Hugging Face 对美国国家人工智能研究资源的建议

Hugging Face 已正式向白宫科学技术政策办公室和国家科学基金会提交了关于国家人工智能研究资源（NAIRR）实施路线图的回应。公司倡导一种通过优先考虑伦理监督、标准化文档以及面向非技术研究者的可访问性来实现机器学习民主化的框架。

优先考虑技术与伦理专长

NAIRR 应任命既具备技术专长又拥有伦理创新成功经验的顾问。这种双重专长对于确定技术可行性和可实施性至关重要，同时确保 AI 系统不会加剧有害偏见或被用于恶意用途。Hugging Face 以其首席伦理科学家 Margaret Mitchell 博士为例，说明此类外部顾问的需求。

标准化模型与数据文档

为提升不同受众的可访问性和可读性，NAIRR 应制定并提供数据集和系统文档的标准化模板。Hugging Face 建议使用 Model Cards——一种被广泛采用的文档结构——作为 AI 模型文档的强大模板，以确保一致性和透明度。

为非技术专家扩大可访问性

AI 研究应通过提供教育资源、直观界面以及低代码或无代码工具，使跨学科和非技术专家能够访问。这使得来自各领域的专家能够执行诸如训练 AI 模型等复杂任务，而无需深厚的技术技能。Hugging Face 以其 AutoTrain 工具为例，展示了该技术如何让用户无论技术背景如何，都能训练、评估和部署自然语言处理（NLP）模型。

监测与缓解恶意使用

NAIRR 必须定义并持续更新“危害”的定义，内容应包括仇恨言论、政治虚假信息以及极端有害偏见。为降低这些风险，Hugging Face 建议 NAIRR 投资法律专长，制定负责任的 AI 许可证（RAIL），为对滥用 AI 资源的行为者采取行动提供机制。

赋能多元全球视角

为推动负责任的创新，AI 工具和资源必须面向不同学科和语言的研究者开放。Hugging Face 建议以多种语言提供资源，特别是美国使用最广的语言。BigScience 研究工作坊——由 Hugging Face 与法国政府主办、拥有来自 60 多个国家的 1,000 多名研究者的社区——被视为融合多元全球视角、构建强大开源多语言模型的成功范例。