Перегляд відкритого джерела в епоху генерації штучного інтелекту

Модель відкритого джерела – етика розробки програмного забезпечення, у якій вихідний код робиться вільно доступним для публічного розповсюдження або модифікації – давно є каталізатором інновацій. Ця ідея народилася в 1983 році, коли Річард Столлман, розробник програмного забезпечення, розчарувався в чорній скриньці свого закритого джерела друку.

Його бачення викликало рух вільного програмного забезпечення, проклавши шлях для відкритої екосистеми, яка живить більшу частину сучасного інтернету та інновацій програмного забезпечення.

Але це було понад 40 років тому.

Сьогодні генерація штучного інтелекту, з її унікальними технічними та етичними викликами, змінює значення “відкритості”, вимагаючи від нас перегляду та переосмислення відкритої моделі – не для її відмови, а для її адаптації.

Штучний інтелект та свободи відкритого джерела

Чотири фундаментальні свободи відкритого джерела програмного забезпечення – можливість виконувати, вивчати, модифікувати та поширювати будь-який код програмного забезпечення – суперечать природі генерації штучного інтелекту кількома способами:

• Виконання: Моделі штучного інтелекту часто вимагають дуже високих інфраструктурних та обчислювальних витрат, які обмежують доступ через обмеження ресурсів.
• Вивчення та модифікація: Моделі штучного інтелекту надзвичайно складні, тому розуміння та зміна їх без доступу до коду та даних, які його інформують, є суттєвим викликом.
• Поширення: Багато моделей штучного інтелекту обмежують поширення за конструкцією, особливо ті, які мають навчені ваги та власні набори даних, що належать постачальнику платформи.

Ерозія цих основних принципів не викликана злим наміром, а радше величезною складністю та вартістю сучасних систем штучного інтелекту. Насправді фінансові вимоги тренування моделей штучного інтелекту останнім часом значно зросли – тренування GPT-4 від OpenAI, як повідомляється, коштувало до 78 мільйонів доларів, крім зарплат працівників, з загальними витратами понад 100 мільйонів доларів. ​

Складність “відкритого джерела” штучного інтелекту

Справді відкрита модель штучного інтелекту вимагала б повної прозорості коду джерела висновку, коду джерела тренування, ваг моделі та тренувальних даних. Однак багато моделей, позначених як “відкриті”, випускають лише код висновку або часткові ваги, тоді як інші пропонують обмежену ліцензію або обмежують комерційне використання зовсім.

Ця безстороння відкритість створює ілюзію принципів відкритого джерела, але на практиці виявляється недостатньою.

Розгляньте той факт, що аналіз Ініціативи відкритого джерела (OSI) виявив, що кілька популярних великих мовних моделей , що називаються відкритими джерелами – включаючи Llama2 і Llama 3.x (розроблені Meta), Grok (X), Phi-2 (Microsoft) і Mixtral (Mistral AI) – є структурно несумісними з принципами відкритого джерела.

Виклики сталості та стимуляції

Більшість відкритого програмного забезпечення була створена на основі добровільних або грантових зусиль, а не інтенсивних обчислювальних інфраструктур. Моделі штучного інтелекту, з іншого боку, дорогі у тренуванні та підтримці, а витрати, як очікується, зростуть. Генеральний директор Anthropic, Даріо Амодей, передбачає, що тренування передової моделі може коштувати $100 мільярдів .

Без сталої моделі фінансування або структури стимуляції розробники стикаються з вибором між обмеженням доступу через закрите джерело або некомерційну ліцензію чи ризиком фінансового краху.

Помилкові уявлення про “відкриті ваги” та ліцензування

Доступність моделей штучного інтелекту ставала все більш заплутаною, оскільки багато платформ позиціонують себе як “відкриті”, одночасно вводячи обмеження, які фундаментально суперечать справжнім принципам відкритого джерела. Ця “хитрість” проявляється кількома способами:

• Моделі, позначені як “відкриті ваги”, можуть забороняти комерційне використання зовсім, зберігаючи їх більше як академічні курйози, ніж практичні бізнес-інструменти для громадськості.
• Деякі постачальники пропонують доступ до попередньо тренованих моделей, але ревно охороняють свої тренувальні набори даних та методи, роблячи неможливим відтворення чи перевірку їхніх висновків.
• Багато платформ вводять обмеження на поширення, які перешкоджають розробникам будувати на моделях або покращувати їх для своїх громад, навіть якщо вони можуть повністю “доступитися” до коду.

У цих випадках “відкритість для дослідження” – це просто подвійність для “закритості для бізнесу”. Результатом є нечесна форма блокування постачальника, коли організації інвестують час і ресурси в платформи, які здаються відкрито доступними, тільки щоб виявити критичні обмеження при спробі масштабувати або комерціалізувати застосування.

Юридична затримка

Штучний інтелект розвивається так швидко, що вже обганяє розвиток відповідних юридичних рамок, створюючи складну мережу інтелектуальних правових викликів, які посилюють попередні проблеми.

Перший великий юридичний поле битви зосереджується на використанні тренувальних даних. Глибокі моделі навчання беруть великі дані з Інтернету, такі як публічно доступні зображення та текст веб-сторінок. Це масове збирання даних викликало запеклі дебати про права інтелектуальної власності. Технологічні компанії стверджують, що їхні системи штучного інтелекту вивчають і вчаться з авторських матеріалів, щоб створити новий, трансформаційний контент. Власники авторських прав, однак, стверджують, що ці компанії штучного інтелекту незаконно копіюють їхні роботи, створюючи конкуруючий контент, який загрожує їхньому засобу існування.

Власність штучно створених похідних робіт представляє ще одну юридичну двозначність. Ніхто не зовсім впевнений, як класифікувати контент, створений штучним інтелектом, окрім Управління з питань авторських прав США, яке заявляє, що “якщо штучний інтелект повністю генерує контент, він не може бути захищений авторським правом”.

Юридична неоднозначність щодо генерації штучного інтелекту – особливо щодо порушення авторських прав, власності штучно створених робіт та незаконного контенту в тренувальних даних – стає ще більш складною, коли фундаментальні моделі штучного інтелекту виникають як інструменти геополітичної важливості: Нації, які беруть участь у розробці переважних можливостей штучного інтелекту, можуть бути менш схильні обмежувати доступ до даних, ставлячи країни з суворішими захистом інтелектуальної власності у невигідне становище.

Що повинно стати відкритим джерелом у епоху штучного інтелекту

Потяг генерації штучного інтелекту вже відправився і не показує ознак сповільнення. Ми сподіваємося побудувати майбутнє, де штучний інтелект заохочує, а не гальмує інновації. У цьому випадку технічним лідерам потрібна рамка, яка забезпечує безпечне та прозоре комерційне використання, сприяє відповідальному інноваціям, розглядає питання власності даних та ліцензування та відрізняє “відкритість” від “безкоштовності”.

Нова концепція, Відкрита комерційна ліцензія, може пропонувати шлях вперед, пропонуючи безкоштовний доступ для некомерційного використання, ліцензований доступ для комерційного використання та визнання та повагу до походження та власності даних.​​

Щоб адаптуватися до цієї нової реальності, спільнота відкритого джерела повинна розробити моделі відкритого ліцензування для штучного інтелекту, створити державно-приватні партнерства для фінансування цих моделей та встановити довірені стандарти прозорості, безпеки та етики.

Відкрите джерело змінило світ один раз. Генерація штучного інтелекту змінює його знову. Щоб зберегти дух відкритості, нам потрібно еволюціонувати букву її закону, визнаючи унікальні вимоги штучного інтелекту, одночасно звертаючись до викликів безпосередньо, щоб створити інклюзивну та сталую екосистему.