Uudelleenajattelu avoimen lähdekoodin käsitteestä tekoälyajan myötä

Avoimen lähdekoodin malli – ohjelmistokehitysetiikka, jossa lähdekoodi on vapaaehtoisesti jaettavissa julkisesti uudelleenjako- tai muokkaustarkoituksiin – on pitkään ollut innovaation katalysaattori. Idea syntyi vuonna 1983, kun ohjelmistokehittäjä Richard Stallman pettyi suljetun lähdekoodin mustan laatikon luonteeseen hänen tulostimessaan.

Hänen visioonsa sytytti vapaan ohjelmistoliikkeen, joka loi tien avoimen lähdekoodin ekosysteemille, joka mahdollistaa suuren osan nykyisestä internetistä ja ohjelmistoinnovaatiosta.

Mutta se oli yli 40 vuotta sitten.

Nykyään tekoäly, jolla on ainutlaatuiset tekniset ja eettiset haasteet, muuttaa “avoin” käsitteen merkitystä ja vaatii meitä tarkastelemaan ja sopeuttamaan avoimen lähdekoodin paradigman uudelleen – ei hylätäksemme sitä, vaan sopeuttaaksemme sitä.

Tekoäly ja avoimen lähdekoodin vapaudet

Avoimen lähdekoodin neljä perusvapautta – mahdollisuus suorittaa, tutkia, muokata ja jakaa mitä tahansa ohjelmakoodia – ovat ristiriidassa tekoälyn luonteen kanssa useilla tavoilla:

• Suorita: Tekoälymallit vaativat usein hyvin korkeita infrastruktuuri- ja laskentakustannuksia, mikä rajoittaa pääsyä resurssirajoitusten vuoksi.
• Tutki ja muokkaa: Tekoälymallit ovat erittäin monimutkaisia, joten ymmärtäminen ja muokkaaminen niitä ilman pääsyä sekä koodiin että siihen liittyvään dataan on merkittävä haaste.
• Jakelu: Monet tekoälymallit rajoittavat jakelemisen suunnittelun perusteella, erityisesti ne, joilla on koulutetut painot ja omistajayhtiön omistamat omat tietokannat.

Näiden perusperiaatteiden eroosio ei johdu pahantahtoisesta aikomuksesta, vaan enemminkin modernien tekoälyjärjestelmien valtavasta monimutkaisuudesta ja kustannuksista. Itse asiassa tekoälymallien koulutuksen kustannukset ovat nousseet dramaattisesti viime vuosina – OpenAI:n GPT-4:n koulutuskustannukset olivat jopa 78 miljoonaa dollaria, henkilöstökustannukset pois lukien, ja yhteiskustannukset ylittivät 100 miljoonaa dollaria. ​

Tekoälyn “avoin lähdekoodi” -monimutkaisuus

Todellinen avoin tekoälymalli edellyttäisi täydellistä avoimuutta laskentakoodin, koulutuskohteen koodin, mallipainojen ja koulutusdatan suhteen. Kuitenkin monet “avoinna” merkityt mallit julkaisevat vain laskentakoodin tai osittaisia painoja, kun taas toiset tarjoavat rajoitetun lisensointia tai rajoittavat kaupallista käyttöä kokonaan.

Tämä puolueeton avoimuus luo illuusion avoimen lähdekoodin periaatteista, vaikka se ei toteudu käytännössä.

Tarkastele, että Open Source -aloitteen analyysi osoitti, että useat suositut suuret kielen mallit – mukaan lukien Llama2 ja Llama 3.x (kehitetty Meta), Grok (X), Phi-2 (Microsoft) ja Mixtral (Mistral AI) – ovat rakenteellisesti yhteensopimattomia avoimen lähdekoodin periaatteiden kanssa.

Kestävyyden ja motivointihaasteet

Useimmat avoimen lähdekoodin ohjelmistot on kehitetty vapaaehtoisvoimin tai avustuksin, eivätkä niitä ole kehitetty laskennallisesti vaativilla ja kalliilla infrastruktuureilla. Tekoälymallit ovat kalliita kouluttaa ja ylläpitää, ja kustannukset ovat vain odotettavissa kasvavan. Anthropicin toimitusjohtaja Dario Amodei ennustaa, että se voi lopulta maksaa jopa $100 miljardia kouluttaa huipputason malli.

Ilman kestävää rahoitusmallia tai motivointirakennetta kehittäjät joutuvat valitsemaan rajoittamisen pääsyä suljetun lähdekoodin tai ei-kaupallisen lisensoinnin kautta tai riskiä taloudellista romahdusta.

Käsitteelliset virheellisyydet “avoin paino” ja lisensointi

Tekoälymallien saatavuus on muuttunut yhä sekavammaksi, ja monet alustat markkinoivat itseään “avoimina”, vaikka ne asettavat rajoituksia, jotka perustuvat avoimen lähdekoodin periaatteiden vastaiseen “sleight-of-hand” -toimintaan. Tämä ilmenee useilla tavoilla:

• Malleja, jotka on merkitty “avoin paino”, voi kieltää kaupallisen käytön kokonaan, ja ne ovat enemminkin akateemisia kuriositeetteja kuin käytännön liiketoimintatyökaluja yleisölle tutkittavaksi ja kehittääkseksi.
• Jotkut tarjoajat tarjoavat pääsyn esikoulutetuille malleille, mutta vartioivat tiukasti koulutusdatansa ja menetelmiään, mikä tekee siitä mahdotonta toistaa tai vahvistaa heidän löytöjään merkityksellisesti.
• Monet alustat asettavat jakelemisen rajoituksia, jotka estävät kehittäjiä kehittämästä tai parantamasta malleja yhteisöjensä hyväksi, vaikka he voivat “päästä käsiksi” koodiin.

Näissä tapauksissa “avoin tutkimukselle” on vain “suljettu liiketoiminnalle”. Tuloksena on epärehellinen muoto alihankkijan lukituksista, jossa organisaatiot investoivat aikaa ja resursseja alustoille, jotka näyttävät avoimilta, mutta löytävät kriittisiä rajoituksia, kun yrittävät laajentaa tai kaupallistaa sovelluksia.

Tuloksena oleva sekaannus ei vain ärsytä kehittäjiä. Se vahingoittaa avoimesti tekoälyekosysteemin luottamusta. Se luo epärealistisia odotuksia sidosryhmien keskuudessa, jotka olettavat, että “avoin” tekoäly on verrattavissa avoimen lähdekoodin yhteisöihin, joissa on läpinäkyvyys, muokkausoikeudet ja kaupallinen vapaus.

Lakien viive

GenAI:n nopea kehitys on jo ohittanut sopivien lakisääteisten kehysten kehittymisen, luoden monimutkaisen verkon immateriaalioikeudellisia haasteita, jotka lisäävät aiempia huolenaiheita.

Ensimmäinen suuri oikeudellinen taistelukenttä keskittyy koulutusdatan käyttöön. Syvät oppimismallit keräävät suuria tietokantoja internetistä, kuten julkisesti saatavilla olevia kuvia ja verkkosivujen tekstiä. Tämä massiivinen datan kerääminen on syttynyt kiivaisiin kiistoihin immateriaalioikeuksista. Teknologiayritykset väittävät, että heidän tekoälyjärjestelmänsä opiskelevat ja oppivat tekijänoikeudellisista materiaaleista luodakseen uusia, muunnelluja sisältöjä. Tekijänoikeuksien omistajat väittävät, että nämä tekoälyyritykset laittomasti kopioidaan heidän teoksiaan, luoden kilpailevia sisältöjä, jotka uhkaavat heidän elinkeinojaan.

Tekoälyllä luotujen johdannaisteosten omistajuus edustaa toista oikeudellista epäselvyyttä. Kukaan ei tiedä, miten tekoälyllä luotuja sisältöjä tulisi luokitella, paitsi Yhdysvaltain Tekijänoikeusvirasto, joka toteaa, että “jos tekoäly luo kokonaan sisällön, sitä ei voida suojella tekijänoikeuksilla”.

Tekoälyn ympärillä oleva oikeudellinen epävarmuus – erityisesti tekijänoikeusrikkomukset, tekoälyllä luotujen teosten omistajuus ja luvattomat sisällöt koulutusdatassa – tulee entistä monimutkaisemmaksi, kun perustavanlaatuiset tekoälymallit kehittyvät geopolitiikan kannalta tärkeiksi työkaluiksi: Kansakunnat, jotka kilpailevat parempien tekoälykykyjen kehittämiseksi, saattavat olla vähemmän halukkaita rajoittamaan pääsyä dataan, asettaen maat, joilla on tiukemmat immateriaalioikeudet, kilpailuun.

Mikä avoimen lähdekoodin on tultava tekoälyajan myötä

GenAI-juna on jo lähtenyt liikkeelle eikä näytä hidastuvan. Toivomme, että voimme rakentaa tulevaisuuden, jossa tekoäly kannustaa innovaatioon sen sijaan, että se tukahduttaa sitä. Tässä tapauksessa teknologiayritysten johtajien on luotava kehys, joka takaa turvallisen ja läpinäkyvän kaupallisen käytön, edistää vastuullista innovaatiota, käsittelee datan omistajuutta ja lisensointia sekä erottaa “avoin” ja “ilmainen” -käsitteet.

Nouseva käsite, Avoin Kaupallinen Lähdekoodin Lisensointi, voi tarjota tien eteenpäin ehdottamalla ilmaista pääsyä ei-kaupalliseen käyttöön, lisensoitua pääsyä kaupalliseen käyttöön ja tunnustusta ja kunnioitusta datan alkuperän ja omistajuuden suhteen.​​

Jotta voimme sopeutua tähän uuteen todellisuuteen, avoimen lähdekoodin yhteisön on kehitettävä tekoälyyn erityisesti suunniteltuja avoimia lisensointimalleja, muodostettava julkis-yksityisiä kumppanuuksia rahoittamaan näitä malleja ja luotava luotettuja standardeja läpinäkyvyydelle, turvallisuudelle ja eettisyydelle.

Avoimen lähdekoodin on muuttunut maailmaa kerran. Tekoäly muuttaa sitä jälleen. Jotta voimme säilyttää avoimuuden henkeä, meidän on kehitettävä avoimen lähdekoodin kirjaimen mukaisesti, tunnustamalla tekoälyn ainutlaatuiset vaatimukset ja ratkaisemalla haasteet suoraan luodaksemme inklusiivisen ja kestävän ekosysteemin.