Omdefinering af Open Source i Generativ AI’s Tidsalder

Open-source-modellen – en softwareudviklingsfilosofi, hvor kildekoden er frit tilgængelig for offentlig redistribution eller ændring – har længe været en katalysator for innovation. Ideen blev født i 1983, da Richard Stallman, en softwareudvikler, blev frustreret over den sorte kasse-natur af sin lukkede kildekode-printer, der var i uorden.

Hans vision fik liv og åndede vej for den frie softwarebevægelse, der banede vejen for det open-source-økosystem, der driver en stor del af internettet og softwareinnovation i dag.

Men det var for over 40 år siden.

I dag er Generativ AI, med dens unikke tekniske og etiske udfordringer, i færd med at omdefinere betydningen af “åbenhed” og kræver, at vi genovervejer og tilpasser open-source-paradigmet – ikke for at opgive det, men for at tilpasse det.

AI og Open-Source-Frihederne

De fire grundlæggende friheder i open-source-software – evnen til at køre, studere, ændre og redistribuere enhver softwarekode – er i modsætning til naturen af generativ AI på flere måder:

• Kør: AI-modeller kræver ofte meget høje infrastruktur- og beregningsomkostninger, som begrænser adgang på grund af ressourcebegrænsninger.
• Studere og ændre: AI-modeller er utroligt komplekse, så at forstå og ændre dem uden adgang til både koden og de data, der informerer dem, er en betydelig udfordring.
• Redistribution: Mange AI-modeller begrænser redistribution ved design, især dem med trænede vægte og proprietære datasæt, der ejes af platformudbyderen.

Erosionen af disse kerneprincipper skyldes ikke ond vilje, men snarere den rene kompleksitet og omkostningerne ved moderne AI-systemer. Faktisk er de finansielle krav til træning af state-of-the-art AI-modeller eskaleret dramatisk i de seneste år – OpenAI’s GPT-4 skal have kostet op til 78 millioner dollars, uden medarbejderlønninger, med samlede udgifter over 100 millioner dollars. ​

Kompleksiteten af “Open Source” AI

En rigtig åben AI-model ville kræve total gennemsigtighed af inferenskildekode, træningskildekode, modelvægte og træningsdata. Men mange modeller, der er mærket som “åbne”, vil kun frigive inferenskode eller partielle vægte, mens andre tilbyder begrænsede licenser eller begrænser kommerciel brug helt.

Denne upartiske åbenhed skaber illusionen om open-source-principper, mens den i praksis falder kort.

Overvej, at en analyse af Open Source Initiative (OSI) fandt, at flere populære store sprogmodeller påstår at være open source – herunder Llama2 og Llama 3.x (udviklet af Meta), Grok (X), Phi-2 (Microsoft) og Mixtral (Mistral AI) – er strukturelt inkompatibelt med open-source-principper.

Bæredygtigheds- og Incitamentsudfordringer

De fleste open-source-software blev bygget på frivillig eller stipendiefinansierede bestræbelser, snarere end compute-intensive, højkostningsinfrastrukturer. AI-modeller, på den anden side, er dyre at træne og vedligeholde, og omkostningerne forventes kun at stige. Anthropics CEO, Dario Amodei, forudsiger, at det kunne ende med at koste så meget som $100 milliarder at træne en state-of-the-art-model.

Uden en bæredygtig finansieringsmodel eller incitamentsstruktur står udviklere over for et valg mellem at begrænse adgang gennem lukkede kilder eller non-kommercielle licenser eller risikere økonomisk sammenbrud.

Misforståelser om “Open Weights” og Licensering

AI-modeladgang er blevet mere og mere forvirret, med mange platforme, der markedsfører sig selv som “åbne”, mens de påfører begrænsninger, der grundlæggende modsiger sande open-source-principper. Dette “sleight-of-hand” manifestere sig på flere måder:

• Modeller, der er mærket som “åbne vægte”, kan forbyde kommerciel brug helt, hvilket gør dem mere til akademiske kuriositeter end praktiske forretningsværktøjer for offentligheden til at udforske og udvikle.
• Nogle udbydere tilbyder adgang til fortrænede modeller, men vogter ivrigt over deres træningsdata og -metoder, hvilket gør det umuligt at reproducer eller verificere deres fund på en meningsfuld måde.
• Mange platforme påfører begrænsninger for redistribution, der forhindrer udviklere i at bygge på eller forbedre modellerne for deres samfund, selvom de kan fuldt ud “adgang” til koden.

I disse tilfælde er “åben for forskning” bare en eufemisme for “lukket for forretning”. Resultatet er en uærlig form for vendor-lock-in, hvor organisationer investerer tid og ressourcer i platforme, der synes åbent tilgængelige, kun for at opdage kritiske begrænsninger, når de forsøger at skala eller kommerciere anvendelserne.

Den resulterende forvirring frustrerer ikke kun udviklere. Den undergraver aktivt tilliden til AI-økosystemet. Den skaber urimelige forventninger blandt interessenter, der rimeligt antager, at “åben” AI er sammenlignelig med open-source-softwarefællesskaber, hvor gennemsigtighed, ændringsrettigheder og kommerciel frihed opretholdes.

Retlig Efterslæb

GenAI’s hurtige fremgang er allerede i færd med at overhale udviklingen af passende retlige rammer, hvilket skaber en kompleks web af immaterielle ejendomsudfordringer, der forstærker eksisterende bekymringer.

Den første store retlige slagmark er centreret omkring brugen af træningsdata. Dybe læringmodeller henter store datasæt fra internettet, såsom offentligt tilgængelige billeder og web sider. Denne massive dataindsamling har antændt heftige debatter om immaterielle ejendomsrettigheder. Teknologivirksomhederne påstår, at deres AI-systemer studerer og lærer af ophavsretligt beskyttet materiale for at skabe nyt, transformerende indhold. Ophavsretsejere påstår dog, at disse AI-virksomheder ulovligt kopierer deres værker og genererer konkurrerende indhold, der true deres levebrød.

Ejerskab af AI-genererede afledte værker repræsenterer endnu en retlig tvivl. Ingen er helt sikre på, hvordan man skal klassificere AI-genereret indhold, bortset fra det amerikanske ophavsretskontor, der fastslår, at “hvis AI fuldstændigt genererer indhold, kan det ikke beskyttes af ophavsret”.

Den retlige usikkerhed omkring GenAI – især med hensyn til ophavsretsintrång, ejerskab af AI-genererede værker og ulicenseret indhold i træningsdata – bliver endnu mere kompliceret, da grundlæggende AI-modeller opstår som værktøjer af geopolitisk betydning: Nationer, der konkurrerer om at udvikle overlegne AI-kapaciteter, kan være mindre tilbøjelige til at begrænse adgang til data, hvilket sætter lande med strengere immaterielle ejendomsbeskyttelse i en konkurrencemæssig ulempe.

Hvad Open Source Må Blive i AI-Alderen

GenAI-toget er allerede afgået, og der er ingen tegn på, at det skal stoppe. Vi håber at bygge en fremtid, hvor AI fremmer snarere end kvæler innovation. I så fald har teknologilederne brug for en ramme, der sikrer sikker og gennemsigtig kommerciel brug, fremmer ansvarlig innovation, behandler dataejerskab og licensering og differentierer mellem “åben” og “fri”.

En opdyrkende koncept, den Open Commercial Source License, kan måske tilbyde en vej fremad ved at foreslå fri adgang til ikke-kommerciel brug, licenseret adgang til kommerciel brug og anerkendelse af og respekt for ejerskab og oprindelse af data.​​

For at tilpasse sig denne nye virkelighed må open-source-fællesskabet udvikle AI-specifikke open licensmodeller, danne offentligt-private partnerskaber for at finansiere disse modeller og etablere troværdige standarder for gennemsigtighed, sikkerhed og etik.

Open source ændrede verden én gang. Generativ AI ændrer den igen. For at bevare ånden af åbenhed må vi udvikle lovens bogstav, mens vi anerkender de unikke krav til AI og løser udfordringerne frontalt for at skabe et inklusivt og bæredygtigt økosystem.