Открытый ИИ. Тенденции и вызовы
В мае 2025 года исследовательское подразделение Linux Foundation, Фонд Eclipse и сообщество разработчиков с открытым исходным кодом GOSIM провели в Париже Форум стратегии открытого ИИ (Open Source AI Strategy Forum). Цель Форума заключается в обсуждении ключевых вызовов глобальному сотрудничеству в области открытого ИИ. В Форуме приняли участие отраслевые эксперты, представители академического сообщества и некоммерческих фондов. По результатам был опубликован отчет «Определение стратегических направлений для глобального сотрудничества в сфере открытого ИИ»[3].
Согласно Отчету, в настоящее время вместе с открытым исходным кодом, решения в области открытого ИИ по своим возможностям догоняют проприетарные решения, как в части больших языковых моделей, так и в отношении агентов на основе ИИ. Новые решения предлагают альтернативный подход к разработке и управлению ИИ, основанные на принципах открытой науки и инноваций, а экосистема открытого ИИ переживает значительный рост. Так, например, на платформе Hugging Face Hub насчитывается более 1,5 миллионов моделей. При этом, некоторые из них были загружены сотни миллионов раз. Эти модели начинают приближаться по функционалу к проприетарным аналогам.
Однако простая экстраполяция ожиданий от ПО с открытым исходным кодом на область открытого ИИ представляется трудно достижимой задачей. Понятие программного обеспечения с открытым исходным кодом (Open source software – OSS) известно уже более 25 лет. Помимо доступа к исходному коду оно включает ряд дополнительных критериев. Например, свободное распространение неограниченное количество раз, предоставление права на создание произвольных решений и пр.
Вместе с тем, открытый ИИ имеет существенные отличия от OSS. Это связано с различным поведением систем ИИ и традиционных ПО. В частности, понятие «открытости» сложно для определения применительно к таким сложным системам. До сих пор отсутствует универсальное определение «открытого ИИ» или «ИИ с отрытым исходным кодом». Для систем ИИ необходимы новые определения, протоколы и процессы обработки, которые отличаются от используемых в ПО с открытым исходным кодом.
Одно из ключевых различий заключается в разных ролях ПО и ИИ. Программное обеспечение имеет ключевое значение для развития ИТ-систем, в то время как прогресс в области ИИ обеспечивается данными. В связи с этим, идеи о демократизации систем ИИ за счет открытых технологий и создании равноправной конкурентной среды требуют новых подходов.
В рамках Форума участники обсуждали пять основных тем, связанных с проблемными вопросами развития открытого ИИ.
Возможности международного сотрудничества в исследованиях и разработках открытого ИИ в условиях геополитической напряженности и различных подходов к регулированию ИИ в разных странах. Необходимо разработать единое понимание «открытого ИИ», учитывая различные подходы к открытости и лицензированию моделей ИИ. Большинство открытых моделей, по мнению участников Форума, не соответствуют четырем свободам открытого исходного кода ‑ использование, изучение, модификация и распространение.
Кроме того, риски регуляторной фрагментации в области открытого ИИ требуют согласованного международного сотрудничества в области регулирования.
Возможность существования глобальной экосистемы открытого ИИ в условиях укрепления цифрового суверенитета. Участники Форума полагают, что открытый исходный код – это средство для укрепления цифрового суверенитета государств, площадка для глобального сотрудничества и новый дипломатический вектор для развития отношений между исследователями и разработчиками в условиях геополитических изменений.
Роль открытого ИИ в научных открытиях и воспроизводимости результатов исследований. Открытая технологическая экосистема позволит повысить глобальную конкурентоспособность в области ИИ за счет открытой науки, открытых стандартов, открытого исходного кода, открытых данных и открытых весов моделей и снизить влияние глобальных технологических гигантов. По мнению участников, в настоящее время большинство LLM и их базовых процессов обучения закрыты, что ограничивает возможности ученых для независимой проверки заявлений о производительности моделей, выявления потенциальных предвзятостей или построения новых исследований на основе существующих. То есть, для воспроизводимости необходимо открыть весь процесс от набора данных до обучения модели и ее оценки. Кроме того, использование ИИ в научных открытиях вызывает в настоящее время некоторые опасения в связи с «черным ящиком» моделей. Для изменения отношения к возможности использования LLM необходимо создать замкнутый цикл сбора и обмена реальными и синтетическими данными и развивать навыки работы с ИИ среди ученых для выявления направлений для научных открытий с применением базовых моделей.
Барьеры для внедрения открытого ИИ в корпоративных средах. Среди препятствий для внедрения решений с открытым ИИ в промышленную эксплуатацию выделены существенный разрыв между показателями производительности в контролируемых исследовательских условиях и реальной готовностью к внедрению в компаниях и вопросы доверия и обеспечения надежности решений ИИ, соответствия требованиям регулирования.
Вызовы в области этичной и ответственной разработки в условиях открытых инноваций. Согласно отчету открытый исходный код повышает прозрачность процессов ИИ и позволяет проверять модели на наличие предвзятостей и уязвимостей. Вместе с тем, регулирование должно обеспечивать формирование безопасных и ответственный инноваций.
Резюмируя отчет по результатам Форума, можно выделить несколько ключевых рекомендаций для преодоления проблем и продвижения демократизации открытого ИИ. Реализация практики открытой разработки и лицензии для использования, изучения и модификации моделей ИИ, кода, данных и документации; содействие глобальному сотрудничеству путем объединения усилий вендоров в создании открытых инструментов и стандартов на всех уровнях стека; позиционирование ИИ, как стратегического инструмента для глобальной поддержки исследований и безопасности в сфере ИИ; разработка открытых стандартов воспроизводимости, включая процессы обучения и происхождение данных; расширение открытых рамок оценки и наборов тестов для проверки и мониторинга производительности и безопасности моделей в реальных условиях и для различных задач.
