Mempertimbangkan Kembali Sumber Terbuka di Era AI Generatif

Model sumber terbuka – sebuah etos pengembangan perangkat lunak di mana kode sumber dibuat tersedia secara gratis untuk redistribusi atau modifikasi – telah lama menjadi katalisator inovasi. Ideal ini lahir pada 1983 ketika Richard Stallman, seorang pengembang perangkat lunak, merasa frustrasi dengan sifat black box dari printer sumber tertutup yang rusak.

Visinya memicu gerakan perangkat lunak bebas, membuka jalan bagi ekosistem sumber terbuka yang memungkinkan sebagian besar internet dan inovasi perangkat lunak saat ini.

Tapi itu sudah lebih dari 40 tahun yang lalu.

Saat ini, AI Generatif, dengan tantangan teknis dan etis yang unik, mengubah makna “keterbukaan”, menuntut kita untuk mengunjungi dan mempertimbangkan kembali paradigma sumber terbuka – tidak untuk meninggalkannya, tetapi untuk menyesuaikannya.

AI dan Kebebasan Sumber Terbuka

Empat kebebasan dasar perangkat lunak sumber terbuka – kemampuan untuk menjalankan, mempelajari, memodifikasi, dan mendistribusikan kembali kode perangkat lunak – bertentangan dengan sifat AI generatif dalam beberapa cara:

• Menjalankan: Model AI sering memerlukan infrastruktur dan biaya komputasi yang sangat tinggi, yang membatasi akses karena keterbatasan sumber daya.
• Mempelajari dan memodifikasi: Model AI sangat kompleks, sehingga memahami dan mengubahnya tanpa akses ke kode dan data yang menginformasikannya adalah tantangan besar.
• Mendistribusikan kembali: Banyak model AI membatasi pendistribusian kembali dengan desain, terutama yang memiliki bobot terlatih dan dataset milik penyedia platform.

Erosi dari prinsip-prinsip inti ini tidak disebabkan oleh niat jahat, tetapi lebih karena kompleksitas dan biaya sistem AI modern. Memang, biaya pelatihan model AI mutakhir telah meningkat secara dramatis dalam beberapa tahun terakhir – OpenAI’s GPT-4 dilaporkan menghabiskan biaya pelatihan hingga $78 juta, tidak termasuk gaji staf, dengan total pengeluaran melebihi $100 juta. ​

Kompleksitas “Sumber Terbuka” AI

Model AI yang benar-benar terbuka akan memerlukan transparansi total kode sumber inferensi, kode sumber pelatihan, bobot model, dan data pelatihan. Namun, banyak model yang dilabeli sebagai “terbuka” hanya akan merilis kode inferensi atau bobot sebagian, sementara yang lain menawarkan lisensi terbatas atau membatasi penggunaan komersial sepenuhnya.

Kejujuran ini menciptakan ilusi prinsip sumber terbuka, sementara pada kenyataannya tidak memadai.

Pertimbangkan bahwa analisis oleh Open Source Initiative (OSI) menemukan bahwa beberapa model bahasa besar populer yang mengklaim sebagai sumber terbuka – termasuk Llama2 dan Llama 3.x (dikembangkan oleh Meta), Grok (X), Phi-2 (Microsoft), dan Mixtral (Mistral AI) – secara struktural tidak kompatibel dengan prinsip sumber terbuka.

Tantangan Keberlanjutan dan Insentif

Sebagian besar perangkat lunak sumber terbuka dibangun berdasarkan upaya sukarela atau dana hibah, bukan infrastruktur yang intensif komputasi dan biaya tinggi. Model AI, di sisi lain, mahal untuk dilatih dan dipelihara, dan biaya hanya diharapkan meningkat. CEO Anthropic, Dario Amodei, memprediksi bahwa bisa saja menghabiskan biaya $100 miliar untuk melatih model mutakhir.

Tanpa model pendanaan yang berkelanjutan atau struktur insentif, pengembang harus memilih antara membatasi akses melalui sumber tertutup atau non-komersial lisensi atau menghadapi risiko keruntuhan keuangan.

Kepercayaan Keliru sekitar “Bobot Terbuka” dan Lisensi

Aksesibilitas model AI telah menjadi semakin kabur, dengan banyak platform memasarkan diri mereka sebagai “terbuka” sementara membatasi akses yang pada dasarnya bertentangan dengan prinsip sumber terbuka yang sebenarnya. “Sulap” ini muncul dalam beberapa cara:

• Model yang dilabeli sebagai “bobot terbuka” mungkin melarang penggunaan komersial sepenuhnya, menjadikannya lebih sebagai kuriositas akademis daripada alat bisnis praktis untuk umum.
• Beberapa penyedia menawarkan akses ke model pra-dilatih tetapi menjaga dataset pelatihan dan metodologi mereka, membuatnya mustahil untuk mereproduksi atau memverifikasi temuan mereka dengan cara yang bermakna.
• Banyak platform membatasi pendistribusian kembali yang mencegah pengembang membangun atau memperbaiki model untuk komunitas mereka, bahkan jika mereka dapat sepenuhnya “mengakses” kode.

Dalam kasus ini, “terbuka untuk penelitian” hanyalah bahasa ganda untuk “tertutup untuk bisnis”. Hasilnya adalah bentuk penipuan vendor lock-in, di mana organisasi menginvestasikan waktu dan sumber daya ke dalam platform yang tampaknya dapat diakses secara terbuka, hanya untuk menemukan keterbatasan kritis ketika mencoba menskalakan atau mengkomersialkan aplikasi.

Kesalahpahaman ini tidak hanya membuat frustrasi pengembang. Ini secara aktif merusak kepercayaan dalam ekosistem AI. Ini menciptakan harapan yang tidak realistis di kalangan pemangku kepentingan yang secara wajar menganggap “terbuka” AI setara dengan komunitas perangkat lunak sumber terbuka, di mana transparansi, hak modifikasi, dan kebebasan komersial dipertahankan.

Ketertinggalan Hukum

Kemajuan AI Generatif yang cepat sudah melampaui pengembangan kerangka hukum yang tepat, menciptakan jaringan kompleks tantangan hak kekayaan intelektual yang memperburuk kekhawatiran yang sudah ada.

Pertempuran hukum besar pertama berpusat pada penggunaan data pelatihan. Model pembelajaran dalam memerlukan kumpulan data besar dari Internet, seperti gambar dan teks halaman web yang tersedia secara publik. Pengumpulan data besar ini telah memicu debat sengit tentang hak kekayaan intelektual. Perusahaan teknologi berpendapat bahwa sistem AI mereka mempelajari dan memahami materi hak cipta untuk menciptakan konten baru yang transformatif. Pemilik hak cipta, bagaimanapun, berpendapat bahwa perusahaan AI ini melanggar hak cipta mereka dengan menciptakan konten yang bersaing yang mengancam mata pencaharian mereka.

Kepemilikan karya turunan yang dihasilkan AI mewakili ketidakjelasan hukum lainnya. Tidak ada yang yakin bagaimana mengklasifikasikan konten yang dihasilkan AI, kecuali Kantor Hak Cipta AS, yang menyatakan bahwa “jika AI sepenuhnya menghasilkan konten, itu tidak dapat dilindungi oleh hak cipta.”

Ketidakpastian hukum sekitar AI Generatif – terutama mengenai pelanggaran hak cipta, kepemilikan karya yang dihasilkan AI, dan konten tidak berlisensi dalam data pelatihan – menjadi semakin rumit ketika model AI dasar muncul sebagai alat kepentingan geopolitik: Negara-negara yang berlomba untuk mengembangkan kemampuan AI yang unggul mungkin kurang cenderung membatasi akses data, membuat negara-negara dengan perlindungan IP yang lebih ketat dalam posisi yang kurang menguntungkan.

Apa yang Harus Dilakukan Sumber Terbuka di Era AI

Kereta AI Generatif sudah berangkat dan tidak menunjukkan tanda-tanda melambat. Kami berharap membangun masa depan di mana AI mendorong inovasi daripada mematikan. Dalam hal ini, pemimpin teknologi memerlukan kerangka yang memastikan penggunaan komersial yang aman dan transparan, mendorong inovasi yang bertanggung jawab, mengatasi kepemilikan data dan lisensi, dan membedakan antara “terbuka” dan “gratis”.

Konsep yang muncul, Lisensi Sumber Terbuka Komersial, mungkin menawarkan jalur ke depan dengan mengusulkan akses gratis untuk penggunaan non-komersial, akses berlisensi untuk penggunaan komersial, dan pengakuan serta penghormatan atas provenance dan kepemilikan data.​​

Untuk menyesuaikan diri dengan kenyataan baru ini, komunitas sumber terbuka harus mengembangkan model lisensi terbuka khusus AI, membentuk kemitraan antara pemerintah dan swasta untuk mendanai model ini, dan menetapkan standar tepercaya untuk transparansi, keamanan, dan etika.

Sumber terbuka telah mengubah dunia sekali. AI Generatif sedang mengubahnya lagi. Untuk melestarikan semangat keterbukaan, kita harus mengembangkan hukumnya, mengakui tuntutan unik AI sambil mengatasi tantangan secara langsung untuk menciptakan ekosistem yang inklusif dan berkelanjutan.