Открытый ИИ - это не только вопрос лицензии В журнале AI and Ethics опубликована работа «The Open Source Advantage in Large Language Models (LLMs)» (pdf). Статья впервые появилась как препринт в 2024 году, а в 2026 году получила публикацию Springer, то есть, сильно устарела, из-за этого стала интереснее. Авторы рассматривают открытые и закрытые большие языковые модели не только как разные способы распространения технологий, но и как разные модели развития ИИ. Главный аргумент авторов: закрытые модели выигрывают за счёт огромных вычислительных ресурсов, собственных наборов данных и способности быстро масштабироваться. Но эта эффективность имеет цену. Исследователь не видит исходных данных, процедур обучения и многих деталей разработки, поэтому не может полноценно воспроизвести результат, независимо проверить модель или найти причины её ошибок. Открытая модель даёт другой набор преимуществ. Доступность архитектуры, весов, данных или методик позволяет исследователям экспериментировать самостоятельно, адаптировать систему под конкретные задачи и языки, а результаты одной команды становятся основой для работы других. Авторы связывают с этим распространение LoRA - метода параметрически эффективной настройки моделей, при котором для адаптации не требуется переобучать все параметры. В результате даже организации с ограниченными ресурсами получают больше возможностей для экспериментов. Отдельно авторы рассматривают языковое и предметное разнообразие. Открытые проекты вроде BLOOM позволяют развивать модели с учётом языков и задач, которые могут быть недостаточно интересны коммерческим разработчикам. Это особенно важно там, где рынок слишком мал, чтобы оправдать большие затраты на закрытую разработку. Но «открытый» не означает автоматически «безопасный». У открытых проектов есть собственные проблемы: качество документации может сильно различаться, этические оценки не стандартизированы, а доступность модели сама по себе не гарантирует отсутствия предвзятости, уязвимостей или возможностей для злоупотребления. Поэтому авторы предлагают развивать стандартизированные модельные карты, аудит смещений и безопасности, а также инструменты автоматической проверки. Есть и важная техническая оговорка. В статье термины open-source и open-source model используются достаточно широко. Например, LLaMA приводится как пример открытого подхода, хотя конкретные лицензии Meta не во всех версиях соответствуют строгому определению свободного или открытого ПО. Поэтому корректнее говорить об открытых моделях или открытых экосистемах, а не автоматически считать любую доступную для скачивания модель open source. Авторы не утверждают, что закрытые модели исчезнут. Их вывод скорее в пользу гибридной архитектуры: закрытые системы сохраняют преимущества масштабирования, а открытые - прозрачности, воспроизводимости и адаптируемости. При этом для высокорисковых применений авторы предлагают механизмы независимой проверки даже там, где модель остаётся закрытой. Для ИИ это принципиальный вопрос: важна не только способность модели давать хороший ответ, но и возможность понять, как она появилась, проверить её ограничения и изменить её под общественные потребности. В этом смысле открытость становится не просто способом распространения программного обеспечения, а инфраструктурным условием независимого развития технологий.