AI ടൂളുകൾ ഉപയോഗിച്ച് തയ്യാറാക്കിയ മാറ്റങ്ങൾ സ്വീകരിക്കുന്നത് ജെൻ്റൂ പ്രോജക്ട് നിരോധിച്ചിരിക്കുന്നു

ChatGPT, Bard, GitHub Copilot എന്നിവ പോലുള്ള സ്വാഭാവിക ഭാഷാ അന്വേഷണങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്ന AI ടൂളുകൾ ഉപയോഗിച്ച് സൃഷ്‌ടിച്ച ഏതൊരു ഉള്ളടക്കവും സ്വീകരിക്കുന്നതിൽ നിന്നും Gentoo-യെ വിലക്കുന്ന നിയമങ്ങൾ Gentoo Linux വിതരണത്തിൻ്റെ ഗവേണിംഗ് ബോർഡ് അംഗീകരിച്ചിട്ടുണ്ട്. Gentoo ഘടക കോഡ് എഴുതുമ്പോഴോ ഇബിൽഡുകൾ സൃഷ്ടിക്കുമ്പോഴോ ഡോക്യുമെൻ്റേഷൻ തയ്യാറാക്കുമ്പോഴോ ബഗ് റിപ്പോർട്ടുകൾ സമർപ്പിക്കുമ്പോഴോ അത്തരം ഉപകരണങ്ങൾ ഉപയോഗിക്കരുത്.

ജെൻ്റൂവിൽ AI ടൂളുകൾ ഉപയോഗിക്കുന്നത് നിരോധിച്ചിരിക്കുന്ന പ്രധാന ആശങ്കകൾ:

• പകർപ്പവകാശമുള്ള വർക്കുകൾ ഉൾപ്പെടെ, വലിയ ഡാറ്റാ സെറ്റുകളിൽ പരിശീലനം ലഭിച്ച മോഡലുകൾ ഉപയോഗിച്ച് സൃഷ്ടിച്ച ഉള്ളടക്കത്തിലെ സാധ്യമായ പകർപ്പവകാശ ലംഘനത്തെക്കുറിച്ചുള്ള അനിശ്ചിതത്വം. AI ടൂളുകൾ വഴി സൃഷ്ടിക്കുന്ന കോഡിലെ ലൈസൻസിംഗ് ആവശ്യകതകൾ പാലിക്കുന്നുണ്ടെന്ന് ഉറപ്പുനൽകാനുള്ള കഴിവില്ലായ്മയും ഇത് പരാമർശിക്കുന്നു. ജനറേറ്റ് ചെയ്‌ത AI കോഡ് മോഡലിനെ പരിശീലിപ്പിക്കാൻ ഉപയോഗിച്ചതും ചില ലൈസൻസുകൾക്ക് കീഴിൽ വിതരണം ചെയ്യുന്നതുമായ കോഡിൻ്റെ ഒരു ഡെറിവേറ്റീവ് വർക്ക് ആയി കണക്കാക്കാം.

  ഉദാഹരണത്തിന്, ആട്രിബ്യൂഷൻ ആവശ്യമുള്ള ഒരു ലൈസൻസുള്ള കോഡിൽ ഒരു മോഡൽ പരിശീലിപ്പിക്കുമ്പോൾ, AI ടൂളുകൾ നൽകുന്ന കോഡ് ഈ ആവശ്യകതയുമായി പൊരുത്തപ്പെടുന്നില്ല, ഇത് GPL, MIT, Apache എന്നിവ പോലുള്ള മിക്ക ഓപ്പൺ ലൈസൻസുകളുടെയും ലംഘനമായി കണക്കാക്കാം. അനുവദനീയമായ ലൈസൻസുകൾക്ക് കീഴിലുള്ള പ്രോജക്റ്റുകളിലേക്ക് കോപ്പിലെഫ്റ്റ് ലൈസൻസുള്ള കോഡിൽ പരിശീലിപ്പിച്ച മോഡലുകൾ ഉപയോഗിച്ച് സൃഷ്ടിച്ച കോഡ് ചേർക്കുമ്പോൾ ലൈസൻസിംഗ് അനുയോജ്യത പ്രശ്നങ്ങൾ ഉണ്ടാകാം.

• സാധ്യമായ ഗുണനിലവാര പ്രശ്നങ്ങൾ. AI ടൂളുകൾ സൃഷ്‌ടിക്കുന്ന കോഡോ ടെക്‌സ്‌റ്റോ ശരിയാണെന്ന് തോന്നുമെങ്കിലും മറഞ്ഞിരിക്കുന്ന പ്രശ്‌നങ്ങളും വസ്തുതകളുമായി പൊരുത്തക്കേടുകളും അടങ്ങിയിരിക്കുന്നു എന്നതാണ് ആശങ്ക. സ്ഥിരീകരണമില്ലാതെ അത്തരം ഉള്ളടക്കം ഉപയോഗിക്കുന്നത് ഗുണനിലവാരം കുറഞ്ഞ പ്രോജക്ടുകൾക്ക് കാരണമായേക്കാം. ഉദാഹരണത്തിന്, സിന്തസൈസ് ചെയ്ത കോഡിന് മോഡലിനെ പരിശീലിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന കോഡിലെ പിശകുകൾ ആവർത്തിക്കാൻ കഴിയും, ഇത് ആത്യന്തികമായി കേടുപാടുകൾക്കും ബാഹ്യ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുമ്പോൾ ആവശ്യമായ പരിശോധനകളുടെ അഭാവത്തിനും ഇടയാക്കും.

  വസ്തുതാ പരിശോധനയ്ക്കും കോഡ് അവലോകനത്തിനും വെരിഫിക്കേഷന് വളരെയധികം തൊഴിലാളികൾ ആവശ്യമാണ്. സ്വയമേവ സൃഷ്‌ടിക്കപ്പെട്ട പിശക് റിപ്പോർട്ടുകൾ വിശകലനം ചെയ്യുമ്പോൾ, ഉപയോഗശൂന്യമായ റിപ്പോർട്ടുകൾ വിശകലനം ചെയ്യുന്നതിനും അതിൽ അടങ്ങിയിരിക്കുന്ന വിവരങ്ങൾ പലതവണ പരിശോധിക്കുന്നതിനും ഡവലപ്പർമാർ ധാരാളം സമയം പാഴാക്കാൻ നിർബന്ധിതരാകുന്നു, കാരണം ഡിസൈനിൻ്റെ ബാഹ്യ നിലവാരം വിവരങ്ങളിൽ ആത്മവിശ്വാസം സൃഷ്ടിക്കുകയും അവലോകകനാണെന്ന തോന്നൽ ഉണ്ടാകുകയും ചെയ്യുന്നു. എന്തോ തെറ്റിദ്ധരിച്ചു.

• മോഡലുകൾ പരിശീലിപ്പിക്കുമ്പോൾ പകർപ്പവകാശ ലംഘനവുമായി ബന്ധപ്പെട്ട ധാർമ്മിക പ്രശ്നങ്ങൾ, മോഡലുകൾ സൃഷ്ടിക്കുമ്പോൾ ഉയർന്ന ഊർജ്ജ ചെലവ് കാരണം പരിസ്ഥിതിയെ പ്രതികൂലമായി ബാധിക്കുന്നു, AI സേവനങ്ങൾ ഉപയോഗിച്ച് ഉദ്യോഗസ്ഥരെ മാറ്റിസ്ഥാപിക്കുന്നത് മൂലമുള്ള പിരിച്ചുവിടലുകൾ, പിന്തുണാ സേവനങ്ങൾ ബോട്ടുകൾ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിച്ചതിന് ശേഷമുള്ള സേവനങ്ങളുടെ ഗുണനിലവാരം കുറയുന്നു, വർദ്ധിച്ചു. സ്പാമിനും വഞ്ചനയ്ക്കും ഉള്ള അവസരങ്ങൾ.

പകർപ്പവകാശമോ ഗുണനിലവാരമോ ധാർമ്മിക പ്രശ്‌നങ്ങളോ ഇല്ലെന്ന് തെളിയിക്കപ്പെട്ട AI ടൂളുകൾക്കായി പുതിയ ആവശ്യകത തിരഞ്ഞെടുത്ത് ഒഴിവാക്കിയേക്കാമെന്ന് പ്രഖ്യാപനം കുറിക്കുന്നു.

അവലംബം: opennet.ru