岩猫星空网
10 月 29 日，开放源代码促进会（Open Source Initiative，OSI）发布了关于“开源AI定义”。根据该定义，真正开源的AI大模型必须提供训练数据的详细信息、完整的构建和运行AI的代码以及训练时的设置和权重。
OSI称，新定义是为了避免当前行业中对“开源大模型”的过度营销和使用误解。业内多方据此标准，认定当前市场上表面开源的大模型几乎都“名不副实”，包括大名鼎鼎的“开源大模型”标杆Llama和Gemma。
OSI是定义”开源“的组织，在过去两三年中，OSI发现传统的“开源”定义并不适用当前火热的AI大模型。因为AI大模型比传统开源软件更复杂：它不仅包含代码，还涉及大量的数据、复杂的模型架构以及训练过程中的各种参数等。而这些数据的收集、整理、标注等过程都对模型的性能和结果产生重要影响。传统的开源定义无法全面涵盖这些新的要素，导致在AI领域的适用性不足。
2023年，OSI对市场上的大模型调查发现，表面上开源的大模型几乎都“名不副实”。Hugging Face应用政策研究员Avijit Ghosh表示，将大模型描述为“开源”可能会使它们被认为更值得信赖。MIT Technology Review 的一份报告提到，一些专家认为，Meta 和 Google 的可免费访问模型对任何人开放，并可以调整，但这些模型并不“开放”，也不是真正的开源，因为它们限制了用户对模型的操作，并且训练数据集不公开。
去年6月，OSI表示将为开源AI重新设置定义。它邀请了70人专家组，包括研究员、律师、政策制定者和大型科技公司代表等，来共同协商制定AI开源定义。
如今，OSI正式宣布了开源AI定义（OSAID）1.0版。根据新定义，AI大模型若要被视为开源有三个要点：
OSAID还规定，开发者应享有使用、修改和共享模型的自由，而无需获得他人许可。对于新定义，独立研究员和开放源代码创建者Simon Willison称，“既然我们已经有了一个强有力的定义，也许我们可以更积极地抵制那些开源洗白（open washing）并宣称自己的工作是开源的公司。”
此前，国内也爆发了“大模型开源闭源”之争。某企业负责人曾公开表示，“很多人混淆了模型开源和软件开源的概念”。他觉得当前对外公开的许多所谓“开源大模型”其实并未开放训练源代码、预训练和精调数据等影响模型效果的关键信息，所以这些模型无法像开源软件一样，靠社区开发者一起参与来提升效果和性能。应用“开源大模型”的企业，其实很难迭代并优化这些模型，以至于无法高效地应用于企业场景。基于这些原因，该负责人的观点是：闭源模型更适合商业化。
未经允许不得转载：岩猫星空网 » OSI 正式定义“开源 AI”，抵制“开源洗白”将更有力
