في ظل الاعتماد المتزايد على أدوات الذكاء الاصطناعي التوليدي في بيئات العمل، برزت مخاوف حقيقية تتعلق بخصوصية البيانات الحساسة وكيفية حمايتها من التسريبات المحتملة. واستجابة لهذه التحديات، أطلقت شركة «أوبن إيه آي» يوم الثلاثاء أحدث ابتكاراتها في هذا المجال، وهو نموذج مفتوح الأوزان يحمل اسم «مرشح الخصوصية» تم تصميمه خصيصا لاكتشاف وإخفاء معلومات تحديد الهوية الشخصية من النصوص المكتوبة، مما يمثل أحدث خطوات الشركة نحو توفير أدوات ذكاء اصطناعي مفتوحة المصدر تستهدف تحسين سير عمل الخصوصية في المؤسسات الكبرى.
تشغيل محلي لتعزيز الأمان
وقد تم نشر هذا النموذج على منصتي «هجينغ فيس» و«غيت هاب» بموجب ترخيص «أباتشي 2.0»، وهو مصمم ليعمل محليا بالكامل على أي حاسوب محمول قياسي، أو حتى داخل متصفح الويب باستخدام تقنية «ويب جي بي يو» المتقدمة. وتمنح هذه الميزة المؤسسات قدرة غير مسبوقة على تجريد نصوصها من البيانات الحساسة قبل أن تصل إلى أي خادم سحابي، مما يقلل بشكل جذري من مخاطر تسريب البيانات ويسهم في تعزيز ثقة العملاء والشركاء في وقت تتزايد فيه الهجمات السيبرانية.
بنية تقنية متطورة لمعالجة النصوص
يعد نموذج «مرشح الخصوصية» نموذجا ثنائي الاتجاه لتصنيف الرموز، ويعتمد على بنية ضخمة تضم 1.5 مليار معلمة، منها 50 مليون معلمة نشطة فقط في كل عملية. وقد تم بناء هذه البنية التقنية على أساس معمارية «مزيج الخبراء المتناثر» التي تتضمن 128 خبيرا، مع توجيه لأفضل 4 خبراء لكل رمز. وتسمح هذه المعمارية المبتكرة للنموذج بأن يكون أكثر كفاءة وأقل استهلاكا للموارد الحاسوبية مقارنة بحجمه الإجمالي.
وبدلا من توليد نصوص جديدة كما تفعل النماذج التوليدية التقليدية، يقوم هذا النموذج بتصنيف تسلسل المدخلات بالكامل في تمريرة أمامية واحدة، ثم يطبق تقنية فك تشفير «فيتربي» المقيدة لإنتاج توقعات متماسكة ودقيقة عبر أجزاء النص المختلفة.
ويمكن للنموذج رصد وإخفاء البيانات ضمن ثماني فئات رئيسية لمعلومات تحديد الهوية الشخصية، وتشمل هذه الفئات: الأسماء الشخصية، العناوين الجغرافية، عناوين البريد الإلكتروني، أرقام الهواتف، عناوين الروابط الإلكترونية، التواريخ، أرقام الحسابات البنكية، بالإضافة إلى الأسرار الرقمية مثل مفاتيح واجهة برمجة التطبيقات وكلمات المرور.
نافذة سياق ضخمة ونتائج مبهرة
من أبرز ما يميز النموذج الجديد هو دعمه لنافذة سياق ضخمة تبلغ 128000 رمز، مما يتيح له معالجة مستندات قانونية أو طبية طويلة جدا دفعة واحدة دون الحاجة إلى تقسيمها إلى أجزاء صغيرة قد تفقد النص سياقه الأصلي. وقد أظهر النموذج تفوقا ملحوظا في الاختبارات القياسية؛ ففي اختبار إخفاء البيانات الشخصية حقق النموذج درجة تبلغ 96 بالمئة على مقياس «إف 1» على مستوى الرموز، مع معدل دقة بلغ 0.940 ومعدل استرجاع بلغ 0.980. أما في مجال اكتشاف بيانات الاعتماد والأسرار الرقمية في قواعد البيانات البرمجية، فقد سجل النموذج معدل استرجاع بلغ 0.965 للأسرار، على الرغم من أن الدقة الإجمالية على مستوى النطاق كانت أقل نسبيا عند 0.747.
وأشارت شركة «أوبن إيه آي» في بطاقة النموذج التي نشرتها في 22 أبريل، إلى أن بيانات التدريب شملت نصوصا متاحة للجمهور إلى جانب مجموعات بيانات اصطناعية تم إنشاؤها داخليا. ومما يثير الاهتمام أن عملية التعليق التوضيحي للبيانات تمت بمساعدة نموذج متقدم من عائلة «جي بي تي-5». وقد وصفت الشركة الأداة الجديدة بأنها «مكون لتقليل البيانات» وليست ضمانا كاملا لإخفاء الهوية، محذرة من ضرورة استخدامها جنبا إلى جنب مع ضمانات الخصوصية الأخرى.
التطبيقات المؤسسية والقيود الحالية
يستهدف هذا الإصدار بشكل أساسي الشركات والمؤسسات التي تسعى جاهدة للامتثال لمتطلبات القوانين الصارمة، مثل اللائحة العامة لحماية البيانات في أوروبا، وقانون قابلية نقل التأمين الصحي والمساءلة. وتتضمن حالات الاستخدام النموذجية تعقيم النصوص قبل تخزينها أو فهرستها، وإعداد قواعد البيانات لأغراض التدريب، وتنقيح البيانات الشخصية من وثائق المؤسسة، ورسائل البريد الإلكتروني، وسجلات التطبيقات اليومية.
كما سلطت الشركة الضوء على كفاءة النموذج في عملية الضبط الدقيق؛ حيث أدى التدريب على 10 بالمئة فقط من مجموعة بيانات خاصة بمجال معين إلى رفع معدلات النجاح إلى أكثر من 96 بالمئة، وذلك وفقا للمعايير الداخلية المطبقة على مجموعات النصوص الطبية والقانونية. ويتوفر مع النموذج أداة تعمل عبر سطر الأوامر، تتيح للمستخدمين ضبط التوازنات بين الدقة والاسترجاع في وقت التشغيل من خلال إعدادات قابلة للتخصيص بشكل فوري.
ورغم هذه المزايا المتعددة، أقرت الشركة بوجود بعض القيود في الإصدار الحالي. وتشمل هذه القيود انخفاض الأداء عند التعامل مع النصوص غير الإنجليزية والنصوص المكتوبة بأحرف غير لاتينية، بالإضافة إلى الصعوبات في التعرف على اصطلاحات التسمية غير الشائعة، والضعف أمام التنسيقات غير النمطية مثل إدراج فواصل الأسطر داخل الروابط الإلكترونية لتضليل النظام. وختاما، أكدت الشركة أن هذا الإصدار يعتبر نسخة معاينة تهدف في المقام الأول إلى جمع الملاحظات والتعليقات من مجتمع البحث العلمي وخبراء الخصوصية.
الأسئلة الشائعة
ما هو مرشح الخصوصية المطور من قبل أوبن إيه آي؟
هو نموذج ذكاء اصطناعي مفتوح الأوزان تم إطلاقه بهدف اكتشاف وإخفاء معلومات تحديد الهوية الشخصية من النصوص المكتوبة بشكل محلي، دون الحاجة لنقل البيانات إلى خوادم سحابية خارجية.
ما هي أنواع البيانات التي يمكن للنموذج اكتشافها؟
يستطيع النموذج التعرف على ثماني فئات رئيسية تشمل: الأسماء الشخصية، عناوين البريد الإلكتروني، أرقام الهواتف، العناوين الجغرافية، التواريخ، الروابط الإلكترونية، أرقام الحسابات، والأسرار الرقمية مثل كلمات المرور ومفاتيح البرمجة.
هل يكفي استخدام هذا النموذج لضمان الامتثال لقوانين الخصوصية؟
يعد النموذج أداة قوية لتقليل البيانات ويساعد في الامتثال للوائح مثل اللائحة العامة لحماية البيانات، لكن الشركة أكدت أنه يجب استخدامه كجزء من استراتيجية أمنية شاملة وليس كضمان منفرد لإخفاء الهوية بالكامل.
هل يعمل النموذج بكفاءة مع جميع اللغات؟
في إصداره الحالي، يعاني النموذج من بعض القيود عند التعامل مع النصوص غير الإنجليزية وتلك المكتوبة بأحرف غير لاتينية، وقد يواجه صعوبات مع الأسماء غير الشائعة.
