các lỗ hổng, tăng nguy cơ lừa đảo hoặc lan truyền lời nói thù hận.

Để tối đa hóa lợi ích của trí tuệ nhân tạo mã nguồn mở, một cách tiếp cận phối hợp là không thể thiếu. Nó phải kết hợp tính bền vững, đánh giá nghiêm ngặt, an ninh và hợp tác, nhằm giảm thiểu các bất trắc và đảm bảo rằng công nghệ này thực sự phục vụ tiến bộ toàn cầu.

Trí tuệ nhân tạo mã nguồn mở có thể thúc đẩy các mục tiêu phát triển bền vững Trí tuệ nhân tạo mã nguồn mở đại diện cho một cơ hội lớn để tiến tới các mục tiêu phát triển bền vững trên toàn cầu. Từ năm 2018 đến 2024, việc sử dụng nó để hỗ trợ các mục tiêu này đã tăng 300%, với những đóng góp đáng kể trong các lĩnh vực như nông nghiệp, quản lý hệ sinh thái và chống biến đổi khí hậu. Mô hình mở này, cho phép mọi người nghiên cứu, sửa đổi và chia sẻ các công cụ, đã được thiết kế để thúc đẩy tiến bộ một cách hiệu quả và toàn diện.

Tuy nhiên, sự mở rộng của nó đã bộc lộ những thách thức phức tạp. Thiếu khung quản trị có cấu trúc có thể dẫn đến việc tiêu thụ quá mức tài nguyên và những lỗ hổng về đạo đức. Ví dụ, việc phát triển các mô hình trùng lặp một cách phi tập trung trên các cơ sở hạ tầng địa phương kém hiệu quả làm trầm trọng thêm dấu chân carbon của ngành. Ngoài ra, sự dễ dàng tiếp cận các công cụ mã nguồn mở đã giảm chi phí sản xuất deepfake và thông tin sai lệch có chủ đích, đặt ra những rủi ro đối với an ninh và niềm tin vào thông tin.

Một thách thức khác là chủ nghĩa thực dân kỹ thuật số, nơi các quốc gia và tổ chức mạnh mẽ ở Bắc bán cầu kiểm soát dữ liệu và cơ sở hạ tầng, hạn chế tính tự chủ của các nước Nam bán cầu. Các bộ dữ liệu được thiết kế cho các bối cảnh địa phương có thể không áp dụng tốt ở nơi khác, dẫn đến sai sót và giảm tính phù hợp của các giải pháp quản trị.

Để giải quyết những thách thức này, bốn hành động chính được đề xuất. Hành động đầu tiên là tích hợp tính bền vững vào toàn bộ vòng đời của các mô hình, bằng cách tối ưu hóa cơ sở hạ tầng phần cứng và tránh lãng phí do phát triển trùng lặp. Các kỹ thuật như chưng cất mô hình cho phép giảm kích thước của chúng tới 70%, từ đó hạn chế tác động môi trường. Một hướng đi khác là áp dụng các trung tâm dữ liệu làm mát bằng chất lỏng và chạy bằng năng lượng tái tạo, giảm 20% nhu cầu năng lượng và 52% tiêu thụ nước.

Hành động thứ hai nhằm thiết lập khung đánh giá định lượng để đo lường tác động của trí tuệ nhân tạo đối với các mục tiêu phát triển bền vững. Điều này đòi hỏi việc tạo ra các chỉ số tổng hợp tích hợp dữ liệu địa phương và toàn cầu, cho phép đánh giá chính xác các tác động tích cực và tiêu cực. Ví dụ, các tiêu chí bền vững có thể bao gồm hơn 40 chỉ số xã hội, môi trường và kinh tế, mang lại cái nhìn rõ ràng về tác động thực tế.

Hành động thứ ba dựa trên quy định và minh bạch. Để tránh lạm dụng, điều cần thiết là thiết lập các cuộc kiểm toán bắt buộc, thử nghiệm đối kháng và các giấy phép rõ ràng định nghĩa các cách sử dụng được phép. Các nhà phát triển phải sử dụng các bộ dữ liệu đã được kiểm toán để hạn chế các thiên vị, trong khi các chính phủ có thể áp đặt các chính sách nghiêm ngặt để ngăn chặn sự lan truyền của nội dung độc hại. Người dùng, mặt khác, có trách nhiệm áp dụng các công cụ này một cách đạo đức và báo cáo các trường hợp sử dụng sai mục đích.

Cuối cùng, hành động thứ tư khuyến khích hợp tác toàn cầu và chia sẻ kiến thức. Mặc dù việc dân chủ hóa tiếp cận đã được cải thiện, nhưng vẫn tồn tại bất bình đẳng về cơ sở hạ tầng, nhân tài và chủ quyền dữ liệu. Việc tạo ra các nền tảng truy cập mở, tuân thủ các nguyên tắc về khả năng tìm thấy, khả năng tiếp cận và tái sử dụng, là rất quan trọng để đảm bảo quyền tiếp cận công bằng với các nguồn lực. Các tổ chức như Đối thoại toàn cầu về quản trị trí tuệ nhân tạo có thể tăng cường hợp tác bằng cách xuất bản các báo cáo hàng năm và tổ chức các cuộc đàm phán liên chính phủ.

Ở cấp độ khu vực, sự hợp tác giữa các nền tảng toàn cầu và các trung tâm nghiên cứu địa phương cho phép kết hợp các mô hình nền tảng chia sẻ với các dữ liệu đặc thù của từng bối cảnh. Điều này giúp triển khai các giải pháp phù hợp, đồng thời tuân thủ các quy định về bảo vệ dữ liệu. Các tổ chức như Viện Trí tuệ nhân tạo Úc hoặc Viện Quốc gia về Đánh giá và An ninh Trí tuệ nhân tạo của Pháp đóng vai trò quan trọng trong việc địa phương hóa này.

Trí tuệ nhân tạo mã nguồn mở, kết hợp với quản trị phù hợp, có thể biến đổi quá trình ra quyết định, làm cho nó trở nên toàn diện hơn và dựa trên bằng chứng. Nó cho phép xác định nhanh chóng các ưu tiên, trở ngại và con đường chuyển đổi bền vững, ngay cả khi đối mặt với những thách thức phức tạp. Bằng cách tích hợp các bài học rút ra từ công dân trên toàn thế giới, nó cũng có thể làm cho chương trình nghị sự hậu-2030 trở nên đại diện và hiệu quả hơn.

Các mô hình mã nguồn mở còn mang lại những lợi ích cụ thể. Chi phí của chúng thấp hơn từ 5 đến 29 lần so với các mô hình độc quyền cho hiệu suất tương đương, từ đó mở rộng khả năng tiếp cận. Các công cụ như các mô hình xử lý ngôn ngữ tự nhiên chuyên về khí hậu giúp chống lại thông tin sai lệch, trong khi những công cụ khác, như những công cụ được sử dụng trong y tế, có thể giảm bớt tình trạng thiếu hụt nhà trị liệu ở một số khu vực. Trong lĩnh vực kinh tế, các doanh nghiệp nhỏ và vừa có thể áp dụng và tùy chỉnh các công nghệ này để tối ưu hóa sản xuất.

Tuy nhiên, nếu thiếu quản trị phù hợp, các rủi ro vẫn tồn tại. Việc sản xuất các vật liệu điện tử và cơ sở hạ tầng cần thiết cho trí tuệ nhân tạo đóng góp vào lượng chất thải độc hại toàn cầu. Ngoài ra, gần 60% các mô hình được gắn nhãn mã nguồn mở không có bất kỳ giấy phép nào, điều này làm phức tạp hóa việc sử dụng chúng một cách an toàn. Sự lan truyền của các mô hình không được quản lý cũng tạo điều kiện cho các tác nhân độc hại xác định các lỗ hổng, tăng nguy cơ lừa đảo hoặc lan truyền lời nói thù hận.

Để tối đa hóa lợi ích của trí tuệ nhân tạo mã nguồn mở, một cách tiếp cận phối hợp là không thể thiếu. Nó phải kết hợp tính bền vững, đánh giá nghiêm ngặt, an ninh và hợp tác, nhằm giảm thiểu các bất trắc và đảm bảo rằng công nghệ này thực sự phục vụ tiến bộ toàn cầu.

“`

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