Omtenkning av åpen kilde i generativ AI-alderen

Den åpne kildekodemodellen – en programvareutviklingsfilosofi hvor kildekoden gjøres fritt tilgjengelig for offentlig redistribusjon eller modifikasjon – har lenge vært en katalysator for innovasjon. Ideen ble født i 1983 da Richard Stallman, en programvareutvikler, ble frustrert over den lukkede kildekoden til sin printer som var i feil.

Hans visjon utløste den frie programvarebevegelsen, og banet vei for den åpne kildekodemiljøet som driver mye av dagens internett og programvareinnovasjon.

Men det var over 40 år siden.

I dag er generativ AI, med sine unike tekniske og etiske utfordringer, i ferd med å endre betydningen av “åpenhet”, og krever at vi gjennomgår og tilpasser den åpne kildekodemodellen – ikke for å forkaste den, men for å tilpasse den.

AI og de åpne kildekodetilgangene

De fire grunnleggende frihetene i åpen kildekodesoftware – evnen til å kjøre, studere, modifisere og redistribuere alle programvarekoder – er i konflikt med naturen til generativ AI på flere måter:

• Kjøre: AI-modeller krever ofte svært høy infrastruktur og beregningskostnader, som begrenser tilgang på grunn av ressursbegrensninger.
• Studere og modifisere: AI-modeller er usedvanlig komplekse, så å forstå og endre dem uten tilgang til både koden og dataene som informerer dem, er en betydelig utfordring.
• Redistribusjon: Mange AI-modeller begrenser redistribusjon ved design, særlig de med trent vekt og proprietære datasamlinger eid av plattformleverandøren.

Erosjonen av disse grunnleggende prinsippene skyldes ikke ond vilje, men snarere den reneste kompleksiteten og kostnadene til moderne AI-systemer. Faktisk har de finansielle kravene til å trene state-of-the-art AI-modeller eskalert dramatisk i de siste årene – OpenAI’s GPT-4 skal ha hatt treningskostnader på opptil 78 millioner dollar, utenom ansattlønn, med totale utgifter over 100 millioner dollar. ​

Kompleksiteten til “åpen kilde” AI

En virkelig åpen AI-modell ville kreve full gjennomsiktighet av inferenskildekode, treningskildekode, modellvekt og treningsdata. Imidlertid vil mange modeller som er merket som “åpne” bare gi ut inferenskode eller delvis vekt, mens andre tilbyr begrenset lisensiering eller begrenser kommersiell bruk fullstendig.

Denne upartiske åpenheten skaper illusjonen av åpne kildeprinsipper, mens den i praksis kommer til kort.

Betrakt at en analyse fra Open Source Initiative (OSI) fant at flere populære store språkmodeller som hevder å være åpen kilde – inkludert Llama2 og Llama 3.x (utviklet av Meta), Grok (X), Phi-2 (Microsoft) og Mixtral (Mistral AI) – er strukturelt uforenlig med åpne kildeprinsipper.

Bærekraft og incentiviseringutfordringer

De fleste åpne kildekodesoftware ble bygget på frivillig eller stipendfinansiert arbeid, snarere enn dataintensiv, høykostnadsinfrastruktur. AI-modeller, på den andre siden, er dyre å trene og vedlikeholde, og kostnadene forventes å øke. Anthropics CEO, Dario Amodei, spår at det til slutt kan koste så mye som $100 milliarder å trene en toppmodell.

Uten en bærekraftig finansieringsmodell eller incentivstruktur, står utviklerne overfor et valg mellom å begrense tilgang gjennom lukket kilde eller ikke-kommersiell lisens, eller å risikere finansiell kollaps.

Misforståelser om “åpne vekter” og lisensiering

AI-modelltilgangen har blitt stadig mer forvirret, med mange plattformer som markedsfører seg selv som “åpne” mens de pålegger begrensninger som fundamentalt motsier sanne åpne kildeprinsipper. Dette “sleight-of-hand” manifestere seg på flere måter:

• Modeller merket som “åpne vekter” kan forbys kommersiell bruk fullstendig, og opprettholde dem mer som akademiske kuriositeter enn praktiske forretningsverktøy for offentligheten å utforske og utvikle.
• Noen leverandører tilbyr tilgang til forhåndstrede modeller, men beskytter ivrig deres treningsdata og -metodologier, og gjør det umulig å reprodusere eller verifisere deres funn meningsfullt.
• Mange plattformer pålegger redistribusjonsbegrensninger som forhindrer utviklere fra å bygge på eller forbedre modellene for sine samfunn, selv om de kan fullstendig “tilgå” koden.

I disse tilfellene er “åpen for forskning” bare en eufemisme for “lukket for forretning”. Resultatet er en uærlig form for leverandør-lås, hvor organisasjoner investerer tid og ressurser i plattformer som ser åpenbart tilgjengelige ut, bare for å oppdage kritiske begrensninger når de prøver å skalerer eller kommersialisere applikasjonene.

Den resulterende forvirringen frustrerer ikke bare utviklere. Den undergraver aktivt tillit i AI-økosystemet. Den setter urimelige forventninger blant interessenter som rimelig antar at “åpen” AI er sammenlignbar med åpne kildeprogramvaresamfunn, hvor gjennomsiktighet, modifikasjonsrettigheter og kommersiell frihet opprettholdes.

Rettslig etterbæring

GenAIs raske fremgang er allerede i ferd med å overstige utviklingen av passende rettslige rammer, og skaper et komplekst nettverk av intellektuelle eiendomsutfordringer som forsterker eksisterende bekymringer.

Den første store rettslige slagmarken sentrerer seg rundt bruken av treningsdata. Dyptelæringsmodeller henter store datasamlinger fra Internett, som offentlig tilgjengelige bilder og tekst fra nettsider. Denne massive datasamlingen har antentt intense debatter om opphavsrettslige rettigheter. Teknologiselskaper argumenterer for at deres AI-systemer studerer og lærer fra opphavsrettslig beskyttede materialer for å skape nye, transformative innhold. Opphavsrettseiere, på den andre siden, hevder at disse AI-selskapene ulovlig kopierer deres verk, og genererer konkurranseinnhold som truer deres levebrød.

Eierskap av AI-genererte deriverte verk representerer enda en rettslig tvetydighet. Ingen er helt sikre på hvordan de skal klassifisere AI-generert innhold, bortsett fra at det amerikanske opphavsrettskontoret fastslår at “hvis AI fullstendig genererer innhold, kan det ikke beskyttes av opphavsrett”.

Den rettslige usikkerheten rundt GenAI – særlig med hensyn til opphavsrettsbrudd, eierskap av AI-generert innhold og ulisensiert innhold i treningsdata – blir enda mer komplisert når grunnleggende AI-modeller oppstår som verktøy for geopolitisk betydning: Nasjoner som konkurrerer om å utvikle overlegen AI-kapasitet, kan være mindre villige til å begrense datatilgang, og plasserer land med strengere eiendomsbeskyttelse i en konkurranseulempe.

Hva åpen kilde må bli i AI-alderen

GenAI-toget har allerede forlatt stasjonen og viser ingen tegn på å sakke. Vi håper å bygge en fremtid hvor AI fremmer snarere enn hemmer innovasjon. I så fall trenger teknologiledere en ramme som sikrer trygg og gjennomsiktig kommersiell bruk, fremmer ansvarlig innovasjon, behandler datatilgang og lisensiering, og skille mellom “åpen” og “gratis”.

En oppdyrkende konsept, Open Commercial Source License, kan tilby en vei fremover ved å foreslå gratis tilgang for ikke-kommersiell bruk, lisensiert tilgang for kommersiell bruk og anerkjennelse og respekt for proveniens og eierskap av data.​​

For å tilpasse seg denne nye virkeligheten, må den åpne kildekodesamfunnet utvikle AI-spesifikke åpne lisensmodeller, danne offentlig-private partnerskap for å finansiere disse modellene og etablere pålitelige standarder for gjennomsiktighet, sikkerhet og etikk.

Åpen kilde endret verden en gang. Generativ AI endrer den igjen. For å bevare ånden av åpenhet, må vi utvikle lovens bokstav, samtidig som vi anerkjenner de unike kravene til AI og håndterer utfordringene direkte for å skape et inkluderende og bærekraftig økosystem.