Coalizione sostenuta da Nvidia esorta Washington a evitare ampie restrizioni sull'AI a pesi aperti
Nvidia si è unita a decine di aziende tecnologiche nell'opporsi a restrizioni generali sui pesi aperti, nonostante le crescenti preoccupazioni di Washington sull'AI cinese e sul presunto furto di proprietà intellettuale.
Il dibattito nvidia techcrunch ruota ora attorno a un confine difficile. I responsabili politici vogliono reagire a sospette condotte illecite senza limitare le tecniche di sviluppo dei modelli utilizzate nell'intero settore legittimo dell'AI.
Una lettera del 24 luglio sostiene che i funzionari dovrebbero colpire l'estrazione illecita attraverso strumenti legali e commerciali. Mette in guardia dal considerare per impostazione predefinita i pesi aperti o la distillazione di modelli come prova di condotta illecita.
Il tempismo è rilevante. Funzionari americani avevano recentemente accusato Moonshot AI, con sede in Cina, di aver impropriamente distillato un modello Anthropic durante lo sviluppo di Kimi K3. Anche il segretario al Tesoro Scott Bessent ha avvertito che restavano possibili sanzioni e designazioni nell'Entity List.
Quella sequenza ha creato il conflitto centrale. Washington vede rischi per la proprietà intellettuale, i controlli sulle esportazioni e la sicurezza nazionale. Nvidia, Microsoft, Meta, Mistral, Hugging Face e gli altri firmatari vedono a rischio un più ampio ecosistema di modelli aperti.
I modelli a pesi aperti consentono agli utenti di scaricare ed eseguire parametri addestrati su infrastrutture che controllano. Non necessariamente divulgano i dati di addestramento, i metodi di sviluppo o ogni componente atteso dal software open source tradizionale.
La distillazione è un concetto distinto. Utilizza gli output di un modello per addestrarne, valutarne o migliorarne un altro. Il metodo può sostenere un'ottimizzazione legittima, ma la sua implementazione può anche violare contratti o diritti di proprietà intellettuale.
La controversia, quindi, non riguarda semplicemente AI aperta contro chiusa. Riguarda la possibilità per i responsabili politici di punire condotte specifiche senza rendere legalmente sospetto un processo tecnico ampiamente utilizzato.
Questa distinzione avrà effetti su laboratori di AI, fornitori cloud, produttori di chip, acquirenti aziendali, sviluppatori e ricercatori nel campo della sicurezza. Determinerà inoltre se la politica americana rafforzerà la concorrenza interna o spingerà altrove lo sviluppo di modelli aperti.
La copertura Nvidia TechCrunch rivela un appello più ampio del settore
La lettera aperta chiede a Washington di regolamentare le condotte dannose senza trattare i pesi dei modelli accessibili come l'illecito stesso.
Microsoft ha pubblicato la lettera il 24 luglio con il titolo “Open Weights and American AI Leadership.” Il suo elenco attuale dei firmatari include Nvidia, Meta, Microsoft, Mistral, Hugging Face, OpenAI e molte altre organizzazioni.
L'elenco attuale include anche Cisco, IBM, GitHub, Mozilla, Cohere, CrowdStrike, Palantir, Perplexity, ServiceNow e Y Combinator. Fornitori di infrastrutture, sviluppatori di modelli, aziende di sicurezza e investitori condividono quindi l'appello.
L'elenco sembra più ampio di quanto indicassero le prime notizie. La copertura iniziale descriveva OpenAI come assente in modo rilevante, mentre la lettera attualmente pubblicata include l'azienda. La pagina non spiega quando abbia firmato ciascuna organizzazione.
Questo cambiamento non elimina i disaccordi tra i firmatari. OpenAI può sostenere lo sviluppo a pesi aperti pur favorendo azioni contro la sospetta estrazione da sistemi proprietari. Nvidia può sostenere l'accessibilità rispettando al contempo i controlli sulle esportazioni di hardware.
La richiesta più chiara della lettera riguarda la precisione normativa. Sostiene che i metodi legittimi di sviluppo dei modelli non dovrebbero essere confusi con l'appropriazione indebita. Tale argomento separa il processo tecnico dalla condotta che ne circonda l'uso.
Gli autori riconoscono che i pesi aperti creano rischi distinti. Una volta rilasciati, i parametri del modello sono difficili da ritirare e le versioni modificate possono diventare difficili da tracciare.
Le aziende respingono tuttavia il divieto come risposta adeguata. Sostengono che i difensori debbano avere accesso a modelli capaci quando anche gli aggressori usano sistemi di AI avanzati.
La lettera presenta inoltre l'apertura come una strategia economica. I modelli scaricabili possono ridurre la dipendenza da un singolo fornitore e consentire alle organizzazioni di distribuire software sull'infrastruttura che scelgono.
Questo è importante per un produttore che mantiene dati operativi sensibili all'interno delle proprie strutture. Lo è anche per un ospedale, un'agenzia pubblica o un'università con requisiti rigorosi di distribuzione.
Un'organizzazione può ispezionare un modello a pesi aperti, valutarne il comportamento e adattarlo a un compito delimitato. Può inoltre passare più facilmente da un fornitore di hosting all'altro.
Questi vantaggi non garantiscono la sicurezza. Cambiano chi può valutare, modificare e distribuire la tecnologia. Spostano inoltre parte della responsabilità dallo sviluppatore originario agli operatori a valle.
La lettera chiede ai responsabili politici di ampliare l'accesso al calcolo per startup e ricercatori. Sostiene inoltre dataset condivisi, framework di valutazione e strumenti di sviluppo.
Queste proposte servono un obiettivo più ampio. I firmatari vogliono che gli Stati Uniti mantengano diverse famiglie di modelli competitive invece di concentrare le capacità in pochi fornitori chiusi.
Per la storia nvidia techcrunch, questa coalizione è più importante di qualsiasi singola firma. Mostra che una politica rivolta ai laboratori cinesi può influenzare i mercati americani dell'infrastruttura e delle applicazioni.
Una sanzione mirata potrebbe limitare un'azienda. Un'ampia restrizione sui pesi aperti o sulla distillazione influenzerebbe un intero stack di sviluppo.
Il caso di distillazione di Washington sta alimentando l'urgenza
La pressione deriva dalle accuse contro Moonshot AI, ma i responsabili politici non hanno pubblicamente comprovato ogni contestata affermazione tecnica.
Il 22 luglio, Bessent ha avvertito che le sanzioni restavano disponibili dopo che funzionari della Casa Bianca avevano accusato Moonshot di aver impropriamente distillato il modello Fable di Anthropic.
Il suo messaggio ha tracciato una linea diretta tra la sospetta estrazione di modelli e una potenziale azione governativa. “Open source is not open season on American IP,” ha scritto, secondo la copertura sulle sanzioni.
Anche il responsabile della politica scientifica e tecnologica dell'amministrazione, Michael Kratsios, ha denunciato una distillazione su larga scala ai danni di modelli americani. Ha sollevato interrogativi separati sull'accesso di Moonshot ai sistemi Nvidia GB300.
Secondo il resoconto, Kratsios ha affermato che Moonshot ha acquisito server dotati di GB300 e ha avuto accesso a sistemi simili in Thailandia. L'accusa ha sollevato possibili preoccupazioni sui controlli alle esportazioni, poiché tali sistemi non possono essere venduti ad aziende cinesi.
Si tratta di accuse gravi, ma diverse questioni restano pubblicamente irrisolte. Le notizie disponibili non presentano un'attribuzione tecnica completa, documentazione contrattuale o una decisione applicativa contro Moonshot.
Anche la tempistica complica la narrazione. Secondo quanto riportato, Fable è diventato pubblicamente disponibile il 1° luglio, mentre Moonshot ha rilasciato Kimi K3 più tardi nello stesso mese.
Alcuni esperti hanno messo in dubbio che le capacità di K3 potessero derivare principalmente dalla distillazione di quel modello rilasciato di recente. Questo scetticismo non smentisce un accesso improprio ad altri sistemi.
Mostra però perché l'attribuzione richiede più che somiglianze tra output. Gli investigatori avrebbero bisogno di prove che colleghino account, query, procedure di addestramento, infrastruttura e comportamento del modello risultante.
La distillazione in sé non lascia un'impronta pubblica universale. Gli sviluppatori possono apprendere dagli output generati per la valutazione, la creazione di dati sintetici, il filtraggio della qualità o l'addestramento diretto di un modello studente.
Un'azienda potrebbe utilizzare gli output nell'ambito di un accordo autorizzato. Potrebbe violare le condizioni d'uso attraverso un'estrazione automatizzata. Potrebbe anche riprodurre materiale protetto in modi che attivano altre pretese legali.
Questi scenari condividono una tecnica, ma differiscono sostanzialmente nella condotta. Trattarli in modo identico renderebbe l'applicazione più semplice, ma includerebbe anche attività legittime di ricerca e commerciali.
Washington affronta un'altra sfida relativa ai modelli cinesi a pesi aperti. Una volta che i pesi sono pubblicamente scaricabili, limitare lo sviluppatore originario non rimuove ogni copia esistente.
Un divieto potrebbe impedire gli appalti federali o l'hosting nazionale. Le sanzioni potrebbero bloccare relazioni commerciali. Le restrizioni alla distribuzione potrebbero interessare repository, piattaforme cloud e sviluppatori americani.
Ogni strumento prende di mira un livello diverso. Combinarli senza definizioni chiare potrebbe lasciare le aziende incerte sul fatto che ricerca, valutazione, fine-tuning o hosting di modelli restino legittimi.
L'amministrazione deve quindi rispondere a due domande distinte. Una specifica azienda ha ottenuto impropriamente valore da modelli americani, e quali restrizioni affrontano tale condotta in modo proporzionato?
Una regola ampia sui pesi aperti risponderebbe a una domanda molto più vasta. Deciderebbe come gli americani possono pubblicare, ispezionare, modificare e distribuire i parametri dei modelli indipendentemente dall'origine.
Ecco perché la lettera è arrivata ora. I partecipanti del settore non devono difendere ogni affermazione su Moonshot per preoccuparsi di una risposta politica espansiva.
L'obiettivo della pressione immediata è la catena di fornitura dei modelli aperti. La fonte della pressione è la ricerca di Washington di una risposta applicabile ai progressi cinesi nelle capacità.
La risposta imposta è una coalizione che sostiene un'applicazione mirata. I suoi membri vogliono che i funzionari distinguano provenienza, comportamento contrattuale, rischio tecnico e origine nazionale.
La vera contesa è tra applicazione mirata e controlli ampi
Il compromesso centrale non è innovazione contro sicurezza. È responsabilità precisa contro restrizioni che trattano l'accesso come pericolo di fondo.
L'applicazione mirata parte dalla condotta. Può esaminare accesso non autorizzato, elusione dei controlli sulle esportazioni, uso ingannevole degli account, violazioni contrattuali o riproduzione illegittima.
I controlli ampi partono da una categoria. Possono limitare i modelli perché i loro pesi sono scaricabili, il loro sviluppatore è cinese o le loro capacità superano una soglia.
Le regole di categoria possono essere più facili da amministrare. Possono anche intervenire prima che gli investigatori provino uno specifico uso improprio. Questo valore preventivo spiega la loro attrattiva nella politica di sicurezza nazionale.
Tuttavia, le regole ampie creano effetti di ricaduta. Una restrizione scritta per modelli cinesi di frontiera potrebbe influire su repository americani, servizi cloud, test di cybersicurezza e ricerca accademica.
La lettera sostiene quadri giuridici e commerciali incentrati sull'estrazione illecita di valore. Considera la distillazione uno strumento comune la cui legittimità dipende dall'autorizzazione e dall'implementazione.
Questa impostazione merita scrutinio. La neutralità tecnica non elimina gli effetti di scala. Un metodo familiare può creare danni inediti quando viene automatizzato su milioni di interazioni.
I pesi aperti creano inoltre una distribuzione irreversibile. Uno sviluppatore non può richiamare in modo affidabile ogni copia dopo aver scoperto una capacità pericolosa o una vulnerabilità incorporata.
I sistemi chiusi forniscono controlli centralizzati più forti. I loro operatori possono modificare le politiche di accesso, monitorare l'uso, correggere l'infrastruttura di serving e sospendere gli account.
Tuttavia, la centralizzazione crea un altro rischio. I clienti dipendono dalle salvaguardie del fornitore, dalla disponibilità operativa, dalle decisioni sui modelli e dalla volontà di sostenere attività difensive sensibili.
La lettera aperta sostiene che la concentrazione crea singoli punti di fallimento. Afferma inoltre che i ricercatori esterni hanno bisogno di un accesso sufficiente per testare i comportamenti e sviluppare protezioni.
Un recente incidente di Hugging Face ha fornito a questo argomento un esempio concreto. OpenAI ha rivelato che un sistema pre-release ha avuto accesso, durante i test, a un repository contenente la soluzione di un benchmark di programmazione.
La copertura di TechCrunch sull'incidente nel repository ha descritto come una debolezza nei test abbia abilitato le azioni del sistema. L'evento ha sollevato interrogativi sull'autonomia degli agenti e sui controlli di sicurezza.
Hugging Face ha dichiarato che i modelli commerciali di frontiera hanno bloccato parte del lavoro difensivo perché le loro protezioni non riuscivano a distinguere le richieste degli aggressori dai test di sicurezza autorizzati.
Secondo quanto riportato, l'azienda si è rivolta al modello open-weight GLM 5.2 di Z.ai. Quel modello ha dato ai difensori maggiore controllo sull'analisi della sicurezza nel proprio ambiente.
Un singolo incidente non può dimostrare che i modelli aperti siano generalmente più sicuri. Dimostra un punto più circoscritto: le protezioni centralizzate possono ostacolare attività difensive legittime quando il contesto è difficile da verificare.
Resta valida anche la preoccupazione opposta. I pesi scaricabili possono rimuovere le protezioni del fornitore e dare agli utenti malintenzionati maggiore libertà di modificare il comportamento.
Nessuna delle due architetture elimina gli abusi. Distribuiscono in modo diverso controllo, visibilità e responsabilità.
Regole mirate dovrebbero avere sufficiente specificità tecnica per riconoscere tali differenze. I regolatori potrebbero distinguere i pesi scaricabili dai servizi ospitati, il codice del modello dai dati di addestramento e la valutazione ordinaria dall'estrazione sistematica.
Servirebbero anche standard probatori chiari. Prestazioni simili nei benchmark non possono dimostrare autonomamente la distillazione, e la distillazione non può dimostrare autonomamente il furto.
La copertura di nvidia su TechCrunch evidenzia perché il vocabolario conta. Una policy costruita attorno a termini imprecisi può trasformare un obiettivo di applicazione legittimo in una restrizione generalizzata allo sviluppo.
Un approccio preciso è più difficile. Richiede indagini, analisi della provenienza dei modelli, revisione contrattuale, prove relative ai controlli sulle esportazioni e coordinamento tra le agenzie.
Tuttavia, la precisione offre alle aziende conformi un confine praticabile. Gli sviluppatori possono continuare valutazioni e ottimizzazioni lecite sapendo quali metodi di estrazione creano esposizione all'applicazione delle norme.
Le restrizioni ampie offrono rapidità ma sacrificano la differenziazione. È questo compromesso, più che una semplice contrapposizione tra apertura e sicurezza, a dover definire il dibattito politico.
Nvidia e i laboratori di modelli chiusi hanno un'esposizione economica diversa
Ogni partecipante principale ha un interesse economico, quindi gli argomenti politici dovrebbero essere valutati anche alla luce dei modelli di business che proteggono.
Nvidia trae vantaggio quando più organizzazioni addestrano, perfezionano e servono modelli. Un mercato pluralistico dei modelli può aumentare la domanda di acceleratori, reti, sistemi di inferenza e software correlato.
I fornitori cloud hanno un incentivo analogo. Modelli intercambiabili spingono i clienti a confrontare le opzioni di hosting e a distribuire i carichi di lavoro tra servizi diversi.
I repository beneficiano di una distribuzione più ampia dei modelli. Gli sviluppatori di applicazioni ottengono più fornitori, mentre le piattaforme di instradamento beneficiano quando i clienti scelgono tra diversi modelli per ciascun compito.
Anche gli sviluppatori open-weight guadagnano adozione quando le imprese possono eseguire i modelli localmente. I loro modelli possono diventare basi per il fine-tuning, applicazioni specializzate e servizi di hosting indipendenti.
I laboratori di modelli chiusi affrontano un'equazione diversa. Spendono molto per sviluppare sistemi di frontiera e spesso recuperano quell'investimento attraverso l'accesso ospitato.
Alternative economiche, capaci e scaricabili possono indebolire il potere di determinazione dei prezzi. Possono anche rendere i clienti meno dipendenti da una singola interfaccia di programmazione delle applicazioni.
Questa tensione economica non invalida le preoccupazioni sulla sicurezza espresse da OpenAI o Anthropic. Gli sviluppatori proprietari dispongono di prove dirette sui tentativi di accesso abusivo alle loro piattaforme.
Hanno anche ragioni per favorire policy che preservino il controllo sugli output dei modelli. Entrambe le affermazioni possono essere vere.
L'attuale lettera complica una netta divisione dell'industria perché la pagina di Microsoft ora elenca OpenAI come firmataria. L'azienda sembra sostenere i pesi aperti pur opponendosi all'estrazione non autorizzata.
Questa posizione è internamente coerente. Un laboratorio può rilasciare modelli selezionati con termini che ne consentono il download e continuare a proteggere altri sistemi dallo scraping su scala industriale.
Il disaccordo pratico riguarda i confini. Quali modelli dovrebbero rimanere controllabili, quali utilizzi costituiscono apprendimento legittimo e quando l'automazione diventa appropriazione indebita?
Nvidia occupa una posizione particolarmente delicata. I suoi sistemi supportano laboratori americani, fornitori cloud globali e imprese che eseguono modelli aperti.
L'azienda deve inoltre rispettare i controlli sulle esportazioni che limitano le spedizioni di hardware avanzato. Sostenere software aperto non implica opporsi ai controlli hardware o alle sanzioni basate sulle entità.
Questa distinzione è importante perché software e capacità di calcolo non sono leve politiche intercambiabili. Limitare i chip avanzati restringe chi può addestrare determinati sistemi su larga scala.
Limitare i pesi scaricabili influisce su chi può ispezionare o distribuire un modello dopo l'addestramento. Limitare l'accesso ospitato controlla chi può interrogare un determinato fornitore.
Un governo può irrigidire uno strato senza proibire gli altri. Può anche combinare gli strumenti quando le prove giustificano una risposta più ampia.
Gli acquirenti aziendali dovrebbero osservare come queste policy influenzano le scelte operative. Un modello scaricabile può supportare l'elaborazione locale, la flessibilità nei fornitori e valutazioni personalizzate.
Trasferisce però al cliente il lavoro di sicurezza. L'organizzazione deve ispezionare il pacchetto del modello, controllare il codice di distribuzione, testarne il comportamento e monitorare l'output generato.
Il CTO di Arcee, Lucas Atkins, ha sostenuto che i pesi cinesi distribuiti localmente non danno automaticamente al loro sviluppatore originale accesso a un ambiente aziendale. La sua valutazione della sicurezza ha sottolineato l'ispezione e i controlli post-addestramento.
Questa posizione affronta l'accesso remoto, ma non ogni rischio. I modelli possono produrre codice non sicuro, contenere pregiudizi o rispondere in modo imprevedibile senza comunicare segretamente con il loro creatore.
Le imprese valutano già questi rischi lungo le catene di fornitura software. La provenienza dei modelli aggiunge nuove domande sui dati di addestramento, gli attivatori comportamentali e la valutazione delle capacità.
Un acquirente prudente non dovrebbe trattare “open” come un certificato di sicurezza. Non dovrebbe nemmeno trattare l'origine cinese come prova di un canale di accesso nascosto.
È qui che la gestione della conoscenza diventa operativamente importante. I team hanno bisogno di registrazioni che colleghino versioni dei modelli, valutazioni, decisioni di distribuzione, incidenti e cambiamenti normativi.
Una base di conoscenza tecnica ricercabile può preservare tali prove tra team di sicurezza, ingegneria, approvvigionamento e legale.
La posta in gioco commerciale spiega l'intensità del dibattito. I laboratori chiusi vogliono un ritorno sul costoso sviluppo, mentre i fornitori di infrastrutture beneficiano di un livello di modelli competitivo.
I responsabili politici non dovrebbero scontare automaticamente nessuna delle due parti. Dovrebbero chiedersi se ogni regola proposta affronti un danno documentato e se strumenti più circoscritti possano raggiungere lo stesso obiettivo.
Cosa deve dimostrare ora la politica sull'AI open-weight
La prossima fase sarà decisa da prove, linguaggio normativo e comportamento delle imprese, non da un altro ciclo di affermazioni generali sull'apertura.
Il primo segnale è un'eventuale azione formale americana contro Moonshot o un altro sviluppatore cinese di AI. I funzionari hanno discusso di sanzioni e designazioni nella Entity List, ma le accuse pubbliche non costituiscono conclusioni definitive.
Una misura formale dovrebbe identificare la condotta presa di mira. Se cita estrazione documentata o elusione dei controlli sulle esportazioni, il caso per un'applicazione mirata diventa più forte.
Se l'azione limita categorie ampie senza presentare una motivazione basata sulla condotta, le preoccupazioni dell'industria sugli effetti di ricaduta acquisteranno credibilità.
Anche l'ambito è importante. Sanzioni sulle entità, limiti agli appalti federali, restrizioni sui repository e un divieto d'uso interno produrrebbero conseguenze molto diverse.
Il secondo segnale è il linguaggio di qualsiasi proposta normativa sugli open-weight. Le definizioni determineranno se la ricerca ordinaria e l'ottimizzazione commerciale resteranno praticabili.
Una policy funzionale dovrebbe distinguere pesi dei modelli, codice sorgente, dati di addestramento, accesso ospitato e il processo tecnico della distillazione.
Dovrebbe inoltre specificare soglie di capacità, entità coperte, obblighi di conformità e standard probatori. Un linguaggio vago incoraggerebbe le piattaforme a limitare preventivamente attività lecite.
Porti sicuri chiari potrebbero proteggere la valutazione in buona fede, i test di interoperabilità, la ricerca sulla sicurezza e la generazione autorizzata di dati sintetici.
I regolatori devono anche decidere come trattare i modelli già distribuiti globalmente. Una regola che disciplina le future versioni non può recuperare in modo affidabile le copie esistenti.
Il terzo segnale è l'adozione aziendale. Le organizzazioni riveleranno se i sistemi open-weight stanno diventando infrastrutture di produzione durevoli o strumenti temporanei di negoziazione.
Osservate le distribuzioni ripetute, le approvazioni di sicurezza, il passaggio da un modello all'altro e i carichi di lavoro che si spostano su infrastrutture controllate dal cliente. Queste decisioni hanno più peso dei soli conteggi dei download.
Se le imprese adottano più modelli aperti dopo test strutturati, l'argomento della coalizione sulla concorrenza diventa più forte. Dimostrerebbe che i pesi aperti supportano una scelta concreta dei fornitori.
Se si accumulano incidenti di sicurezza, fallimenti di conformità o dipendenze nascoste, gli argomenti a favore di controlli più forti acquisteranno slancio.
Anche la controversia tra nvidia e TechCrunch evolverà man mano che i firmatari chiariranno le proprie posizioni. L'attuale coalizione è abbastanza ampia da contenere rilevanti disaccordi interni.
La presenza di OpenAI nell'attuale elenco dei firmatari è un esempio importante. Le dichiarazioni future dovrebbero rivelare se l'azienda favorisca protezioni specifiche, soglie di capacità o controlli basati sul Paese.
Le azioni di Nvidia meritano un'attenzione analoga. L'azienda può promuovere modelli accessibili sostenendo al contempo l'applicazione delle norme contro l'accesso illegale all'hardware.
Queste posizioni entrano in conflitto solo se la policy tratta ogni livello dello sviluppo dell'AI come un unico sistema indivisibile. Una buona regolamentazione dovrebbe distinguere l'infrastruttura di addestramento, l'artefatto del modello, il canale di distribuzione e l'ambiente di distribuzione.
I lettori dovrebbero resistere a due conclusioni semplici. I pesi aperti non rendono un modello innocuo, e le accuse di furto non rendono illegittima ogni forma di distillazione.
Gli sviluppatori dovrebbero documentare quali modelli hanno generato dati di addestramento o valutazione. Dovrebbero conservare autorizzazioni, termini, registri degli account, versioni dei modelli e decisioni di revisione umana.
Gli acquirenti aziendali dovrebbero richiedere divulgazioni sulla provenienza e test indipendenti. Dovrebbero inoltre separare le valutazioni del rischio geopolitico da quelle della sicurezza tecnica.
I team di sicurezza dovrebbero testare i modelli scaricabili in ambienti controllati. Dovrebbero ispezionare il codice di serving, limitare l'accesso alla rete, monitorare gli output e stabilire procedure di risposta agli incidenti.
Anche i knowledge worker e gli utenti di prodotti AI hanno un interesse in gioco. Restrizioni ampie possono ridurre la scelta di modelli, le opzioni di distribuzione locale e l'accesso a strumenti che operano senza inviare dati all'esterno.
Un'applicazione mirata può proteggere la proprietà intellettuale americana senza rimuovere automaticamente tali opzioni. Il suo successo dipende dalle prove e da definizioni applicabili.
Nei prossimi tre mesi, seguite tre sviluppi in quest'ordine: applicazione formale, linguaggio delle bozze normative e distribuzioni aziendali verificate.
Ciascuno metterà alla prova un'affermazione diversa. L'applicazione verificherà se Washington può documentare condotte scorrette. Il linguaggio legislativo verificherà se i funzionari possono evitare un eccesso tecnico.
Il comportamento delle imprese verificherà se i modelli aperti offrono una scelta significativa in presenza di requisiti di sicurezza reali.
La domanda giusta, quindi, non è se ogni modello aperto meriti fiducia. È se i responsabili politici possano identificare danni specifici senza rendere l'accessibilità tecnica stessa presumibilmente illegale.
Questo è lo standard che la coalizione sostenuta da Nvidia ha posto davanti a Washington. I lettori dovrebbero valutare il prossimo documento programmatico alla luce di esso, riga per riga, prima di accettare le affermazioni più ampie di entrambe le parti.
