سامانه یکپارچه شناسایی برای کنترل و نظارت بر عامل‌های هوش مصنوعی چین

به گزارش ساوت چاینا مورنینگ پست، اداره تنظیم و مدیریت بازار چین (SAMR) از استاندارد اتصال متقابل یا «میان‌اتصال» (interconnection) عامل‌های هوش مصنوعی رونمایی کرده که هدف آن ایجاد «سامانه حلقه بسته‌ای» با یک چارچوب مدیریت هویت (identity management) یکپارچه برای کلیه عامل‌های هوش مصنوعی است.

دستورالعمل جدید به عنوان اولین استاندارد ملی متمرکز بر قابلیت اتصال یا ارتباط (connectivity) عامل‌های هوش مصنوعی در چین، زمینه را برای تعامل امن بین این عامل‌ها فراهم می‌کند و شامل هفت بخش است که جنبه‌های کلیدی مختلف، از معماری کلی تا جزئیاتی مانند تعیین کدهای هویت (identity code) و به‌کاراندازی یا استقرار ابزارهای عامل هوش مصنوعی (AI agent tool deployment) را پوشش می‌دهد.

این اقدام پکن، گام دیگری در راستای تشویق شرکت‌ها به پذیرش و به‌کارگیری عامل‌های هوش مصنوعی و در عین حال تضمین امنیت، در دورانی است که کاربردهای عملی این عامل‌ها روز به روز بیشتر می‌شود.

چارچوب یکپارچه جدید به شرکت‌ها امکان خواهد داد تا به اجزای استاندارد شده عامل‌های هوش مصنوعی متصل گردیده و از آنها استفاده کنند و به این ترتیب چرخه‌های عرضه محصول را کوتاه‌تر نموده و هزینه‌ها را کاهش دهند.

هم‌زمان با انتشار این چارچوب، یکی از مسئولان موسسه استاندارد تجهیزات الکترونیکی چین در نشستی خبری گفت که صدور یک «کارت شناسایی دیجیتال» برای هر یک از عامل‌های هوش مصنوعی، به حل چالش‌های مربوط به تشخیص هویت آنها و شناسایی متقابل (mutual recognition) مطمئن و قابل اعتماد بین آنها کمک خواهد کرد.

با تکامل هوش مصنوعی و پیشرفت سریع آن از تولید متن‌های ساده به اجرای خودکار یا خودمختار وظایف، عامل‌های هوش مصنوعی در حال تبدیل شدن به موتور پیشران جدیدی برای اقتصاد دیجیتال چین هستند.

در شرایطی که پیشتازان هوش مصنوعی در آمریکا مانند آنتروپیک و اوپن‌ای‌آی از مدل‌هایی با قابلیت‌های امنیتی پیشرفته‌تر رونمایی می‌کنند، سیاست‌گذاران چینی در حال تدوین استانداردهای واحد و مشترک برای ارزیابی فناوری هوش مصنوعیِ هستند.

در ماه‌های اخیر تلاش‌ها و اقدامات پکن در زمینه حکمرانی هوش مصنوعی به شکل چشمگیری افزایش یافته است.

دولت مرکزی چین در ماه می دستورالعمل‌های جدیدی منتشر کرد که شاخص‌هایی برای استفاده در حوزه هوش مصنوعی فراهم می‌آورد و می‌توان با کمک آنها عملکرد مدل‌ها، توان رایانش و کیفیت داده‌ها را تحت یک استاندارد ملی یکپارچه و مشترک اندازه‌گیری و مقایسه کرد.

منبع: scmp