开源AI到底是什么？业界：超出开源软件范畴，需要重新界定

最近AI圈突然流行起开源概念。Meta承诺将会打造开源AI，马斯克起诉OpenAI，说它缺少开源模型。与此同时，一批科技领袖和科技企业纷纷为开源概念呐喊。不过科技界碰到一个难以解决的根本问题：它们对“开源AI”的概念无法达成共识。 

照字面意思，开源AI意味着未来任何人都可以参与科技开发，它能加速创新、增强透明度，让用户对系统拥有更多控制权。但到目前为止没有人给“开源AI”进行明确界定，科技巨头完全可以根据自己的需要扭曲概念，甚至有可能利用开源AI稳固自身地位。

在这里我们不得不提到Open Source Initiative (OSI)，它是一个非盈利组织，成立于1998年，正是它推动了开源软件的发展。OSI已经招集研发人员、律师、议员、大科技公司代表，总计约70人，试图明确界定“开源AI”概念。

OSI高管Stefano Maffulli说，他们对开源AI原则已经达成广泛共识，但细节方面分歧很多。要考虑复杂的竞争利益，要找到一套方案让所有人满意，要让大企业积极参与，真的不容易。

大厂的态度

去年7月，Meta开源Llama 2模型。Meta AI与开源事务法律副总顾问Jonathan Torres说：“我们支持OSI明确定义开源AI，为了全球开源社区的利益，我们会积极参与定义工作。”

相比Meta，OpenAI显得没有那么积极。在过去几年前，OpenAI很少谈及自己的研发进度，理由是安全无法保证。OpenAI新闻发言人称：“只有当我们谨慎评估好利益与风险，包括误用、加速等问题，才会考虑将强大的AI模型开放。”

Stability AI和Aleph Alpha已经提供一些开源模型，Hugging Face托管了一批免费使用AI模型。

谷歌Gemini和PaLM 2模型也没有开源，但Gemma模型已经可以免费使用，它的对手是Meta Llama 2，但谷歌所说的不是“开源”，而是“开放”。

到底上述模型能不能称为“开源”，大家意见并不统一。不管是Llama 2还是Gemma都需要获得授权，使用时会受到限制，苛刻的要求无疑是与开源相违背的。既然开源就不能施加任何限制，科技企业显然没有做到。

OSI高管Stefano Maffulli称，开源的目的本来是要确保开发者可以随意使用、研究、修改、分享软件，不施加任何限制，但AI的运行方式有些不同，所以原本适用于软件的开源理念无法流畅转移到AI领域。

Stefano Maffulli解释称，AI模型涉及的组件太多了，如果是软件，只需要修改底层代码就行了，AI更复杂，根据目的的不同，修改AI模型会牵涉到训练模型、训练数据、处理数据的代码、管理训练流程的代码，还有模型的底层架构等。

基本自由是什么？基本权利是什么？我们都需要明确界定。为了执行基本权利如何操作也不够明晰。只有定义明确，定义被大家尊重、接受才能降低合规成本，减少摩擦，分享知识。

当前的症结在于数据。所有大型科技企业只是简单发布了预训练模型，没有提供训练数据。如果想给开源AI下一个更明确的定义，没有数据就很难修改、研究模型，所以它们并不是开源模型。

有些人持不同意见，他们认为只要简单描述数据，研究人员就能深入调查模型，没有必要通过重新训练来修改模型。预训练模型可以通过所谓的微调进行调整，也就是用一批规模较小的特殊数据集来重新训练。

比如Meta提供的Llama 2，Meta虽然给出的是预训练模型，但已经有一批开发者下载、修改它，然后分享自己的修改结果。开发者会用它完成各种项目，它已经拥有一整套生态系统，我们能不能叫它半开放？或者叫半开源？

非盈利组织Open Future的研发人员Zuzanna Warso认为，从技术角度看，如果没有原始训练数据，研发人员无法修改模型，但没有训练数据就真的无法自由研究模型吗？这个争论点也值得商榷。

Zuzanna Warso称：“在整个流程中，训练数据是关键组成部分。如果我们真的关心开放，也应该关心数据的开放度。”

开源的意义

AI Now Institute联合执行董事Sarah Myers West去年曾发表一篇论文，她在论文中指出，许多开源AI项目缺少开放性，但她同时也指出，训练尖端AI需要大量数据和计算力，苛刻的要求限制了小玩家的参与，不管模型的开源程度如何都受到限制。

通过开源，人们希望达成怎样的目标？对于这个问题大家也莫衷一是。Sarah Myers West称：“是为了安全？为了学术研究？还是为了增强竞争？我们必须对目标有更清晰的认识，系统开放到什么程度会对目标追求产生怎样的影响，这点也需要考虑。”

OSI在定义草案中认为，开源能带来好处，其中自主、透明就是关键收益，但文件中也提到了“超出范围的问题”，比如伦理、信任、责任。

Maffulli解释称，从历史上看开源社区的关注重点是如何减少软件分享摩擦，不能陷入无限争论，比如应该如何使用软件。

有人不认同Maffulli的说法，技术是中性的，伦理问题不可控，这些有争议的问题本来就很重要，之所以拒绝讨论是避免松散的开源社区分崩离析。

除了OSI，还有一些组织也想为开源AI指明方向，比如2022年成立的 Responsible AI Licenses（RAIL），它想通过开源授权的方式限制模型特殊使用方式。拿到授权后，开发者不能以不合适、不道德的方式使用AI模型。在Hugging Face的托管平台上，已经有28%的模型使用了RAIL授权。

谷歌Gemma的授权也遵循相似的原则，拿到授权的开发者不能将模型应用于有害场景。艾伦人工智能研究所也制定了自己的授权规则。

开源软件管理公司Tidelift的联合创始人Luis Villa认为，考虑到AI与常规软件有所不同，探索不同程度的开放是难以避免的，这样做对整个行业也可能是有益的。但是各种开放授权互不兼容可能会影响协作，只有协作能让开源走向成功，除此还有其它一些负作用，比如AI创新会受影响，透明度会降低，小玩家参与难度提升。

社区应该围绕单一标准进行授权合并，否则就会各行其是。对于OSI的方针政策，Luis Villa也不是很认可。当初OSI提出开源软件定义时时间充裕，外部审查也很少，如今的AI环境大不相同，有大企业和监管者干涉。

如果开源社区无法给出明确的定义，其它人就会根据自己的需求各提出一套定义。Luis Villa称：“它们会填补真空，扎克伯格可能会告诉我们所谓的开源AI是什么，他讲的话影响肯定很大。”（小刀）