Zuckerberg quer mais IA de código aberto: como modelos fechados diferem dos abertos

O diretor-executivo da Meta, Mark Zuckerberg, renovou sua defesa por menos barreiras regulatórias à inteligência artificial de código aberto, argumentando que os Estados Unidos precisam de um ecossistema de IA mais aberto para competir de forma eficaz com rivais chineses que se movem rapidamente.

Os comentários surgiram quando a Meta lançou o Muse Glimmer, um novo modelo de IA com pesos abertos projetado para rodar diretamente em dispositivos de consumo em vez de depender de infraestrutura cara em nuvem.

Zuckerberg também indicou que a Meta pretende liberar mais modelos nos próximos meses, reforçando sua estratégia de tornar a IA mais amplamente acessível.

O lançamento ocorre num momento em que a Meta tenta retomar o ímpeto na corrida pela IA após montar, no ano passado, uma equipe dedicada à superinteligência, enquanto empresas procuram cada vez mais alternativas de IA mais baratas diante do aumento dos custos de computação.

Ao mesmo tempo, a discussão evidenciou uma distinção importante que frequentemente é mal compreendida — a diferença entre modelos fechados, modelos de pesos abertos e sistemas de IA verdadeiramente de código aberto.

O Vale do Silício há muito tempo está dividido sobre como a IA avançada deve ser desenvolvida.

Algumas empresas defendem que modelos de IA poderosos devem permanecer fechados por preocupações de segurança, enquanto outras acreditam que a abertura é essencial para inovação e competição.

Entender esse debate exige primeiro examinar o que são modelos fechados, depois modelos de pesos abertos, antes de finalmente ver o que constitui uma IA verdadeiramente de código aberto.

O que são modelos fechados?

Modelos de inteligência artificial aprendem identificando padrões em enormes quantidades de informação digital.

À medida que são treinados em livros, artigos de notícias, sites e outros documentos online, convertem esses padrões em bilhões de valores numéricos conhecidos como "pesos".

Esses pesos determinam, em última instância, como um modelo de IA raciocina, responde a prompts e gera conteúdo.

Os sistemas de IA com os quais a maioria dos consumidores interage hoje — o ChatGPT da OpenAI, o Claude da Anthropic e o Gemini do Google — são exemplos de modelos fechados.

Embora os usuários possam acessar esses sistemas por meio de sites ou interfaces de programação de aplicações (APIs), as empresas por trás deles não liberam os pesos subjacentes que alimentam os modelos.

Isso significa que desenvolvedores não podem baixá‑los, instalá‑los em seus próprios computadores, inspecionar seu funcionamento interno ou customizá‑los para aplicações específicas.

A Anthropic e a OpenAI têm argumentado que sistemas de IA de ponta devem permanecer fortemente controlados porque modelos cada vez mais capazes representam riscos significativos de segurança e devem ser desenvolvidos em ambientes cuidadosamente gerenciados.

Meta, Nvidia, Microsoft e Google geralmente adotaram uma postura mais aberta, alegando que o acesso mais amplo estimula a inovação e permite que desenvolvedores criem novos negócios em torno da tecnologia de IA.

Ainda assim, pesquisadores alertam que modelos fechados geram seus próprios riscos.

Segundo o Instituto para IA Centrada no Humano da Universidade de Stanford, modelos fechados não são necessariamente menos seguros que alternativas abertas, mas concentram um poder enorme nas mãos de poucas empresas.

Com capacidades de IA de ponta entregues via APIs, essas empresas decidem quem tem acesso, quanto isso custa e quais valores ficam incorporados em tecnologias que, cada vez mais, moldam como as pessoas trabalham, se comunicam e criam.

O que são modelos de pesos abertos?

Modelos de pesos abertos ocupam o meio-termo entre sistemas totalmente fechados e IA completamente de código aberto.

Quando desenvolvedores descrevem um modelo de IA como de pesos abertos, querem dizer que os pesos treinados do modelo foram tornados públicos.

Isso permite que desenvolvedores externos façam o download do modelo, o executem localmente e o ajustem para finalidades específicas, como saúde, cibersegurança ou desenvolvimento de software.

Se os pesos permanecem privados, os usuários devem interagir com a IA exatamente como seus criadores a conceberam.

No entanto, modelos de pesos abertos não revelam tudo.

Empresas normalmente divulgam apenas os parâmetros treinados, enquanto retêm o código de treinamento original, os conjuntos de dados, os detalhes da arquitetura do modelo e grande parte da metodologia usada para construir o sistema.

Como resultado, os usuários ganham flexibilidade sem transparência completa.

Modelos de pesos abertos também tendem a ser consideravelmente mais baratos do que sistemas de ponta oferecidos por empresas como OpenAI e Anthropic, porque muitas vezes podem rodar localmente sem recursos caros de computação em nuvem.

Embora várias empresas americanas publiquem modelos de pesos abertos, muitos dos sistemas mais amplamente adotados atualmente vêm da China, incluindo a família Qwen da Alibaba, os modelos da DeepSeek, a linha Kimi da Moonshot AI e a série GLM da Zhipu AI.

Sua popularidade cresceu rapidamente à medida que empresas buscam custos operacionais de IA menores mantendo maior controle sobre o deployment.

E o que são modelos de código aberto?

Os repetidos apelos de Zuckerberg por IA de código aberto também reacenderam o debate sobre se os chamados modelos "abertos" de hoje são realmente de código aberto.

Há uma distinção importante entre liberar um modelo de IA com pesos abertos e liberá‑lo como totalmente de código aberto.

Pesos abertos envolvem publicar apenas os parâmetros pré-treinados que determinam como a rede neural se comporta.

Isso possibilita que desenvolvedores realizem inferência e ajustem o modelo para aplicações posteriores.

No entanto, elementos cruciais permanecem indisponíveis, incluindo o código de treinamento, os conjuntos de dados originais, a arquitetura do modelo e o processo usado para treinar o modelo.

Liberar IA dessa forma amplia o acesso, mas limita a transparência, a reprodutibilidade e a verificação independente.

Desenvolvedores que usam modelos de pesos abertos precisam, em última instância, confiar nos julgamentos e nas representações aprendidas pelos criadores originais sem poder recriá‑los ou auditá‑los completamente.

Um modelo de IA verdadeiramente de código aberto vai muito além.

Ele inclui tudo o que é necessário para reproduzir o modelo do zero — código-fonte, arquitetura, metodologia de treinamento, hiperparâmetros, conjuntos de dados e documentação de suporte.

Esse nível de abertura permite que pesquisadores não só executem o modelo, mas também o inspecionem, o aprimorem e construam sistemas totalmente novos a partir da mesma base.

"Há uma grande lacuna entre IA de pesos abertos e IA de código aberto", disse James Landay, diretor Denning do Instituto para IA Centrada no Humano da Universidade de Stanford.

"Pesos abertos respondem 'Posso rodar isso?' Código aberto responde 'Posso confiar nisso, melhorá‑lo e construir a próxima coisa em cima dele?' Agora mesmo quase todo mundo — laboratórios americanos e chineses — está respondendo à primeira pergunta, mas está longe de responder à segunda."

A iniciativa da Meta por modelos de código aberto

Paralelamente ao lançamento do modelo, Zuckerberg publicou um ensaio de 14 páginas delineando sua visão para o futuro da inteligência artificial.

No documento, intitulado O Futuro é para Todos, ele argumentou que a IA deve ser vista como uma ferramenta para benefício societal amplo, em vez de uma tecnologia a ser rigidamente restrita.

Ele também ressaltou que os Estados Unidos devem manter sua liderança em relação à China na corrida global pela IA.

Sem citar concorrentes como Anthropic e OpenAI, Zuckerberg criticou abordagens que defendem controles mais rígidos sobre sistemas avançados de IA.

Ele argumentou que concentrar a tecnologia nas mãos de poucas empresas poderia, por si só, criar riscos.

“Em vez de centralizar a superinteligência, devemos distribuí‑la”, escreveu Zuckerberg, 42, no ensaio. “Isso tem o potencial de iniciar uma nova era de empoderamento pessoal.”

A empresa foi uma das primeiras grandes desenvolvedoras de IA a publicar publicamente um grande modelo de linguagem, o LLaMA, em fevereiro de 2023. A Meta publicou tanto o código de inferência necessário para rodar o modelo quanto os pesos aprendidos durante o treinamento.

No entanto, organizações como a Open Source Initiative argumentaram que as restrições de licenciamento do LLaMA — particularmente as que regem o reuso comercial — impedem que ele atenda à definição aceita de software genuinamente de código aberto.

Em vez disso, muitos especialistas o classificam como um modelo de pesos abertos.

Ainda assim, muitos desenvolvedores acreditam que IA genuinamente de código aberto deve incluir não apenas código e pesos, mas também os conjuntos de dados usados durante o treinamento, permitindo transparência completa sobre como esses sistemas cada vez mais influentes são construídos.