Định nghĩa trọng lượng mở cung cấp quan điểm mới về cuộc tranh luận OSAID

Cuộc tranh luận về việc gì cấu thành AI mã nguồn mở tiếp tục phát triển, với sự đóng góp đáng kể từ cả các nhà phát triển và lãnh đạo ngành. Sáng kiến Mã nguồn Mở (OSI) đã nỗ lực thiết lập một định nghĩa rõ ràng với Định nghĩa AI Mã nguồn Mở (OSAID), nhưng vẫn còn bất đồng về những gì nên được bao gồm. Để đáp lại, Liên minh Mã nguồn Mở (OSA) mới thành lập đã giới thiệu khung công tác riêng, Định nghĩa Trọng số Mở (OWD), nhằm giải quyết các thách thức đặc thù của phát triển AI.

OWD hướng tới việc cân bằng giữa AI đóng và mã nguồn mở bằng cách thiết lập các tiêu chuẩn cho những gì được coi là "mã nguồn mở" trong AI, đặc biệt đối với các mô hình ngôn ngữ lớn (LLMs). Nó tập trung vào ba lĩnh vực chính:

Các thành phần chính của Định nghĩa Trọng số Mở (OWD)

1. Khả năng truy cập trọng số mô hình

OWD nhấn mạnh tầm quan trọng của việc làm cho trọng số mô hình—các giá trị số kết nối các nút qua các lớp AI—có thể truy cập được đối với các nhà phát triển và nhà nghiên cứu. Những trọng số này, được xác định trong quá trình huấn luyện, rất quan trọng để hiểu và cải thiện các mô hình AI.

2. Thông tin bộ dữ liệu

Mặc dù OWD không bắt buộc cung cấp toàn bộ quyền truy cập vào dữ liệu huấn luyện, nó nhấn mạnh sự cần thiết của việc cung cấp thông tin chi tiết về nội dung và phương pháp thu thập của bộ dữ liệu. Sự minh bạch này giúp đánh giá hiệu suất và các thiên kiến tiềm tàng của mô hình.

3. Minh bạch kiến trúc

Khung công tác khuyến khích tiết lộ kiến trúc của mô hình, điều này có thể hỗ trợ cộng đồng trong việc cải tiến và sửa đổi thêm.

Amanda Brock, CEO của OpenUK, ủng hộ OWD, xem nó như một bước tiến tới sự hợp tác toàn cầu tốt hơn. Bà phê bình OSAID của OSI, cho rằng việc OWD tập trung vào việc phân tách các thành phần AI là thực tế hơn. Quan điểm của Brock là việc định nghĩa tính mở của từng yếu tố riêng lẻ như dữ liệu, trọng số và mô hình hiệu quả hơn so với một định nghĩa rộng, có thể không phù hợp.

OSA, do nhà sáng lập Sam Johnston lãnh đạo, nhằm mở rộng Định nghĩa Mã nguồn Mở (OSD) truyền thống để bao gồm các yếu tố đặc thù của AI như trọng số, đề xuất một "Mã nguồn Mở 2.0." Động thái này diễn ra giữa các cuộc tranh luận đang diễn ra về tính áp dụng của OSD đối với AI, đặc biệt liên quan đến dữ liệu và trọng số mô hình.

Đáp lại OWD, Stefano Maffulli của OSI chỉ ra rằng các cộng đồng, như Quỹ Linux, đã phát triển các định nghĩa riêng về trọng số mở. Ngoài ra, Heather Meeker, một luật sư mã nguồn mở nổi tiếng, nhấn mạnh sự khác biệt cơ bản giữa mã nguồn phần mềm và Trọng số Mạng Nơ-ron (NNWs), lập luận rằng các nguyên tắc cấp phép phần mềm mã nguồn mở không dễ dàng áp dụng cho NNWs do bản chất của chúng là kiến thức học được lưu trữ trong các ma trận lớn.

Meeker đề xuất Giấy phép Trọng số Mở Cho phép như một cách để chia sẻ NNWs theo một khung công tác tương tự mã nguồn mở, nhấn mạnh các mục tiêu ban đầu của tự do mã nguồn mở. Tuy nhiên, bà thừa nhận những thách thức trong việc áp dụng các tự do này cho NNWs, do bản chất không thể đọc bởi con người và không thể gỡ lỗi của chúng.

Maffulli nhấn mạnh rằng các định nghĩa của OSI, như của Quỹ Linux, được định hướng bởi cộng đồng, phản ánh bản chất hợp tác của phát triển mã nguồn mở. Ông lưu ý rằng OSI đang theo dõi cách các nhà thực hành AI áp dụng các định nghĩa này trong thực tế.

Bất chấp những nỗ lực này, Meeker bày tỏ sự nghi ngờ về khả năng một định nghĩa duy nhất trở thành tiêu chuẩn thực tế, viện dẫn ảnh hưởng của các khung quy định, quy định về quyền riêng tư và động lực thị trường.

Cuộc tranh luận đang diễn ra nhấn mạnh một thách thức lớn hơn: xác định điều gì thực sự cấu thành AI mã nguồn mở. Mặc dù có sự đồng thuận rằng việc chỉ gắn nhãn một mô hình AI hoặc bộ dữ liệu là "mã nguồn mở" là không đủ—như trong trường hợp Llama của Meta—cộng đồng vẫn còn xa mới đạt được một định nghĩa thống nhất.