Бен Томпсон предложил стратегию для укрепления позиций американских ИИ-разработчиков в конкуренции с китайскими моделями. Инициатива включает законодательное закрепление сбора данных для обучения ИИ как добросовестного использования (fair use), а также запрет на ограничения дистилляции моделей. Это должно устранить правовую неопределенность и стимулировать развитие открытых технологий в противовес закрытым проприетарным системам.
Текущая практика, при которой крупные лаборатории запрещают дистилляцию своих моделей, создавая барьеры для конкурентов, рассматривается автором как противоречивая. С одной стороны, компании используют огромные массивы нелицензированных данных для обучения, с другой — ограничивают возможность использования своих результатов для создания более компактных и эффективных решений. Законодательное решение этого вопроса позволило бы сбалансировать рынок.
Предлагаемые меры направлены на создание прозрачной среды, где открытые модели могут легально обучаться на данных и использовать методы дистилляции для повышения производительности. Это рассматривается как необходимый шаг для сохранения технологического лидерства США, учитывая стремительный прогресс китайских ИИ-лабораторий, которые активно развивают собственные архитектуры и экосистемы.
Ключевые факты
- Предложение включает законодательное признание сбора данных для обучения ИИ как «fair use» (добросовестного использования).
- Инициатива предполагает прямой запрет на юридические ограничения, препятствующие дистилляции ИИ-моделей.
- Стратегия направлена на повышение конкурентоспособности американских открытых моделей против разработок из Китая.
- Автор указывает на лицемерие текущих правил, когда компании используют чужие данные для обучения, но запрещают другим использовать свои модели для дистилляции.