Китайский мираж ИИ: как “открытый исходный код” скрывает то, что имеет наибольшее значение

Когда крупные технологические компании, такие как Google, Microsoft и Meta, борются за доминирование на рынке ИИ, китайские компании High Flyer, Baidu, Moonshot и Alibaba выпустили свои крупные языковые модели DeepSeek, ERNIE 4.5, Kimi K2 и Qwen3 как открытыми. Этот сдвиг от выпуска охраняемых, проприетарных моделей GenAI был воспринят как знак того, что китайская промышленность ИИ принимает силу открытого исходного кода для демократизации разработки ИИ и стимулирования инноваций.

Как и многие компании, которые называют свои предложения открытыми и даже включают это в свои названия, High Flyer, Baidu и Moonshot не фактически поделились критическими компонентами, такими как наборы данных, в сердце своих моделей. Поскольку эти крупные модели стремятся стать товарами, на которые разработчики полагаются, прозрачность истинного открытого исходного кода, который можно протестировать, расследовать и итерировать, имеет решающее значение для создания не偏ременного, этичного и полезного технологии, которой мы все можем доверять. Все эти “открытые” модели на самом деле являются “открытыми весами”, что означает, что их можно скачать и использовать, но нельзя осмотреть каким-либо значимым образом без данных.

Когда американские компании, такие как Open AI и Meta, кажется, отходят от открытого исходного кода, открытое приглашение Baidu использовать свою бесплатно доступную коллекцию моделей ERNIE 4.5 может действительно стимулировать инновации и сотрудничество с разработчиками, которые хотят создать более мелкие, мощные приложения. В то же время компания, которая подобна китайскому Google, дала себе конкурентное преимущество, поощряя принятие и укрепляя свои модели в быстро растущей экосистеме ИИ.

То же самое можно сказать и о DeepSeek, недорогом Kimi K2 и обновленном Qwen3, который имеет показатели, которые бросают вызов закрытым моделям, таким как Claude Opus 4 и GPT-4o-0327.

Эти игроки ИИ хорошо позиционировали себя в гонке за то, чтобы стать товарной моделью выбора, и последнее инновационное обновление Qwen3 было даже вдохновлено обратной связью открытого исходного кода.

Как и многие, кто называет свои крупные модели ИИ открытыми, китайское сообщество ИИ не фактически делится данными или другими критическими компонентами своих систем ИИ. Вместо этого они просят глобальных разработчиков слепо доверять моделям, которые они не могут真正 понять или расследовать.

Заявление о будущем с открытым исходным кодом товарных моделей ИИ

Когда iPhone появился на рынке в 2007 году, некоторые предположили, что Mac будет доминировать на рынке смартфонов с iOS, но участие в открытом исходном коде имеет решающее значение для стартапов, а также стимулирует предпринимательский и экономический рост во всем мире – и Android, стартап, приобретенный Google в 2005 году, последовал этому пути к победе.

Выпустив открытое программное обеспечение, которое можно было просмотреть, изменить, принять и поделиться, Android пригласил академиков, разработчиков и даже конкурентов сотрудничать в программном обеспечении. Это ускорило процесс инноваций, демократизировало поле и в конечном итоге снизило цены. Android вышел на рынок через год после первого iPhone, и к началу этого года он заявил о 71,88 процентах глобального рынка против 27,65 процента iOS.

В технологической революции, которая, казалось, произошла за одну ночь, смартфоны стали повсеместными, и даже когда продолжаются улучшения программного обеспечения, аппаратного обеспечения и пользовательского интерфейса, отрасль выросла далеко за пределы попыток революционизировать то, как работают смартфоны. Сейчас смартфоны являются товаром, и инновации на данный момент заключается в приложениях, которые на них работают, и чтобы быть конкурентоспособными, поставщики смартфонов должны поддерживать экосистему, которая приглашает разработчиков.

Не три года после запуска ChatGPT отрасль ИИ оказалась на подобном пороге. Каждый игрок в глобальной отрасли ИИ маневрирует, чтобы его модели стали следующим Android или даже iOS, и, выпуская открытое программное обеспечение с моделями DeepSeek, ERNIE 4.5 и Kimi K2, китайские инноваторы стремятся заявить о своем праве на формирующуюся экосистему.

Хотя это может сработать в их пользу, однако, это не способствует истинной прозрачности открытого исходного кода, которая была необходима не только для стимулирования инноваций, но и для создания инноваций, которым мы можем доверять.

Данные – это пропущенная часть в большинстве открытых моделей ИИ

С моделями ИИ, которые гораздо более сложны для создания и обмена, чем традиционное программное обеспечение, требование полностью открытого исходного кода ИИ не является небольшим заказом. Вместо простого исходного кода системы ИИ состоят из семи компонентов – включая исходный код, параметры модели, набор данных, гиперпараметры, код обучения, генерацию случайных чисел и программные фреймворки.

Каждая часть должна работать в гармонии, чтобы модель давала желаемые результаты, что означает, что разработчикам нужна полная видимость, чтобы поделиться, изменить и принять систему и понять, что происходит. С воспроизводимостью как основой научного метода отрасль ИИ имеет привычку использовать термин “открытый исходный код” для обозначения бесплатных или низкоценных выпусков, которые доступны с доступом к нескольким частям головоломки.

Baidu, например, сделал доступными десять моделей ERNIE 4.5. Вместе с обменом моделью и параметрами компания также открыла исходный код ERNIEKit и инструменты развертывания FastDeploy. Эти инструменты позволяют разработчикам создавать мощные приложения ИИ, предоставляя промышленные возможности, эффективные потоки обучения и вывода, и совместимость с несколькими аппаратными средствами.

Иными словами, Baidu предоставил разработчикам интересные инструменты, которые позволяют им выпустить инновации быстрее, что, в свою очередь, должно побудить их выбрать ERNIE 4.5 вместо конкуренции.

Разработчики, которые используют ERNIE 4.5, однако, просят слепо доверять модели, поскольку Baidu сохранил многое в секрете, включая наборы данных, которые информируют и обучают его модели.

Сила прозрачных открытых моделей ИИ

Хотя каждая часть головоломки ИИ имеет решающее значение для работы модели, 80 процентов проектов ИИ терпят неудачу, и данные находятся в сердце проблемы. Неправильные, неполные и предвзятые наборы данных приводят к моделям, которые не ведут себя предсказуемо или желаемым образом.

Недавно выпущенное фатальное видео аварии Tesla Full-Self-Driving (FSD) 2023 года, например, показало худший сценарий того, что может произойти, когда набор данных и модель не оправдывают ожиданий. Когда Tesla Model Y ехала в яркое, заходящее солнце, частично автоматизированная система не могла понять или отреагировать соответствующим образом на то, что видели ее камеры – или не видели. Пока машины, управляемые людьми, замедляли и останавливались, сбиваясь с толку FSD, в результате чего погибла женщина.

Эта разрушительная неудача отражала неполную визуальную информацию, а также отсутствие механизма безопасности, который учитывал такие слепые пятна. Когда разработчики не имеют представления о своих данных, они не могут увидеть, как они взаимодействуют с моделью, что означает, что они не могут обнаружить такие ошибки и итерировать для прочной производительности.

Более того, без данных, которые стимулируют модель, они вынуждены слепо доверять ей.

Когда наборы данных являются открытыми, однако, сообщество ИИ показало, что оно будет искоренять тревожные проблемы, как это сделало, обнаружив более 1000 URL-адресов, содержащих проверенный материал по детскому сексуальному насилию в LAION 5B. С набором данных, используемым для моделей генерации изображений ИИ, который является фундаментальным для создания приложений, таких как Stable Diffusion и Midjourney, было бы разрушительно для отрасли ИИ, если бы пользователи начали производить незаконные фотографически реалистичные изображения. Вместо этого открытая природа этого набора данных позволила сообществу обнаружить опасный контент и мотивировать исправление, Liaison B.

Кроме того, большая часть этого первого набора данных была основана на веб-скрейпинге, выполненном огромным Common Crawl, который также был использован для моделей ChatGPT и LLAMA. Хотя ИИ-скрейперы продолжают вызывать опасения по поводу копирования, конфиденциальности и предвзятого и расистского маркирования, разработчики в сообществе ИИ работают над способами очистки частей растущего открытого набора данных Common Crawl для более безопасного использования.

Когда разработчики стремятся не только создать мощный ИИ, но и ИИ, которому можно доверять, как пользователи, так и отрасль защищены прозрачностью и сотрудничеством истинного открытого исходного кода.

Принятие пути открытого исходного кода

С многими, кто все еще осторожен в отношении этой возникающей технологии, гонка за то, чтобы стать iOS или Android крупных товарных моделей ИИ, началась – и поскольку глобальное сообщество ИИ буквально строит то, что станет стандартом для будущего, и системы ИИ уже управляют автомобилями и предлагают медицинские оценки, установление доверия путем создания не偏ременных, надежных и безопасных моделей ИИ никогда не было более критичным.

С китайским сообществом ИИ, пытающимся позиционировать себя как чемпионов открытой инновации, путь к безопасным моделям ИИ можно найти только в прозрачности истинного открытого исходного кода, который был доказан через десятилетия инноваций программного обеспечения. Бросание термина на системы, которые не делятся критическими компонентами, такими как данные, не позволяет разработчикам расследовать, воспроизводить и итерировать. Хотя привлекательность готовых моделей, таких как DeepSeek, ERNIE 4.5, Kimi K2 и Qwen3, неоспорима, разработчики, которые используют их, торгуют прозрачностью, которая стимулирует сотрудничество и инновации, на удобство.

Сообщество ИИ должно выбрать: принять радикальную прозрачность через подлинный открытый исходный код или рисковать построить критические системы завтра на черных ящиках сегодня.