چین از مدلهای هوش مصنوعی آمریکا برای آموزش رقبای داخلی استفاده میکند
سهشنبه، ۲۶ آبان
با تشدید محدودیتهای صادرات تراشههای پیشرفته آمریکا به چین، شرکتها و پژوهشگران چینی به روشی متفاوت برای توسعه مدلهای هوش مصنوعی روی آوردهاند: استفاده از خروجی مدلهای قدرتمند آمریکایی برای آموزش سیستمهای بومی و کمهزینهتر. بررسی اسناد و مدارک منتشرشده نشان میدهد این روش که «تقطیر مدل» (Distillation) نام دارد، از پروژههای دانشگاهی فراتر رفته و به بخشی از فعالیتهای صنعتی چین تبدیل شده است.
بررسی رویترز از بیش از ۳۰۰ سند شامل مقالات دانشگاهی، اختراعات ثبتشده، گزارشهای شرکتی، آگهیهای استخدامی و اسناد دولتی نشان میدهد شرکتها و محققان چینی از مدلهای آمریکایی برای تولید پاسخ، نوشتن کد و حل مسائل پیچیده استفاده میکنند. سپس این خروجیها به دادههای آموزشی تبدیل میشوند تا مدلهای کوچکتر و داخلی بتوانند بخشی از تواناییهای سیستمهای پیشرفته را با هزینه کمتری به دست آورند.
تقطیر مدل چگونه به توسعه هوش مصنوعی چین کمک میکند؟
در روش تقطیر، یک مدل قدرتمند که نقش «معلم» را دارد، پاسخها و شیوه حل مسائل مختلف را تولید میکند. سپس یک مدل کوچکتر یا «دانشآموز» با استفاده از این خروجیها آموزش میبیند تا بتواند وظایف مشابه را انجام دهد.
مزیت اصلی این روش برای شرکتهای چینی، کاهش نیاز به قدرت پردازشی و هزینههای سنگین آموزش مدلهای هوش مصنوعی است. بهجای آنکه یک شرکت بارها از پردازندههای پیشرفته برای حل مسائل پیچیده استفاده کند، میتواند یکبار از مدل قدرتمند آمریکایی پاسخ بگیرد و از آن برای آموزش مدل داخلی خود بهره ببرد.
البته تقطیر نمیتواند تمام تواناییهای یک مدل پیشرفته را بازتولید کند و نیاز به زیرساخت محاسباتی قدرتمند را نیز بهطور کامل از بین نمیبرد. با این حال، این تکنیک امکان انتقال برخی مهارتهای مهم به مدلهای کوچکتر را فراهم میکند و هزینه استفاده از هوش مصنوعی را کاهش میدهد.
همکاری پژوهشگران چینی با مدلهای OpenAI
اسناد بررسیشده نمونههای مشخصی از استفاده از مدلهای آمریکایی در پروژههای چینی را نشان میدهند.
در یک مقاله منتشرشده در نوامبر ۲۰۲۴، پژوهشگران دانشگاه شانگهای جیائوتونگ توضیح دادند که حدود ۵ هزار پاسخ تولیدشده توسط مدل o1 شرکت OpenAI را انتخاب کردهاند. آنها سپس با کمک GPT-4o mini این پاسخها را ترجمه و در مجموع ۱۰ هزار و ۷۵۰ نمونه آموزشی دوزبانه تهیه کردند تا مدل Qwen2.5-72B شرکت علیبابا را بهبود دهند.
در نمونهای دیگر، پژوهشگران علیبابا در مقالهای در آوریل ۲۰۲۵ از GPT-4 و GPT-4o برای تولید دادههای آموزشی به زبانهای مختلف استفاده کردند. این دادهها پس از اصلاح و ارزیابی، برای آموزش نسخههای کوچکتر مدل Qwen به کار گرفته شدند.
همچنین در فوریه ۲۰۲۶، پژوهشگران دانشگاه شانگهای جیائوتونگ و شرکت میتواِن (Meituan) در مطالعهای توضیح دادند که چگونه از GPT-4o برای تولید برنامههای هماهنگی میان چند عامل هوش مصنوعی استفاده کردهاند تا یک مدل کوچکتر بتواند وظایف برنامهنویسی گروهی را مدیریت کند.
این نمونهها نشان میدهند خروجی مدلهای آمریکایی میتواند به دادهای قابل استفاده مجدد تبدیل شود و به شرکتهای چینی اجازه دهد بدون اتکا به همان میزان قدرت پردازشی، مدلهای داخلی خود را توسعه دهند.
نگرانی آمریکا از استفاده گسترده چین از مدلهای هوش مصنوعی
گسترش این روش به یکی از موضوعات اختلاف میان واشنگتن و پکن تبدیل شده است. مقامهای آمریکایی در ماه سپتامبر شرکتهای چینی را به جمعآوری هدفمند و گسترده خروجی مدلهای هوش مصنوعی آمریکا متهم کردند.
همچنین در نشستهایی که ماه ژوئیه در شهر چنگدو برگزار شد، مقامهای وزارت بازرگانی آمریکا نگرانی خود را درباره جمعآوری خروجی مدلهای پیشرفته با نهادهای نظارتی چین مطرح کردند. به گفته منابع آگاه، واشنگتن هشدار داده بود که برخی از این فعالیتها ممکن است مصداق سرقت مالکیت فکری باشند.
مقامهای چینی در پاسخ، تقطیر را روشی استاندارد در توسعه هوش مصنوعی توصیف کردند و اعلام کردند در صورت اثبات نقض حقوق مالکیت فکری، امکان برخورد با چنین اقداماتی وجود دارد؛ با این حال، تعهد مشخصی برای محدود کردن این فعالیتها ارائه نکردند.
از سوی دیگر، شرایط استفاده شرکتهای آمریکایی نیز محدودیتهایی دارد. OpenAI استفاده از خروجی مدلهای خود برای توسعه مدلهای رقیب را، با برخی استثناها، ممنوع کرده است. شرکت آنتروپیک نیز آموزش سیستمهای رقیب با خروجی مدلهای خود را بدون مجوز محدود میکند.
پکن به دنبال گسترش هوش مصنوعی ارزان در صنایع مختلف است
اسناد دولتی چین نشان میدهند پکن از تقطیر و سایر روشهای کاهش نیاز محاسباتی برای گسترش استفاده از هوش مصنوعی حمایت میکند. بسته سیاستی «هوش مصنوعی + تولید» که در ژانویه توسط هشت نهاد دولتی منتشر شد، بر آموزش مدلها، تنظیم دقیق آنها و استفاده از روش تقطیر برای کاربردهای صنعتی تأکید دارد.
شهرهای شانگهای و شنژن نیز سیاستهایی را برای کاهش نیاز به توان پردازشی دنبال کردهاند. هدف این رویکرد، استفاده گستردهتر از مدلهای کوچک و ارزان در بخشهایی مانند تولید صنعتی و خودکارسازی فرایندهاست.
با این حال، برخی پژوهشگران چینی نسبت به وابستگی بیش از حد به مدلهای خارجی هشدار دادهاند. آنها معتقدند اتکای مداوم به خروجی مدلهای پیشرفته آمریکایی ممکن است نوآوری مستقل را محدود کند و توسعهدهندگان چینی را به پیشرفتهای شرکتهای خارجی وابسته نگه دارد.
در مجموع، تقطیر مدل میتواند بخشی از اثر محدودیتهای آمریکا بر دسترسی چین به تراشههای پیشرفته را کاهش دهد، اما جایگزین کامل این سختافزارها نخواهد شد. میزان موفقیت چین در این مسیر به توانایی شرکتهای داخلی در ترکیب دادههای آموزشی، پیشرفتهای الگوریتمی، مهندسی نرمافزار و زیرساخت محاسباتی وابسته است.


