Reevaluarea surselor deschise în era inteligenței artificiale generative

Modelul de sursă deschisă – o etică de dezvoltare a software-ului în care codul sursă este făcut disponibil gratuit pentru redistribuire sau modificare – a fost de mult timp un catalizator pentru inovație. Idealul a fost născut în 1983, când Richard Stallman, un dezvoltator de software, a devenit frustrat de natura “cutie neagră” a imprimantei sale cu sursă închisă care nu funcționa.

Viziunea sa a declanșat mișcarea software-ului gratuit, deschizând calea pentru ecosistemul de sursă deschisă care alimentează o mare parte a internetului și inovației software de astăzi.

Dar aceasta a fost acum peste 40 de ani.

Astăzi, inteligența artificială generativă, cu provocările sale tehnice și etice unice, redefinesc înțelesul termenului “deschis”, cerându-ne să reexaminăm și să reevaluăm paradigma de sursă deschisă – nu pentru a o abandona, ci pentru a o adapta.

Inteligența artificială și libertățile surselor deschise

Cele patru libertăți fundamentale ale software-ului cu sursă deschisă – capacitatea de a executa, studia, modifica și redistribui orice cod software – sunt în contradicție cu natura inteligenței artificiale generative în mai multe moduri:

• Execută: Modelele de inteligență artificială necesită adesea infrastructuri și costuri computaționale foarte ridicate, ceea ce limitează accesul din cauza constrângerilor de resurse.
• Studiază și modifică: Modelele de inteligență artificială sunt incredibil de complexe, astfel încât înțelegerea și modificarea lor fără acces la cod și la datele care le informează este o provocare semnificativă.
• Redistribuie: Multe modele de inteligență artificială restricționează redistribuirea prin design, în special cele cu greutăți antrenate și seturi de date proprietare deținute de furnizorul de platformă.

Eroziunea acestor principii de bază nu se datorează intenției malefice, ci mai degrabă complexității și costului sistemelor moderne de inteligență artificială. Într-adevăr, cerințele financiare pentru antrenarea modelelor de inteligență artificială de ultimă generație au crescut dramatic în ultimii ani – se raportează că OpenAI a plătit până la 78 de milioane de dolari, exclusiv salariile personalului, cu cheltuieli totale care depășesc 100 de milioane de dolari. ​

Complexitatea “surselor deschise” în inteligența artificială

Un model de inteligență artificială cu adevărat deschis ar necesita transparență totală a codului sursă de inferență, codului sursă de antrenare, greutăților modelului și datelor de antrenare. Cu toate acestea, multe modele etichetate ca “deschise” vor face disponibile doar codul de inferență sau greutățile parțiale, în timp ce altele oferă licențe limitate sau restricționează utilizarea comercială în totalitate.

Această “deschidere” imparțială creează iluzia principiilor de sursă deschisă, în timp ce în practică nu este suficient.

Luați în considerare faptul că o analiză a Inițiativei pentru Sursă Deschisă (OSI) a constatat că mai multe modele de limbaj larg populare care pretind a fi cu sursă deschisă – inclusiv Llama2 și Llama 3.x (dezvoltate de Meta), Grok (X), Phi-2 (Microsoft) și Mixtral (Mistral AI) – sunt incompatibile structural cu principiile de sursă deschisă.

Provocările de durabilitate și stimulare

Majoritatea software-ului cu sursă deschisă a fost construit pe eforturi conduse de voluntari sau finanțate prin subvenții, mai degrabă decât pe infrastructuri intensive și costisitoare. Modelele de inteligență artificială, pe de altă parte, sunt scumpe pentru a fi antrenate și întreținute, iar costurile sunt de așteptat să crească. CEO-ul Anthropic, Dario Amodei, prezice că în cele din urmă ar putea costa $100 de miliarde pentru a antrena un model de ultimă generație.

Fără un model de finanțare durabil sau o structură de stimulare, dezvoltatorii se confruntă cu alegerea dintre a restricționa accesul prin sursă închisă sau licențe non-comerciale sau a risca prăbușirea financiară.

Concepțiile greșite despre “greutăți deschise” și licențiere

Accesibilitatea modelului de inteligență artificială a devenit din ce în ce mai încurcată, multe platforme promovându-se ca “deschise”, în timp ce impun restricții care contrazic fundamental principiile de sursă deschisă. Această “sleight-of-hand” se manifestă în mai multe moduri:

• Modelele etichetate ca “greutăți deschise” pot interzice utilizarea comercială în totalitate, menținându-le mai mult ca curiozități academice decât instrumente practice de afaceri pentru public.
• Unii furnizori oferă acces la modele preantrenate, dar păzesc cu strictețe seturile de date și metodologiile de antrenare, făcând imposibilă reproducerea sau verificarea rezultatelor în mod semnificativ.
• Multe platforme impun restricții de redistribuire care împiedică dezvoltatorii să construiască sau să îmbunătățească modelele pentru comunitățile lor, chiar dacă pot accesa în totalitate codul.

În aceste cazuri, “deschis pentru cercetare” este doar un joc de cuvinte pentru “închis pentru afaceri”. Rezultatul este o formă de “vendor lock-in” nesinceră, în care organizațiile investesc timp și resurse în platforme care par accesibile în mod deschis, doar pentru a descoperi limitări critice atunci când încearcă să scaleze sau să comercializeze aplicațiile.

Confuzia rezultată nu doar frustră dezvoltatorii. Subminează activ încrederea în ecosistemul de inteligență artificială. Creează așteptări nerealiste printre stakeholderi care presupun în mod rezonabil că “inteligența artificială deschisă” este comparabilă cu comunitățile de software cu sursă deschisă, unde transparența, drepturile de modificare și libertatea comercială sunt respectate.

Întârzierea legislativă

Avansarea rapidă a inteligenței artificiale generative a depășit deja dezvoltarea cadrului legislativ adecvat, creând o rețea complexă de provocări legate de proprietatea intelectuală care se adaugă preocupărilor preexistente.

Prima mare bătălie legislativă se concentrează pe utilizarea datelor de antrenare. Modelele de învățare profundă obțin seturi de date mari de pe Internet, cum ar fi imagini și textul paginilor web. Această colectare masivă de date a aprins debate aprinse despre drepturile de proprietate intelectuală. Companiile de tehnologie susțin că sistemele lor de inteligență artificială studiază și învață din materiale cu drepturi de autor pentru a crea conținut nou și transformativ. Deținătorii de drepturi de autor, însă, susțin că aceste companii de inteligență artificială copiază în mod ilegal lucrările lor, generând conținut concurent care amenință mijloacele lor de existență.

Proprietatea asupra lucrărilor derivate generate de inteligența artificială reprezintă o altă ambiguitate legislativă. Nimeni nu știe exact cum să clasifice conținutul generat de inteligența artificială, cu excepția Biroului de Drepturi de Autor al SUA, care afirmă că “dacă inteligența artificială generează în totalitate conținutul, acesta nu poate fi protejat de drepturi de autor”.

Incertitudinea legislativă cu privire la inteligența artificială generativă – în special în ceea ce privește încălcarea drepturilor de autor, proprietatea asupra lucrărilor generate de inteligența artificială și conținutul neautorizat din datele de antrenare – devine și mai gravă pe măsură ce modelele de inteligență artificială fundamentale emerg ca unelte de importanță geopolitică: Națiunile care concurează pentru a dezvolta capacități superioare de inteligență artificială ar putea fi mai puțin inclinate să restricționeze accesul la date, punând țările cu protecții mai stricte ale proprietății intelectuale în dezavantaj competitiv.

Ce trebuie să devină sursa deschisă în era inteligenței artificiale

Trenul de inteligență artificială generativă a plecat deja din gară și nu arată semne de încetinire. Sperăm să construim un viitor în care inteligența artificială să încurajeze, mai degrabă decât să sufocoze, inovația. În acest caz, liderii din domeniul tehnologiei au nevoie de un cadru care să asigure utilizarea comercială sigură și transparentă, să promoveze inovația responsabilă, să abordeze proprietatea și licențierea datelor și să diferențieze între “deschis” și “gratuit”.

Un concept emergent, Licența de Sursă Deschisă Comercială, poate oferi o cale înainte prin propunerea de acces gratuit pentru utilizarea non-comercială, acces licențiat pentru utilizarea comercială și recunoașterea și respectarea provenienței și proprietății datelor.​​

Pentru a se adapta la această realitate nouă, comunitatea de sursă deschisă trebuie să dezvolte modele de licențiere specifice inteligenței artificiale, să formeze parteneriate public-private pentru a finanța aceste modele și să stabilească standarde de încredere pentru transparență, siguranță și etică.

Sursa deschisă a schimbat lumea o dată. Inteligența artificială generativă o schimbă din nou. Pentru a păstra spiritul deschiderii, trebuie să evoluăm litera legii sale, recunoscând cerințele unice ale inteligenței artificiale, în timp ce abordăm provocările direct pentru a crea un ecosistem incluziv și durabil.