Kritéria pro určování obecných modelů AI se systémovým rizikem podle článku 51
Čeština
Aby určila, zda má obecný model AI schopnosti nebo dopad rovnocenný těm, které jsou stanoveny v čl. 51 odst. 1 písm. a), zohlední Komise tato kritéria:
a) |
počet parametrů modelu; |
b) |
kvalita nebo velikost datového souboru, měřená například prostřednictvím tokenů; |
c) |
množství výpočetních operací použitých pro trénování modelu, měřená ve operacích s pohyblivou řádovou čárkou nebo uvedená jako kombinace jiných proměnných, jako jsou odhadované náklady na trénování, odhadovaná doba potřebná pro trénování nebo odhadovaná spotřeba energie pro účely trénování; |
d) |
modality vstupů a výstupů modelu, jako je „z textu na text“ (velké jazykové modely), „z textu na obrázek“, multimodalita a nejmodernější prahové hodnoty pro určení schopností s velkým dopadem pro jednotlivé modality a konkrétní druh vstupů a výstupů (např. biologické sekvence); |
e) |
referenční hodnoty a hodnocení schopností modelu, včetně zohlednění počtu úkolů bez dodatečného trénování, schopnosti učit se novým, odlišným úkolům, míry jeho autonomie a škálovatelnosti a nástrojů, k nimž má přístup; |
f) |
zda má z důvodu svého dosahu velký dopad na vnitřní trh, což se předpokládá, pokud je zpřístupněn alespoň 10 000 registrovaných podnikatelských uživatelů usazených v Unii; |
g) |
počet registrovaných koncových uživatelů. |
Español
Con el fin de determinar si un modelo de IA de uso general tiene unas capacidades o unos efectos equivalentes a los contemplados en el artículo 51, apartado 1, letra a), la Comisión tendrá en cuenta los siguientes criterios:
a) |
el número de parámetros del modelo; |
b) |
la calidad o el tamaño del conjunto de datos, por ejemplo medidos a través de criptofichas; |
c) |
la cantidad de cálculo utilizada para entrenar el modelo, medida en operaciones de coma flotante o indicada con una combinación de otras variables, como el coste estimado del entrenamiento, el tiempo estimado necesario o el consumo de energía estimado para el mismo; |
d) |
las modalidades de entrada y salida del modelo, como la conversión de texto a texto (grandes modelos de lenguaje), la conversión de texto a imagen, la multimodalidad y los umbrales punteros para determinar las capacidades de gran impacto de cada modalidad, y el tipo concreto de entradas y salidas (por ejemplo, secuencias biológicas); |
e) |
los parámetros de referencia y las evaluaciones de las capacidades del modelo, también teniendo en cuenta el número de tareas sin entrenamiento adicional, la adaptabilidad para aprender tareas nuevas distintas, su nivel de autonomía y capacidad de ampliación y las herramientas a las que tiene acceso; |
f) |
si sus repercusiones para el mercado interior son importantes debido a su alcance, lo que se dará por supuesto cuando se haya puesto a disposición de al menos 10 000 usuarios profesionales registrados establecidos en la Unión; |
g) |
el número de usuarios finales registrados. |