La definición de la IA de código abierto se convierte en un desafío, y los puristas se niegan a ceder.
La Controversia en Torno a la IA Open Source
El concepto de Open Source (código abierto) ha estado bien definido durante años, pero la noción de IA Open Source aún carece de claridad. Esta ausencia de consenso ha generado debates acalorados, ya que muchas organizaciones afirman que sus modelos de IA son Open Source, cuando en realidad no cumplen con los requisitos. Un claro ejemplo de esta confusión es Meta.
La Iniciativa de la Open Source Initiative
Para abordar esta problemática, la Open Source Initiative (OSI), la entidad detrás de la definición del término original, se ha propuesto desarrollar una definición estándar de IA Open Source.
Avances en la Definición de IA Open Source
Recientemente, la OSI presentó la primera versión candidata (RC1) de su definición. Esta propuesta especifica cuatro libertades fundamentales que un sistema de IA debe poseer para ser considerado Open Source:
- Poder ser utilizado para cualquier finalidad sin necesidad de autorización.
- Ser accesible para examen y análisis de su funcionamiento.
- Posibilidad de ser modificado según las necesidades del usuario.
- Facilidad para compartir tanto versiones originales como alteradas.
Desavenencias entre Puristas y Empresas
A pesar de estos esfuerzos, la definición ha suscitado un intenso debate entre quienes defienden una visión estricta del Open Source y los que favorecen un enfoque más flexible. La OSI ha decidido ser comprensiva respecto a los datos de entrenamiento, reconociendo que las empresas pueden tener dificultades para compartir todos los detalles de los conjuntos de datos utilizados. Como resultado, se ha optado por solicitar “información suficientemente detallada” en lugar del conjunto completo de datos.
La Dilema de la Transparencia
Sin embargo, para los puristas, esta medida no es suficiente. Argumentan que, si un sistema de IA no revela todos los datos utilizados para entrenarlo, no debería ser clasificado como Open Source. La OSI sostiene que imponer la obligación de compartir información completa podría limitar la IA Open Source a un ámbito restringido, donde solo podrían entrenarse sistemas con datos abiertos.
Clasificación de Datos de Entrenamiento
Stefano Maffulli, director de la OSI, explica que los datos de entrenamiento pueden categorizarse en cuatro grupos: abiertos, públicos, obtenibles y no compartibles. Según Maffulli, los requisitos legales varían para cada tipo de dato. “Es complicado compartir datos, o al menos una parte de ellos”, enfatiza.
El Papel de las Empresas
Por otro lado, las empresas ven su metodología de entrenamiento y la recopilación de datos como secretos comerciales. Para ellas, revelar esta información sería semejante a exigírseles que compartan el código fuente de software importante, como Windows en los años 90.
Novedades en la Propuesta de Definición
En esta versión candidata, se introducen dos aspectos interesantes. Primero, el modelo debe proporcionar información suficiente para entender el proceso de entrenamiento, facilitando así la creación de variaciones o «forks». Segundo, los desarrolladores pueden imponer condiciones de copyleft para el código, datos y parámetros, lo que obligaría a vincular el código de entrenamiento con los conjuntos de datos relevantes al modelo.
Un Primer Paso Hacia el Consenso
La publicación de esta versión candidata es un avance significativo en busca de un acuerdo en un tema complejo. La versión final de la Open Source AI Definition está programada para ser presentada el próximo 28 de octubre en la conferencia All Things Open. No obstante, se anticipa que este será solo el inicio de un proceso continuo de refinamiento y debate.
Imagen | Meta Connect 2024
