מומחה ביג דאטה: התקנות הנוכחיות של בינה מלאכותית מעכבות התקדמות, מינוי דויד סאקס הוא צעד חיובי

מינויו של דיוויד סאקס מחזק את ה-AI והקריפטו

צ’י ג’אנג, COO ב-Kite AI, מאמינה שהחוק של האיחוד האירופי על AI, למרות שנחקק בכוונות טובות, יכול “להטיל עומס בעייתי על חדשנים קטנים יותר.” לעומת זאת, הגישה של ארצות הברית ש”יותר פתוחה” ל-AI חסרה קוהרנטיות בחקיקה פדרלית, שעלולה לעכב חדשנות.

בתגובות בכתב שחולקו עם Bitcoin.com News, ג’אנג, מנטורית למייסדים בשלב מוקדם, הדגישה את החשיבות של מציאת איזון בין טיפוח חדשנות ובין הבטחת בטיחות הציבור. עם זאת, היא הכירה שהשגת שיווי משקל זה יש לה אתגרים.

ביחס למינויו של דיוויד סאקס כצאר ה-AI והקריפטו של הממשל החדש, ג’אנג רואה זאת כהוכחה למיקוד החזק של ממשל טראמפ בהנעת חדשנות. היא מאמינה שניסיונו של סאקס בהרחבת פלטפורמות דיגיטליות וניהול מערכות אקולוגיות מורכבות יכול גם להביא את המבנה הכה נחוץ והקואורדינציה לתעשיות ה-AI והבלוקצ’יין.

משקפת כמה מעמיתיה ששיבחו את הבחירה, ג’אנג מציעה שמינויו של סאקס מצביע על מסגרת מדיניות של ממשלת ארצות הברית התומכת בלכידת ערך הוגן, תומכת ביצירתיות ומתמודדת עם דאגות אתיות. מסגרת כזו יכולה להניח את הבסיס לצמיחה בת קיימא ולמקם את ארצות הברית כמרכז עולמי עתידי גם לקריפטו וגם ל-AI, אמרה סמנכ”לית התפעול.

בינתיים, בתגובותיה, ג’אנג גם דנה בשני חידושים אחרונים בבינה המלאכותית הגנרטיבית (GenAI) וביתרונותיהם למערכת האקולוגית. להלן תשובות ג’אנג לכל השאלות שנשלחו.

Bitcoin.com News (BCN): הנשיא הנבחר של ארצות הברית דונלד טראמפ מינה את סמנכ”ל התפעול לשעבר של פייפאל, דיוויד סאקס, כצאר ה-AI והקריפטו החדש של הבית הלבן. כמומחית העובדת בצומת בין AI וקריפטו, האם תוכלי לספר לקוראים שלנו מה משמעות מינויו של סאקס לעתיד תעשיות ה-AI והקריפטו?

צ’י ג’אנג (CZ): מינויו של דיוויד סאקס מסמן מיקוד חזק על הנעת חדשנות בצומת בין טכנולוגיות AI ובלוקצ’יין. הניסיון שלו בהרחבת פלטפורמות דיגיטליות וניהול מערכות אקולוגיות מורכבות בפייפאל יכול להביא את המבנה והקואורדינציה הכה נחוצים לענפים שמתפתחים במהירות אלה. עבור AI וקריפטו, זה יכול להוביל למסגרות מדיניות התומכות בלכידת ערך הוגנת, בונות תמריצים לחדשנות ומתייחסות לדאגות אתיות—מותחים את הדרך לצמיחה בת קיימא והופכים את ארה”ב למרכז עולמי גם לקריפטו וגם ל-AI, בדיוק כמו שהיה בתעשיית התוכנה.

BCN: האינטרנט רועש וגעוש עם פתרונות בינה מלאכותית גנרטיבית (GenAI), המאפשרים למשתמשים לחקור רעיונות וירטואליים בלתי מוגבלים המקודמים כעידן חדש של תרבות מקוונת. חרף ההיבטים המרגשים של הטרנד הזה, קיימים סיכונים וסכנות פנימיים, כולל deepfakes, שיכולים להיות מאוד מזיקים לעסקים. לאור העובדה ש-GenAI קיימת כבר תקופה ארוכה, מהם לדעתך המרכיבים שמאחורי הבום החדש?

CZ: הבום האחרון ב-GenAI ניתן לייחס להתקדמות במודלים בשפות גדולות (LLMs), שיפור אלגוריתמים לאימון, והזמינות של משאבים מחשוב בעלי ביצועים גבוהים כמו GPUs. בנוסף, טכנולוגיות מבוזרות אפשרו מסגרות שיתוף נתונים שיתופיים, מזרזים חדשנות. הנגישות לכלים ו-APIs איפשרה ליותר מפתחים ועסקים לשלב GenAI ביישומים אמיתיים, מה שהבתנעה את האימוץ הרווח שלה.

BCN: משתמשי אינטרנט יכולים כעת ליצור מודלים של AI בטקסט, גרפיקה וסרטונים באיכות גבוהה. האם תוכל לספק דוגמאות כיצד היכולת ליצור מודלים של AI בטקסט, גרפיקה וסרטונים באיכות גבוהה יכולה להיות מנוצלת כהשפעה חיובית בתעשיות שונות ובהיבטים שונים של החיים?

CZ: הבינה המלאכותית הגנרטיבית יש לה מגוון יישומים שונים בתעשיות רבות. לפרטים, זה מביא יכולות יצירתיות לכלים ליצירת תוכן, מהסיוע בכתיבה ליצירת תמונות. לעסקים, זה משנה את עולם השיווק על ידי אוטומציה של עיצובי מודעות, מאפשר חוויות לקוח מותאמות אישית בצורה יוצאת דופן, ויוצר נתונים סינתטיים לאימון מודלים. בתחום הבריאות, זה משמש ליצירת כלים לאבחון והדמיית תרחישים רפואיים. יכולתה להאיץ תהליך יצירת אבטיפוס ופתרון בעיות מהווה נכס שלא ניתן להעריך תחום מסוים.

BCN: מעבר ליתרונותיה בדרכים רבות, ל-GenAI יש סיכונים מסוימים שחלק מהם הובלטו לעיל. האם אתה יכול להדגיש סיכונים אחרים הקשורים לטכנולוגיית GenAI המשתפרת במהירות?

CZ: מעבר לסיכוני deepfakes והתחזויות, GenAI יכולה להפיץ דעות קדומות אם מאומנת על קבוצות נתונים פגומות, מה שיכול להוביל לאפליה בלתי רצויה ביישומים כמו גיוס או הלוואות. דאגה נוספת היא חוסר השקיפות בתוצאות המודל, היכולה לפגוע באמון. בנוסף, מתעוררות מחלוקות בנוגע לקניין רוחני כאשר מודלים של GenAI יוצרים תוכן שמופק מנתונים בעלי זכויות יוצרים. סיכונים אלה מדגישים את הצורך בממשל חזק ובמנגנוני ייחוס הוגנים.

BCN: רגולציה הפכה להיבט מכריע בהתפתחויות טכנולוגיות חדשות. רוב הממשלות ממהרות להגן על אזרחיהן ועל מדינותיהן מפני הסיכונים הפוטנציאליים של טכנולוגיות מתפתחות. עם זאת, הטבע המבוזר וההתפתחות המהירה של טכנולוגיות אלו מהווים אתגרים משמעותיים לרבות מהממשלות בעולם. כשהממשלות ברחבי העולם שואפות לאזן הגנת האזרחים עם חדשנות, לדעתך, כמה מדיניות רגולציה עולמית קיימות יעילות בטיפול באתגרים שמוצבים על ידי טכנולוגיות מתפתחות כמו AI?

CZ: הרגולציה העולמית של AI עדיין בשלביה הראשונים, עם רמות התקדמות שונות. בעוד שהחוק של האיחוד האירופי הוא ניסיון מקיף להתייחס לסיכונים, הוא יכול להטיל עומס בעייתי על חדשנים קטנים יותר. לעומת זאת, ארצות הברית אימצה גישה פתוחה יותר, אך חסרה חקיקה פדרלית קוהרנטית. מציאת איזון בין טיפוח חדשנות לבין הבטחת בטיחות הציבור מהווה אתגר, ומערכות מבוזרות כמו Kite AI יכולות לעזור על ידי הטמעת שקיפות ואחריות ברמת התשתית.

BCN: אילו שיטות אלטרנטיביות היית ממליצה לממשלות להסדיר את המערכת הטכנולוגית המתפתחת, בפרט הבינה המלאכותית?

CZ: ממשלות צריכות להתמקד ברגולציה מבוססת תוצאה במקום אמצעי ציות נוקשים. מסגרות שיתופיות הכוללות את המגזרים הפרטי והציבורי יכולות להבטיח שהמדיניות תישאר בקצב עם התקדמות טכנולוגית. ארגזי חול רגולטוריים, לדוגמה, מאפשרים חדשנות בסביבות מבוקרות. מודלים מבוזרים יכולים גם לשחק תפקיד על ידי הבטחת גישה הוגנת וייחוס חזק ללא הצורך בהתערבויות כבדות.

BCN: הפרויקט שלך, Kite AI, מתכוון להבטיח גישה הוגנת למשאבי AI—נתונים, מודלים וסוכנים. האם תוכל לדבר בקצרה על כך ואיך אתם מתכננים להשיג מטרה זו?

CZ: ב-Kite AI, אנחנו בונים את שכבת היסוד לכלכלה דיגיטלית מונעת AI עולמית. תאר לך מערכת בה כל אדם, החל ממפתחים קטנים ועד לארגונים גדולים, יכולים לגשת לנתוני AI וכלים באיכות גבוהה בצורה שקופה והוגנת. דרך שכבת הקואורדינציה שלנו שמופעלת בבלוקצ’יין, אנו מבטיחים שהתורמים שומרים על בעלות על הנכסים שלהם ומתוגמלים בהוגנות בכל פעם שהנתונים, המודלים או הסוכנים המלאכותיים שלהם משומשים. זה הופך את החדשנות ב-AI לנגישה לכולם, לא רק לטכנולוגיה הגדולה.

BCN: טרנספורמרים ומודלים של שפות גדולות (LLMs) הם שתי התקדמויות נוספות לאחרונה בבינה מלאכותית גנרטיבית. האם תוכל להסביר לקוראים שלנו מה הם, איך הם פועלים ואילו יתרונות הם מביאים למערכת האקולוגית של Gen AI?

CZ: טרנספורמרים הם סוג של ארכיטקטורת מודל למידת מכונה המצטיינת בהבנה ויצירת נתונים רציפים, כמו טקסט או קוד. LLMs (מודלים שפתיים גדולים) בנויים על טרנספורמרים ומאומנים על מערכי נתונים מאסיביים כדי לבצע משימות כמו תרגום שפה, סיכום ויצירת תוכן. הגמישות שלהם פתחה יכולות חדשות ב-GenAI, מה שהופך את זה לקל יותר לבנות יישומים שדורשים הבנת וייצור טקסט בעל מראה אנושי.

BCN: למרות קיומם מספר שנים, בינה מלאכותית גנרטיבית חוותה זינוק בפופולריות במהלך השנים האחרונות, כנראה כתוצאה מהתקדמות בטכנולוגיות מבוזרות התומכות. מהן הציפיות שלך לגבי פיתוח התעשייה בשנים הבאות?

CZ: במהלך חמש השנים הקרובות, אנו מצפים ל-GenAI להשתלב בצורה חלקה עם מסגרות מבוזרות, מה שמאפשר מערכות אקולוגיות שיתופיות בהן תורמים מתוגמלים בהוגנה על הנתונים והמומחיות שלהם. כלכלות דיגיטליות מונעות על ידי AI יעלו, מונעות על ידי ממשלות מבוזרות וייחוס שקוף. Kite AI נמצאת בחזית של זה, מספקת את תשתית הבסיס לפתוחי שיתוף פעולה וחדשנות עולמיים בבינה מלאכותית.