{"id":13035,"date":"2024-06-24T10:53:44","date_gmt":"2024-06-24T10:53:44","guid":{"rendered":"https:\/\/dailyai.com\/?p=13035"},"modified":"2024-07-22T15:23:53","modified_gmt":"2024-07-22T15:23:53","slug":"the-rise-of-open-source-ai-models-transparency-and-accountability-in-question","status":"publish","type":"post","link":"https:\/\/dailyai.com\/nb\/2024\/06\/the-rise-of-open-source-ai-models-transparency-and-accountability-in-question\/","title":{"rendered":"Fremveksten av AI-modeller med \u00e5pen kildekode: \u00e5penhet og ansvarlighet i fare"},"content":{"rendered":"

Etter hvert som den generative AI-\u00e6raen skrider frem, har et bredt spekter av selskaper meldt seg p\u00e5 i kampen, og selve modellene har blitt stadig mer varierte.\u00a0<\/b><\/p>\n

Midt i denne AI-boomen har mange selskaper fremhevet modellene sine som \"\u00e5pen kildekode\", men hva betyr dette egentlig i praksis?<\/span><\/p>\n

Begrepet \u00e5pen kildekode har sine r\u00f8tter i programvareutviklingsmilj\u00f8et. Tradisjonell programvare med \u00e5pen kildekode gj\u00f8r kildekoden fritt tilgjengelig for alle, slik at alle kan se, endre og distribuere den.\u00a0<\/span><\/p>\n

\u00c5pen kildekode er i bunn og grunn en samarbeidsform for kunnskapsdeling som drives av programvareinnovasjon, noe som har f\u00f8rt til utvikling av blant annet operativsystemet Linux, nettleseren Firefox og programmeringsspr\u00e5ket Python.\u00a0<\/span><\/p>\n

Det er imidlertid langt fra enkelt \u00e5 anvende \u00e5pen kildekode-etikken p\u00e5 dagens massive AI-modeller.\u00a0<\/span><\/p>\n

Disse systemene trenes ofte opp p\u00e5 enorme datasett som inneholder terabytes eller petabytes med data, ved hjelp av komplekse nevrale nettverksarkitekturer med milliarder av parametere. <\/span><\/p>\n

Dataressursene som kreves, koster millioner av dollar, talentene er f\u00e5, og immaterielle rettigheter er ofte godt beskyttet.\u00a0<\/span><\/p>\n

Dette kan vi observere i OpenAI, som, som navnet antyder, tidligere var et AI-forskningslaboratorium som i stor grad var dedikert til \u00e5pen forskning.\u00a0<\/span><\/p>\n

Det er imidlertid etos raskt erodert<\/a> da selskapet luktet penger og trengte \u00e5 tiltrekke seg investeringer for \u00e5 n\u00e5 sine m\u00e5l. <\/span><\/p>\n

Hvorfor er det slik? Fordi \u00e5pen kildekode-produkter ikke er innrettet mot profitt, og kunstig intelligens er dyrt og verdifullt.\u00a0<\/span><\/p>\n

Etter hvert som generativ AI har eksplodert, har imidlertid selskaper som Mistral, Meta, BLOOM og xAI lansert modeller med \u00e5pen kildekode for \u00e5 fremme forskningen, samtidig som de hindrer selskaper som Microsoft og Google i \u00e5 f\u00e5 for stor innflytelse.<\/p>\n

Men hvor mange av disse modellene er egentlig \u00e5pen kildekode, og ikke bare av navn?<\/p>\n

Klargj\u00f8re hvor \u00e5pne modeller med \u00e5pen kildekode egentlig er<\/h2>\n

I en nylig publisert <\/span>studie<\/span><\/a>I en ny studie har forskerne Mark Dingemanse og Andreas Liesenfeld fra Radboud University i Nederland analysert en rekke fremtredende AI-modeller for \u00e5 unders\u00f8ke hvor \u00e5pne de er. De studerte flere kriterier, for eksempel tilgjengeligheten av kildekode, treningsdata, modellvekter, forskningsartikler og API-er.\u00a0<\/span><\/p>\n

For eksempel viste det seg at Metas LLaMA-modell og Googles Gemma rett og slett var \"\u00e5pen vekt\" - noe som betyr at den trente modellen er offentlig tilgjengelig for bruk uten full \u00e5penhet om koden, oppl\u00e6ringsprosessen, dataene og finjusteringsmetodene.\u00a0<\/span><\/p>\n

I den andre enden av spekteret fremhevet forskerne BLOOM, en stor flerspr\u00e5klig modell som er utviklet av et samarbeid mellom over 1000 forskere over hele verden, som et eksempel p\u00e5 ekte \u00e5pen kildekode-AI. Hvert eneste element i modellen er fritt tilgjengelig for inspeksjon og videre forskning.<\/span><\/p>\n

Artikkelen vurderte mer enn 30 modeller (b\u00e5de tekst og bilde), men disse viser den enorme variasjonen blant de som hevder \u00e5 v\u00e6re \u00e5pen kildekode:<\/span><\/p>\n