„ფრონტირ AI“ (frontier AI) ტერმინია, რომელსაც AI ლაბორატორიები, მთავრობები და უსაფრთხოების მკვლევრები იყენებენ ყველაზე შესაძლებლობიანი, ზოგადი დანიშნულების AI სისტემების აღსანიშნავად — ესაა არა კონკრეტული კომპანიის პროდუქტი, არამედ ის მოდელები, რომლებიც ამჟამად დგანან იმის წინა ხაზზე, რისი გაკეთებაც AI-ს შეუძლია. რადგან ეს ხაზი მუდმივად იძვრება წინ, „ფრონტირი“ ფარდობითი ცნებაა: სისტემა დღეს შეიძლება ითვლებოდეს ფრონტირად, ხოლო ერთი-ორ წელიწადში, როცა ახალი მოდელები გადაასწრებენ მას, ჩვეულებრივი გახდეს.
რა ითვლება „ფრონტირად“
ფრონტირ AI-ს ერთიანი, იურიდიული განმარტება არ არსებობს. ყველაზე ხშირად ციტირებული განმარტება ეკუთვნის Frontier Model Forum-ს (FMF) — ინდუსტრიის ორგანიზაციას, რომელიც 2023 წელს დააარსეს Anthropic-მა, Google-მა, Microsoft-მა და OpenAI-მ. მისი განმარტებით, ფრონტირ მოდელი არის ზოგადი დანიშნულების სისტემა, რომელიც სტანდარტული ბენჩმარკებით ან მაღალი რისკის შესაძლებლობების შეფასებით აჯობებს ყველა იმ მოდელს, რომელიც უკვე მინიმუმ 12 თვეა ფართოდ გამოიყენება. პრაქტიკულად, ეს ნიშნავს, რომ მოდელი ამ სტატუსს იმსახურებს მხოლოდ წინამორბედების გადალახვით — ზღვარი კი ყოველი ახალი თაობის გამოშვებისთანავე ხელახლა ინაცვლებს.
ტერმინი ფართო პოლიტიკურ ბრუნვაში შევიდა 2023 წლის AI უსაფრთხოების სამიტზე, ბლეჩლი პარკში, სადაც დიდი ბრიტანეთის მთავრობამ ფრონტირ AI განსაზღვრა როგორც „მაღალი შესაძლებლობების მქონე, ზოგადი დანიშნულების AI მოდელები, რომლებსაც შეუძლიათ მრავალფეროვანი ამოცანების შესრულება და დღევანდელი ყველაზე მოწინავე მოდელების დონეზე ან მასზე მაღლა გასვლა“. ეს განსაზღვრება განზრახ ფართოა: ის მოიცავს არა მხოლოდ ჩატბოტებს, არამედ ნებისმიერ ზოგადი დანიშნულების სისტემას — მათ შორის ისეთებსაც, რომლებიც მოგვიანებით ხელსაწყოების გამოყენების უნარით აღჭურვილ ავტონომიურ AI აგენტებად იქცევა — თუ მასშტაბის ზრდასთან ერთად მოულოდნელი, გაუთვალისწინებელი შესაძლებლობები ვლინდება.
როგორ ავლებენ ხაზს მთავრობები
მარეგულირებლები ცდილობენ ამ ბუნდოვანი იდეის კანონისთვის გამოსადეგ ფორმაში ჩამოყალიბებას — ჩვეულებრივ მოდელის წვრთნაზე დახარჯული გამოთვლითი სიმძლავრის გაზომვით. ევროკავშირის AI აქტის მიხედვით, ზოგადი დანიშნულების მოდელი „სისტემურ რისკად“ ითვლება — რაც დამატებით გამჭვირვალობის, ტესტირებისა და ინციდენტების შესახებ ანგარიშგების ვალდებულებებს იწვევს — როცა მისი წვრთნის პროცესი აღემატება დაახლოებით 10^25 ოპერაციას (FLOPs); მარეგულირებლებს ამის ქვემოთაც შეუძლიათ კონკრეტული მოდელების დამატება, თუ საკმარისი საბუთი არსებობს. დიდი ბრიტანეთის AI უსაფრთხოების ინსტიტუტი კი ცალკეულ ფრონტირ მოდელებს პირდაპირ აფასებს — ლაბორატორიებთან ნებაყოფლობითი, გამოშვებამდელი და გამოშვების შემდგომი ტესტირების შეთანხმებების საფუძველზე. აშშ-მაც სცადა საკუთარი ვერსია — შეაფასა, რომელ ფრონტირ სისტემებს ეძლევათ მთავრობის ადრეული წვდომა საჯარო გამოშვებამდე.
ამ ზღვრებს შორის არცერთი უნივერსალური არ არის, და მოდელი შეიძლება ერთი განმარტებით „ფრონტირი“ იყოს, მეორეს კი ვერ აკმაყოფილებდეს. საერთო მათ შორის მხოლოდ მთავარი მიზანია: გამოყონ ის მცირერიცხოვანი სისტემები, რომელთა შეცდომამ ან ბოროტად გამოყენებამ შესაძლოა არაპროპორციული ზიანი გამოიწვიოს, რათა მათ ისეთი ყურადღება მიექცეთ, რასაც ჩვეულებრივი პროგრამული უზრუნველყოფა არ იმსახურებს.
რატომ აქვს მნიშვნელობა
ფრონტირ მოდელებს მნიშვნელობა აქვთ, რადგან სწორედ იქ ვლინდება ყველაზე ადრე AI-ის შესაძლებლობების ყველაზე დიდი ნახტომები — და ყველაზე დიდი რისკებიც. ფრონტირ მოდელს შეუძლია შეიძინოს უნარები, რომლებზეც დეველოპერებს არასდროს უწვრთნიათ პირდაპირ — უბრალოდ იმის გამო, რომ უფრო დიდია და მეტ მონაცემზე და გამოთვლით სიმძლავრეზეა გაწვრთნილი. სწორედ ეს გაუთვალისწინებელი ხასიათია მიზეზი, რის გამოც რამდენიმე ლაბორატორია დღეს აქვეყნებს პასუხისმგებლიანი მასშტაბირების პოლიტიკებს — შიდა ვალდებულებებს, შეაჩერონ განვითარება ან დაამატონ დამცავი მექანიზმები, როცა მოდელის შესაძლებლობები კონკრეტულ რისკის ზღვარს გადალახავს, ვიდრე რეგულაციის ჩამორჩენას დაელოდებიან.
ამავე მიზეზით იქცა ფრონტირ განვითარების ტემპი პოლიტიკური დაპირისპირების ცალკე თემად — და არა მხოლოდ ტექნიკურ საკითხად. კომპანიები, რომლებიც ამ სისტემებს ქმნიან, მძაფრად ეჯიბრებიან ერთმანეთს შემდეგი ფრონტირ მოდელის უფრო ადრე გამოსაშვებად, და ეს კონკურენტული წნეხი ართულებს ცალკეული კომპანიისთვის ცალმხრივად შენელებას — მაშინაც კი, როცა მისივე თანამშრომლებს ეჭვები აქვთ. სწორედ ამ რბოლის მართვა (და არა რომელიმე კონკრეტული მოდელის) დგას დღეს AI უსაფრთხოების პოლიტიკის ცენტრში.
სიახლეებში
ეს დაძაბულობა სწორედ ის იყო, რამაც ფრონტირ ლაბორატორიების 1 200-ზე მეტი თანამშრომელი მოქმედებისკენ უბიძგა: ერთობლივ პეტიციაში OpenAI-ის, Anthropic-ისა და Google DeepMind-ის თანამშრომლებმა აშშ-ის მთავრობას მოსთხოვეს, დახმარებოდა საერთაშორისო ინსტრუმენტების შექმნაში, რომლებიც ფრონტირ AI-ის განვითარებას შეგნებულად შეანელებდა — არა მისი შესაჩერებლად, არამედ იმისთვის, რომ ზედამხედველობამ საბოლოოდ არ ჩამორჩეს ტექნოლოგიას, რომლის მართვაც სწორედ მას ევალება.