终于有了开源人工智能的“官方”定义。
开源倡议组织（OSI）长期致力于定义和“守护”所有开源事物，今天发布了其《开源人工智能定义》（OSAID）1.0版本。该定义是多年与学术界和业界合作的成果，旨在提供一个标准，让任何人都能判断人工智能是否属于开源——或者不是。
你或许会像这位记者一样好奇：为什么共识对于开源人工智能的定义很重要？OSI执行副总裁斯特凡诺·马富利（Stefano Maffulli）表示，一个主要的动机是让政策制定者和人工智能开发者达成共识。
马富利告诉TechCrunch：“监管机构已经在关注这一领域。”他指出，欧盟委员会等机构曾试图给予开源特殊认可。“我们主动向多元化的利益相关者和社区进行了明确的 outreach ——不仅仅是科技界的常客。我们甚至尝试联系那些经常与监管机构沟通的组织，以获取他们的早期反馈。”
开源人工智能
根据OSAID的规定，要被视为开源，一个人工智能模型必须提供足够的设计信息，以便某人能够“实质性”地重建它。该模型还必须披露关于其训练数据的相关细节，包括数据来源、数据处理方式以及如何获取或许可这些数据。
马富利说：“开源人工智能是一种让你能够完全理解其构建方式的人工智能模型。”“这意味着你可以访问所有组件，例如用于训练和数据过滤的完整代码。”
OSAID还规定了开发者在使用开源人工智能时应享有的使用权，例如自由地将模型用于任何目的，并在无需征求任何人同意的情况下对其进行修改。马富利补充道：“最重要的是，你应该能够在此基础上进行构建。”
OSI几乎没有可执行的强制机制。它无法施压要求开发者遵守或遵循OSAID。但它确实打算标记那些被描述为“开源”但未达到定义标准的模型。
马富利说：“我们希望当有人试图滥用‘开源’一词时，人工智能社区会说‘我们不认为这是开源的’，从而得到纠正。”历史上，这种做法的效果好坏参半，但并非完全没有影响。
许多初创公司和大型科技公司，尤其是Meta，一直使用“开源”一词来描述其人工智能模型的发布策略——但很少有公司符合OSAID的标准。例如，Meta规定，月活跃用户超过7亿的平台必须申请特别许可证才能使用其 Llama 模型。
马富利一直对Meta将其模型称为“开源”的决定持公开批评态度。他说，在与OSI讨论后，Google和Microsoft同意不再将未完全开源的模型称为“开源”，但Meta没有这样做。
长期将其模型宣传为“开源”的Stability AI要求年收入超过100万美元的企业获取企业许可证。而法国AI新锐Mistral的许可证禁止将某些模型及其输出用于商业活动。
去年8月，信号基金会、非营利组织AI Now研究所和卡内基梅隆大学的研究人员进行的一项研究发现，许多所谓的“开源”模型基本上只是名义上的开源。训练这些模型所需的数据被保密，运行它们所需的计算能力超出了许多开发者的能力范围，而微调它们的技术也复杂得令人望而生畏。
与其说是实现AI的民主化，这些“开源”项目往往倾向于巩固和扩大集中化的权力，该研究的作者得出结论。事实上，Meta的Llama模型已经积累了数亿次下载，而Stability声称其模型支撑了高达80%的所有AI生成图像。
不同意见
毫不意外地，Meta不同意这一评估——并对以书面形式制定的OSAID提出异议（尽管参与了起草过程）。一位发言人捍卫了公司针对Llama的许可证，辩称这些条款以及随之而来的可接受使用政策起到了防止有害部署的护栏作用。
Meta还表示，在分享模型细节（包括训练数据细节）方面采取“谨慎方法”，因为诸如加州的训练透明度法不断演变。
发言人表示：“我们在许多问题上与开源促进会（OSI）持一致意见，但像行业内的其他公司一样，我们不同意他们的新定义。”“目前并不存在唯一的开源AI定义，且由于以往的开源定义无法涵盖当今快速进步的AI模型的复杂性，因此对其进行定义是一项挑战。我们免费公开提供Llama模型，我们的许可协议和可接受使用政策通过设置一些限制来帮助保障人们的安全。无论技术定义如何，我们将继续与OSI及其他行业组织合作，使AI更加普及、自由且负责任地发展。”
该发言人提到了其他将“开源”AI进行规范化的努力，例如Linux基金会提出的定义，以及自由软件基金会对“免费机器学习应用”的标准，以及其他AI研究人员提出的提案。
颇具讽刺意味的是，Meta正是资助OSI工作的公司之一——此外还有亚马逊、谷歌、微软、思科、英特尔和Salesforce等科技巨头。（OSI最近从非营利机构斯隆基金会获得了一笔拨款，以减少对科技行业赞助商的依赖。）
Meta不愿披露训练数据，很可能与其——以及大多数——AI模型的开发方式有关。
AI公司从社交媒体和网站中抓取海量的图像、音频、视频等内容，并在这些通常被称为“公开可用数据”的数据上训练其模型。在当今竞争激烈的市场中，公司组装和优化数据集的方法被视为一种竞争优势，而各家公司将此作为其不予披露的主要原因之一。
但训练数据的细节也可能让开发者背上法律靶子。作者和出版商声称Meta使用受版权保护的书籍进行训练。艺术家们已提起诉讼，指控Stability抓取他们的作品并在未署名的情况下重现，他们将此行为比作盗窃。
不难看出，OSAID可能会给试图有利解决诉讼的公司带来问题，尤其是如果原告和法官认为该定义足够有力并决定在法庭上使用它的话。
开放性问题
有人认为该定义还不够充分，例如在处理专有训练数据许可方面。Lightning AI 的首席技术官 Luca Antiga 指出，尽管用于训练模型的数据并非免费公开，但模型仍可能满足 OSAID 的所有要求。如果你必须支付数千美元才能查看模型创建者付费获取授权的那些私人图像库，这还能算是“开放”吗？
Antiga告诉TechCrunch："为了具有实用价值，尤其是对企业而言，任何开源AI的定义都需要提供合理的信心，即所许可的内容能够根据组织的使用方式进行许可。"他补充道："通过忽视对训练数据许可的处理，OSI留下了一个巨大的漏洞，这将使条款在确定OSI许可的AI模型是否能在现实世界中被采用时变得效力不足。"
在OSAID 1.0版本中，OSI也未涉及与AI模型相关的版权问题，以及授予版权许可证是否足以确保模型满足开源定义。目前尚不清楚模型——或模型的组成部分——能否根据现行知识产权法受到版权保护。但如果法院裁定它们可以，OSI建议可能需要新的"法律工具"来正确地将受IP保护的模型开源。
Maffulli 同意该定义需要更新——而且可能比预想的更快。为此，OSI 成立了一个委员会，负责监督 OSAID 的应用情况，并为未来版本提出修订建议。
他说：“这不是地下室里个别天才的孤军奋战，而是在广泛利益相关者和不同兴趣群体参与下公开进行的工作。”