Nous sommes sur le point de définir l'IA open source, mais tout le monde n'est pas content

La dernière version du projet de l'Open Source Initiative est disponible pour examen. Que les disputes commencent !

HONG KONG - Pour paraphraser le regretté John F. Kennedy, nous choisissons de définir l’IA open source non pas parce qu’elle est facile, mais parce qu’elle est difficile ; car cet objectif servira à organiser et à mesurer le meilleur de nos énergies et de nos compétences.

Stefano Maffulli, directeur exécutif de l'Open Source Initiative (OSI), m'a dit que les logiciels et les données qui mélangent l'intelligence artificielle (IA) avec les licences open source existantes ne conviennent pas. "Par conséquent", a déclaré Maffulli, "nous devons créer une nouvelle définition de l'IA open source".

L'organisation mère de Firefox, la Fondation Mozilla, est d'accord.

Les grands géants de la technologie, a expliqué un représentant de Mozilla, "n'ont pas nécessairement adhéré à tous les principes de l'open source concernant leurs modèles d'IA". En outre, une nouvelle définition « aidera les législateurs à élaborer des règles et des réglementations pour protéger les consommateurs contre les risques liés à l’IA ».

L'OSI a travaillé avec diligence à la création d'une définition complète de l'IA open source, similaire à la définition Open Source pour les logiciels. Cet effort critique répond au besoin croissant de clarté dans la détermination de ce qui constitue un système d'IA open source à une époque où de nombreuses entreprises prétendent que leurs modèles d'IA sont open source sans vraiment l'être du tout, comme Llama 3,1 de Meta.

Le dernier projet de définition de l'IA open source OSI, 0.0.9, comporte plusieurs changements importants. Ce sont :

• Définitions clarifiées : la définition identifie désormais clairement les modèles et les poids/paramètres comme faisant partie du « système » d'IA, en soulignant que tous les composants doivent répondre à la norme open source. Cette clarté garantit que l’ensemble du système d’IA, et pas seulement certaines parties, adhère aux principes open source.
• Rôle des données d'entraînement : les données d'entraînement sont utiles mais ne sont pas nécessaires pour modifier les systèmes d'IA. Cette décision reflète la complexité du partage de données, notamment les problèmes juridiques et de confidentialité. Le projet catégorise les données de formation en données ouvertes, publiques et non publiques, chacune étant accompagnée de directives spécifiques visant à améliorer la transparence et la compréhension des biais du système d'IA.
  
• Séparation de la liste de contrôle : la liste de contrôle d'évaluation de licence a été séparée du document de définition principal, conformément au Model Openness Framework (MOF). Cette séparation permet une discussion ciblée sur l'identification de l'IA open source tout en conservant les principes généraux dans la définition.

Comme l'a expliqué Jim Zemlin, directeur exécutif de la Linux Foundation, lors de la KubeCon et de l'Open Source Summit China, le MOF "est un moyen d'aider à évaluer si un modèle est ouvert ou non. Il permet aux gens d'évaluer les modèles".

Au sein du MOF, a ajouté Zemlin, il existe trois niveaux d’ouverture. "Le niveau le plus élevé, le niveau un, est une définition scientifique ouverte dans laquelle les données, chaque composant utilisé et toutes les instructions doivent réellement aller créer votre propre modèle exactement de la même manière. Le niveau deux est un sous-ensemble de celui où tout n'est pas est en fait ouvert, mais la plupart d'entre eux le sont. Ensuite, au niveau trois, vous avez des zones dans lesquelles les données peuvent ne pas être disponibles, et les données qui décrivent les ensembles de données seraient disponibles. Et vous pouvez en quelque sorte comprendre cela - même si. le modèle est ouvert : toutes les données ne sont pas disponibles. »

Ces trois niveaux - un concept qui apparaît également dans les données de formation - seront difficiles à accepter pour certains puristes de l’open source. Des arguments sur les modèles et les données de formation émergeront à mesure que le débat se poursuit sur les systèmes d'IA et d'apprentissage automatique (ML) qui sont véritablement ouverts et lesquels ne le sont pas.

L’élaboration de la définition de l’IA Open Source a été réalisée en collaboration avec diverses parties prenantes du monde entier. Ceux-ci incluent, entre autres, Code for America, Wikimedia Foundation, Creative Commons, Linux Foundation, Microsoft, Google, Amazon, Meta, Hugging Face, Apache Software Foundation et l'Union internationale des télécommunications des Nations Unies.

L'OSI a organisé de nombreuses assemblées publiques et ateliers pour recueillir des commentaires, garantissant que la définition est inclusive et représentative de diverses perspectives. Le processus est toujours en cours.

La définition continuera d’être affinée et peaufinée via des tournées de présentation mondiales et la collecte de commentaires et d’approbations auprès de diverses communautés.

Maffulli de l'OSI sait que tout le monde ne sera pas satisfait de cette ébauche de définition. En effet, avant la parution de cette version, Tom Callaway, stratège technique Open Source principal d'AWS, a publié sur LinkedIn : « Je suis fermement convaincu (et c'est la conviction de beaucoup d'autres personnes dans l'Open Source) que la définition actuelle de l'IA Open Source ne garantit pas avec précision que Les systèmes d’IA préservent les droits illimités des utilisateurs pour les exécuter, les copier, les distribuer, les étudier, les modifier et les améliorer. »

Maintenant que le projet a vu le jour, je suis sûr que d’autres auront leur mot à dire. L'OSI espère présenter une version stable de la définition lors de la conférence All Things Open en octobre 2024. Si tout se passe bien, le résultat sera une définition sur laquelle la plupart, sinon tout le monde, pourra s'entendre, qui promeut la transparence, la collaboration et l'innovation. dans les systèmes d’IA open source.