पेंटागॉनने AI ला गोपनीय लष्करी डेटावर प्रशिक्षण देण्याची योजना आखली आहे

AI मॉडेल्ससाठी गोपनीय प्रशिक्षण वातावरण

पेंटागॉन Anthropic आणि कदाचित इतर फ्रंटियर AI लॅब्ससह जनरेटिव्ह AI कंपन्यांना गोपनीय लष्करी डेटावर त्यांच्या मॉडेल्सच्या सानुकूल आवृत्त्यांचे प्रशिक्षण देण्यासाठी सुरक्षित, गोपनीय वातावरणे उभारण्याची योजना करत आहे, असे MIT Technology Review ला समजले आहे. हा उपक्रम राष्ट्रीय सुरक्षा कारवाईंमध्ये व्यावसायिक AI च्या एकत्रीकरणातील मोठ्या तीव्रतेचे प्रतिनिधित्व करेल, ज्यामध्ये AI मॉडेल्स गोपनीय सामग्रीबद्दल प्रश्नांची उत्तरे देतात या सध्याच्या व्यवस्थेपलीकडे जाऊन, गोपनीय सामग्री स्वतः मॉडेल्सना आकार देईल अशा टप्प्याकडे वाटचाल होईल.

सध्या, Anthropic चे Claude सारखी AI मॉडेल्स गोपनीय वातावरणात गुप्तचर विश्लेषणासारख्या कामांमध्ये मदत करण्यासाठी आणि, अनेक अहवालांनुसार, सुरू असलेल्या कारवायांमध्ये लक्ष्य निवडीसाठी वापरली जात आहेत. पण या तैनातींमध्ये, AI प्रणाली ही गोपनीय इनपुटवर चालणारी मानक व्यावसायिक मॉडेल्स असतात — त्यांना गोपनीय डेटावर किंवा त्यासह प्रशिक्षण दिलेले नाही. सुरक्षा दृष्टीकोनातून हा फरक अत्यंत महत्त्वाचा आहे.

गोपनीय डेटावर प्रशिक्षण म्हणजे काय

गोपनीय डेटावर मॉडेलचे प्रशिक्षण दिल्यास ती माहिती मॉडेलच्या वजनेत समाविष्ट होईल — म्हणजेच एखादे मॉडेल जे काही जाणते आणि कसे तर्क करते ते सर्व एन्कोड करणारे गणिती मापदंड. एखादे मॉडेल जे विशिष्ट प्रश्नासाठी केवळ संदर्भ म्हणून गोपनीय माहिती प्रक्रिया करते त्याच्या उलट, गोपनीय-डेटा-प्रशिक्षित मॉडेल बुद्धिमत्ता नमुने, विश्लेषणात्मक चौकटी, आणि संभाव्यतः काही विशिष्ट संवेदनशील माहिती आपल्या मूलभूत रचनेत समाविष्ट करेल.

याचे सुरक्षा परिणाम मोठे आहेत. एकदा गोपनीय माहिती मॉडेलच्या वजनेत समाविष्ट झाली की ती काढून टाकणे अत्यंत कठीण होते. गोपनीय कागदपत्रे हाताळण्यासाठीची मानक प्रक्रिया — प्रवेश नियंत्रण, ऑडिट ट्रेल्स, गरज-आधारित प्रवेश प्रोटोकॉल — मशीन लर्निंग मॉडेलच्या मापदंडांवर सरळपणे लागू होत नाहीत. गोपनीय डेटावर प्रशिक्षित मॉडेल हा सुरक्षेचा एक नवा प्रकारचा घटक ठरतो, ज्याचे नियमन करण्यासाठी विद्यमान चौकटी तयार केलेल्या नव्हत्या.

संरक्षण अधिकाऱ्यांनी हे धोके मान्य केले आहेत, पण त्यांचा युक्तिवाद असा आहे की लष्करी-विशिष्ट AI मॉडेल्सचे क्षमतात्मक फायदे — जे क्षेत्रविशिष्ट संज्ञा, ऑपरेशनल सुरक्षा प्रोटोकॉल्स, आणि गोपनीय विश्लेषणात्मक चौकटी समजण्यासाठी प्रशिक्षित असतील — योग्य सुरक्षा आर्किटेक्चर विकसित करण्यातील गुंतवणुकीचे समर्थन करतात.

Anthropic ची गुंतागुंतीची भूमिका

Anthropic चे संरक्षण विभागाशी असलेले संबंध अधिकाधिक तणावपूर्ण होत गेले आहेत. कंपनीने आपल्या AI च्या लष्करी वापरांबाबत कठोर धोरणांचे सार्वजनिकरीत्या पालन करण्याची प्रतिज्ञा केली आहे, आणि अहवालांनुसार अमेरिकन अधिकाऱ्यांनी Anthropic वर युद्धसामग्री प्रणाल्यांसाठी विश्वास ठेवता येईल का, याबाबत प्रश्न उपस्थित केले आहेत. गोपनीय प्रशिक्षण कार्यक्रमामुळे Anthropic — आणि संभाव्यतः इतर सहभागी AI कंपन्या — अशा अभूतपूर्व स्थितीत येतील: सुरक्षा मंजुरी असलेले कॉर्पोरेट कर्मचारी गोपनीय वातावरणात काम करत, अशा गुप्तचर माहितीवर मॉडेल्स प्रशिक्षित करत असतील ज्याबद्दल ते स्वतःच्या संस्थांमध्येही चर्चा करू शकणार नाहीत.

OpenAI चे आघाडीचे स्थान आणि स्पर्धात्मक परिस्थिती

OpenAI ने पेंटागॉनच्या गरजा पूर्ण करण्यासाठी स्पर्धकांपेक्षा वेगाने हालचाल केली असल्याचे दिसते. संरक्षण विभागाशी कंपनीने केलेल्या तडजोडीमुळे — ज्यात आधी त्यांच्या मॉडेल्सवर लागू असलेल्या लष्करी वापरावरील काही निर्बंध शिथिल करण्यात आले — तिला गोपनीय करारांसाठी प्राधान्याचे स्थान मिळाले असल्याचे सांगितले जाते. $50 अब्जचा Amazon-OpenAI करार, जो मोठ्या प्रमाणावर लष्करी AI तैनातींसाठी आवश्यक संगणकीय पायाभूत सुविधा पुरवतो, राष्ट्रीय सुरक्षा अनुप्रयोगांसाठी प्रमुख व्यावसायिक AI पुरवठादार म्हणून OpenAI चे स्थान आणखी बळकट करतो.

पेंटागॉनची गोपनीय प्रशिक्षण उपक्रम योजना, जर ती अपेक्षेप्रमाणे पुढे गेली, तर व्यावसायिक AI कंपन्या आणि अमेरिकन संरक्षण यंत्रणा यांच्यातील संबंधांच्या पुढील टप्प्याची व्याख्या करेल — ज्याचे परिणाम AI सुरक्षा संशोधन, AI लॅब्समधील स्पर्धात्मक गती, आणि आंतरराष्ट्रीय AI प्रशासन चौकटींवर होतील. व्यावसायिक AI आर्किटेक्चर्समध्ये राज्य गुपिते अंतर्भूत करण्याबाबत ते उपस्थित करत असलेले प्रश्न संरक्षण क्षेत्राच्या किंवा तंत्रज्ञान उद्योगाच्या इतिहासात कोणत्याही स्पष्ट पूर्वसंदर्भाशिवाय आहेत.

हा लेख MIT Technology Review च्या वार्तांकनावर आधारित आहे. मूळ लेख वाचा.