Zuckerberg haluaa enemmän avointa tekoälyä — miten suljetut ja avoimet mallit eroavat

Metan toimitusjohtaja Mark Zuckerberg on uudelleen nostanut vaatimuksensa vähentää sääntelyesteitä avoimen lähdekoodin tekoälyn ympäriltä, ja hän katsoo, että Yhdysvalloilla pitää olla avoimempi tekoälyekosysteemi kilpailtaakseen tehokkaasti nopeasti etenevien kiinalaisten kilpailijoiden kanssa.

Kommentit tulivat samaan aikaan, kun Meta julkisti Muse Glimmerin, uuden open-weight‑tekoälymallin, joka on suunniteltu toimimaan suoraan kuluttajalaitteissa sen sijaan, että se vaatisi kallista pilvi-infrastruktuuria.

Zuckerberg vihjasi myös, että Meta aikoo julkaista lisää malleja tulevina kuukausina, mikä vahvistaa sen strategiaa tehdä tekoälystä laajemmin saatavilla.

Käynnistys tapahtuu aikana, jolloin Meta yrittää palauttaa vauhtia tekoälykisassa sen jälkeen, kun yhtiö perusti viime vuonna omistetun superälytiimin, ja samalla yritykset etsivät yhä enemmän edullisempia tekoälyvaihtoehtoja nopeasti kasvavien laskentakustannusten vuoksi.

Samaan aikaan keskustelu on tuonut esiin tärkeän eron, joka usein ymmärretään väärin — eron suljettujen mallien, open-weight‑mallien ja aidosti avoimen lähdekoodin tekoälyjärjestelmien välillä.

Piilaakso on pitkään ollut jakautunut siitä, miten kehittynyttä tekoälyä pitäisi kehittää.

Jotkut yritykset katsovat, että voimakkaat tekoälymallit pitäisi pitää suljettuina turvallisuussyistä, kun taas toisten mielestä avoimuus on keskeistä innovaatiolle ja kilpailulle.

Tuon kiistan ymmärtäminen edellyttää ensin suljettujen mallien määrittelyn läpikäyntiä, sitten open-weight‑mallien selitystä ja lopuksi sitä, mitä aidosti avoin lähdekoodinen tekoäly tarkoittaa.

Mitä suljetut mallit ovat?

Tekoälymallit oppivat tunnistamalla kuvioita valtavista määristä digitaalisia tietoja.

Kun ne koulutetaan kirjoilla, uutisartikkeleilla, verkkosivuilla ja muilla verkkoasiakirjoilla, ne muuntavat nämä kuvioit milljaardeiksi numeerisiksi arvoiksi, joita kutsutaan "painoiksi".

Nämä painot määrittelevät lopulta, miten tekoälymalli päättelyä suorittaa, vastaa kehotteisiin ja tuottaa sisältöä.

Tänään kuluttajien kanssa eniten tekemisissä olevat tekoälyjärjestelmät — OpenAI:n ChatGPT, Anthropicin Claude ja Googlen Gemini — ovat esimerkkejä suljetuista malleista.

Vaikka käyttäjät voivat käyttää näitä järjestelmiä verkkosivujen tai sovellusrajapintojen (API) kautta, niiden taustalla olevat yhtiöt eivät julkaise malleja pyörittäviä painoja.

Se tarkoittaa, että kehittäjät eivät voi ladata niitä, asentaa omille koneilleen, tutkia niiden sisäistä toimintaa tai räätälöidä niitä tiettyihin sovelluksiin.

Anthropic ja OpenAI ovat argumentoineet, että huippuluokan tekoälyjärjestelmien tulisi pysyä tiukasti hallinnassa, koska yhä kykenevämmät mallit aiheuttavat merkittäviä turvallisuusriskejä ja ne tulisi kehittää huolellisesti hallituissa ympäristöissä.

Meta, Nvidia, Microsoft ja Google ovat yleisesti ottaneet avoimemman kannan, väittäen, että laajempi saatavuus kannustaa innovaatioihin ja antaa kehittäjille mahdollisuuden rakentaa uusia liiketoimintoja tekoälyteknologian ympärille.

Sitä vastoin tutkijat varoittavat, että suljetut mallit synnyttävät omat riskinsä.

Stanfordin Institute for Human-Centered AI:n mukaan suljetut mallit eivät välttämättä ole vähemmän turvallisia kuin avoimet vaihtoehdot, mutta ne keskittävät valtavan määrän valtaa kourallisen yritysten käsiin.

Kun huippuluokan tekoälyominaisuudet tarjotaan API‑rajapintojen kautta, nämä yritykset päättävät, kuka saa pääsyn, kuinka paljon siitä veloitetaan ja mitkä arvot sisällytetään teknologiaan, joka yhä enemmän muokkaa tapaa, jolla ihmiset työskentelevät, kommunikoivat ja luovat.

Mitä open-weight‑mallit ovat?

Open-weight‑mallit sijoittuvat keskelle suljettujen järjestelmien ja täysin avoimen lähdekoodin tekoälyn väliin.

Kun kehittäjät kuvaavat tekoälymallia open-weightiksi, he tarkoittavat, että mallin koulutetut painot on julkaistu julkisesti.

Se antaa ulkopuolisille kehittäjille mahdollisuuden ladata mallin, ajaa sitä paikallisesti ja hienosäätää sitä tiettyihin tarkoituksiin, kuten terveydenhuoltoon, kyberturvallisuuteen tai ohjelmistokehitykseen.

Jos painot pidetään yksityisinä, käyttäjien on käytettävä tekoälyä juuri sen luojien tarkoittamalla tavalla.

Open-weight‑mallit eivät kuitenkaan paljasta kaikkea.

Yritykset julkaisevat tyypillisesti vain koulutetut parametrit, samalla kun alkuperäinen koulutuskoodi, aineistot, mallin arkkitehtuurin yksityiskohdat ja suuri osa järjestelmän rakentamisessa käytetystä metodologiasta pidetään salassa.

Tämän seurauksena käyttäjät saavat joustavuutta ilman täydellistä läpinäkyvyyttä.

Open-weight‑mallit ovat myös usein huomattavasti halvempia kuin sellaiset huippuluokan tekoälyjärjestelmät, joita tarjoavat esimerkiksi OpenAI ja Anthropic, koska ne usein pystyvät toimimaan paikallisesti ilman kalliita pilvilaskentaresursseja.

Vaikka useat amerikkalaiset yhtiöt julkaisevat open-weight‑malleja, monet laajimmin käytössä olevista järjestelmistä tulevat tällä hetkellä Kiinasta, mukaan lukien Alibaban Qwen‑perhe, DeepSeekin mallit, Moonshot AI:n Kimi‑sarja ja Zhipu AI:n GLM‑sarja.

Niiden suosio on kasvanut nopeasti, kun yritykset etsivät alhaisempia tekoälykäyttökustannuksia samalla kun säilyttävät suuremman kontrollin käyttöönotosta.

Entä sitten avoimen lähdekoodin mallit?

Zuckerbergin toistuvat vaatimukset avoimen lähdekoodin tekoälystä ovat myös elvyttäneet keskustelua siitä, ovatko nykyiset niin kutsutut "avoimet" tekoälymallit todella avoimen lähdekoodin mukaisia.

On tärkeä ero mallin julkaisemisen välillä avoimine painoineen ja julkaisemisen välillä täysin avoimena lähdekoodina.

Avoimet painot tarkoittavat vain esikoulutettujen parametrien julkaisemista, jotka määräävät, miten neuroverkko käyttäytyy.

Tämä mahdollistaa kehittäjille mallin ajamisen päätelmiin ja sen hienosäädön jälkikäyttösovelluksiin.

Kuitenkin ratkaisevat osat jäävät edelleen saatavilla olevien ulkopuolelle, kuten koulutuskoodi, alkuperäiset aineistot, mallin arkkitehtuuri ja prosessi, jolla malli koulutettiin.

Tällä tavoin julkaistu tekoäly laajentaa saatavuutta mutta rajoittaa läpinäkyvyyttä, toistettavuutta ja riippumatonta verifiointia.

Kehittäjien, jotka käyttävät open-weight‑malleja, on lopulta luotettava alkuperäisten tekijöiden tekemiin ratkaisuihin ja esityksiin ilman mahdollisuutta uudelleenkopioida tai täysin auditoida niitä.

Aidosti avoimen lähdekoodin tekoälymalli menee paljon pidemmälle.

Se sisältää kaiken, mitä tarvitaan mallin toistamiseen alusta alkaen — lähdekoodin, arkkitehtuurin, koulutusmetodologian, hyperparametrit, aineistot ja tukidokumentaation.

Tällainen avoimuuden taso antaa tutkijoille mahdollisuuden paitsi ajaa mallia myös tarkastella sitä, parantaa sitä ja rakentaa täysin uusia järjestelmiä samalla pohjalla.

"Avoimen painon AI:n ja avoimen lähdekoodin AI:n välillä on laaja kuilu," sanoi Stanfordin Institute for Human-Centered AI:n Denningin johtaja James Landay.

"Avoimet painot vastaavat kysymykseen 'Voinko ajaa tämän?' Avoin lähdekoodi vastaa 'Voinko luottaa tähän, parantaa sitä ja rakentaa seuraavan asian tämän päälle?' Tällä hetkellä lähes kaikki — niin amerikkalaiset kuin kiinalaisetkin laboratoriot — vastaavat ensimmäiseen kysymykseen, mutta eivät missään lähellä toista."

Meta pyrkii avoimen lähdekoodin malleihin

Mallin julkaisun ohella Zuckerberg julkaisi 14‑sivuisen esseen, jossa hän hahmotti näkemyksensä tekoälyn tulevaisuudesta.

Asiatekstin otsikolla The Future is for Everyone hän väitti, että tekoälyä tulisi pitää laajempaa yhteiskunnallista hyötyä palvelevana työkaluna eikä teknologiana, jota tulee tiukasti rajoittaa.

Hän korosti myös, että Yhdysvaltojen on säilytettävä johtajuutensa Kiinaan nähden maailmanlaajuisessa tekoälykisassa.

Nimetsemättä suoraan kilpailijoita kuten Anthropic ja OpenAI, Zuckerberg kritisoi lähestymistapoja, jotka ajaa tiukempia kontrollitoimia kehittyneisiin tekoälyjärjestelmiin.

Hän katsoi, että teknologian keskittäminen muutaman yrityksen käsiin voi itsessään luoda riskejä.

”Superälyn keskittämisen sijaan meidän pitäisi hajauttaa sitä,” Zuckerberg, 42, kirjoitti esseessään. ”Tällä on potentiaali aloittaa uusi henkilökohtaisen voimaantumisen aikakausi.”

Yhtiö oli yksi varhaisimmista suurista tekoälyn kehittäjistä, joka julkaisi julkisesti suuren kielimallin, LLaMA:n, helmikuussa 2023. Meta julkaisi sekä mallin ajamiseen tarvittavan inferenssikoodin että koulutuksen aikana opitut painot.

Kuitenkin organisaatiot, kuten Open Source Initiative, ovat väittäneet, että LLaMA:n lisenssiehtojen — erityisesti kaupallista uudelleenkäyttöä koskevien ehtojen — rajoitukset estävät sitä täyttämästä hyväksyttyä käsitettä aidosta avoimen lähdekoodin ohjelmistosta.

Siksi monet asiantuntijat luokittelevat sen open-weight‑malliksi.

Silti monet kehittäjät katsovat, että aidon avoimen lähdekoodin tekoälyn tulisi sisältää paitsi koodi ja painot myös koulutuksessa käytetyt aineistot, jotta voidaan saavuttaa täydellinen läpinäkyvyys siitä, miten nämä yhä vaikuttavammat järjestelmät rakennetaan.