Пять уровней открытости искусственного интеллекта Вокруг моделей искусственного интеллекта всё чаще используется слово «открытый». Но возможность скачать веса модели ещё не означает, что перед нами открытое программное обеспечение. Этой теме посвящена статья в Forbes. Автор предлагает рассматривать открытость ИИ не как переключатель «открыто/закрыто», а как несколько уровней. На одном конце находится доступ к модели через API, затем идут модели с доступными весами и различными ограничениями лицензии. Выше находятся модели, для которых публикуются методы обучения, код, данные и контрольные точки, необходимые для воспроизведения или существенной модификации системы. Веса (weights) - параметры уже обученной нейросети, определяющие её поведение. Если разработчик публикует веса, пользователь может получить модель и запустить её самостоятельно, но это ещё не обязательно позволяет понять, на каких данных и каким кодом она была обучена, изменить процесс обучения или независимо воспроизвести модель. Именно поэтому Open Source Initiative использует более строгий критерий. Согласно определению Open Source AI Definition, для открытого ИИ должны быть доступны параметры модели, полный код обучения и применения модели, а также достаточная информация о данных, чтобы можно было создать существенно эквивалентную систему. OSI отдельно отмечает, что многие модели, называемые «open source», фактически относятся к более широкой категории open-weight. Для компаний эта разница становится практической. Доступные веса могут позволить развернуть модель на собственной инфраструктуре и уменьшить зависимость от API конкретного поставщика. Но отсутствие информации о происхождении данных, процессе обучения и используемом коде ограничивает возможности аудита и воспроизводимости. Для государства и регулируемых отраслей добавляется вопрос технологической зависимости: если модель предоставляется исключительно как сервис, поставщик может изменить условия, прекратить поддержку или сделать сервис недоступным. Полностью открытая модель потенциально позволяет самостоятельно поддерживать и переобучать систему. В статье Forbes эти вопросы рассматриваются в контексте стоимости, контроля, происхождения данных и технологического суверенитета. При этом закрытость или открытость имеют разные причины. Разработчики могут стремиться сохранить коммерческую ценность моделей, не раскрывать обучающие данные или затруднить создание производных моделей. В статье также отмечается, что публикация весов упрощает их использование для дистилляции - создания более дешёвых моделей на основе поведения исходной системы. Таким образом, при оценке ИИ-модели недостаточно спросить, является ли она «открытой». Важно уточнить, что именно открыто: API, веса, лицензия, код, метод обучения, данные или всё необходимое для воспроизводимости системы. Именно различие между этими уровнями становится всё более существенным по мере того, как ИИ переходит из области экспериментов разработчиков в критически важную инфраструктуру бизнеса и государства.