لقد حصلت إدارة كفاءة الحكومة، أو DOGE، على وصول غير مسبوق إلى ما لا يقل عن سبعة قواعد بيانات اتحادية حساسة، بما في ذلك بيانات دائرة الإيرادات الداخلية وإدارة الضمان الاجتماعي. وقد أثار هذا الوصول مخاوف بشأن ثغرات الأمن السيبراني وانتهاكات الخصوصية. وقد حصلت قضية أخرى على اهتمام أقل بكثير: الاستخدام المحتمل لهذه البيانات لتدريب أنظمة الذكاء الاصطناعي لشركة خاصة.
قال المتحدث باسم البيت الأبيض إن البيانات الحكومية التي جمعتها DOGE لا تُستخدم لتدريب نماذج الذكاء الاصطناعي الخاصة بمسك، على الرغم من السيطرة التي يمارسها إيلون مسك على DOGE. ومع ذلك، ظهرت أدلة تشير إلى أن موظفي DOGE يشغلون في الوقت نفسه مناصب في واحدة على الأقل من شركات مسك.
في إدارة الطيران الفيدرالية، يمتلك موظفو SpaceX عناوين بريد إلكتروني حكومية. هذا التوظيف المزدوج يخلق قناة يمكن من خلالها تسريب البيانات الفيدرالية إلى الشركات المملوكة لمسك، بما في ذلك xAI. نموذج الروبوت الدردشة Grok AI الأحدث من الشركة يرفض بوضوح تقديم نفي قاطع بشأن استخدام مثل هذه البيانات.
كمتخصص في العلوم السياسية والتكنولوجيا الذي يعرف جيدًا المصادر العامة للبيانات الحكومية، أعتقد أن هذا النقل المحتمل للبيانات الحكومية إلى الشركات الخاصة يمثل تداعيات أكبر بكثير على الخصوصية والسلطة مما تحدده معظم التقارير. يمكن للكيان الخاص الذي لديه القدرة على تطوير تقنيات الذكاء الاصطناعي استخدام البيانات الحكومية لتجاوز منافسيه وممارسة تأثير هائل على المجتمع.
قيمة البيانات الحكومية للذكاء الاصطناعي
بالنسبة لمطوري الذكاء الاصطناعي، تمثل قواعد البيانات الحكومية شيئًا يشبه البحث عن الكأس المقدسة. بينما تعتمد شركات مثل OpenAI وGoogle وxAI حاليًا على المعلومات التي تم جمعها من الإنترنت العام، توفر المستودعات الحكومية غير العامة شيئًا أكثر قيمة بكثير: سجلات موثوقة للسلوك البشري الفعلي عبر مجموعات سكانية كاملة.
ليست هذه مجرد بيانات أكثر – بل هي بيانات مختلفة جوهريًا. تظهر مشاركات وسائل التواصل الاجتماعي وسجلات تصفح الويب سلوكيات منظمة أو مقصودة، ولكن قواعد البيانات الحكومية تلتقط القرارات الحقيقية ونتائجها. على سبيل المثال، تكشف سجلات Medicare عن خيارات الرعاية الصحية والنتائج. تكشف بيانات IRS والخزانة عن القرارات المالية والتأثيرات طويلة الأجل. وتظهر إحصاءات التوظيف والتعليم الفيدرالية مسارات التعليم ومسارات العمل.
ما يجعل هذه البيانات ذات قيمة خاصة لتدريب الذكاء الاصطناعي هو طبيعتها الطولية وموثوقيتها. على عكس المعلومات غير المرتبة المتاحة عبر الإنترنت، تتبع السجلات الحكومية بروتوكولات موحدة، وتخضع لعمليات تدقيق منتظمة، ويجب أن تلبي المتطلبات القانونية للدقة. كل دفعة من الضمان الاجتماعي، كل مطالبة Medicare، وكل منحة فيدرالية تخلق نقطة بيانات موثوقة حول السلوك في العالم الحقيقي. هذه البيانات لا توجد في أي مكان آخر بهذا النطاق والمصداقية في الولايات المتحدة.
الأهم من ذلك، تتعقب قواعد البيانات الحكومية مجموعات سكانية كاملة على مر الزمن، وليس مجرد المستخدمين النشطين رقميًا. تشمل الأشخاص الذين لا يستخدمون وسائل التواصل الاجتماعي، أو لا يتسوقون عبر الإنترنت، أو يتجنبون الخدمات الرقمية بنشاط. بالنسبة لشركة ذكاء اصطناعي، سيعني ذلك تدريب الأنظمة على التنوع الفعلي للتجربة البشرية بدلاً من مجرد الانعكاسات الرقمية التي يلقيها الناس عبر الإنترنت.
الميزة التقنية
تواجه أنظمة الذكاء الاصطناعي الحالية قيودًا أساسية لا يمكن لأي كمية من البيانات المجمعة من الإنترنت التغلب عليها. عندما ترتكب ChatGPT أو Gemini من Google أخطاء، غالبًا ما يكون ذلك لأنهم تم تدريبهم على معلومات قد تكون شائعة ولكنها ليست بالضرورة صحيحة. يمكنهم إخبارك بما يقوله الناس عن آثار السياسة، ولكن لا يمكنهم تتبع تلك الآثار عبر مجموعات سكانية وسنوات.
يمكن أن تغير البيانات الحكومية هذه المعادلة. تخيل تدريب نظام ذكاء اصطناعي ليس فقط على الآراء حول الرعاية الصحية ولكن على نتائج العلاج الفعلية عبر ملايين المرضى. ضع في اعتبارك الفرق بين التعلم من المناقشات على وسائل التواصل الاجتماعي حول السياسات الاقتصادية وتحليل آثارها الحقيقية عبر مجتمعات وديموغرافيات مختلفة على مدى عقود.
يمكن أن يفهم نموذج كبير وعصري، أو نموذج متقدم، مدرب على بيانات حكومية شاملة العلاقات الفعلية بين السياسات والنتائج. يمكنه تتبع العواقب غير المقصودة عبر شريحة من السكان، نمذجة الأنظمة الاجتماعية المعقدة مع التحقق من صحة العالم الحقيقي، وتوقع آثار التغييرات المقترحة بناءً على الأدلة التاريخية. بالنسبة للشركات التي تسعى لبناء أنظمة ذكاء اصطناعي من الجيل التالي، فإن الوصول إلى هذه البيانات سيخلق ميزة شبه لا يمكن التغلب عليها.
التحكم في الأنظمة الحيوية
يمكن لشركة مثل xAI أن تفعل أكثر بكثير باستخدام نماذج مدربة على البيانات الحكومية من مجرد بناء روبوتات دردشة أفضل أو مولدات محتوى. يمكن لمثل هذه الأنظمة أن تُحدث تحولًا جذريًا – وقد تتحكم – في كيفية فهم الناس وإدارة الأنظمة الاجتماعية المعقدة. بينما يمكن أن تكون بعض هذه القدرات مفيدة تحت سيطرة الوكالات العامة المسؤولة، أعتقد أنها تمثل تهديدًا في يد شركة خاصة واحدة.
تحتوي قواعد بيانات Medicare وMedicaid على سجلات العلاجات والنتائج والتكاليف عبر مجموعات سكانية متنوعة على مدار عقود. يمكن أن يحدد نموذج متقدم مدرب على بيانات حكومية جديدة أنماط العلاج التي تنجح حيث تفشل الأخرى، وبالتالي يهيمن على صناعة الرعاية الصحية. يمكن أن يفهم هذا النموذج كيفية تأثير التدخلات المختلفة على مجموعات سكانية متنوعة مع مرور الوقت، مع الأخذ في الاعتبار عوامل مثل الموقع الجغرافي، والحالة الاجتماعية والاقتصادية، والحالات المتزامنة.
يمكن للشركة التي تمتلك النموذج أن تؤثر على سياسة الرعاية الصحية من خلال إظهار قدرات تنبؤية متفوقة ورؤى على مستوى السكان للسوق لشركات الأدوية وشركات التأمين.
تمثل بيانات الخزانة ربما الجائزة الأكثر قيمة. تحتوي قواعد البيانات المالية الحكومية على تفاصيل دقيقة حول كيفية تدفق الأموال في الاقتصاد. يشمل ذلك بيانات المعاملات في الوقت الحقيقي عبر أنظمة الدفع الفيدرالية، والسجلات الكاملة لمدفوعات الضرائب واستردادها، وأنماط توزيع الفوائد، ومدفوعات المقاولين الحكوميين مع مقاييس الأداء.
يمكن لشركة ذكاء اصطناعي لديها وصول إلى هذه البيانات أن تطور قدرات استثنائية في التنبؤ الاقتصادي وتوقع السوق. يمكن أن نمذج التأثيرات المتتالية للتغيرات التنظيمية، وتوقع الهشاشة الاقتصادية قبل أن تتحول إلى أزمات، وتحسين استراتيجيات الاستثمار بدقة مستحيلة من خلال الأساليب التقليدية.
البنية التحتية والأنظمة الحضرية
تحتوي قواعد البيانات الحكومية على معلومات حول أنماط استخدام البنية التحتية الحيوية، وسجلات الصيانة، وأوقات الاستجابة للطوارئ، وتأثيرات التنمية. كل منحة اتحادية، وفحص للبنية التحتية، واستجابة للطوارئ تخلق نقطة بيانات يمكن أن تساعد في تدريب الذكاء الاصطناعي لفهم كيفية عمل المدن والمناطق بشكل أفضل.
تكمن القوة في الإمكانية المترابطة لهذه البيانات. سيفهم نظام الذكاء الاصطناعي المدرب على السجلات الحكومية للبنية التحتية كيف تؤثر أنماط النقل على استخدام الطاقة، وكيف تؤثر السياسات السكنية على أوقات الاستجابة للطوارئ، وكيف تؤثر الاستثمارات في البنية التحتية على التنمية الاقتصادية عبر المناطق.
ستحصل شركة خاصة ذات وصول حصري على رؤى فريدة حول الشرايين الفيزيائية والاقتصادية للمجتمع الأمريكي. قد يسمح ذلك للشركة بتطوير أنظمة “المدن الذكية” التي ستصبح الحكومات المحلية معتمدة عليها، مما يؤدي فعليًا إلى خصخصة جوانب من الحكم الحضري. عندما يتم دمجها مع بيانات الوقت الحقيقي من مصادر خاصة، ستتجاوز القدرات التنبؤية ما يمكن أن تحققه أي نظام حالي.
البيانات المطلقة تفسد بشكل مطلق
يمكن لشركة مثل xAI، مع موارد مسك والوصول التفضيلي من خلال DOGE، أن تتجاوز العقبات التقنية والسياسية بسهولة أكبر من المنافسين. وقد أدت التطورات الأخيرة في التعلم الآلي أيضًا إلى تقليل أعباء إعداد البيانات لتتمكن الخوارزميات من معالجتها، مما يجعل البيانات الحكومية منجم ذهب حقيقي – ينتمي بشكل صحيح إلى الشعب الأمريكي.
يمتد تهديد وصول شركة خاصة إلى البيانات الحكومية إلى ما هو أبعد من مخاوف الخصوصية الفردية. حتى مع إزالة المعرفات الشخصية، يمكن أن يمكّن نظام ذكاء اصطناعي يحلل الأنماط عبر ملايين السجلات الحكومية قدرات مفاجئة للتنبؤ والتأثير على السلوك على مستوى السكان. التهديد هو أنظمة الذكاء الاصطناعي التي تستغل البيانات الحكومية للتأثير على المجتمع، بما في ذلك نتائج الانتخابات.
نظرًا لأن المعلومات هي القوة، فإن تركيز بيانات غير مسبوقة في يد كيان خاص له أجندة سياسية واضحة يمثل تحديًا عميقًا للجمهورية. أعتقد أن السؤال هو ما إذا كان يمكن للشعب الأمريكي التصدي للفساد المحتمل الذي قد يؤدي إليه هذا التركيز. إذا لم يكن الأمر كذلك، يجب على الأمريكيين الاستعداد ليصبحوا رعايا رقميين بدلاً من مواطنين بشريين.
أليسون ستانجر، أستاذة متميزة، ميدلبوري
تم إعادة نشر هذه المقالة من The Conversation بموجب ترخيص المشاع الإبداعي. اقرأ المقال الأصلي.
