जनरेटिव एआई के युग में ओपन सोर्स पर पुनर्विचार

ओपन-सोर्स मॉडल - एक सॉफ्टवेयर विकास सिद्धांत जिसमें स्रोत कोड को सार्वजनिक पुनर्वितरण या संशोधन के लिए स्वतंत्र रूप से उपलब्ध कराया जाता है - लंबे समय से नवाचार का उत्प्रेरक रहा है। इस आदर्श का जन्म 1983 में हुआ जब एक सॉफ्टवेयर डेवलपर रिचर्ड स्टॉलमैन अपने क्लोज्ड-सोर्स प्रिंटर के खराब होने से निराश हो गए।

उनकी दूरदर्शिता ने मुक्त सॉफ्टवेयर आंदोलन को जन्म दिया, तथा ओपन-सोर्स पारिस्थितिकी तंत्र के लिए मार्ग प्रशस्त किया, जो आज के इंटरनेट और सॉफ्टवेयर नवाचार को काफी हद तक शक्ति प्रदान करता है।

लेकिन यह 40 साल पहले की बात है।

आज, जनरेटिव एआई, अपनी अनूठी तकनीकी और नैतिक चुनौतियों के साथ, "खुलेपन" के अर्थ को नया आकार दे रहा है, और मांग कर रहा है कि हम ओपन-सोर्स प्रतिमान पर पुनर्विचार करें और उस पर पुनर्विचार करें - उसे त्यागने के लिए नहीं, बल्कि उसे अनुकूलित करने के लिए।

एआई और ओपन-सोर्स स्वतंत्रता

ओपन-सोर्स सॉफ्टवेयर की चार मौलिक स्वतंत्रताएँ - चलाना, अध्ययन करना, संशोधित करना और पुनर्वितरित करना किसी भी सॉफ्टवेयर कोड में प्रयुक्त होने वाले कोड - कई मायनों में जनरेटिव एआई की प्रकृति के विपरीत हैं:

• चलाएँ: एआई मॉडल के लिए अक्सर बहुत अधिक बुनियादी ढांचे और कम्प्यूटेशनल लागत की आवश्यकता होती है, जो सीमा पहुँच संसाधनों की कमी के कारण.
• अध्ययन करें और संशोधित करें: एआई मॉडल अविश्वसनीय रूप से जटिल हैं, इसलिए उन्हें समझना और बदलना कोड और उसे सूचित करने वाले डेटा दोनों तक पहुंच के बिना यह एक महत्वपूर्ण चुनौती है।
• पुनर्विभाजन: कई AI मॉडल पुनर्वितरण को प्रतिबंधित करें डिजाइन के अनुसार, विशेष रूप से प्रशिक्षित भार और प्लेटफ़ॉर्म प्रदाता के स्वामित्व वाले स्वामित्व वाले डेटासेट के साथ।

इन मूल सिद्धांतों का क्षरण दुर्भावनापूर्ण इरादे से नहीं, बल्कि आधुनिक एआई प्रणालियों की जटिलता और लागत के कारण है। वास्तव में, अत्याधुनिक एआई मॉडलों के प्रशिक्षण की वित्तीय माँग हाल के वर्षों में नाटकीय रूप से बढ़ गई है - ओपनएआई के जीपीटी-4 पर कथित तौर पर प्रशिक्षण लागत ₹XNUMX (लगभग ₹XNUMX) आई। $ 78 मिलियन तक, कर्मचारियों के वेतन को छोड़कर, कुल व्यय के साथ से अधिक 100 $ मिलियन।

"ओपन सोर्स" एआई की जटिलता

एक सच्चे खुले एआई मॉडल के लिए अनुमान स्रोत कोड, प्रशिक्षण स्रोत कोड, मॉडल भार और प्रशिक्षण डेटा की पूर्ण पारदर्शिता आवश्यक होगी। हालाँकि, "खुले" लेबल वाले कई मॉडल केवल अनुमान कोड या आंशिक भार ही जारी करेंगे, जबकि अन्य सीमित लाइसेंसिंग प्रदान करते हैं या व्यावसायिक उपयोग को पूरी तरह से प्रतिबंधित करते हैं।

यह निष्पक्ष खुलापन ओपन-सोर्स सिद्धांतों का भ्रम पैदा करता है, जबकि व्यवहार में यह अपर्याप्त है।

ओपन सोर्स इनिशिएटिव (ओएसआई) द्वारा किए गए एक विश्लेषण में पाया गया कि कई लोकप्रिय बड़े भाषा मॉडल खुला स्रोत होने का दावा - जिसमें लामा2 और लामा 3.x (मेटा द्वारा विकसित), ग्रोक (एक्स), फी-2 (माइक्रोसॉफ्ट), और मिक्सट्रल (मिस्ट्रल एआई) शामिल हैं - संरचनात्मक रूप से ओपन-सोर्स सिद्धांतों के साथ असंगत हैं।

स्थिरता और प्रोत्साहन चुनौतियाँ

ज़्यादातर ओपन-सोर्स सॉफ़्टवेयर स्वैच्छिक या अनुदान-आधारित प्रयासों पर बनाए गए हैं, न कि कंप्यूटिंग-गहन, उच्च-लागत वाले बुनियादी ढाँचों पर। दूसरी ओर, एआई मॉडलों को प्रशिक्षित करना और उनका रखरखाव करना महंगा है, और लागत में वृद्धि ही होने की उम्मीद है। एंथ्रोपिक के सीईओ, डारियो अमोदेई का अनुमान है कि अंततः इसकी लागत इतनी हो सकती है 100 $ अरब एक अत्याधुनिक मॉडल को प्रशिक्षित करने के लिए।

स्थायी वित्तपोषण मॉडल या प्रोत्साहन संरचना के बिना, डेवलपर्स को बंद-स्रोत या गैर-वाणिज्यिक लाइसेंस के माध्यम से पहुंच को प्रतिबंधित करने या वित्तीय पतन का जोखिम उठाने के बीच चयन करना पड़ता है।

"ओपन वेट" और लाइसेंसिंग के बारे में गलत धारणाएँ

एआई मॉडल की सुलभता लगातार उलझती जा रही है, क्योंकि कई प्लेटफ़ॉर्म खुद को "खुला" बताते हुए ऐसी पाबंदियाँ लगा रहे हैं जो मूल रूप से वास्तविक ओपन-सोर्स सिद्धांतों के विपरीत हैं। यह "चालबाजी" कई तरीकों से प्रकट होती है:

• "खुले भार" के रूप में चिह्नित मॉडल पूरी तरह से व्यावसायिक उपयोग पर प्रतिबंध लगा सकते हैं, तथा उन्हें जनता के अन्वेषण और विकास के लिए व्यावहारिक व्यावसायिक उपकरण के बजाय अकादमिक जिज्ञासा के रूप में अधिक बनाए रख सकते हैं।
• कुछ प्रदाता पूर्व-प्रशिक्षित मॉडलों तक पहुंच प्रदान करते हैं, लेकिन अपने प्रशिक्षण डेटासेट और कार्यप्रणाली की सुरक्षा करते हैं, जिससे उनके निष्कर्षों को सार्थक रूप से पुन: प्रस्तुत करना या सत्यापित करना असंभव हो जाता है।
• कई प्लेटफ़ॉर्म पुनर्वितरण प्रतिबंध लगाते हैं जो डेवलपर्स को अपने समुदायों के लिए मॉडल बनाने या सुधारने से रोकते हैं, भले ही वे कोड तक पूरी तरह से "पहुंच" सकें।

इन उदाहरणों में, "शोध के लिए खुला" का अर्थ "व्यापार के लिए बंद" है। इसका परिणाम विक्रेता लॉक-इन का एक कपटी रूप है, जहाँ संगठन ऐसे प्लेटफ़ॉर्म में समय और संसाधन लगाते हैं जो खुले तौर पर सुलभ प्रतीत होते हैं, लेकिन जब अनुप्रयोगों को बढ़ाने या उनका व्यवसायीकरण करने का प्रयास करते हैं, तो उन्हें गंभीर सीमाएँ दिखाई देती हैं।

इससे उत्पन्न भ्रम केवल डेवलपर्स को ही निराश नहीं करता। यह एआई पारिस्थितिकी तंत्र में विश्वास को भी कमज़ोर करता है। यह हितधारकों के बीच अवास्तविक अपेक्षाएँ स्थापित करता है, जो यह मान लेते हैं कि "खुला" एआई ओपन-सोर्स सॉफ़्टवेयर समुदायों के समान है, जहाँ पारदर्शिता, संशोधन अधिकार और व्यावसायिक स्वतंत्रता को बरकरार रखा जाता है।

कानूनी अंतराल

जेनएआई की तीव्र प्रगति पहले से ही उचित कानूनी ढांचे के विकास से आगे निकल रही है, जिससे बौद्धिक संपदा चुनौतियों का एक जटिल जाल बन रहा है जो पहले से मौजूद चिंताओं को और बढ़ा रहा है।

पहला बड़ा कानूनी विवाद प्रशिक्षण डेटा के इस्तेमाल पर केंद्रित है। डीप लर्निंग मॉडल इंटरनेट से बड़े डेटा सेट प्राप्त करते हैं, जैसे सार्वजनिक रूप से उपलब्ध चित्र और वेब पेजों का टेक्स्ट। इस विशाल डेटा संग्रह ने बौद्धिक संपदा अधिकारों पर तीखी बहस छेड़ दी है। तकनीकी कंपनियों का तर्क है कि उनके एआई सिस्टम नई, परिवर्तनकारी सामग्री बनाने के लिए कॉपीराइट सामग्री का अध्ययन और उससे सीखते हैं। हालाँकि, कॉपीराइट मालिकों का तर्क है कि ये एआई कंपनियाँ उनके कार्यों की अवैध रूप से नकल करती हैं, जिससे प्रतिस्पर्धी सामग्री उत्पन्न होती है जो उनकी आजीविका के लिए खतरा है।

एआई-जनित व्युत्पन्न कार्यों का स्वामित्व एक और कानूनी अस्पष्टता का प्रतिनिधित्व करता है। अमेरिकी कॉपीराइट कार्यालय को छोड़कर, एआई-जनित सामग्री को कैसे वर्गीकृत किया जाए, यह किसी को भी ठीक से पता नहीं है, जो कहता है कि "यदि एआई पूरी तरह से सामग्री उत्पन्न करता है, तो उसे कॉपीराइट द्वारा संरक्षित नहीं किया जा सकता है।"

जेनएआई के आसपास की कानूनी अनिश्चितता - विशेष रूप से कॉपीराइट उल्लंघन, एआई-जनित कार्यों के स्वामित्व और प्रशिक्षण डेटा में बिना लाइसेंस वाली सामग्री के संबंध में - और भी अधिक भयावह हो जाती है क्योंकि आधारभूत एआई मॉडल भू-राजनीतिक महत्व के उपकरण के रूप में उभर रहे हैं: बेहतर एआई क्षमताओं को विकसित करने की होड़ में लगे राष्ट्र डेटा तक पहुंच को प्रतिबंधित करने के लिए कम इच्छुक हो सकते हैं, जिससे सख्त आईपी सुरक्षा वाले देश प्रतिस्पर्धात्मक रूप से नुकसान में आ सकते हैं।

एआई युग में ओपन सोर्स को क्या बनना चाहिए?

जेनएआई की गाड़ी पहले ही स्टेशन से निकल चुकी है और इसकी गति धीमी होने के कोई संकेत नहीं दिख रहे हैं। हम एक ऐसे भविष्य का निर्माण करना चाहते हैं जहाँ एआई नवाचार को बाधित करने के बजाय उसे प्रोत्साहित करे। ऐसे में, तकनीकी क्षेत्र के दिग्गजों को एक ऐसे ढाँचे की आवश्यकता है जो सुरक्षित और पारदर्शी व्यावसायिक उपयोग सुनिश्चित करे, ज़िम्मेदार नवाचार को बढ़ावा दे, डेटा स्वामित्व और लाइसेंसिंग को संबोधित करे, और "खुले" और "मुक्त" के बीच अंतर स्पष्ट करे।

एक उभरती हुई अवधारणा, खुला वाणिज्यिक स्रोत लाइसेंस, गैर-व्यावसायिक उपयोग के लिए मुफ्त पहुंच, वाणिज्यिक उपयोग के लिए लाइसेंस प्राप्त पहुंच, और डेटा के उद्गम और स्वामित्व के लिए सम्मान और स्वीकृति का प्रस्ताव करके आगे का रास्ता पेश कर सकता है।

इस नई वास्तविकता के अनुकूल होने के लिए, ओपन-सोर्स समुदाय को एआई-विशिष्ट ओपन लाइसेंसिंग मॉडल विकसित करना होगा, इन मॉडलों को वित्तपोषित करने के लिए सार्वजनिक-निजी भागीदारी बनानी होगी, और पारदर्शिता, सुरक्षा और नैतिकता के लिए विश्वसनीय मानक स्थापित करने होंगे।

ओपन सोर्स ने एक बार दुनिया को बदल दिया था। जनरेटिव एआई इसे फिर से बदल रहा है। खुलेपन की भावना को बनाए रखने के लिए, हमें इसके नियमों को विकसित करना होगा, एआई की अनूठी माँगों को स्वीकार करते हुए, चुनौतियों का सीधा सामना करते हुए एक समावेशी और टिकाऊ पारिस्थितिकी तंत्र बनाना होगा।