در دنیای پرشتاب تحقیقات علمی، دسترسی آزاد و شفاف به دانش، امری حیاتی برای پیشرفت محسوب می‌شود. اما چگونه می‌توان این اصل را به سطحی بالاتر ارتقا داد؟ مقاله “EleutherAI: Going Beyond “Open Science” to “Science in the Open”” پاسخی نوآورانه به این پرسش ارائه می‌دهد. این مقاله نه تنها به تشریح رویکرد منحصربه‌فرد گروه الِوثر AI در انجام تحقیقات می‌پردازد، بلکه اهمیت و مزایای انجام پژوهش به‌صورت کاملاً عمومی و مشارکتی را برجسته می‌کند. الِوثر AI با عبور از چارچوب‌های سنتی “علم باز”، مفهومی جدید به نام “علم در دسترس همگان” را معرفی می‌کند که پتانسیل تغییر پارادایم در جامعه علمی را دارد.

این مقاله توسط گروهی از پژوهشگران برجسته در زمینه هوش مصنوعی، شامل جیسون فنگ، هربی بردلی، لیو گائو، لوئیس کاستریکاتو و استلا بیدِرمَن، به رشته تحریر درآمده است. تمرکز اصلی این گروه بر تحقیقات محاسباتی و زبان، به‌ویژه در حوزه پردازش زبان طبیعی (NLP) است. الِوثر AI به‌عنوان یک ابتکار کاملاً نوظهور و رادیکال، در دو سال اخیر خود را به‌عنوان پیشرو در ترویج تحقیقات منبع‌باز و انجام پژوهش‌ها در یک محیط شفاف، قابل دسترس و مشارکتی تثبیت کرده است. زمینه تحقیقاتی آن‌ها به دنبال شکستن موانع سنتی در دسترسی به یافته‌های علمی و ابزارهای پژوهشی است.

چکیده مقاله به خوبی نمایانگر هسته اصلی کار الِوثر AI است: “در دو سال گذشته، الِوثر AI خود را به‌عنوان یک ابتکار رادیکال نوآورانه تثبیت کرده است که هدف آن هم ترویج تحقیقات منبع‌باز و هم انجام تحقیقات به شیوه‌ای شفاف، قابل دسترس و مشارکتی است. رویکرد الِوثر AI به تحقیق فراتر از شفافیت است: با انجام تحقیقات کاملاً در ملأ عام، هر کسی در جهان می‌تواند در هر مرحله نظاره‌گر و مشارکت‌کننده باشد. کار ما با استقبال مثبتی روبرو شده و منجر به چندین پروژه تأثیرگذار در پردازش زبان طبیعی و سایر زمینه‌ها شده است. در این مقاله، ما تجربه خود را در انجام تحقیقات یادگیری ماشین در معرض عموم، مزایایی که معتقدیم این رویکرد به ارمغان می‌آورد، و چالش‌هایی که با آن‌ها مواجه شده‌ایم، شرح می‌دهیم.”

به طور خلاصه، الِوثر AI ادعا می‌کند که با انجام کامل تحقیقات در فضای عمومی، نه تنها شفافیت را به حداکثر می‌رساند، بلکه امکان مشارکت فعال جامعه جهانی را در تمامی مراحل پژوهش فراهم می‌آورد. این رویکرد، که آن‌ها آن را “علم در دسترس همگان” می‌نامند، پتانسیل ایجاد تحولات شگرفی را در نحوه تولید و انتشار دانش علمی دارد.

رویکرد الِوثر AI را می‌توان با عبارت “علم در دسترس همگان” (Science in the Open) توصیف کرد. این مفهوم، گامی فراتر از “علم باز” (Open Science) است. در حالی که “علم باز” بر انتشار نتایج، داده‌ها و کد پس از اتمام تحقیق تأکید دارد، “علم در دسترس همگان” به معنای انجام کل فرآیند تحقیق به‌صورت عمومی و زنده است.

روش‌شناسی الِوثر AI شامل جنبه‌های کلیدی زیر است:

• شفافیت کامل در تمام مراحل: از ایده‌پردازی اولیه، طراحی آزمایش‌ها، جمع‌آوری و پردازش داده‌ها، آموزش مدل‌ها، ارزیابی نتایج، تا حتی انتشار گزارش‌ها و مقالات. تمامی این مراحل در بسترهای عمومی مانند GitHub، Discord و پلتفرم‌های مشابه صورت می‌گیرد.
• دسترسی عمومی به کد و داده‌ها: کدهای مورد استفاده برای آموزش و آزمایش مدل‌ها، و همچنین مجموعه داده‌های گردآوری شده (در صورت امکان و رعایت مسائل حریم خصوصی)، به صورت عمومی در دسترس علاقه‌مندان قرار می‌گیرد.
• مشارکت فعال جامعه: الِوثر AI صرفاً به انتشار نتایج بسنده نمی‌کند، بلکه فعالانه از جامعه جهانی پژوهشگران، توسعه‌دهندگان و حتی علاقه‌مندان دعوت می‌کند تا در بحث‌ها شرکت کنند، پیشنهادات خود را ارائه دهند، اشکالات را شناسایی کنند و حتی در کدنویسی و انجام آزمایش‌ها مشارکت نمایند.
• بحث و تبادل نظر عمومی: ابزارهای ارتباطی مانند سرورهای Discord به بستری برای گفتگوهای عمیق، پرسش و پاسخ، و تبادل نظر پیرامون مسائل فنی و نظری تحقیق تبدیل شده‌اند.

این رویکرد، برخلاف روش‌های سنتی تحقیق که غالباً در پشت دیوارهای دانشگاه‌ها و موسسات تحقیقاتی صورت می‌گیرد و تنها نتایج نهایی آن منتشر می‌شود، کل چرخه حیات یک پژوهش را به نمایش عموم می‌گذارد.

الِوثر AI در طول فعالیت خود، مزایای متعددی را برای رویکرد “علم در دسترس همگان” شناسایی کرده است:

• افزایش سرعت نوآوری: با مشارکت جمعی، ایده‌ها سریع‌تر مطرح، بررسی و پیاده‌سازی می‌شوند. جامعه جهانی می‌تواند با دیدگاه‌های متنوع خود، به رفع نقاط کور و یافتن راه‌های جدید کمک کند.
• کاهش سوگیری و افزایش دقت: دیده شدن و نقد شدن مداوم کار توسط افراد مختلف، به شناسایی و رفع سوگیری‌های احتمالی در داده‌ها، الگوریتم‌ها و تفسیر نتایج کمک شایانی می‌کند.
• ارتقاء کیفیت مستندات و کد: هنگامی که کد و روش‌ها در معرض دید همگان قرار می‌گیرند، توسعه‌دهندگان انگیزه بیشتری برای نوشتن کد تمیز، مستندسازی دقیق و تضمین کیفیت دارند.
• کاهش هزینه‌ها و افزایش دسترسی: انجام تحقیقات به‌صورت باز و مشارکتی، نیاز به منابع مالی عظیم را کاهش می‌دهد و امکان دسترسی به آخرین دستاوردهای علمی را برای پژوهشگران در کشورها و موسساتی که بودجه کمتری دارند، فراهم می‌سازد.
• آموزش و توانمندسازی جامعه: این رویکرد، فرصتی بی‌نظیر برای دانشجویان، علاقه‌مندان و پژوهشگران جوان فراهم می‌کند تا از نزدیک شاهد فرآیند تحقیق باشند، با متخصصان تعامل داشته باشند و مهارت‌های عملی خود را ارتقاء دهند.
• ایجاد اعتماد عمومی: شفافیت کامل در انجام تحقیق، به ایجاد اعتماد بین جامعه علمی و عموم مردم کمک می‌کند و این تصور را که تحقیقات در پشت پرده انجام می‌شود، از بین می‌برد.

به عنوان مثال، در پروژه GPT-J 6B، یکی از مدل‌های زبان بزرگ منبع‌باز الِوثر AI، جامعه جهانی نقش قابل توجهی در شناسایی اشکالات، پیشنهاد بهبودها و حتی توسعه برنامه‌های کاربردی مبتنی بر آن ایفا کرد.

الِوثر AI تاکنون چندین پروژه مهم و تأثیرگذار را در حوزه هوش مصنوعی، به‌ویژه پردازش زبان طبیعی، به ثمر رسانده است. برخی از این دستاوردها عبارتند از:

• مدل‌های زبان بزرگ (LLMs) منبع‌باز: توسعه مدل‌هایی مانند GPT-J 6B و GPT-NeoX-20B که رقیبی جدی برای مدل‌های بسته و تجاری شرکت‌های بزرگ هستند. این مدل‌ها به محققان اجازه می‌دهند تا بدون نیاز به منابع محاسباتی عظیم، با مدل‌های پیشرفته کار کنند.
• ابزارها و کتابخانه‌های پردازش زبان طبیعی: توسعه ابزارهای متن‌باز که توسعه‌دهندگان و محققان را در انجام وظایف مختلف NLP مانند تولید متن، ترجمه، خلاصه‌سازی و تجزیه و تحلیل احساسات یاری می‌رسانند.
• تحقیقات در زمینه مدل‌های زبانی: انجام پژوهش‌های بنیادی در مورد معماری مدل‌های زبانی، روش‌های آموزش آن‌ها، و چالش‌های اخلاقی و امنیتی مرتبط.
• مجموعه داده‌های عمومی: کمک به ایجاد و انتشار مجموعه داده‌های بزرگ و با کیفیت که برای آموزش و ارزیابی مدل‌های هوش مصنوعی ضروری هستند.

این دستاوردها نه تنها جامعه علمی را متحول کرده‌اند، بلکه به شرکت‌های کوچک، استارتاپ‌ها و حتی افراد مستقل نیز امکان دسترسی و استفاده از فناوری‌های پیشرفته هوش مصنوعی را داده‌اند.

با وجود مزایای فراوان، رویکرد “علم در دسترس همگان” خالی از چالش نیست. الِوثر AI به صراحت به برخی از این موانع اشاره کرده است:

• مدیریت جامعه بزرگ و متنوع: هماهنگی و مدیریت بازخوردها و مشارکت‌های تعداد زیادی از افراد با سطوح دانش و اهداف متفاوت، امری دشوار است.
• اطمینان از کیفیت و صحت مشارکت‌ها: نیاز به مکانیزم‌های قوی برای بررسی و تأیید صحت و کیفیت کدها، پیشنهادات و نتایج ارائه‌شده توسط اعضای جامعه.
• بار محاسباتی و مالی: هرچند این رویکرد هزینه‌ها را کاهش می‌دهد، اما همچنان آموزش و اجرای مدل‌های بزرگ نیازمند منابع محاسباتی قابل توجهی است که تأمین آن برای یک گروه عمدتاً داوطلب، چالش‌برانگیز است.
• مسائل مربوط به حقوق مالکیت معنوی و اعتبار: تعیین میزان اعتبار و حقوق مالکیت معنوی برای مشارکت‌کنندگان متعدد در یک پروژه.
• مدیریت اطلاعات نادرست یا گمراه‌کننده: در یک فضای کاملاً باز، خطر انتشار اطلاعات نادرست یا ادعاهای اغراق‌آمیز نیز وجود دارد که نیاز به نظارت دقیق دارد.

الِوثر AI با ایجاد ساختارهای مدیریتی، فرآیندهای بازبینی و تکیه بر اصول شفافیت، تلاش می‌کند تا این چالش‌ها را مدیریت کند.

مقاله “EleutherAI: Going Beyond “Open Science” to “Science in the Open”” دریچه‌ای نو به روی آینده تحقیقات علمی می‌گشاید. الِوثر AI با پایه‌گذاری مفهوم “علم در دسترس همگان”، نشان داده است که چگونه می‌توان با اتکا به قدرت جامعه جهانی، دانش را به شکلی عمیق‌تر، شفاف‌تر و مشارکتی‌تر تولید کرد. این رویکرد نه تنها مرزهای علم باز را جابجا می‌کند، بلکه پتانسیل دموکراتیزه کردن دسترسی به فناوری‌های پیشرفته و تسریع نوآوری را دارد.

دستاوردها و تجربیات الِوثر AI، الگویی الهام‌بخش برای سایر حوزه‌های علمی و تحقیقاتی است. در جهانی که با چالش‌های پیچیده‌ای روبرو است، اتخاذ رویکردهایی که همکاری، شفافیت و دسترسی عمومی را در اولویت قرار می‌دهند، بیش از هر زمان دیگری اهمیت یافته است. الِوثر AI با پیاده‌سازی موفقیت‌آمیز این فلسفه، ثابت کرده است که “علم در دسترس همگان” نه یک شعار، بلکه یک واقعیت دست‌یافتنی و بسیار پربار است.