我们距离定义开源人工智能又近了一大步——但并非所有人都感到高兴

开源倡议草案的最新版本可供审查。让争论开始吧！

香港——套用已故约翰·F·肯尼迪的话说，我们选择定义开源人工智能不是因为它很容易，而是因为它很难；因为这个目标将有助于组织和衡量我们最好的精力和技能。

开源计划 (OSI) 执行董事 Stefano Maffulli 告诉我，将人工智能 (AI) 与现有开源许可证混合在一起的软件和数据并不合适。 “因此，”马富利说，“我们需要为开源人工智能做出新的定义。”

Firefox 的上级组织 Mozilla 基金会对此表示同意。

Mozilla 的一位代表解释说，大型科技巨头“不一定遵守有关其人工智能模型的完整开源原则。”此外，新的定义“将帮助立法者制定规则和法规，以保护消费者免受人工智能风险。”

OSI 一直在努力为开源人工智能创建一个全面的定义，类似于软件的开源定义。当许多公司声称他们的 AI 模型是开源的，但实际上根本没有开放时，例如 Meta 的 Llama 3,1，这项关键工作满足了人们日益增长的明确开源 AI 系统构成的需求。

最新的 OSI 开源 AI 定义草案 0.0.9 有几个重大变化。这些都是：

• 明确的定义：现在的定义明确将模型和权重/参数识别为人工智能“系统”的一部分，强调所有组件都必须符合开源标准。这种清晰度确保整个人工智能系统（而不仅仅是部分）遵守开源原则。
• 训练数据的作用：训练数据是有益的，但对于修改人工智能系统来说不是必需的。这一决定反映了共享数据的复杂性，包括法律和隐私问题。该草案将训练数据分为开放、公开和不可共享的非公开数据，每种数据都有具体的指导方针，以提高透明度和对人工智能系统偏差的理解。
  
• 清单分离：许可证评估清单已与主要定义文档分离，与模型开放性框架 (MOF) 保持一致。这种分离允许集中讨论如何识别开源人工智能，同时保持定义中的一般原则。

正如 Linux 基金会执行董事 Jim Zemlin 在 KubeCon 和中国开源峰会上详细介绍的那样，MOF“是帮助评估模型是否开放的一种方式。它允许人们对模型进行评分。”

泽姆林补充说，财政部内部存在三个开放层次。 “最高级别，第一级，是一个开放的科学定义，其中数据、使用的每个组件以及所有指令都需要以完全相同的方式实际创建您自己的模型。第二级是其中的一个子集，其中不是所有内容实际上是开放的，但大多数都是开放的。然后，在第三级，您可能会遇到数据不可用的区域，但描述数据集的数据将可用，您可以理解这一点。该模型是开放的——并非所有数据都可用。”

这三个级别——这个概念也出现在训练数据中——对于一些开源纯粹主义者来说很难接受。随着关于哪些人工智能和机器学习 (ML) 系统是真正开放的、哪些不是真正开放的争论的继续，关于模型和训练数据的争论将会出现。

开源人工智能定义的构建是与全球不同利益相关者合作完成的。其中包括 Code for America、维基媒体基金会、知识共享、Linux 基金会、微软、谷歌、亚马逊、Meta、Hugging Face、Apache 软件基金会和联合国国际电信联盟。

OSI 举办了多次市政厅和研讨会来收集意见，确保定义具有包容性并代表各种观点。该过程仍在进行中。

该定义将通过全球路演以及收集不同社区的反馈和认可继续完善和完善。

OSI 的 Maffulli 知道并不是每个人都会对这个定义草案感到满意。事实上，在这个版本出现之前，AWS 首席开源技术策略师 Tom Callaway 在 LinkedIn 上发帖称：“我坚信（以及许多其他开源人士的信念），当前的开源 AI 定义并不能准确确保：人工智能系统保留用户不受限制的运行、复制、分发、研究、更改和改进的权利。”

现在草案已经公布，我相信其他人也会有发言权。 OSI 希望在 2024 年 10 月举行的 All Things Open 会议上提出该定义的稳定版本。如果一切顺利，结果将是大多数（如果不是所有人）都同意的定义，该定义可促进透明度、协作和创新在开源人工智能系统中。