該來的終于來了。

本周，人工智能領域迎來了對于「開源」的官方定義。開放源代碼促進會（Open Source Initiative，OSI）發布了「開源 AI 定義」的 1.0 正式版。此舉旨在澄清 Open Source 這一術語在快速發展的科技領域中，經常出現的模糊用法。

值得關注的是在此機制下，一直以來開源大模型的標桿 Llama 3 也不符合本規則。

長期以來，OSI 一直為開源軟件的構成設定行業標準，但人工智能系統包含傳統許可未涵蓋的元素，例如模型訓練數據。現在，要使 AI 系統被視為真正的開源系統，它必須提供：

• 可訪問用于訓練 AI 的數據的詳細信息，以便其他人可以理解和重新創建；
• 用于構建和運行 AI 的完整代碼；
• 訓練中的設置和權重，幫助 AI 產生相應的結果。

這一定義直接直擊 Meta 推動的 Llama 大模型。雖然在生成式 AI 領域里，Llama 一直被廣泛宣傳為最大的開源 AI 模型，Llama 的使用條款中支持公眾下載和使用，但其商業用途受到一定限制（對于擁有超過 7 億用戶的應用程序），且不提供對訓練數據的訪問，這導致其不符合 OSI 的無限制使用、修改和共享自由標準。

對此，Meta 發言人 Faith Eischen 對此表示，雖然「在很多事情上都同意合作伙伴 OSI 的觀點」，但 Meta 不同意這一定義。不應該設置單一的開源 AI 定義，人們此前對于開源的定義沒有涵蓋當今快速發展的 AI 模型的復雜性。

不過，無論技術的定義如何，Meta 表示仍將繼續與 OSI 和其他行業組織合作，以負責任的方式推動 AI 朝著可訪問和免費的方向發展。

在「開源」這件事上，非營利組織 OSI 一直扮演著重要的角色。OSI 維護了一個被業內認可的許可證列表，其定義的開源包括十余個關鍵條款，如自由再分發、源代碼可獲得、允許修改和衍生作品等。自 1998 年定義「開源」標簽并成立以來，OSI 對開源軟件的定義已被開發人員廣泛接受。

如今，隨著人工智能重塑格局，科技巨頭們面臨著一個關鍵選擇：是接受這些既定原則，還是拒絕它們。Linux 基金會最近也試圖定義「開源人工智能」，這表明關于傳統開源價值觀如何適應人工智能時代的爭論已日益激烈。

獨立研究員和開放源代碼創建者 Simon Willison 說：「既然我們已經有了一個強有力的定義，也許我們可以更積極地抵制那些『開源洗白（open washing）』并宣稱自己的工作是開源的公司。」

Hugging Face 首席執行官 Clément Delangue 稱：「 OSI 的定義對于圍繞人工智能開放性展開討論有巨大幫助，特別是在涉及訓練數據的關鍵作用時。」

OSI 執行董事 Stefano Maffulli 表示，該公司花了兩年時間咨詢全球專家，通過與機器學習和自然語言處理的學界專家、哲學家、Creative Commons 的內容創作者等合作完善了這一定義。

OSI 對于開源 AI 的定義

OSI 表示，「開源」的人工智能系統需要滿足以下幾點：

• 可將系統用于任何目的，無需征得許可；
• 允許人們研究系統的工作原理并檢查其組件；
• 允許人們為任何目的修改該系統，包括更改其輸出；
• 人們可以出于任何目的，將系統共享給他人，無論是否經過修改。

這些自由既適用于功能齊全的系統，也適用于系統的離散元素。行使這些自由的先決條件是能夠對系統進行修改。

再進一步，對于機器學習系統可修改的形式，OSI 也進行了定義。必須包含以下所有元素：

• 數據信息：用于訓練系統的數據的足夠詳細的信息，以便技術人員可以構建基本等效的系統。數據信息應根據 OSI 批準的條款提供。特別是，必須包括：
• 用于訓練的所有數據的完整描述，包括（如果使用）不可共享的數據，披露數據的來源、其范圍和特征、數據的獲取和選擇方式，標簽程序、數據處理和過濾方法；
• 所有公開可用的訓練數據的清單以及獲取這些數據的方式； 
• 可從第三方獲得的所有訓練數據的列表以及從何處獲取（包括付費）。
• 代碼：用于訓練和運行系統的完整源代碼。該代碼應展示出如何處理和過濾數據以及如何進行訓練的完整規范。代碼應在 OSI 批準許可下提供。
• 例如，如果使用，則必須包括用于處理和過濾數據的代碼、用于訓練的代碼（包括使用的參數和設置）、驗證和測試、支持庫（如分詞器和超參數搜索代碼）、推理代碼和模型架構。
• 參數：模型參數，例如權重或其他配置。參數應根據 OSI 批準條款提供。
• 例如，訓練中間階段的檢查點以及優化器狀態。

對于機器學習系統，模型權重也是一個重要因素。OSI 在開源定義中表述道：

• AI 模型由模型架構、模型參數（包括權重）和運行模型的推理代碼組成。
• AI 權重是一組學習參數，以根據給定輸入生成輸出。

對機器學習系統進行修改的范圍也包括權重。「開源模型」和「開源權重」必須包括用于導出這些參數的數據信息和代碼。

最后，OSI 表示，開源 AI 定義不需要特定的法律機制來確保模型參數可供所有人免費使用。它們可能本質上是免費的，或者可能需要許可證或其他法律文書來確保它們的可用。預計隨著時間的推移，法規對于 AI 開放的定義也將變得更加清晰。