Pentagon AI कंपन्यांना वर्गीकृत डेटावर प्रशिक्षण देण्याची अनुमती देण्याची योजना

संरक्षण AI मधील नवीन सीमांत

अमेरिकेचा Pentagon विभाग व्यावसायिक कृत्रिम बुद्धिमत्ता कंपन्यांना विशेषत: डिझाइन केलेल्या सुरक्षित वातावरणात वर्गीकृत सैन्य डेटावर त्यांचे मॉडेल प्रशिक्षण देण्याची योजना विकसित करत आहे। आतापर्यंत, Pentagon च्या कंत्राटदार AI कंपन्या वर्गीकृत माहिती प्रवेश करू शकत होत्या विद्यमान मॉडेलसह अनुमान लावण्यासाठी - परंतु ते त्या डेटाचा प्रशिक्षण सामग्री म्हणून वापर करू शकत नव्हते जेणेकरून प्रत्यक्षपणे मॉडेल सुधारू शकतील. हे भेद बदलणार आहे.

हा कदम व्यावसायिक AI क्षमता आणि अमेरिकेच्या राष्ट्रीय सुरक्षेच्या वर्गीकृत क्षेत्रातील एकीकरणाचा महत्त्वपूर्ण वृद्धी दर्शवितो. जर लागू केले गेले तर, ते Pentagon द्वारे तैनात केलेल्या AI प्रणालींना वास्तविक ऑपरेशनल डेटावर कस्टमाइজ करण्यास अनुमती देईल, विशेषत: बुद्धिमत्ता विश्लेषण, रसद, नियोजन आणि लक्ष्य निर्धारण कार्यांसाठी डिझाइन केलेले मॉडेल तयार करेल.

वर्गीकृत डेटावर प्रशिक्षण महत्त्वपूर्ण का आहे

वर्गीकृत इनपुटवर सामान्य-उद्देश्य AI मॉडेल वापरणे आणि वर्गीकृत डेटावर मॉडेल प्रशिक्षण देणे यातील फरक महत्त्वपूर्ण आहे. सार्वजनिक इंटरनेट डेटावर प्रशिक्षित केलेले सामान्य-उद्देश्य मॉडेल अनेक कार्यांवर पुरेसे कार्य करू शकते पण तैनाती दरम्यान सिस्टम जे डेटा प्रकारांचा सामना करेल त्यावरून येणारी विशेषीकृत शब्दावली, संदर्भात्मक समज आणि डोमेन-विशिष्ट तर्क नसेल.

वर्गीकृत सैन्य अहवाल, उपग्रह चित्र विश्लेषण, संकेत बुद्धिमत्ता आणि रसद डेटावर प्रशिक्षित एक मॉडेल त्या डोमेनसाठी विशेषत: सुरक्षित क्षमता विकसित करेल. हे सैन्य अहवाल प्रारूप, धमकी मूल्यांकन शब्दावली आणि बुद्धिमत्ता उत्पादनातील नमुन्यांचा संरचना समजेल - हे सर्व पूर्णपणे सार्वजनिक डेटावर प्रशिक्षित मॉडेलच्या अदृश्य असतील.

या प्रकारचे डोमेन-विशिष्ट फाइन-ट्यूनिंग व्यावसायिक AI तैनातीमध्ये मानक सरावी आहे. वैद्यकीय नोंदींवर फाइन-ट्यून केलेले मॉडेल क्लिनिकल कार्यांमध्ये सामान्य मॉडेलपेक्षा अधिक चांगले कार्य करते. Pentagon राष्ट्रीय सुरक्षा डोमेनमध्ये समान फायदा शोधत आहे.

सुरक्षित एनक्लेव्ह पद्धति

प्रस्तावित यंत्रणा शारीरिकपणे सुरक्षित संगणन वातावरण तयार करणे समाविष्ट करते - अनेकदा एनक्लेव्ह म्हणून ओळखले जाते - जेथे वर्गीकृत डेटा AI प्रशिक्षण अवसंरचनाच्या बजाय आणातील आणले जाऊ शकते. AI कंपनी अभियंते आणि त्यांच्या प्रणाली वर्गीकरण आवश्यकता पूर्ण करणारी निरीक्षण परिस्थितीत या सुविधांमध्ये कार्य करतील.

हे तांत्रिकदृष्ट्या आणि लॉजिस्टिकदृष्ट्या जटिल आहे. मोठे AI मॉडेल प्रशिक्षण विशाल संगणकीय अवसंरचना आवश्यक आहे, आणि वर्गीकृत डेटा हाताळण्यासाठी आवश्यक सुरक्षा स्तरांवर ती अवसंरचना दुप्लिकेट करणे दोन्ही हार्डवेअर खरेदी आणि कठोर भौतिक आणि सायबरसुरक्षा मानकांची पूर्तता करणारी सुविधांची स्थापना समाविष्ट करते.

Pentagon द्वारे आधीच तैनात केलेल्या AI कंपन्या

या घोषणेचा संदर्भ Pentagon आणि मुख्य व्यावसायिक AI विकासकांमधील विस्तृत AI भागीदारीचा विस्तार आहे. Pentagon मुख्य तंत्रज्ञान अधिकारी Emil Michael या आठवड्यात पुष्टी केली की OpenAI च्या प्रणाली अलीकडे Pentagon मधील तैनात केल्या गेल्या आहेत, Google च्या Gemini लगेच येणे अपेक्षित आहे.

आम्ही अलीकडे OpenAI तैनात केले आहे, आणि आम्ही येथे इतरांना तैनात करणार आहोत, Gemini सुरू करून, Michael म्हणाले, Pentagon चा AI एकीकरणाचा गती पुष्टी करून जो काही वर्षांपूर्वी कल्पना करणे कठीण होते. सावधानी पूर्ण पायलट प्रोग्रामपासून ऑपरेशनल तैनातीपर्यंतचा बदल Pentagon व्यावसायिक मोठ्या भाषा मॉडेलांना खरोखर उपयोगी साधने मानते हे सूचित करते, प्रायोगिक कौतुकांऐवजी.

वर्गीकृत डेटावर प्रशिक्षण देण्याची योजना या तैनातीच्या नींवावर बनवली जाते. त्यांची मॉडेल DoD प्रणालीमध्ये आधीच कार्यरत आहेत असे कंपन्या त्या प्रणालींना सामोरे असणारे डेटावर प्रशिक्षित अधिक विशेषीकृत संस्करण विकसित करण्यासाठी नैसर्गिक उमेदवार आहेत.

धोरण आणि निरीक्षण प्रश्न

योजना महत्त्वपूर्ण निरीक्षण प्रश्न उपस्थित करते जे विभागाने संबोधित करणे आवश्यक आहे. प्रशिक्षण डेटा आणि परिणामी मॉडेल कोण नियंत्रित करतात? वर्गीकृत प्रशिक्षण पूर्ण झाल्यानंतर AI प्रणाली काय होतात - ते सरकारी प्रणालीमध्ये राहतात, किंवा मॉडेलने काय शिकले हे घटक व्यावसायिक संस्करणांमध्ये परत जाऊ शकतात? सुरक्षित सुविधांमध्ये AI कंपनी अभियंते कसे तपास आणि पर्यवेक्षण केले जातात?

Congress, जो AI विकास आणि राष्ट्रीय सुरक्षा तंत्रज्ञान धोरण दोन्हीकडे अधिकाधिक सावधानीने पाहत आहे, हे उद्योग बारीक तपासणी करेल. व्यावसायिक AI आणि वर्गीकृत राष्ट्रीय सुरक्षा डेटाचे संयोजन संवेदनशील क्षेत्र आहे जो डेटा सुरक्षा, कॉर्पोरेट सरकारी माहिती प्रवेश आणि सैन्य AI प्रणाली शासनाच्या जबाबदारीचे संरचना या चिंतांना स्पर्श करतो.

Pentagon योजनामध्ये पुढे जात आहे हे वास्तव यह दर्शविते कि ही समस्या व्यवस्थापित केली जाऊ शकते, आणि डोमेन-अनुकूलित AI चे ऑपरेशनल लाभ आवश्यक अवसंरचना आणि निरीक्षण चौकट तयार करण्याचा प्रयत्न न्याय्य ठरवण्याइतके पर्याप्त आहेत असे पाहिले जातात.

हा लेख The Decoder च्या अहवालावर आधारित आहे. मूळ लेख वाचा.