Міраж Китаю в галузі штучного інтелекту: як “відкритий вихідний код” ховає те, що найважливіше

З великими технологічними компаніями, такими як Google, Microsoft і Meta, що борються за домінування на ринку штучного інтелекту, китайські компанії High Flyer, Baidu, Moonshot і Alibaba зробили заголовки, випустивши свої великі мови моделі DeepSeek, ERNIE 4.5, Kimi K2 і Qwen3 як відкритий вихідний код. Ця зміна від випуску охоронюваних, пропріетарних моделей штучного інтелекту була сприйнята як ознака того, що китайська індустрія штучного інтелекту приймає силу відкритого вихідного коду для демократизації розвитку штучного інтелекту та стимулювання інновацій.

Як і багато інших гравців, які називають свої пропозиції відкритим вихідним кодом, навіть якщо це не так, High Flyer, Baidu і Moonshot не дійсно поділилися критичними компонентами, такими як набори даних, які лежать в основі їхніх моделей. Коли ці великі моделі стають комодітами, на які розробники покладаються, прозорість справжнього відкритого вихідного коду, який можна протестувати, розслідувати та ітерувати, є критично важливою для створення неупередженої, етичної та корисної технології, якій ми всі можемо довіряти. Всі ці “відкриті” моделі насправді є “відкритими вагами”, тобто їх можна завантажити та використовувати, але їх не можна інспектувати жодним значимим способом без даних.

Як гравці з США, такі як Open AI та Meta, здається, відходять від відкритого вихідного коду, відкрите запрошення Baidu використовувати свою безкоштовну колекцію моделей ERNIE 4.5 може дійсно стимулювати інновації та співробітництво з розробниками, які хочуть створити менші, потужніші програми. Водночас компанія, яка подібна до китайської Google, дала собі конкурентну перевагу, заохочуючи прийняття та зміцнюючи свої моделі в зростаючій екосистемі штучного інтелекту.

Те саме можна сказати про DeepSeek, низькоціновий Kimi K2 та оновлений Qwen3, який має бенчмарки, що викликають закриті моделі, такі як Claude Opus 4 і GPT-4o-0327.

Ці гравці штучного інтелекту добре позиціонували себе в гонці за те, щоб стати комодітною моделлю вибору, а останнє інноваційне оновлення Qwen3 було навіть надихнено відгуками відкритої спільноти.

Як і багато хто, хто називають свою велику мовну модель відкритим вихідним кодом, китайська спільнота штучного інтелекту не дійсно поділяється даними чи іншими критичними компонентами своїх систем штучного інтелекту. Натомість вони просять глобальних розробників покладатися на свою сліпу віру в моделі, які вони не можуть真正но зрозуміти чи розслідувати.

Ставлення претензій на майбутнє з відкритим вихідним кодом комодітних моделей штучного інтелекту

Коли iPhone з’явився на ринку в 2007 році, деякі припускали, що Mac буде панувати на ринку смартфонів з iOS, але участь у відкритому вихідному коді є інтегральною для стартапів, а також сприяє підприємницькому та економічному зростанню у світі – і Android, стартап, придбаний Google в 2005 році, слідував цьому шляху до перемоги.

Відкриваючи відкритий вихідний код програмного забезпечення, яке можна було переглянути, змінити, прийняти та поділитися, Android запросив академіків, розробників та навіть конкурентів співпрацювати над програмним забезпеченням. Це прискорило процес інновацій, демократизувало ринок та в кінцевому підсумку знизило ціни. Android вийшов на ринок через рік після першого iPhone, а на початку цього року він мав 71,88% глобального ринку проти 27,65% у iOS.

У технологічній революції, яка, здавалося, відбулася за одну ніч, смартфони стали універсальними, а навіть якщо програмне забезпечення, апаратне забезпечення та інтерфейс користувача продовжують поліпшуватися, індустрія виросла далеко за межі спроб революціонізувати роботу смартфонів. З того часу, як мобільні телефони стали комодітами, інновації відбуваються в додатках, які працюють на них, і щоб бути конкурентоспроможними, постачальники смартфонів повинні підтримувати екосистему, яка запрошує розробників.

Менше ніж через три роки після запуску ChatGPT індустрія штучного інтелекту знаходить себе на подібному порозі. Кожен гравець у глобальній індустрії штучного інтелекту намагається зробити свої моделі наступним Android або навіть iOS, а йдучи по шляху відкритого вихідного коду з моделями DeepSeek, ERNIE 4.5 та Kimi K2, китайські інноватори намагаються поставити свої претензії на зростаючу екосистему.

Хоча це може працювати на їхню користь, однак це не сприяє справжній прозорості відкритого вихідного коду, яка є важливою для створення неупередженої, етичної та корисної технології, якій ми всі можемо довіряти.

Дані – це відсутній компонент у більшості відкритих моделей штучного інтелекту

З моделями штучного інтелекту, які значно складніші для створення та обміну, ніж традиційне програмне забезпечення, вимога повністю відкритого вихідного коду штучного інтелекту не є малим замовленням. Натомість простого вихідного коду, системи штучного інтелекту складаються з семи компонентів – вихідного коду, параметрів моделі, набору даних, гіперпараметрів, коду навчання, генерації випадкових чисел та програмних фреймворків.

Кожен компонент повинен працювати в концерті, щоб модель давала бажані результати, що означає, що розробникам потрібна повна видимість, щоб поділитися, змінити та прийняти систему та зрозуміти, що відбувається. З репродукцією як основою наукового методу, однак, індустрія штучного інтелекту має звичай використовувати термін “відкритий вихідний код” для позначення безкоштовних або низьких моделей, які надаються з доступом до декількох компонентів пазла.

Baidu, наприклад, зробив безкоштовно доступними десять моделей ERNIE 4.5. Разом із поділом моделі та параметрів компанія також відкрила вихідний код ERNIEKit та інструменти розгортання FastDeploy. Ці інструменти дозволяють розробникам створювати потужні додатки штучного інтелекту, надаючи промислові можливості, ефективні потоки навчання та висновку, а також сумісність з різним апаратним забезпеченням.

Іншими словами, Baidu надав розробникам цікаві інструменти, які дозволяють їм швидше розблокувати інновації, що, в свою чергу, повинно спонукати їх вибрати ERNIE 4.5 замість конкурентів.

Розробники, які використовують ERNIE 4.5, однак, просять сліпо довіряти моделі, оскільки Baidu тримає багато прихованим, включаючи набори даних, які інформують та вчать її моделі.

Сила прозорих відкритих моделей штучного інтелекту

Хоча кожен компонент пазла штучного інтелекту є критично важливим для роботи моделі, 80% проєктів штучного інтелекту терплять невдачу, а дані знаходяться в центрі проблеми. Недостовірні, неповні та упереджені набори даних ведуть до моделей, які не поводяться передбачувано чи бажано.

Наприклад, недавно випущене фатальне відео аварії Tesla Full-Self-Driving (FSD) 2023 року викрило найгірший сценарій того, що може статися, коли набір даних та модель не відповідають вимогам. Коли Tesla Model Y прискорювалася в яскраве заходяще сонце, частково автоматизована система не могла зрозуміти чи реагувати належним чином на те, що бачили її камери – або не бачили. Хоча машини, керовані людьми, сповільнювалися та зупинялися, плутанина FSD призвела до загибелі жінки.

Ця трагічна невдача відобразила неповний візуальний набір даних, а також відсутність механізму безпеки, який брав би до уваги такі сліпі плями. Коли розробникам немає видимості даних, вони не можуть побачити, як дані взаємодіють з моделлю, що означає, що вони не можуть виявити такі помилки та ітерувати для надійного виконання.

Ще більш занепокоєння викликає той факт, що без даних, які живлять модель, їм доводиться сліпо довіряти їй.

Коли набори даних відкриті, однак, спільнота штучного інтелекту довела, що вона викриє тривожні питання, як це зробила, виявивши понад 1000 URL-адрес, що містять перевірений матеріал дитячої сексуальної експлуатації в LAION 5B. З набором даних, використаним для моделей генерації тексту в зображення штучного інтелекту, який є фундаментальним для створення додатків, таких як Stable Diffusion та Midjourney, було б катастрофічно для індустрії штучного інтелекту, якщо користувачі почали створювати незаконні фотореалістичні зображення. Натомість відкрита природа цього набору даних дозволила спільноті виявити небезпечний контент та мотивувати виправлення, Liaison B.

Прийняття шляху відкритого вихідного коду

З багатьма, хто все ще побоюється цієї зростаючої технології, гонка за те, щоб стати iOS або Android великих комодітних моделей штучного інтелекту триває – і оскільки глобальна спільнота штучного інтелекту буквально будує те, що стане стандартом для майбутнього, а системи штучного інтелекту вже керують автомобілями та надають медичні оцінки, встановлення довіри шляхом створення неупередженого, надійного та безпечного штучного інтелекту ніколи не було більш критично важливим.

З китайською спільнотою штучного інтелекту, яка намагається позиціонувати себе як чемпіонів відкритої інновації, шлях до безпечного штучного інтелекту лежить лише у прозорості справжнього відкритого вихідного коду, який доведений через десятиліття інновацій у програмному забезпеченні. Наклеювання терміну на системи, які не дійсно поділяються критичними компонентами, такими як дані, не дозволяє розробникам розслідувати, реплікувати та ітерувати. Хоча привабливість готових моделей, таких як DeepSeek, ERNIE 4.5, Kimi K2 та Qwen3, є незаперечною, розробники, які використовують їх, торгують прозорістю, яка сприяє співробітництву та інноваціям, за зручність.

Спільнота штучного інтелекту повинна вибрати: прийняти радикальну прозорість через справжній відкритий вихідний код або ризикувати будувати критичні системи завтрашнього дня на сьогоднішніх чорних коробках.