Het open-source model opnieuw bekeken in het tijdperk van generatieve AI

Het open-source model – een softwareontwikkelingsethos waarbij de broncode vrij beschikbaar wordt gemaakt voor openbare herverdeling of modificatie – is lange tijd een katalysator voor innovatie geweest. Het idee werd geboren in 1983 toen Richard Stallman, een softwareontwikkelaar, gefrustreerd raakte door de black box-natuur van zijn gesloten broncode-printer.

Zijn visie zette de vrije softwarebeweging in gang, waardoor de open-source-ecosysteem ontstond die een groot deel van het internet en de software-innovatie van vandaag aandrijft.

Maar dat is meer dan 40 jaar geleden.

Vandaag de dag verandert generatieve AI, met zijn unieke technische en ethische uitdagingen, de betekenis van “openheid” en vraagt ons om het open-source-paradigma opnieuw te bekijken – niet om het te verlaten, maar om het aan te passen.

AI en de open-source-vrijheden

De vier fundamentele vrijheden van open-source software – de mogelijkheid om uit te voeren, te bestuderen, te modificeren en te herverdelen van elke softwarecode – botsen met de aard van generatieve AI op verschillende manieren:

• Uitvoeren: AI-modellen vereisen vaak zeer hoge infrastructuur- en rekencosten, waardoor toegang beperkt wordt vanwege beperkingen in resources.
• Bestuderen en modificeren: AI-modellen zijn enorm complex, dus begrijpen en wijzigen zonder toegang tot zowel de code als de gegevens die het informeren, is een aanzienlijke uitdaging.
• Herverdelen: Veel AI-modellen beperken herverdeling door ontwerp, met name die met getrainde gewichten en propriëtaire datasets die eigendom zijn van de platformprovider.

De erosie van deze kernbeginselen is niet het gevolg van kwaadwillige bedoelingen, maar eerder de enorme complexiteit en kosten van moderne AI-systemen. Inderdaad zijn de financiële eisen voor het trainen van state-of-the-art AI-modellen in de afgelopen jaren dramatisch gestegen – OpenAI’s GPT-4 zou volgens rapporten tot $78 miljoen, exclusief personeelslonen, met totale uitgaven die meer dan $100 miljoen bedragen. ​

De complexiteit van “open source” AI

Een echt open AI-model zou totale transparantie van inferentiebroncode, trainingsbroncode, modelgewichten en trainingsgegevens vereisen. Echter, veel modellen die als “open” worden gelabeld, geven alleen inferentiecode of gedeeltelijke gewichten vrij, terwijl anderen beperkte licenties aanbieden of commercieel gebruik geheel verbieden.

Dit onpartijdige openheid creëert de illusie van open-source-principes, terwijl het in de praktijk tekort schiet.

Bedenk dat een analyse van de Open Source Initiative (OSI) aantoonde dat verschillende populaire grote taalmodellen die beweren open source te zijn – waaronder Llama2 en Llama 3.x (ontwikkeld door Meta), Grok (X), Phi-2 (Microsoft) en Mixtral (Mistral AI) – structureel onverenigbaar zijn met open-source-principes.

Duurzaamheids- en incentivisatie-uitdagingen

De meeste open-source software werd gebouwd op vrijwilligers- of subsidiegefinancierde inspanningen, in plaats van compute-intensieve, hoge-kosten-infrastructuur. AI-modellen zijn daarentegen duur om te trainen en te onderhouden, en de kosten zullen alleen maar stijgen. Anthropic’s CEO, Dario Amodei, voorspelt dat het uiteindelijk $100 miljard kan kosten om een state-of-the-art-model te trainen.

Zonder een duurzaam financieringsmodel of incentivisatiestructuur, staan ontwikkelaars voor een keuze tussen het beperken van toegang via gesloten broncode of non-commerciële licenties, of het risico lopen op financieel failliet te gaan.

Misleiding rond “open gewichten” en licenties

Toegang tot AI-modellen is steeds meer verward geraakt, met veel platforms die zichzelf als “open” aanprijzen, terwijl ze beperkingen opleggen die fundamenteel in strijd zijn met echte open-source-principes. Deze “sleight-of-hand” manifesteert zich op verschillende manieren:

• Modellen die als “open gewichten” worden gelabeld, kunnen commercieel gebruik geheel verbieden, waardoor ze meer academische curiositeiten zijn dan praktische zakelijke instrumenten voor het publiek om te verkennen en te ontwikkelen.
• Sommige aanbieders bieden toegang tot vooraf getrainde modellen, maar bewaken hun trainingsdatasets en methodologieën angstvallig, waardoor het onmogelijk wordt om hun bevindingen zinvol te reproduceren of te verifiëren.
• Veel platforms leggen herverdelingsbeperkingen op die ontwikkelaars verhinderen om de modellen voor hun gemeenschappen te verbeteren of uit te breiden, zelfs als ze de code volledig kunnen “toegang” geven.

In deze gevallen is “open voor onderzoek” niets meer dan een eufemisme voor “gesloten voor bedrijven”. Het resultaat is een oneerlijke vorm van vendor lock-in, waarbij organisaties tijd en middelen investeren in platforms die openlijk toegankelijk lijken, alleen om kritieke beperkingen te ontdekken wanneer ze proberen om de toepassingen te schalen of te commercialiseren.

De resulterende verwarring frustreert ontwikkelaars niet alleen. Het ondermijnt actief het vertrouwen in de AI-ecosysteem. Het creëert onrealistische verwachtingen onder stakeholders die redelijkerwijs aannemen dat “open” AI vergelijkbaar is met open-source softwaregemeenschappen, waar transparantie, wijzigingsrechten en commerciële vrijheid worden gehandhaafd.

Rechtelijke vertraging

GenAI’s snelle vooruitgang is al het ontwikkelingsproces van passende juridische kaders voorbijgestoken, waardoor een complex web van intellectuele eigendomsuitdagingen ontstaat die bestaande zorgen verergeren.

Het eerste grote juridische slagveld draait om het gebruik van trainingsgegevens. Diepe leermodellen putten grote datasets uit het internet, zoals openbaar beschikbare afbeeldingen en de tekst van webpagina’s. Deze massale gegevensverzameling heeft hevige debatten over intellectuele eigendomsrechten aangewakkerd. Techbedrijven beweren dat hun AI-systemen bestaande, door copyright beschermde materialen bestuderen en leren om nieuwe, transformatieve inhoud te creëren. Auteursrechtenhouders daarentegen beweren dat deze AI-bedrijven hun werken onrechtmatig kopiëren, waardoor concurrerende inhoud ontstaat die hun middelen van bestaan bedreigt.

Het eigendom van AI-gegenereerde afgeleide werken vertegenwoordigt nog een andere juridische onduidelijkheid. Niemand weet precies hoe AI-gegenereerde inhoud moet worden geclassificeerd, behalve het Amerikaanse auteursrechtbureau, dat stelt dat “als AI volledig inhoud genereert, het niet door auteursrecht kan worden beschermd.”

De juridische onzekerheid rond GenAI – met name met betrekking tot auteursrechtinbreuk, eigendom van AI-gegenereerde werken en ongeautoriseerde inhoud in trainingsgegevens – wordt nog verder verergerd door de opkomst van fundamentale AI-modellen als instrumenten van geopolitieke importantie: Landen die concurrerende AI-capaciteiten ontwikkelen, zullen mogelijk minder geneigd zijn om toegang tot gegevens te beperken, waardoor landen met striktere intellectuele eigendomsbescherming in het nadeel komen.

Wat open source moet worden in het AI-tijdperk

De GenAI-trein is al vertrokken en toont geen tekenen van vertraging. We hopen een toekomst te bouwen waarin AI innovatie stimuleert in plaats van smoort. In dat geval hebben techleiders een kader nodig dat veilig en transparant commercieel gebruik waarborgt, verantwoorde innovatie bevordert, gegevenseigendom en licenties aanpakt en onderscheid maakt tussen “open” en “gratis.”

Een opkomend concept, de Open Commerciële Bronlicentie, kan een weg vooruit bieden door gratis toegang voor niet-commercieel gebruik, gelicenceerde toegang voor commercieel gebruik en erkenning en respect voor de herkomst en eigendom van gegevens voor te stellen.​​

Om aan te passen aan deze nieuwe realiteit, moet de open-source-gemeenschap AI-specifieke open licentiemodellen ontwikkelen, publiek-private partnerschappen vormen om deze modellen te financieren en vertrouwde standaarden voor transparantie, veiligheid en ethiek vaststellen.

Open source veranderde de wereld een keer. Generatieve AI verandert het opnieuw. Om de geest van openheid te behouden, moeten we de letter van de wet evolueren, waarbij we de unieke eisen van AI erkennen en de uitdagingen rechtstreeks aanpakken om een inclusief en duurzaam ecosysteem te creëren.