Hugging Face 對美國國家 AI 研究資源的建議

Hugging Face 正式向白宮科學技術政策辦公室與國家科學基金會提交回應，針對國家人工智慧研究資源（NAIRR）的實施路線圖提出建議。公司主張建立一個透過優先考慮倫理監督、標準化文件化以及讓非技術研究者也能使用的框架，以民主化機器學習。

優先考慮技術與倫理專業知識

NAIRR 應任命同時具備技術專長與已證實的倫理創新實績的顧問。這種雙重專業知識對於判斷技術可行性與可實施性，同時確保 AI 系統不會加劇有害偏見或被惡意利用，都是必要的。Hugging Face 舉例說明 Hugging Face 的首席倫理科學家 Margaret Mitchell 博士，作為此類外部顧問的典範。

標準化模型與資料文件化

為提升不同受眾的可及性與可讀性，NAIRR 應建立並提供資料集與系統文件的標準化範本。Hugging Face 建議使用 Model Cards——一種廣泛採用的文件結構——作為 AI 模型文件的強大範本，以確保一致性與透明度。

擴大非技術專家的可及性

AI 研究應透過提供教育資源、直覺式介面以及低程式碼或無程式碼工具，使跨領域與非技術專家也能使用。這讓不同領域的專家能執行諸如訓練 AI 模型等複雜任務，而不需深厚的技術技能。Hugging Face 以其 AutoTrain 工具為例，說明此類技術能讓使用者無論技術背景如何，都能訓練、評估與部署自然語言處理（NLP）模型。

監測與減輕惡意使用

NAIRR 必須定義並持續更新「傷害」的定義，該定義應涵蓋仇恨言論、政治錯資訊以及嚴重的有害偏見。為減輕這些風險，Hugging Face 建議 NAIRR 投資法律專業，以制定負責任 AI 授權（Responsible AI Licenses，RAIL），提供對濫用 AI 資源的行為者採取行動的機制。

賦能多元全球觀點

為推動負責任的創新，AI 工具與資源必須對不同學科與語言的研究者皆可取得。Hugging Face 建議以多種語言提供資源，特別是美國使用最廣的語言。BigScience 研究工作坊——由 Hugging Face 與法國政府主辦、聚集超過 1,000 名來自 60 多個國家的研究者——被視為結合多元全球觀點、打造強大開源多語言模型的成功範例。