Lima cara Perangkat Lunak Sumber Terbuka membentuk kebijakan AI

Perangkat lunak sumber terbuka (OSS), yang bebas untuk diakses, digunakan, dan diubah tanpa batasan, memainkan peran sentral dalam pengembangan dan penggunaan kecerdasan buatan (AI). Algoritme AI dapat dianggap sebagai sekumpulan instruksi—yaitu, perhitungan apa yang harus dilakukan dan dalam urutan apa; pengembang kemudian menulis perangkat lunak yang berisi instruksi konseptual ini sebagai kode aktual. Jika perangkat lunak itu kemudian diterbitkan dengan cara sumber terbuka—di mana kode dasarnya tersedia untuk umum bagi siapa saja untuk digunakan dan dimodifikasi—setiap ilmuwan data dapat dengan cepat menggunakan algoritme itu dengan sedikit usaha. Ada ribuan dari implementasi algoritme AI yang membuat penggunaan AI lebih mudah dengan cara ini, serta rangkaian penting dari alat baru yang memungkinkan AI yang lebih etis. Secara bersamaan, jumlah alat OSS di subbidang pembelajaran mendalam yang sangat penting semakin berkurang—yang mengarah pada peningkatan pengaruh pasar dari perusahaan yang mengembangkan OSS, Facebook, dan Google tersebut. Beberapa dokumen tata kelola AI cukup fokus pada peran OSS, yang merupakan pengawasan yang disayangkan, meskipun hal ini diam-diam memengaruhi hampir setiap masalah dalam kebijakan AI. Dari penelitian hingga etika, dan dari kompetisi hingga inovasi, kode sumber terbuka memainkan peran sentral dalam AI dan patut mendapat perhatian lebih dari pembuat kebijakan.





1. OSS mempercepat adopsi AI

OSS memungkinkan dan meningkatkan adopsi AI dengan mengurangi tingkat pengetahuan matematika dan teknis yang diperlukan untuk menggunakan AI. Menulis matematika kompleks dari algoritme ke dalam kode itu sulit dan memakan waktu, yang berarti setiap alternatif sumber terbuka yang ada dapat menjadi manfaat besar bagi ilmuwan data. OSS mendapat manfaat dari lingkungan kolaboratif dan kompetitif di mana pengembang bekerja sama untuk menemukan bug sesering mereka bersaing untuk menulis versi terbaik dari suatu algoritme. Ini sering menghasilkan kode yang lebih mudah diakses, kuat, dan berkualitas tinggi dibandingkan dengan apa yang mungkin dikembangkan oleh ilmuwan data rata-rata—sering kali lebih sebagai penjelajah data dan pemecah masalah pragmatis daripada matematikawan murni. Ini berarti bahwa kode AI open-source yang ditulis dengan baik secara signifikan memperluas kapasitas ilmuwan data rata-rata, memungkinkan mereka menggunakan algoritme dan fungsionalitas pembelajaran mesin yang lebih modern. Jadi, sementara banyak perhatian telah diberikan pada melatih dan mempertahankan bakat AI , membuat AI lebih mudah digunakan—seperti halnya kode OSS—mungkin memiliki dampak signifikan yang serupa dalam memungkinkan pertumbuhan ekonomi dari AI.



2. OSS membantu melawan bias AI

Alat AI sumber terbuka juga dapat memungkinkan penggunaan AI etis yang lebih luas dan lebih baik. Alat open-source seperti IBM AI Fairness 360, Microsoft's Fairlearn, dan University of Chicago's Aequitas meringankan hambatan teknis untuk memerangi bias AI. Ada juga perangkat lunak OSS yang memudahkan ilmuwan data untuk menginterogasi model mereka, seperti IBM's AI Explainability 360 atau machine learning Chris Molnar yang dapat diinterpretasikan. alat dan buku . Alat-alat ini dapat membantu ilmuwan data terbatas waktu yang ingin membangun sistem AI yang lebih bertanggung jawab, tetapi berada di bawah tekanan untuk menyelesaikan proyek dan memberikannya kepada klien. Sementara pengawasan pemerintah yang lebih banyak terhadap AI tentu diperlukan, pembuat kebijakan juga harus lebih sering mempertimbangkan untuk berinvestasi dalam perangkat lunak AI etis open-source sebagai pengungkit alternatif untuk meningkatkan peran AI di masyarakat. National Science Foundation sudah mendanai penelitian ke dalam keadilan AI , tetapi lembaga dan yayasan pemberi hibah harus mempertimbangkan OSS sebagai komponen integral dari AI etis, dan selanjutnya mendanai pengembangan dan adopsinya.



istri ke-2 henry viii

3. Alat OSS AI memajukan sains

Pada tahun 2007, sekelompok peneliti berpendapat bahwa kurangnya implementasi algoritme yang tersedia secara terbuka merupakan hambatan utama bagi kemajuan ilmiah dalam a kertas berjudul Kebutuhan Perangkat Lunak Open Source dalam Pembelajaran Mesin. Sulit membayangkan masalah ini hari ini, karena sekarang ada banyak alat OSS AI untuk penemuan ilmiah. Sebagai salah satu contoh, perangkat lunak AI open-source Keras sedang digunakan ke mengidentifikasi subkomponen molekul mRNA dan membangun antarmuka saraf untuk lebih membantu orang buta melihat. Perangkat lunak OSS juga membuat penelitian lebih mudah untuk direproduksi, memungkinkan para ilmuwan untuk memeriksa dan mengkonfirmasi hasil satu sama lain. Bahkan perubahan kecil dalam cara penerapan algoritme AI dapat menghasilkan hasil yang sangat berbeda; menggunakan OSS bersama dapat mengurangi sumber ketidakpastian ini. Hal ini memudahkan para ilmuwan untuk mengevaluasi secara kritis hasil penelitian rekan mereka, tantangan umum dalam banyak disiplin yang dihadapi krisis replikasi yang sedang berlangsung .



Meskipun kode OSS jauh lebih umum saat ini, masih ada upaya untuk meningkatkan persentase makalah akademis yang merilis kodenya secara publik—saat ini sekitar 50 hingga 70 persen di konferensi pembelajaran mesin utama. Pembuat kebijakan juga memiliki peran dalam mendukung kode OSS dalam sains, seperti dengan mendorong proyek penelitian AI yang didanai pemerintah federal untuk merilis kode yang dihasilkan secara publik. Lembaga pemberi hibah mungkin juga mempertimbangkan untuk mendanai pemeliharaan berkelanjutan alat AI OSS, yang sering kali menjadi tantangan bagi perangkat lunak penting. Inisiatif Chan Zuckerberg, yang mendanai proyek-proyek OSS yang kritis, menulis bahwa OSS sangat penting untuk penelitian ilmiah modern… namun bahkan perangkat lunak penelitian yang paling banyak digunakan tidak memiliki dana khusus.



4. OSS dapat membantu atau menghambat persaingan sektor teknologi

OSS memiliki konsekuensi signifikan terhadap kebijakan persaingan. Di satu sisi, rilis publik kode pembelajaran mesin meluas dan memungkinkan penggunaannya dengan lebih baik. Di banyak industri, ini akan memungkinkan lebih banyak adopsi AI dengan lebih sedikit bakat AI—kemungkinan merupakan keuntungan bersih untuk persaingan. Namun, untuk Google dan Facebook, sumber terbuka dari alat pembelajaran mendalam mereka (masing-masing Tensorflow dan PyTorch), dapat semakin memperkuat posisi mereka yang sudah dibentengi. Hampir semua pengembang untuk Tensorflow dan PyTorch dipekerjakan oleh Google dan Facebook, menunjukkan bahwa perusahaan tidak melepaskan banyak kendali. Sementara alat-alat ini tentu saja lebih mudah diakses oleh publik, tujuan yang sering dinyatakan dari 'mendemokratisasi' teknologi melalui OSS, dalam hal ini, adalah eufemistik.



siapa nama asli bajak laut blackbeard?

Tensorflow dan PyTorch telah menjadi alat pembelajaran mendalam yang paling umum di industri dan akademisi, yang memberikan manfaat besar bagi perusahaan induknya. Google dan Facebook mendapat manfaat lebih cepat dari penelitian yang dilakukan dengan alat mereka karena tidak perlu menerjemahkan penemuan akademis ke dalam bahasa atau kerangka kerja yang berbeda. Lebih lanjut, dominasi mereka memanifestasikan jaringan ilmuwan data dan insinyur pembelajaran mesin yang terlatih dalam sistem mereka dan membantu memposisikan mereka sebagai perusahaan terdepan untuk bekerja. Secara keseluruhan, manfaat bagi Google dan Facebook untuk mengendalikan pembelajaran mendalam OSS adalah signifikan dan dapat bertahan jauh di masa depan. Ini harus diperhitungkan dalam setiap diskusi tentang persaingan sektor teknologi.

5. OSS membuat standar AI default

OSS AI juga memiliki implikasi penting bagi badan standar, seperti: IEEE , ISO / JTC , dan CEN-CENELEC , yang berusaha mempengaruhi industri dan politik AI. Di industri lain, badan standar sering kali menambah nilai dengan menyebarluaskan praktik terbaik dan memungkinkan teknologi yang dapat dioperasikan. Namun, dalam AI, penggunaan sistem operasi, bahasa pemrograman, dan alat yang beragam berarti bahwa tantangan interoperabilitas telah mendapat perhatian besar. Selanjutnya, komunitas praktisi AI agak informal, dengan banyak praktik dan standar yang disebarluaskan melalui twitter, posting blog, dan dokumentasi OSS. Dominasi Tensorflow dan PyTorch di subbidang pembelajaran mendalam berarti bahwa Google dan Facebook memiliki pengaruh yang sangat besar, yang mungkin enggan mereka serahkan ke badan standar yang didorong oleh konsensus. Sejauh ini, pengembang OSS belum terlibat secara luas dalam pekerjaan badan standar internasional, dan ini dapat secara signifikan menghambat pengaruh mereka di bidang AI.

Kebijakan AI terkait dengan Perangkat Lunak Sumber Terbuka

Dari penelitian hingga etika, dan dari kompetisi hingga inovasi, kode sumber terbuka memainkan peran sentral dalam pengembangan penggunaan kecerdasan buatan. Hal ini membuat ketidakhadiran pengembang open-source yang konsisten dari diskusi kebijakan cukup penting, karena mereka memiliki pengaruh yang berarti atas, dan pengetahuan yang sangat spesifik tentang, arah AI. Melibatkan lebih banyak pengembang AI OSS dapat membantu pembuat kebijakan AI secara lebih rutin mempertimbangkan pengaruh OSS dalam mengejar pengembangan AI yang adil dan merata.

berapa lama satu siklus bulan