超越声索主权AI：韩国本地基础模型开发与部署的动机、挑战与矛盾

文献标题

Beyond Claiming Sovereign AI: Motivations, Challenges, and Contradictions in Developing and Deploying Local Foundation Models in South Korea

出版信息

• 主题领域: 韩国本地化基础模型开发与人工智能主权。
• 关键词: 主权人工智能，本地化基础模型，韩国，语言与文化适配，法规遵从，资源限制，地缘政治动态，人机交互，负责任的人工智能，社会技术系统。

背景与问题

• 问题/挑战: 全球基础模型主要以英语为中心，导致在非西方语境中出现语言、文化和法规的不匹配。本地化模型的开发面临资源限制、对全球基础设施的依赖以及缺乏针对本地需求的基准测试等挑战。
• 重要性: 解决这些问题对于减少对外国技术的依赖、确保文化和语言的相关性以及满足本地法规和安全要求至关重要。
• 动机与相关研究: 先前研究强调了全球模型在非西方语境中的局限性，并倡导本地化和以社区为中心的人工智能系统。然而，目前对本地化基础模型的开发和部署，特别是在国家主权倡议背景下的实证理解仍然有限。

解决方案

• 提出的方法: 本研究通过对15位人工智能从业者的半结构化访谈，探讨了韩国本地化基础模型的开发与部署，重点分析动机、挑战和应对策略。
• 创新点:
  1. 分析人工智能主权如何通过实际的本地化努力而非单纯的政治理想得以实现。
  2. 识别实现本地化人工智能过程中面临的社会技术挑战，例如资源短缺和对全球基准的依赖。
  3. 探讨人工智能开发中全球依赖与本地愿景之间的张力。
  4. 提供从业者如何应对法规、文化和基础设施限制的洞见。
• 研究流程与关键技术:
  • 对来自五家韩国组织的15位从业者进行了半结构化访谈。
  • 分析了开发本地模型的动机，包括文化适配、法规遵从和业务灵活性。
  • 调查了GPU短缺、数据稀缺以及对英语为中心的基准测试的依赖等挑战。
  • 探讨了在竞争激烈且资源受限的环境中部署本地模型的实际情况。

研究结果

• 具体发现:
  • 开发本地模型的动机包括减少对外国技术的依赖、优化韩语和韩国文化、确保法规遵从以及增强业务灵活性。
  • 挑战包括GPU短缺、高质量韩语数据有限、对全球基准的依赖以及模型采用中的复杂决策。
  • 由于对全球基础设施和工具的依赖，本地化模型往往难以实现完全自主。
• 相较基线的优势:
  • 本地化模型弥补了语言和文化的差距，符合韩国法规，并满足全球模型无法满足的特定业务和安全需求。
  • 然而，与GPT-4等全球模型相比，本地化模型在英语为中心的基准测试上通常表现较差。
• 实验/评估:
  • 访谈揭示了从业者克服资源限制的策略，例如合成数据生成和利用本地数据微调全球模型。
  • 评估实践仍然依赖全球基准，突显了本地需求与国际标准之间的差距。
• 局限性与未来工作:
  • 资源限制（如GPU短缺和数据稀缺）限制了本地模型的可扩展性和竞争力。
  • 未来研究应探索本地化基准的开发，解决全球依赖问题，并调查本地模型开发中隐藏的劳动。

总结

本研究探讨了韩国本地化基础模型的开发与部署，重点分析了追求人工智能主权过程中固有的动机、挑战和矛盾。主要发现强调了文化和语言适配、法规遵从以及业务灵活性的重要性，同时指出了资源短缺和对全球基准的依赖等重大挑战。尽管本地化模型弥补了全球系统中的关键空白，其开发仍受制于跨国依赖和基础设施不平等。本研究将人工智能主权重新定义为一种情境化的社会技术实践，并呼吁未来研究开发本地化基准、解决资源限制并支持情境敏感的人工智能系统。