10月29日消息，全球权威的开放源代码促进会（Open Source Initiative，OSI）发布了关于“开源AI定义”。根据该定义，真正开源的AI大模型必须提供训练数据的详细信息、完整的构建和运行AI的代码以及训练时的设置和权重。
OSI称，新定义是为了避免当前行业中对“开源大模型”的过度营销和使用误解。据此标准，当前市场上表面开源的大模型几乎都“名不副实”，包括大名鼎鼎的“开源大模型”标杆Llama和Gemma。
OSI是多年来一直负责管理开放源代码定义(OSD)。在过去两三年中，OSI发现传统的“开源”定义并不适用当前火热的AI大模型。因为AI大模型比传统开源软件更复杂：它不仅包含代码，还涉及大量的数据、复杂的模型架构以及训练过程中的各种参数等。而这些数据的收集、整理、标注等过程都对模型的性能和结果产生重要影响。传统的开源定义无法全面涵盖这些新的要素，导致在AI领域的适用性不足。
2023年，OSI对市场上的大模型调查发现，表面上开源的大模型几乎都“名不副实”。Hugging Face应用政策研究员Avijit Ghosh表示，将大模型描述为“开源”可能会使它们被认为更值得信赖。Meta和Google宣传的免费模型似乎任何人都可以调整，但并不是真正的“开源”，它限制了用户可以对模型做什么，而且训练数据集并不公开。
去年6月，OSI表示将为开源AI重新设置定义。它邀请了70人专家组，包括研究员、律师、政策制定者和大型科技公司代表等，来共同协商制定AI开源定义。
如今，OSI正式宣布了开源AI定义（OSAID）1.0版。根据新定义，AI大模型若要被视为开源有三个要点：
- 训练数据透明性：必须提供足够的信息，使任何人能够“实质性”地重建该模型，包括训练数据的来源、处理方式和获取方式；
- 完整代码：需要公开用于训练和运行AI的完整源代码，展示数据处理和训练的规范；
- 模型参数：包括模型的权重和配置，需提供相应的访问权限。
OSAID还规定，开发者应享有使用、修改和共享模型的自由，而无需获得他人许可。对于新定义，独立研究员和开放源代码创建者Simon Willison称，“既然我们已经有了一个强有力的定义，也许我们可以更积极地抵制那些开源洗白（open washing）并宣称自己的工作是开源的公司。”
此前，国内市场也爆发了“大模型开源闭源”之争。某企业负责人曾公开表示，“很多人混淆了模型开源和软件开源的概念”。所谓的“开源大模型”其实并未开放训练源代码、预训练和精调数据等影响模型效果的关键信息，所以这些模型无法像开源软件一样，靠社区开发者一起参与来提升效果和性能。应用“开源大模型”的企业，其实很难迭代并优化这些模型，以至于无法高效地应用于企业场景。基于这些原因，闭源模型更适合商业化。
