z Otwarte oprogramowanie jest na to najlepszym rozwiązaniem dział

Ćwierć wieku temu napisałem książkę pt.Kodeks rebeliantów”. Była to pierwsza – i nadal jedyna – szczegółowa historia początków i powstania darmowe oprogramowanie I otwarte źródłona podstawie wywiadów z utalentowanymi i hojnymi hakerami, którzy wzięli udział. Wtedy było jasne, że open source stanowi potężną alternatywę dla tradycyjnego, prawnie zastrzeżonego podejścia do tworzenia i dystrybucji oprogramowania. Jednak niewielu mogło przewidzieć, jak całkowicie otwarte oprogramowanie zdominuje komputery. Oprócz swojej roli w obsłudze każdego aspektu Internetu i zasilaniu większości telefonów komórkowych z systemem Android, został on przyjęty przez start-upy ze względu na niezrównane połączenie mocy, niezawodności i niskich kosztów. Jest to również naturalne rozwiązanie dla zastosowań w chmurze ze względu na możliwość skalowania. To nie przypadek, że przez ostatnie dziesięć lat właściwie 100% z 500 najlepszych superkomputerów na świecie wszyscy korzystają z systemu operacyjnego opartego na otwartym kodzie źródłowym Linuksa.

Ostatnio pojawiło się wiele wiodących systemów sztucznej inteligencji wydany jako open source. Rodzi to ważne pytanie, co dokładnie oznacza „otwarte oprogramowanie” w kontekście generatywnego oprogramowania AI, które obejmuje znacznie więcej niż tylko kod. The Inicjatywa otwartego oprogramowaniaktóry sporządził oryginał definicja otwartego źródłarozszerzył tę pracę o swój Definicja sztucznej inteligencji typu open source. Warto zauważyć, że UE wyraźnie uznała szczególną rolę otwartego oprogramowania w dziedzinie sztucznej inteligencji. W niedawnej unijnej ustawie o sztucznej inteligencji Systemy AI o otwartym kodzie źródłowym są zwolnione od potencjalnie uciążliwego obowiązku sporządzania szeregu ogólnie wymaganej dokumentacji.

Może to stanowić główną zachętę dla twórców sztucznej inteligencji w UE do wybrania drogi otwartego oprogramowania. Europejscy badacze akademiccy pracujący w tej dziedzinie prawdopodobnie już to robią, zwłaszcza ze względu na koszty. Paul Keller wskazuje w poście na blogu, że inny akt prawodawstwa UE, dyrektywa o prawach autorskich na jednolitym rynku cyfrowym z 2019 r. (CDSM), stanowi kolejny powód, dla którego instytucje badawcze powinny udostępnić swoje prace jako open source:

Artykuł 3 dyrektywy CDSM umożliwia tym instytucjom przesyłanie tekstów i eksplorację danych wszystkich „utworów lub innych przedmiotów objętych ochroną, do których mają one legalny dostęp” do celów badań naukowych. Pod pojęciem eksploracji tekstów i danych rozumie się „każdą zautomatyzowaną technikę analityczną mającą na celu analizę tekstu i danych w formie cyfrowej w celu wygenerowania informacji obejmujących między innymi wzorce, trendy i korelacje”, co wyraźnie obejmuje rozwój modeli sztucznej inteligencji (zob. Tutaj lub, ostatnio, Tutaj).

W poście Kellera szczegółowo opisano, w jaki sposób wpływa to na badania nad sztuczną inteligencją, ale wynik końcowy jest następujący:

o ile model jest udostępniany zgodnie z misją badawczą leżącą w interesie publicznym organizacji podejmujących szkolenie (na przykład poprzez udostępnienie modelu wraz z jego wagami na licencji typu open source) i nie jest komercjalizowany przez te organizacje, nie ma to również wpływu na status reprodukcji i ekstrakcji dokonanych w procesie szkolenia.

Oznacza to, że art. 3 faktycznie obejmuje pełną ścieżkę opracowywania modelu (od gromadzenia danych do publikacji modelu na licencji open source), którą realizuje większość niekomercyjnych publicznych twórców modeli sztucznej inteligencji.

Jak to wskazuje, korzystanie z licencji typu open source ma kluczowe znaczenie dla stosowania art. 3 unijnego prawodawstwa dotyczącego praw autorskich do celów badań nad sztuczną inteligencją.

Godne uwagi jest to, jak dwa różne akty prawne UE, przyjęte w odstępie kilku lat, wspólnie tworzą specjalną kategorię systemów sztucznej inteligencji typu open source, która pozwala uniknąć większości problemów prawnych związanych ze szkoleniem systemów sztucznej inteligencji na materiałach objętych prawami autorskimi, a także obciążeń biurokratycznych nałożonych przez unijną ustawę o sztucznej inteligencji na systemy komercyjne. Keller nazywa je „publiczną sztuczną inteligencją”, którą definiuje jako:

Systemy sztucznej inteligencji tworzone przez organizacje działające w interesie publicznym i koncentrujące się na tworzeniu wartości publicznej, a nie na wydobywaniu jak największej wartości ze wspólnych zasobów informacyjnych.

Publiczne systemy sztucznej inteligencji są ważne z co najmniej dwóch powodów. Po pierwsze, ich misją jest służenie interesowi publicznemu, a nie skupianie się na maksymalizacji zysków. Ma to oczywiście kluczowe znaczenie w czasach, gdy dzisiejsi giganci AI chcą zarobić jak najwięcej pieniędzy, prawdopodobnie w nadziei, że uda im się to zrobić, zanim pęknie bańka AI.

Po drugie, publiczne systemy sztucznej inteligencji umożliwiają UE konkurowanie zarówno z amerykańskimi, jak i chińskimi przedsiębiorstwami zajmującymi się sztuczną inteligencją – nie konkurując z nimi. Naiwnością jest sądzić, że Europa będzie kiedykolwiek w stanie dorównać poziomem inwestycji kapitału wysokiego ryzyka, z jakiego korzystają obecnie znane amerykańskie start-upy w dziedzinie sztucznej inteligencji, lub że UE jest przygotowana i zdolna do wspierania lokalnego przemysłu tak długo i tak głęboko, jak chiński rząd najwyraźniej planuje to robić dla swoich rodzimych firm zajmujących się sztuczną inteligencją. Jednak publiczne systemy sztucznej inteligencji, które są w pełni otwarte i korzystają z unijnego prawa instytucji badawczych do eksploracji tekstów i danych, oferują wyjątkowo europejskie podejście do generatywnej sztucznej inteligencji, które może nawet sprawić, że takie systemy będą akceptowalne dla tych, którzy martwią się tym, jak są zbudowane i jak są wykorzystywane.

Obserwuj mnie @glynmoody dalej Mastodont i dalej Błękitny. Pierwotnie opublikowany w Kultura muru blogu.

Zapisano pod: AI, CDSM, prawo autorskie, ue, generatywna ai, llms, otwarte źródło, otwarte źródło AI, masz publiczność, eksploracja tekstów i danych