Meta는 최근 미국 정부 기관과 계약자에게 LLAMA 시리즈의 인공 지능 모델을 개설하여 국가 안보 응용 프로그램을 지원할 것이라고 발표했습니다. 이 조치는 외국 반대자들에 의해 잠재적으로 활용 될 수있는 AI의 개방형 AI에 대한 우려에 대응하고 국가 안보 분야에서 기술 기여를 보여주기위한 것이다. 메타는 LLAMA 모델의 적용이 불법적이거나 유해한 목적으로 사용되지 않도록 엄격한 규범과 제한을받을 것이라고 강조했다. 이 기사는 Meta의 움직임, 파트너 및 개방형 인공 지능의 보안에 대한 토론의 배경을 심도있게 탐구 할 것입니다.
메타는 최근 미국 정부 기관 및 관련 계약자에게 LLAMA 시리즈의 인공 지능 모델을 개설하여 국가 안보 응용 프로그램을 지원할 것이라고 발표했다.
이 움직임은 외부 세계가 AI에“개방적”이라는 인식을 제거하는 것을 목표로합니다. 메타는 블로그 게시물에서“LLAMA가 국방 및 국가 안보에 중점을 둔 미국 정부 기관뿐만 아니라 이러한 노력을 지원하는 민간 부문 파트너를 포함하여 미국 정부 기관을 제공 할 것임을 확인하게되어 기쁩니다.
이 프로젝트를 홍보하기 위해 Meta는 Accenture, Amazon Web Services, Andyr, Boss Allen, Databricks, Deloitte, IBM, Ledos, Lockheed Martin, Microsoft, Oracle, Palantir, Scale AI 및 Snowflake를 포함한 여러 유명한 회사와 협력에 도달했습니다. 이 회사들은 LLAMA 모델을 다양한 국가 안보 작업에 적용하는 데 도움이 될 것입니다.
예를 들어, Oracle은 LLAMA를 사용하여 항공기 유지 보수 문서를 처리하는 반면 Scale AI는 특정 국가 안보 작업을위한 LLAMA를 미세 조정합니다. Lockheed Martin은 컴퓨터 코드 등을 생성하는 데 도움을주기 위해 방어 고객에게 라마를 제공 할 계획입니다.
일반적으로 Meta의 정책은 개발자가 LLAMA를 군사, 전쟁 또는 스파이 관련 프로젝트에 적용하는 것을 금지합니다. 그러나이 경우 Meta는 미국 정부와 관련된 기관 및 계약자가 LLAMA를 사용할 수있게함으로써 예외를 제외하고 영국, 캐나다, 호주 및 뉴질랜드와 같은 국가의 유사한 기관에도 적용 할 수 있도록 결정했습니다.
중국 인민 해방군과 관련된 일부 연구자들은 LLAMA2 (Llama Model)의 오래된 버전을 사용하여 인텔리전스를 수집하고 처리하고 전투 의사 결정을 제공하도록 설계된 군사 중심 챗봇을 개발했다는 사실에 주목할 가치가 있습니다. 정보. Meta는 모델의 사용이 "무단"되었으며 회사의 허용 가능한 사용 정책을 위반했다고 응답했습니다. 그러나이 사건은 Open AI의 장점과 단점에 대한 광범위한 논의를 더욱 촉발시켰다.
군사 정보, 감시 및 정찰에 인공 지능이 적용되면서 관련 보안 위험이 점차적으로 나타났습니다. AI Now Institute의 연구에 따르면 기존 AI 시스템은 적대자가 추출하고 무기화 할 수있는 개인 데이터에 의존합니다. 동시에 인공 지능 시스템에는 편견 및 환각과 같은 문제가 있으며 현재 효과적인 솔루션은 없습니다. 연구원들은 "비즈니스"모델과 분리 된 전용 AI 시스템을 개발하는 것이 좋습니다.
메타는 AI를 개방하면 국방 연구를 가속화하고 미국 경제 및 안보 이익을 촉진 할 수 있다고 주장하지만, 미군은 여전히이 기술의 채택에 대해 신중하고 있으며, 군대만이 지금까지 생성 인공 지능을 배치했습니다.
핵심 사항 :
Meta는 LLAMA 모델을 미국 정부 및 국방 계약자에게 열어 국가 안보 응용 프로그램을 지원합니다.
잘 알려진 많은 회사들이 메타와 협력하여 방어 분야에서 라마 모델의 적용을 공동으로 홍보했습니다.
군사 응용 분야에서 열린 인공 지능의 보안 위험은 토론을 촉발 시켰으며, 연구원들은 전문화 된 모델의 개발을 요구했다.
메타의 움직임은 기술 개발과 국가 안보 촉진 사이의 섬세한 균형을 이루었지만, 인공 지능 기술의 적용에있어 윤리적, 안보 과제를 강조하고 있으며, 이는 지속적으로주의를 기울이고 조심스럽게 대응해야합니다. Open AI의 향후 개발은 기술 혁신과 보안 보증 사이의 최상의 경로를 찾아야합니다.