Training Data Governance for Brain Foundation Models

الصورة الكبيرة: نوع جديد من طهاة الدماغ

تخَّيل أن العلماء، لسنوات طويلة، كانوا يطهون أطباقاً محددة للغاية. إذا أرادوا صنع "حساء التشنجات"، فقد جمعوا فقط المكونات المتعلقة بالتشنجات. وإذا أرادوا "سلطة ADHD"، فقد جمعوا مكونات الـ ADHD فقط. هذه هي نماذج الذكاء الاصطنا bile القديمة: المخصصة لمهمة معينة. إنها بارعة في شيء واحد ولكنها عديمة الفائدة في أي شيء آخر.

الآن، ظهر توجه جديد يسمى نماذج أسس الدماغ (Brain Foundation Models). فكر في هذه النماذج كأنها "شيف ماهر" (Master Chef) لا يصنع طبقاً واحداً فحسب. بدلاً من ذلك، يتذوق هذا الشيف كل شيء—ملايين الساعات من تسجيلات الدماغ (EEG، fMRI، إلخ) من المستشفيات، والمختبرات البحثية، وحتى من الأشخاص الذين يرتدون عصابات الرأس لتتبع النوم. ومن خلال تذوق كل شيء، يتعلم الشيف "نكهة" الدماغ البشري بشكل عام. وبمجرد تدريبه، يمكن لهذا الشيف أن يحضر فوراً "حساء التشنجات"، أو "سلطة ADHD"، أو حتى "سموذي النوم" دون الحاجة للتعلم من الصفر مرة أخرى.

المشكلة: تجادل هذه الورقة البحثية بأنه بينما يعد هذا "الشيف الماهر" مذهلاً، فإن الطريقة التي نغديه بها هي التي تخلق فوضى أخلاقية هائلة. نحن نأخذ مكونات جُمعت في الأصل لأسباب محددة ومحمية بعناية شدية (مثل تجربة سريرية لمرض نادر) ونصبّها في وعاء خلط عملاق ومفتوح لتدريب منتج تجاري. تسأل الورقة: هل من المقبول فعل ذلك؟ من يملك المكونات؟ وكيف نتأكد من أن الشيف لن يفسد الوجبة أو يؤذي الأشخاص الذين قدموا الطعام؟

---

الجزء الأول: من أين تأتي المكونات؟

تشرح الورقة أنه لتدريب هذا "الشيف الماهر"، يقوم المطورون بـ "حياكة" نوعين رئيسيين من البيانات:

1. الأرشيفات العامة (مخزن المجتمع): وهي مجموعات بيانات تعود لعقود من الزمن من المستشفيات والجامعات. جُمعت لأبحاث محددة (مثل دراسة الصرع) وتمت مشاركتها علناً للمساعدة في العلوم.
2. التدفقات التجارية (الحديقة الخاصة): وهي تدفقات بيانات جديدة من الشركات التي تبيع الأجهزة القابلة للارتداء (مثل عصابات الرأس EEG) أو الغرسات الدماغية المزروعة.

مشكلة "الحياكة":
تخيل أن مطوراً يأخذ جرة من "بيانات الصرع" من "مخزن المجتمع" (حيث وافق الناس على مشاركتها لأبحاث طبية) ويمزجها مع "بيانات التأمل" من "حديقة خاصة" (حيث وافق المستخدمون على مشاركتها لتطبيق نوم). ثم يدرب "الشيف الماهر" الخاص به على هذه "الخلطة" الضخمة.

• الخطر: الأشخاص الأصليون الذين قدموا "بيانات الصرع" لم يوافقوا أبداً على استخدام أنماط أدمغتهم لتدريب ذكاء اصطناعي تجاري قد يُباع لشركة أو يُستخدم لشيء مختلف تماماً، مثل مراقبة مستويات التوتر لدى الموظفين.

---

الجزء الثاني: مناطق القلق الخمس الكبرى

تنظم الورقة المخاوف الأخلاقية في خمس فئات. إليكم معناها باللغة البسيطة:

1. الخصوصية: مشكلة "بصمة الإصبع"

بيانات الدماغ فريدة من نوعها، تماماً مثل بصمة الإصبع. حتى لو قمت بإزالة الأسماء من البيانات، فغالباً ما يظل من الممكن معرفة لمن تنتمي.

• التشبيه: تخيل أنك تركت بصمة إصبع فريدة على كوب ماء في حديقة عامة. إذا كان لدى شخص آخر قاعدة بيانات لبصمات الأصابع، فيمكنه مطابقة الكوب بوجهك.
• مخاوف الورقة: لأن نماذج الذكاء الاصطناعي الجديدة هذه قوية جداً، فقد تكون قادرة على "إعادة تحديد هوية" الأشخاص من السجلات الطبية القديمة المجهولة. والأسوأ من ذلك، قد يتمكنون من تخمين أشياء لم تخبرهم بها أبداً، مثل "هذا الشخص يعاني من مرض نادر" أو "هذا الشخص يشعر بالتوتر"، بمجرد النظر إلى موجات دماغه.

2. الموافقة: مشكلة "الشيك على بياض"

عندما يقدم الناس بيانات الدماغ اليوم، فإنهم يوقعون نموذجاً يقول: "أوافق على السماح للباحثين باستخدام بياناتي للدراسات الصحية المستقبلية".

• التشبيه: تخيل أنك وقعت نموذجاً تقول فيه: "أوافق على السماح لكم باستخدام صوتي في مسابقات الغناء المستقبلية". لم تكن تتخيل أن "الغناء المستقبلي" سيعني استخدام صوتك لتدريب روبوت لكتابة خطابات سياسية أو للتجسس على جيرانك.
• مخاوف الورقة: النماذج القديمة لم تتوقع وجود "نماذج الأسس" (Foundation Models). لم يوافق الناس على خلط بياناتهم في ذكاء اصطناعي تجاري ضخم يمكن استخدامه في أي شيء، وفي أي مكان. تسأل الورقة: هل مصطلح "الأبحاث المستقبلية" واسع بما يكفي لتغطية هذا؟

3. الانحياز: مشكلة "المرآة المائلة"

النماذج الذكية تكون جيدة بقدر جودة البيانات التي تتغذى عليها. إذا كانت البيانات تأتي فقط من أشخاص أغنياء، بيض، ومن دول غربية، فسيعتقد الذكاء الاصطناعي أن هذا هو شكل "الدماغ الطبيعي".

• التشبيه: تخيل مرآة تعكس فقط الأشخاص ذوي العيون الزرقاء. إذا وضعت شخصاً ذا عيون بنية أمامها، ستقول المرآة: "خطأ: أنت غير موجود".
• مخاوف الورقة: معظم بيانات الدماغ تأتي من مجموعات محددة (السكان WEIRD: الغربيون، المتعلمون، الصناعيون، الأثرياء، الديمقراطيون). إذا دربنا "الشيف الماهر" على هذه البيانات، فقد يعمل بشكل رائع لبعض الناس ولكنه سيفشل فشلاً ذريعاً مع آخرين، أو قد يشخصهم بشكل خاطئ لأن أنماط أدمغتهم تبدو "مختلفة" بالنسبة للذكاء الاصطناعي.

4. تقاسم المنافع: مشكلة "الغداء المجاني"

أنفقت المستشات الجامعات العامة ملايين الدولارات وسنوات من الجهد لجمع بيانات الدماغ هذه. والآن، تستخدم الشركات الخاصة هذه البيانات المجانية لبناء منتجات بمليارات الدولارات.

• التشبيه: تخيل حديقة مجتمعية حيث يزرع الجميع الطماطم. تأتي شركة كبيرة، وتأخذ كل الطماطم مجاناً، وتصنع كاتشب فاخراً، وتبيعه من أجل الربح. ولا يحصل المزارعون على أي شيء في المقابل.
• مخभات الورقة: هل من العدل أن تصبح الشركات غنية من البيانات العامة؟ هل ينبغي للمستشفيات أو الأشخاص الذين تبرعوا بالبيانات الحصول على حصة من الأرباح، أو على الأقل الحصول على وصول أفضل للتقنية؟

5. الحوكمة: مشكلة "الغرب المتوحش"

لدينا قوانين للمستشفيات (مثل HIPAA) وقوانين لتطبيقات المستهلك (قوانين الخصوصية)، ولكن لا يوجد قانون واضح لـ "ذكاء الدماغ الاصطناعي".

• التشبيه: تخيل مركبة جديدة هي جزء من سيارة، وجزء من قارب، وجزء من طائرة. لدينا قواعد للسيارات وقواعد للقوارب، ولكن لا أحد يعرف أي القواعد تنطبق على هذا الهجين الجديد.
• مخاوف الورقة: نظرًا لأن البيانات تنتقل من مستشفى (قواعد صارمة) إلى تطبيق مستهلك (قواعد فضفاضة) إلى ذكاء اصطنا_تجاري (لا توجد قواعد محددة)، فإن الحمايات تتلاشى. تقول الورقة إننا بحاجة إلى قواعد جديدة مخصصة لمساحة "ذكاء الدماغ" هذه.

---

ما الذي تقترحه الورقة البحثية أن نفعله؟

لا يدعي المؤلفون امتلاك جميع الإجابات، لكنهم يقترحون بعض "الضمانات الأساسية" (قواعد الطريق) للبدء بها:

1. الشفافية: يجب على المطورين إدراج قائمة واضحة توضح بالضبط ما هي البيانات التي استخدموها ومن أين جاءت (مثل الملصق الغذائي للذكاء الاصطناعي).
2. تشديد الموافقة: تحتاج نماذج جمع البيانات الجديدة إلى النص صراحة على أن: "بياناتك قد تُستخدم لتدريب ذكاء اصطناعي عام، وليس فقط لدراسة محددة".
3. التحكم في الوصول: إذا كانت المخاطر عالية جداً، فلا تسمح للجميع بتحميل النموذج. بدلاً من ذلك، اسمح للناس باستخدامه من خلال "صندوق رملي" (Sandbox) آمن أو عبر واجهة برمجة تطبيقات (API) حيث لا يمكن إساءة استخدامه.
4. تقاسم المنافع: إذا حققت شركة ما أرباحاً من البيانات العامة، فينبغي عليها تقديم شيء في المقابل، مثل توفير وصول أفضل للأداة للمستشات التي قدمت البيانات.
5. الاستماع للجميع: نحن بحاجة إلى تشكيل لجان تضم أطباء، ومرضى، وخبراء أخلاق، والجمهور، لتقرير كيف يجب أن تتغير هذه القواعد مع نمو التكنولوجيا.

الخلاصة

تخلص الورقة إلى أن "نماذج أسس الدماغ" هي أداة قوية جديدة يمكن أن تحدث ثورة في الطب وعلوم الأعصاب. ومع ذلك، نحن حالياً نسابق الزمن لبناء المحرك دون فحص المكابح. نحن بحاجة إلى التوقف وفهم كيفية حوكمة بيانات التدريب (المكونات) قبل أن نترك الذكاء الاصطناعي ينطلق بلا رقابة، وإلا فإننا نخاطر بكسر الثقة بين المرضى والعلماء والجمهور.