Die Neubewertung von Open Source im Zeitalter von Generative AI

Das Open-Source-Modell – eine Software-Entwicklungs-Ethik, bei der der Quellcode frei für die öffentliche Weiterverteilung oder Modifizierung zur Verfügung gestellt wird – hat lange Zeit als Katalysator für Innovationen gedient. Die Idee wurde 1983 geboren, als Richard Stallman, ein Software-Entwickler, sich über die Black-Box-Natur seines Closed-Source-Druckers ärgerte.

Seine Vision löste die Free-Software-Bewegung aus und ebnete den Weg für das Open-Source-Ökosystem, das einen Großteil des heutigen Internets und der Software-Innovationen antreibt.

Aber das ist über 40 Jahre her.

Heute verändert die Generative KI mit ihren einzigartigen technischen und ethischen Herausforderungen die Bedeutung von “Offenheit” und fordert uns auf, das Open-Source-Paradigma zu überdenken – nicht, um es aufzugeben, sondern um es anzupassen.

KI und die Open-Source-Freiheiten

Die vier grundlegenden Freiheiten von Open-Source-Software – die Fähigkeit, auszuführen, zu studieren, zu modifizieren und weiterzuverbreiten jeden Software-Code – stehen in mehrfacher Hinsicht im Widerspruch zur Natur der generativen KI:

• Ausführen: KI-Modelle erfordern oft sehr hohe Infrastruktur- und Rechenkosten, die den Zugang aufgrund von Ressourcenbeschränkungen begrenzen.
• Studieren und modifizieren: KI-Modelle sind unglaublich komplex, sodass das Verstehen und Ändern ohne Zugang zum Code und den Daten, die es informieren, eine erhebliche Herausforderung darstellt.
• Weiterverbreitung: Viele KI-Modelle beschränken die Weiterverbreitung durch Design, insbesondere solche mit trainierten Gewichten und proprietären Daten, die vom Plattform-Anbieter besessen werden.

Die Erosion dieser Kernprinzipien ist nicht auf böswillige Absichten zurückzuführen, sondern vielmehr auf die enorme Komplexität und Kosten moderner KI-Systeme. Tatsächlich sind die finanziellen Anforderungen für die Ausbildung von State-of-the-Art-KI-Modellen in den letzten Jahren dramatisch gestiegen – OpenAI’s GPT-4 soll Ausbildungskosten von bis zu 78 Millionen Dollar, ohne Gehälter für das Personal, mit Gesamtausgaben von mehr als 100 Millionen Dollar. ​

Die Komplexität von “Open Source” KI

Ein wirklich offenes KI-Modell würde die vollständige Transparenz des Inferenz-Quellcodes, des Trainings-Quellcodes, der Modellgewichte und der Trainingsdaten erfordern. Allerdings werden viele Modelle, die als “offen” bezeichnet werden, nur den Inferenz-Code oder teilweise Gewichte veröffentlichen, während andere eine begrenzte Lizenzierung anbieten oder den kommerziellen Gebrauch ganz einschränken.

Diese unparteiische Offenheit schafft die Illusion von Open-Source-Prinzipien, während sie in der Praxis kurz kommt.

Betrachten Sie, dass eine Analyse der Open Source Initiative (OSI) ergab, dass mehrere beliebte große Sprachmodelle, die als Open Source bezeichnet werden – einschließlich Llama2 und Llama 3.x (entwickelt von Meta), Grok (X), Phi-2 (Microsoft) und Mixtral (Mistral AI) – strukturell unvereinbar mit Open-Source-Prinzipien sind.

Nachhaltigkeits- und Anreizherausforderungen

Die meisten Open-Source-Software wurde aufgrund von ehrenamtlichen oder geförderten Bemühungen und nicht aufgrund von rechenintensiven, hochkostenintensiven Infrastrukturen entwickelt. KI-Modelle hingegen sind teuer in der Ausbildung und Wartung, und die Kosten werden nur noch steigen. Der CEO von Anthropic, Dario Amodei, prognostiziert, dass es schließlich bis zu $100 Milliarden kosten könnte, ein Spitzen-KI-Modell auszubilden.

Ohne ein nachhaltiges Finanzierungsmodell oder Anreizsystem stehen Entwickler vor der Wahl, den Zugang durch Closed-Source- oder nicht-kommerzielle Lizenzen zu beschränken oder finanziell zu kollabieren.

Fehlvorstellungen über “Offene Gewichte” und Lizenzierung

Die Zugänglichkeit von KI-Modellen ist zunehmend verwirrend, da viele Plattformen sich als “offen” bezeichnen, während sie Einschränkungen auferlegen, die grundlegend den wahren Open-Source-Prinzipien widersprechen. Diese “Sleight-of-Hand”-Taktik manifestiert sich auf mehrere Weise:

• Modelle, die als “offene Gewichte” bezeichnet werden, können den kommerziellen Gebrauch ganz verbieten, sie mehr als akademische Kuriositäten denn als praktische Geschäftstools für die Öffentlichkeit darstellen.
• Einige Anbieter bieten Zugang zu vorgefertigten Modellen, aber bewachen ihre Trainingsdaten und -methoden eifersüchtig, was es unmöglich macht, ihre Ergebnisse sinnvoll zu reproduzieren oder zu überprüfen.
• Viele Plattformen verhängen Weiterverbreitungsbeschränkungen, die es Entwicklern unmöglich machen, die Modelle für ihre Gemeinschaften zu verbessern oder zu bauen, selbst wenn sie den Code vollständig “zugänglich” machen können.

In diesen Fällen ist “offen für Forschung” nur ein Euphemismus für “geschlossen für Geschäfte”. Das Ergebnis ist eine unredliche Form von Anbieter-Lock-in, bei der Organisationen Zeit und Ressourcen in Plattformen investieren, die offen zugänglich erscheinen, nur um kritische Einschränkungen zu entdecken, wenn sie versuchen, die Anwendungen zu skalieren oder kommerziell zu nutzen.

Die resultierende Verwirrung frustriert nicht nur Entwickler. Sie untergräbt aktiv das Vertrauen in das KI-Ökosystem. Sie erzeugt unrealistische Erwartungen unter den Stakeholdern, die vernünftigerweise annehmen, dass “offene” KI mit Open-Source-Software-Communities vergleichbar ist, in denen Transparenz, Modifizierungsrechte und kommerzielle Freiheit aufrechterhalten werden.

Rechtliche Verzögerung

Die schnelle Entwicklung der GenAI überholt bereits die Entwicklung geeigneter rechtlicher Rahmenbedingungen und schafft ein komplexes Netz von geistigen Eigentums-Herausforderungen, die bestehende Bedenken verschärfen.

Der erste große rechtliche Schlachtfeld konzentriert sich auf die Verwendung von Trainingsdaten. Deep-Learning-Modelle beziehen große Datensätze aus dem Internet, wie öffentlich zugängliche Bilder und den Text von Webseiten. Diese massive Datensammlung hat heftige Debatten über geistige Eigentumsrechte entfacht. Tech-Unternehmen argumentieren, dass ihre KI-Systeme urheberrechtlich geschütztes Material studieren und lernen, um neue, transformative Inhalte zu erstellen. Urheberrechtsinhaber behaupten jedoch, dass diese KI-Unternehmen ihre Werke unrechtmäßig kopieren und konkurrierende Inhalte erzeugen, die ihre Existenz bedrohen.

Das Eigentum an KI-generierten abgeleiteten Werken stellt eine weitere rechtliche Ungewissheit dar. Niemand ist sich sicher, wie KI-generierte Inhalte zu klassifizieren sind, außer dem U.S. Copyright Office, das feststellt, dass “wenn KI Inhalte vollständig generiert, kann es nicht durch Urheberrecht geschützt werden”.

Die rechtliche Unsicherheit um die GenAI – insbesondere im Hinblick auf Urheberrechtsverletzungen, Eigentum an KI-generierten Werken und ungenehmigte Inhalte in Trainingsdaten – wird noch bedrohlicher, da grundlegende KI-Modelle als Werkzeuge geopolitischer Bedeutung auftauchen: Nationen, die um die Entwicklung überlegener KI-Fähigkeiten wetteifern, könnten weniger geneigt sein, den Zugang zu Daten zu beschränken, was Länder mit strengeren geistigen Eigentums-Schutzmaßnahmen in einen Wettbewerbsnachteil bringt.

Was Open Source im KI-Zeitalter werden muss

Der GenAI-Zug ist bereits abgefahren und zeigt keine Anzeichen von Verlangsamung. Wir hoffen, eine Zukunft aufzubauen, in der KI die Innovation fördert, anstatt sie zu behindern. In diesem Fall benötigen Tech-Führer ein Rahmenwerk, das sicheren und transparenten kommerziellen Gebrauch gewährleistet, verantwortungsvolle Innovation fördert, Daten-Eigentum und Lizenzierung anspricht und zwischen “offen” und “kostenlos” unterscheidet.

Ein aufkommendes Konzept, die Open Commercial Source License, könnte einen Weg nach vorne bieten, indem es kostenlosen Zugang für nicht-kommerzielle Nutzung, lizenzierten Zugang für kommerzielle Nutzung und Anerkennung und Respekt für die Herkunft und das Eigentum von Daten vorschlägt.​​

Um sich an diese neue Realität anzupassen, muss die Open-Source-Community KI-spezifische Open-Lizenzmodelle entwickeln, öffentlich-private Partnerschaften bilden, um diese Modelle zu finanzieren, und vertrauenswürdige Standards für Transparenz, Sicherheit und Ethik etablieren.

Open Source hat die Welt einmal verändert. Generative KI verändert sie erneut. Um den Geist der Offenheit zu bewahren, müssen wir das Gesetz der Offenheit an die einzigartigen Anforderungen der KI anpassen und die Herausforderungen direkt angehen, um ein inklusives und nachhaltiges Ökosystem zu schaffen.