The Atlantic تكشف الموسيقى المستخدمة في تدريب الذكاء الاصطناعي

فهرس عام يضع بيانات تدريب الموسيقى للذكاء الاصطناعي أمام الجميع

تعمل قاعدة بيانات جديدة قابلة للبحث أنشأتها The Atlantic على إخراج جزءٍ كان شديد الغموض من سلسلة الذكاء الاصطناعي إلى العلن: مجموعات البيانات الموسيقية المستخدمة لتدريب الأنظمة التوليدية. ووفقًا لتغطية The Verge للمشروع، حدّد الصحفي في The Atlantic أليكس رايزنر أربع مجموعات بيانات مرتبطة بتدريب الموسيقى بالذكاء الاصطناعي، وجعلها قابلة للبحث عبر مبادرة AI Watchdog الخاصة بالمؤسسة. والنتيجة ليست مجرد مورد تقني، بل أداة شفافية للفنانين وأصحاب الحقوق والباحثين والجمهور.

الحجم هو أول ما يلفت الانتباه. تحتوي اثنتان من مجموعات البيانات على نحو 12 مليون و9 ملايين مقطع على التوالي، بينما تضم مجموعتان أصغر أكثر من 100,000 أغنية في كلٍ منهما. وهذا يعني أن قاعدة البيانات لا تعرض عينة هامشية من مواد تدريب غامضة، بل تكشف عن إمداد صناعي واسع النطاق من المراجع الصوتية يشمل فنانين كبارًا وأعمالًا مستقلة وموسيقيين تجريبيين.

وتُظهر الأسماء التي قيل إنها ظهرت في تلك المجموعات مدى هذا الاتساع. تقول The Verge إن الإدخالات القابلة للبحث تشمل فنانين مثل Lady Gaga وFred Again.. وRadiohead وAphex Twin وWu-Tang Clan وBruce Springsteen وHainbach. وبالنسبة إلى المبدعين، ينقل ذلك النقاش من التجريد إلى التحديد. فالنقاشات حول ما إذا كانت نماذج الذكاء الاصطناعي قد تعلّمت من مواد محمية بحقوق الطبع والنشر أو خاضعة لسيطرة تجارية لم تعد نظرية فقط عندما يستطيع الفنانون البحث عن أعمالهم أنفسهم.

لماذا يهم هذا أبعد من قاعدة بيانات واحدة

غالبًا ما تدور نزاعات تدريب الذكاء الاصطناعي حول مسألة الرؤية. قد يصف مطورو النماذج عمليات التدريب بعبارات عامة، لكن المبدعين عادة لا يملكون وسيلة عملية لمعرفة ما إذا كانت أعمالهم موجودة في البيانات الأولية. ويضيّق الفهرس القابل للبحث هذه الفجوة المعلوماتية. وهو لا يثبت بمفرده كيف دُرّب أي نموذج بعينه، ولا يحدد المسؤولية القانونية. لكنه يقدّم دليلًا على أن مجموعات بيانات معينة كانت موجودة، وتم توزيعها، وكان بإمكان المطورين الوصول إليها.

تقول The Verge إن مجموعات البيانات جرى تنزيلها آلاف المرات. كما تقول إن Google وStability أكدتا استخدامها في أوراق بحثية. وتكتسب هذه النقطة أهمية لأنها تربط مجموعات البيانات بنشاط حقيقي في تطوير الذكاء الاصطناعي، بدلًا من أرشيف افتراضي مهمل على الإنترنت. وحتى عندما يظل الاستخدام النهائي اللاحق صعب التتبع، فإن التأكيد العلني على أن شركات ذكاء اصطناعي كبرى أشارت إلى هذه المواد في أبحاثها يمنح النقاش أساسًا ملموسًا.

كما يوضح هذا الفهرس تمييزًا كثيرًا ما يختلط في الحديث العام: الإتاحة ليست هي نفسها الإذن. فبعض المصادر الموسيقية المدرجة في مجموعات البيانات قد تكون قابلة للبث أو متاحة عبر الإنترنت بطرق أخرى، لكنها تظل خاضعة لقيود الترخيص على الاستخدام التجاري. وتستشهد The Verge بمجموعة بيانات Free Music Archive مثالًا، موضحةً أن الأعمال قد تكون مجانية للبث للاستخدام الشخصي مع الحاجة إلى ترخيص منفصل للتطبيقات التجارية.

وهذا خط فاصل مهم في اقتصاد الذكاء الاصطناعي. فكثيرًا ما يعمل المطورون عند الحدود بين مواد يمكن الوصول إليها تقنيًا ومواد يمكن إعادة استخدامها قانونيًا على نطاق واسع. وفي الموسيقى، حيث أنظمة الترخيص معقدة ومجزأة أصلًا، تصبح هذه الفروق ذات أهمية خاصة.

آلية الجمع جزء من الجدل أيضًا

يُبرز تقرير رايزنر، كما وصفته The Verge، الطريقة العملية التي تُجمَّع بها هذه البيانات. فثلاث من مجموعات البيانات لا تُوزَّع كأرشيفات صوتية جاهزة، بل كقوائم روابط إلى أغانٍ مستضافة على منصات مثل YouTube أو Spotify. ثم يستخدم المطورون أدوات آلية لتنزيل الصوت الفعلي. وتقول المقالة إن بعض هذه الأدوات يمكنها تجاوز عمليات تسجيل الدخول والإعلانات وآليات المنصة التي كان من شأنها أن تولّد إيرادات أو نشاط اشتراك للمبدعين.

إذا كان ذلك دقيقًا، فإن القضية تتجاوز حقوق الطبع والنشر لتشمل حوكمة المنصات والامتثال لشروط الخدمة. وغالبًا ما تُصاغ نزاعات بيانات التدريب في إطار الاستخدام العادل أو الترخيص، لكن مسار الاستخراج مهم أيضًا. فإذا اعتمد المطورون على أدوات تتجاوز ضوابط المنصة، فلن يدور الجدل فقط حول ما إذا كانت النماذج تستطيع التعلّم من الأعمال المحمية بحقوق الطبع والنشر. بل يتعلق أيضًا بما إذا كانت عملية الجمع نفسها تتجاهل القواعد التقنية والتعاقدية للخدمات التي تستضيف تلك الوسائط.

وهذا مهم للسياسة العامة لأن الجهات التنظيمية والمحاكم قد تنتهي إلى تقييم تدريب الذكاء الاصطناعي عبر عدة عدسات متداخلة:

• التزامات حقوق الطبع والنشر والترخيص المرتبطة بالموسيقى نفسها.
• انتهاكات شروط الخدمة المتعلقة بطريقة الحصول على الصوت.
• الآثار التنافسية والسوقية إذا استفادت أنظمة الذكاء الاصطناعي من مدخلات إبداعية واسعة النطاق من دون تعويض.
• توقعات الشفافية المفروضة على المطورين الذين يبنون منتجات ذكاء اصطناعي تجارية.

ولا يحسم الفهرس القابل للبحث من The Atlantic هذه الأسئلة، لكنه يجعل من الأصعب تجاهلها بوصفها مجرد افتراضات.

منعطف في نقاش الشفافية حول الذكاء الاصطناعي

تكمن الأهمية الأوسع للمشروع في أنه يخفض كلفة التدقيق. فقبل أدوات كهذه، لم يكن لدى المبدعين الذين يشتبهون في أن موسيقاهم جُرفت إلى أنظمة تدريب النماذج سوى أساس عملي محدود للتحقق. وكان بإمكان الباحثين والصحفيين استكشاف أجزاء من المنظومة، لكن عتبة الدخول كانت مرتفعة. وتغيّر الواجهة القابلة للبحث هذه الديناميكية عبر تحويل الأدلة التقنية الخاصة بمجموعات البيانات إلى شيء يمكن لغير المتخصصين فهمه.

وقد يترتب على هذا التحول عدة آثار لاحقة. فقد يستخدم الفنانون قاعدة البيانات لدعم دعاوى قانونية أو مفاوضات ترخيص أو حملات عامة. وقد يستخدمها الباحثون لرسم الروابط بين مجموعات البيانات والأعمال المنشورة في مجال الذكاء الاصطناعي. وقد تواجه الشركات ضغطًا أكبر لتوثيق ما دربّت عليه ونظرية الأساس القانوني التي استندت إليها. كما قد يجد صناع السياسات صعوبة أكبر في الاعتماد على العموميات الصناعية عندما تتوفر أدلة أكثر تحديدًا بسهولة.

كما أن هناك بُعدًا ثقافيًا. فقد أصبحت الموسيقى واحدة من أكثر ساحات المعركة وضوحًا في جدل الذكاء الاصطناعي لأن النتائج مباشرة عاطفيًا، ولأن العمل الكامن خلفها شخصي. فالأغنية ليست مجرد نقطة بيانات. إنها أداء وتأليف وتوزيع وإنتاج، وغالبًا ما تكون جزءًا من الهوية. وعندما يمكن فهرسة ملايين المقاطع باعتبارها مدخلات تدريب، يصبح الجوع الصناعي لأنظمة الذكاء الاصطناعي أكثر وضوحًا.

في الوقت الراهن، تكمن القيمة الأكثر مباشرة لقاعدة البيانات في جانبها الإثباتي والمدني. فهي تمنح المبدعين وسيلة لفحص نظام تطوّر إلى حد كبير بعيدًا عن أعين الجمهور. ومع استمرار المعارك القانونية والتجارية حول تدريب الذكاء الاصطناعي، قد يثبت أن هذا النوع من الشفافية لا يقل أهمية عن أي حكم قضائي منفرد. فلم يعد الجدل حول الذكاء الاصطناعي والموسيقى يدور فقط حول ما يمكن للنماذج أن تولّده، بل يتزايد تعلقه بما استهلكته للوصول إلى تلك النتيجة، وما إذا كان الجمهور ينبغي أن يعرف ذلك أصلًا.

هذه المقالة مبنية على تقرير The Verge. اقرأ المقال الأصلي.