حصلت وزارة الكفاءة الحكومية ، أو DOGE ، على وصول غير مسبوق إلى سبع قواعد بيانات فيدرالية حساسة على الأقل ، بما في ذلك قواعد دائرة الإيرادات الداخلية وإدارة الضمان الاجتماعي. أثار هذا الوصول مخاوف بشأن ثغرات الأمن السيبراني وانتهاكات الخصوصية. لقد تلقى مصدر قلق آخر اهتمامًا أقل بكثير: الاستخدام المحتمل للبيانات لتدريب أنظمة الذكاء الاصطناعي التابع للشركة الخاصة.
وقال السكرتير الصحفي للبيت الأبيض إن البيانات الحكومية التي جمعها دوج لا تستخدم لتدريب نماذج منظمة العفو الدولية في Musk ، على الرغم من سيطرة Elon Musk على Doge. ومع ذلك ، فقد ظهرت أدلة على أن موظفي دوج يشغلون في وقت واحد مناصب مع واحدة على الأقل من شركات Musk.
في إدارة الطيران الفيدرالية ، يكون لدى موظفي SpaceX عناوين بريد إلكتروني حكومية. ينشئ هذا العمل المزدوج قناة للبيانات الفيدرالية التي يحتمل أن يتم سحرها للمؤسسات المملوكة للمسك ، بما في ذلك XAI. يرفض نموذج Grok AI chatbot في الشركة بشكل واضح إعطاء إنكار واضح حول استخدام هذه البيانات.
بصفتي عالمًا سياسيًا وتقنيًا على دراية وثيقة بالمصادر العامة للبيانات الحكومية ، أعتقد أن هذا النقل المحتمل للبيانات الحكومية إلى الشركات الخاصة يعرض آثارًا أكبر بكثير للخصوصية والسلطة مما يحدده معظم التقارير. يمكن أن يستخدم كيان خاص يتمتع بالقدرة على تطوير تقنيات الذكاء الاصطناعي البيانات الحكومية للقفز منافسيها ومسؤولها على المجتمع.
قيمة بيانات الحكومة لمنظمة العفو الدولية
لمطوري الذكاء الاصطناعي ، تمثل قواعد البيانات الحكومية شيئًا أقرب إلى العثور على الكأس المقدسة. في حين تعتمد شركات مثل Openai و Google و Xai حاليًا على المعلومات التي تم كشطها من الإنترنت العام ، تقدم مستودعات الحكومة غير الحكومية شيئًا أكثر قيمة: سجلات تم التحقق منها للسلوك البشري الفعلي عبر السكان بأكمله.
هذه ليست مجرد بيانات أكثر – إنها بيانات مختلفة بشكل أساسي. تُظهر منشورات وسائل التواصل الاجتماعي وتاريخ تصفح الويب السلوكيات المنسقة أو المقصودة ، لكن قواعد البيانات الحكومية تلتقط قرارات حقيقية وعواقبها. على سبيل المثال ، تكشف سجلات Medicare عن خيارات الرعاية الصحية ونتائجها. تكشف مصلحة الضرائب وبيانات الخزانة عن قرارات مالية وتأثيرات طويلة الأجل. وكشف إحصاءات العمالة والتعليم الفيدرالية عن مسارات التعليم والمسارات الوظيفية.
ما يجعل هذه البيانات ذات قيمة خاصة لتدريب الذكاء الاصطناعي هو طبيعتها الطولية وموثوقيتها. على عكس المعلومات المضطربة المتاحة على الإنترنت ، تتبع السجلات الحكومية البروتوكولات الموحدة ، وتخضع لعمليات تدقيق منتظمة ويجب أن تلبي المتطلبات القانونية للدقة. كل مدفوعات الضمان الاجتماعي ، ومطالبة Medicare والمنحة الفيدرالية تنشئ نقطة بيانات تم التحقق منها حول سلوك العالم الحقيقي. لا توجد هذه البيانات في أي مكان آخر مع هذا الاتساع والأصالة في الولايات المتحدة
الأهم من ذلك ، تتبع قواعد البيانات الحكومية السكان بأكمله مع مرور الوقت ، وليس فقط المستخدمين النشطين رقميًا. وهي تشمل الأشخاص الذين لا يستخدمون وسائل التواصل الاجتماعي أبدًا ، أو لا تتسوق عبر الإنترنت ، أو يتجنبون الخدمات الرقمية بنشاط. بالنسبة لشركة AI ، فإن هذا يعني أنظمة التدريب على التنوع الفعلي للتجربة الإنسانية بدلاً من مجرد الانعكاسات الرقمية التي يلقيها الأشخاص عبر الإنترنت.
الميزة التقنية
تواجه أنظمة الذكاء الاصطناعى الحالية قيودًا أساسية لا يمكن للتغلب عليها أي قدر من البيانات المكسورة من الإنترنت. عندما يرتكب ChatGPT أو Google Gemini أخطاء ، فغالبًا ما يتم تدريبهم على المعلومات التي قد تكون شائعة ولكنها ليست صحيحة بالضرورة. يمكنهم إخبارك بما يقوله الناس عن آثار السياسة ، لكنهم لا يستطيعون تتبع تلك الآثار عبر السكان والسنوات.
يمكن أن تغير البيانات الحكومية هذه المعادلة. تخيل تدريب نظام الذكاء الاصطناعي ليس فقط على الآراء حول الرعاية الصحية ولكن على نتائج العلاج الفعلية عبر ملايين المرضى. النظر في الفرق بين التعلم من مناقشات وسائل التواصل الاجتماعي حول السياسات الاقتصادية وتحليل آثارها الحقيقية عبر المجتمعات المختلفة والسكوغرافية على مدار عقود.
يمكن أن يفهم النموذج الكبير أو الحديث أو الحدود التي تم تدريبها على بيانات حكومية شاملة العلاقات الفعلية بين السياسات والنتائج. يمكن أن تتبع عواقب غير مقصودة عبر قطاعات سكانية مختلفة ، ونمذجة أنظمة مجتمعية معقدة مع التحقق من صحة العالم الحقيقي والتنبؤ بتأثيرات التغييرات المقترحة بناءً على الأدلة التاريخية. بالنسبة للشركات التي تسعى إلى إنشاء أنظمة الذكاء الاصطناعى من الجيل التالي ، فإن الوصول إلى هذه البيانات سيؤدي إلى إنشاء ميزة لا يمكن التغلب عليها تقريبًا.
السيطرة على النظم الحرجة
يمكن لشركة مثل XAI أن تفعل أكثر بكثير من خلال النماذج المدربة على البيانات الحكومية أكثر من بناء مجموعات الدردشة أو مولدات المحتوى بشكل أفضل. يمكن أن تتحول هذه الأنظمة بشكل أساسي – وربما تتحكم – كيف يفهم الناس ويديرون الأنظمة الاجتماعية المعقدة. في حين أن بعض هذه القدرات يمكن أن تكون مفيدة تحت سيطرة الوكالات العامة المسؤولة ، أعتقد أنها تشكل تهديدًا في أيدي شركة خاصة واحدة.
تحتوي قواعد بيانات Medicare و Medicaid على سجلات العلاجات والنتائج والتكاليف عبر مجموعات متنوعة على مدار عقود. يمكن أن يحدد نموذج الحدود المدربين على بيانات حكومية جديدة أنماط العلاج التي تنجح حيث يفشل الآخرون ، وبالتالي يهيمن على صناعة الرعاية الصحية. يمكن لهذا النموذج أن يفهم كيف تؤثر التدخلات المختلفة على مختلف السكان مع مرور الوقت ، حيث تمثل عوامل مثل الموقع الجغرافي والحالة الاجتماعية والاقتصادية والظروف المتزامنة.
يمكن أن تؤثر الشركة التي تمارس النموذج على سياسة الرعاية الصحية من خلال إظهار القدرات التنبؤية الفائقة والرؤى على مستوى السكان في السوق لشركات الأدوية وشركات التأمين.
تمثل بيانات الخزانة ربما الجائزة الأكثر قيمة. تحتوي قواعد البيانات المالية الحكومية على تفاصيل محببة حول كيفية تدفق الأموال من خلال الاقتصاد. ويشمل ذلك بيانات المعاملات في الوقت الفعلي عبر أنظمة الدفع الفيدرالية ، وسجلات كاملة عن المدفوعات الضريبية واسترداد المبالغ المستردة ، وأنماط تفصيلية لتوزيعات المنافع ، ومدفوعات المقاول الحكومية مع مقاييس الأداء.
يمكن لشركة الذكاء الاصطناعى التي لديها إمكانية الوصول إلى هذه البيانات تطوير قدرات غير عادية للتنبؤ الاقتصادي والتنبؤ بالسوق. يمكن أن يصمم الآثار المتتالية للتغيرات التنظيمية ، والتنبؤ بالضعف الاقتصادي قبل أن تصبح أزمات ، وتحسين استراتيجيات الاستثمار بدقة مستحيلة من خلال الأساليب التقليدية.
https://www.youtube.com/watch؟v=9l0ieoqlmxk
البنية التحتية والأنظمة الحضرية
تحتوي قواعد البيانات الحكومية على معلومات حول أنماط استخدام البنية التحتية الحرجة ، وتاريخ الصيانة ، وأوقات الاستجابة للطوارئ وتأثيرات التطوير. تخلق كل منحة فيدرالية ، وفحص البنية التحتية والاستجابة لحالات الطوارئ نقطة بيانات يمكن أن تساعد في تدريب الذكاء الاصطناعى لفهم كيفية عمل المدن والمناطق بشكل أفضل.
تكمن القوة في الترابط المحتمل لهذه البيانات. من شأن نظام الذكاء الاصطناعى المدربين على سجلات البنية التحتية الحكومية أن يفهم كيف تؤثر أنماط النقل على استخدام الطاقة ، وكيف تؤثر سياسات الإسكان على أوقات الاستجابة للطوارئ ، وكيف تؤثر استثمارات البنية التحتية على التنمية الاقتصادية عبر المناطق.
ستحصل شركة خاصة مع وصول حصري على رؤية فريدة في الشرايين المادية والاقتصادية للمجتمع الأمريكي. قد يسمح ذلك للشركة بتطوير أنظمة “المدينة الذكية” التي ستصبح حكومات المدينة تعتمد عليها ، وخصخصة جوانب الحوكمة الحضرية بشكل فعال. عندما يقترن بالبيانات في الوقت الفعلي من مصادر خاصة ، فإن القدرات التنبؤية ستتجاوز بكثير ما يمكن أن يحققه أي نظام حالي.
البيانات المطلقة تفسد تماما
يمكن لشركة مثل XAI ، مع موارد Musk والوصول التفضيلي من خلال Doge ، أن تتغلب على العقبات التقنية والسياسية بسهولة أكبر بكثير من المنافسين. كما أدت التطورات الحديثة في التعلم الآلي إلى تقليل أعباء إعداد البيانات للخوارزميات للمعالجة ، مما يجعل البيانات الحكومية منجمًا ذهبيًا حقيقيًا – ينتمي بحق إلى الشعب الأمريكي.
إن تهديد شركة خاصة الوصول إلى البيانات الحكومية يتجاوز مخاوف الخصوصية الفردية. حتى مع إزالة المعرفات الشخصية ، فإن نظام الذكاء الاصطناعى الذي يحلل أنماط عبر ملايين السجلات الحكومية يمكن أن يمكّن من إمكانيات مفاجئة في إجراء التنبؤات والتأثير على السلوك على مستوى السكان. التهديد هو أنظمة الذكاء الاصطناعي التي تستفيد من البيانات الحكومية للتأثير على المجتمع ، بما في ذلك النتائج الانتخابية.
نظرًا لأن المعلومات قوة ، فإن تركيز البيانات غير المسبوقة في أيدي كيان خاص مع أجندة سياسية صريحة يمثل تحديًا عميقًا للجمهورية. أعتقد أن السؤال هو ما إذا كان يمكن للشعب الأمريكي أن يقف أمام الفساد الذي يحتمل أن يحطم الديمقراطية ، مثل هذا التركيز الذي سيمكن هذا التركيز. إذا لم يكن الأمر كذلك ، يجب على الأميركيين الاستعداد ليصبحوا مواضيع رقمية بدلاً من المواطنين البشر.
أليسون ستانجر ، أستاذ متميز ، ميدلبري
يتم إعادة نشر هذه المقالة من المحادثة بموجب ترخيص المشاع الإبداعي. اقرأ المقال الأصلي.