Atviri DI modeliai ir „AI commons“: technologijų gigančių kontrolės iššūkis

Dirbtinis intelektas (DI) per kelerius metus tapo strategine infrastruktūra – panašia į internetą, elektrą ar finansų sistemas. Tačiau šiandien didžiausią galią čia turi kelios technologijų milžinės: „OpenAI“ (su „Microsoft“), „Google“, „Meta“, „Amazon“, „Anthropic“ ir dar keli žaidėjai. Būtent jos valdo galingiausius modelius, duomenis ir debesų infrastruktūrą.

Vis garsiau keliama dilema: ar DI ateitis liks uždaryta kelių korporacijų ekosistemose, ar visgi kursime atvirus DI modelius ir bendrus išteklius – vadinamąjį „AI commons“? 2024–2025 m. būtent čia vyksta svarbiausia kova dėl technologinės galios ir inovacijų krypties.

Kas yra atviri DI modeliai?

Atviri DI modeliai – tai modeliai, kurių kodas, architektūra, svoriai ar bent dalis mokymo duomenų yra viešai prieinami ar licencijuojami taip, kad juos galima laisvai naudoti, adaptuoti ir diegti (su tam tikromis sąlygomis). Jie remiasi atvirojo kodo filosofija, bet DI pasaulyje turi savų niuansų.

Pagrindinės savybės

Prieinamumas: modelio svoriai ir kodas pasiekiami per „GitHub“, „Hugging Face“ ar kitus katalogus.
Modifikuojamumas: kūrėjai gali pertreniruoti, derinti, mažinti ar integruoti modelį į savo sistemas.
Aiškesnė kilmė: dažniau dokumentuojami duomenų šaltiniai, treniravimo metodai ir ribojimai.
Lankstus licencijavimas: nuo visiškai laisvų iki „atviresnių, bet su sąlygomis“ (pvz., draudžiant naudoti modelį kariniams tikslams).

Skirtingai nei griežtai uždari komerciniai modeliai (pvz., „GPT-4o“ ar „Claude 3“), atviri modeliai leidžia kurti alternatyvius sprendimus be tiesioginės priklausomybės nuo vienos korporacijos API ir kainodaros.

Ryškiausi atvirų DI modelių pavyzdžiai

„Llama 3“ (Meta): galinga atvirų svorių modelių šeima, tapusi faktiniu pramonės standartu daugelyje projektų.
Mistral AI: europietiški atviri modeliai (pvz., „Mistral 7B“, „Mixtral“), orientuoti į efektyvumą ir našumą.
„Falcon“, „Pythia“, „Bloom“: tyrėjų ir konsorciumų kuriami modeliai, skirti akademijai ir verslui.
„Stable Diffusion“: vaizdų generavimo modelis, kuris atvėrė kūrybinio DI masinį naudojimą.

Šie modeliai dažnai tampa pagrindu šimtams nišinių sprendimų – nuo specializuotų kalbos asistentų iki medicinos ar teisės analitikos įrankių.

Kas yra „AI commons“ ir kodėl tai svarbu?

„AI commons“ – tai bendrai kuriami ir valdoma DI ištekliai: modeliai, duomenų rinkiniai, anotacijos, įrankiai, infrastruktūra ir žinios. Idėja artima „skaitmeniniams bendriesiems ištekliams“ (digital commons) ir tokiai projektų ekosistemai kaip „Wikipedia“ ar „Linux“.

„AI commons“ sudedamosios dalys

Atviri modeliai: kalbos, vaizdo, garso, multimodaliniai modeliai, pasiekiami bendruomenei.
Bendri duomenų rinkiniai: skaidriai surinkti, anotacijomis praturtinti, su aiškiomis licencijomis.
Atvira infrastruktūra: akademiniai ir viešieji debesų resursai, superkompiuteriai, DI laboratorijos.
Valdymo mechanizmai: taisyklės, etikos standartai, bendruomenės tarybos, prižiūrinčios naudojimą.

„AI commons“ esmė – kad DI taptų ne vien privačiu pelno šaltiniu, o ir visuomeniniu gėriu, kuriuo gali naudotis tyrėjai, startuoliai, viešasis sektorius ir pilietinės organizacijos.

Technologijų gigantų kontrolė: kur slypi problema?

Didžiosios technologijų kompanijos šiandien kontroliuoja kelis kritinius DI sluoksnius:

Debesų infrastruktūrą: „AWS“, „Azure“, „Google Cloud“ valdo daugumą pasaulinių DI skaičiavimo pajėgumų.
Pagrindinius modelius: GPT, Gemini, Claude ir kiti galingiausi modeliai yra uždari ir licencijuojami pagal jų taisykles.
Duomenų ekosistemą: milžiniški vartotojų duomenų kiekiai, kuriuos sunku atkartoti nepriklausomiems veikėjams.
Politikos įtaką: aktyvus dalyvavimas reguliavimo kūrime, formuojant taisykles pagal savo interesus.

Toks sutelkimas kelia rizikų:

Inovacijų priklausomybė: startuoliai ir tyrėjai tampa priklausomi nuo vieno API ir vienos kainodaros.
Standartų diktatas: korporacijos nustato, kas „leistina“ ir kas ne, remdamosi savo verslo logika.
Duomenų ir privatumo koncentracija: vis daugiau jautrių duomenų keliauja į kelias privačias debesų ekosistemas.
Geopolitinė nelygybė: šalys be stiprios technologinės bazės rizikuoja likti tik DI paslaugų vartotojomis.

Kaip atviri DI modeliai meta iššūkį šiai kontrolei?

Atviri DI modeliai leidžia dalį galios „išnešti“ iš uždarų ekosistemų ir paskirstyti ją plačiau. Tai vyksta keliais lygmenimis.

1. Mažesnė priklausomybė nuo vieno tiekėjo

Naudojant atvirą modelį, įmonė ar institucija gali:

diegti modelį savo serveryje ar pasirinktame debesyje,
optimizuoti jį pagal savo poreikius (kalba, domenas, saugumo taisyklės),
keisti tiekėją be visiško sprendimo perrašymo.

Praktiškai tai reiškia mažesnę „užsirakinimo“ (vendor lock-in) riziką ir daugiau derybinės galios su didžiosiomis platformomis.

2. Greitesnė ir įvairesnė inovacija

Atviri modeliai veikia kaip inovacijų greitintuvas:

Startuoliai gali kurti produktus be milžiniškų licencijų kaštų.
Akademija gali atlikti tyrimus, kurių neleistų uždarų modelių licencijos ar etikos apribojimai.
Nišiniai sektoriai (pvz., žemės ūkis, paveldas, regioninės kalbos) gali gauti specializuotus modelius.

2024–2025 m. jau matome šimtus produktų, paremtų „Llama 3“, „Mistral“ ar kitais atvirais modeliais – nuo lokalių verslo asistentų iki medicininių sprendimų, veikiančių be nuolatinio ryšio su debesimi.

3. Skaidresnis ir patikimesnis DI

Atviri modeliai leidžia:

analizuoti architektūrą ir treniravimo metodus,
geriau suprasti šališkumus ir ribas,
kurti nepriklausomus auditus ir saugumo testus.

Uždari modeliai prašo „pasitikėkite mumis“, o atviri suteikia galimybę „patikrinkite patys“. Tai ypač svarbu viešajam sektoriui, sveikatos apsaugai, teismų sistemai ir žiniasklaidai.

„AI commons“ kaip nauja viešoji infrastruktūra

Vien atviri modeliai dar nesukuria teisingos ekosistemos, jei jie priklauso kelioms didelėms įmonėms. Čia atsiranda „AI commons“ idėja – kurti bendrą, visiems prieinamą DI infrastruktūrą.

Europos ir pasaulinės iniciatyvos

Pastaraisiais metais daugėja projektų, siekiančių kurti atvirus DI bendruosius išteklius:

Europos DI iniciatyvos: ES remiami projektai, kuriantys europinius atvirus modelius ir duomenų rinkinius.
„Hugging Face“ ekosistema: milžiniškas atvirų modelių, duomenų ir įrankių katalogas, veikiantis kaip DI „GitHub“.
Akademiniai konsorciumai: universitetai ir tyrimų centrai dalijasi skaičiavimo resursais ir modeliais.
Vyriausybiniai projektai: kai kurios šalys kuria nacionalinius atvirus modelius savo kalboms ir viešosioms paslaugoms.

Lietuvai ir kitoms mažoms šalims „AI commons“ yra galimybė ne tik naudoti svetimas technologijas, bet ir kurti savas – pavyzdžiui, atvirus lietuvių kalbos modelius, paremtus vietiniais duomenimis ir kultūriniu kontekstu.

Saugumo ir reguliavimo iššūkiai

Kritikai dažnai teigia, kad atviri DI modeliai yra pavojingi, nes juos lengviau panaudoti kenkėjiškiems tikslams: dezinformacijai, kibernetinėms atakoms, biologinių ar cheminių ginklų tyrimams. Šios rizikos realios, todėl kyla klausimas – kaip suderinti atvirumą ir saugumą?

Uždaryti vs atviri modeliai: saugumo dilema

Uždari modeliai leidžia kompanijoms įdiegti stiprius turinio filtrus ir stebėti naudojimą, bet reikalauja pasitikėjimo ir nesuteikia skaidrumo.
Atviri modeliai suteikia daugiau laisvės ir audituojamumo, bet sunkiau kontroliuoti, kas ir kaip juos naudoja.

Sprendimas greičiausiai slypi ne vien draudimuose, o protingame valdyme:

atsakingame modelių išleidime (pvz., riboto pajėgumo versijos, palaipsnis atvėrimas),
aiškiose licencijose, draudžiančiose akivaizdžiai pavojingas panaudas,
tarptautiniuose susitarimuose dėl „raudonųjų linijų“ DI srityje,
švietime ir kibernetinio atsparumo stiprinime.

Reguliavimo kryptys 2024–2025 m.

Europa su „AI Act“ bando nustatyti taisykles, kaip kurti ir naudoti DI pagal rizikos lygius. Diskusijos ypač aštrios dėl atvirų modelių – ar jiems taikyti tokius pačius reikalavimus kaip uždariems, ar sukurti atskirą režimą?

Jei reguliavimas bus per griežtas atviriems modeliams, tai gali netyčia sustiprinti technologijų gigantų pozicijas, nes tik jie turės resursų atitikti sudėtingus reikalavimus. Todėl svarbu rasti balansą, kuris skatintų ir saugumą, ir atvirumą.

Ekonominė dimensija: kas laimės iš atvirų DI?

Atviri DI modeliai ir „AI commons“ keičia ne tik technologinį, bet ir ekonominį žaidimą.

Kam tai naudinga?

Startuoliams: mažesni pradžios kaštai, daugiau lankstumo, galimybė kurti nišinius produktus.
SMB (mažoms ir vidutinėms įmonėms): galimybė diegti DI be brangių prenumeratų.
Viešajam sektoriui: kontrolė, kur laikomi duomenys, ir galimybė kurti nacionalinius sprendimus.
Akademijai: prieiga prie tyrimams tinkamų modelių ir duomenų.

Ilgalaikėje perspektyvoje tai gali sukurti sveikesnę DI rinką, kurioje konkuruojama ne tik resursais, bet ir idėjomis, kokybe bei pasitikėjimu.

Galimos naujos verslo modelių bangos

„Open-core“ DI produktai: bazinis modelis atviras, bet siūlomos mokamos paslaugos (optimizavimas, palaikymas, integracijos).
Specializuotos agentūros: įmonėms diegiančios ir prižiūrinčios atvirus modelius jų infrastruktūroje.
Duomenų bendrijos: sektoriaus dalyviai kartu kuria ir prižiūri bendrus duomenų rinkinius.

Ką tai reiškia Lietuvai ir regionui?

Lietuva, kaip ir kitos Baltijos šalys, turi stiprią IT ekosistemą, bet ribotus finansinius ir skaičiavimo resursus, palyginti su technologijų milžinėmis. Atviri DI modeliai ir „AI commons“ čia tampa strategine galimybe.

Potencialios kryptys

Lietuvių kalbos modeliai: kurti ir palaikyti atvirus modelius, skirtus lietuvių kalbai ir regioniniams dialektams.
Viešojo sektoriaus DI: naudoti atvirus modelius savivaldai, sveikatos apsaugai, švietimui, išlaikant duomenis šalyje.
Akademiniai–verslo konsorciumai: universitetai, startuoliai ir įmonės kartu kuria atvirus sprendimus.
Bendradarbiavimas su ES iniciatyvomis: dalyvavimas europiniuose „AI commons“ projektuose, atsinešant savo kalbą ir duomenis.

Tokiu būdu DI tampa ne importuojama „juodąja dėže“, o vietoje kuriama ir suprantama technologija.

Kaip verslui praktiškai pradėti su atvirais DI modeliais?

Net ir mažesnės įmonės gali žengti į atviro DI pasaulį be milžiniškų investicijų. Keli praktiniai žingsniai:

Įsivertinti poreikius: kur DI gali duoti didžiausią naudą – klientų aptarnavime, dokumentų analizėje, procesų automatizacijoje?
Pasirinkti modelį: pradėti nuo populiarių atvirų modelių („Llama 3“, „Mistral“ ir pan.), pritaikytų kalbai ir užduočiai.
Testuoti lokaliai: išbandyti modelį savo duomenimis, įvertinti kokybę ir rizikas.
Užtikrinti saugumą: aiškiai apibrėžti, kokie duomenys gali būti naudojami mokymui ir inferencijai.
Planuoti valdymą: numatyti, kas prižiūrės modelį, atnaujins versijas ir stebės rezultatų kokybę.

Jei trūksta kompetencijos, verta bendradarbiauti su vietinėmis DI agentūromis ar universitetų komandomis, turinčiomis patirties su atvirais modeliais.

Ateities scenarijai: trys DI ekosistemos keliai

Žvelgiant į 2025 m. ir toliau, galima įsivaizduoti kelis DI ekosistemos raidos scenarijus.

1 scenarijus: uždaro oligopolio konsolidacija

Keli technologijų gigantai įtvirtina savo pozicijas, o atviri modeliai lieka nišiniu reiškiniu. Reguliavimas ir saugumo argumentai naudojami kaip barjeras naujiems žaidėjams. DI tampa „elektra iš vieno tinklo“ – patogi, bet priklausoma.

2 scenarijus: subalansuotas „hibridinis“ modelis

Uždari ir atviri modeliai koegzistuoja. Didžiosios kompanijos siūlo galingiausius modelius kaip paslaugą, o atviri modeliai naudojami vietiniuose, specializuotuose ir reguliuojamuose scenarijuose. „AI commons“ veikia kaip alternatyvi infrastruktūra, užtikrinanti konkurenciją ir skaidrumą.

3 scenarijus: stiprus „AI commons“ iškilimas

Valstybės, akademija ir verslas aktyviai investuoja į atvirus modelius ir bendrus išteklius. Atsiranda globalūs „AI commons“ standartai, o atviri modeliai tampa numatytuoju pasirinkimu daugelyje sričių. Uždari modeliai išlieka, bet jau nebediktuoja žaidimo taisyklių.

Kurį kelią pasirinksime, priklauso nuo šiandien priimamų sprendimų – tiek politinių, tiek verslo, tiek technologinių.

Išvados: kodėl atviri DI modeliai ir „AI commons“ svarbūs dabar

Atviri DI modeliai ir „AI commons“ nėra tik techninė detalė ar idealistų svajonė. Tai realus būdas:

mažinti priklausomybę nuo kelių technologijų gigantų,
skatinti inovacijas ir konkurenciją,
užtikrinti didesnį skaidrumą ir pasitikėjimą DI,
įtraukti daugiau šalių, kalbų ir bendruomenių į DI kūrimą.

Jei norime, kad dirbtinis intelektas tarnautų ne tik didžiausių korporacijų, bet ir visuomenės interesams, atviros ekosistemos kūrimas turi prasidėti dabar. Tai reiškia investicijas į atvirus modelius, duomenų rinkinius, švietimą ir protingą, o ne baimėmis paremtą reguliavimą.

DUK: atviri DI modeliai ir „AI commons“

Ar atviri DI modeliai yra nemokami naudoti versle?

Nebūtinai. Daugelis atvirų modelių leidžiami su licencijomis, kurios leidžia komercinį naudojimą, bet gali turėti sąlygų (pvz., nurodyti autorius, nekurti konkuruojančios paslaugos ar vengti tam tikrų sričių). Prieš diegiant modelį versle, būtina perskaityti konkrečią licenciją ir, jei reikia, pasitarti su teisininku.

Ar atviri modeliai gali konkuruoti su uždarais, tokiais kaip GPT-4?

Galingiausi uždari modeliai dažnai pirmauja pagal bendrą kokybę, tačiau atviri modeliai sparčiai vejasi, ypač specializuotose srityse. Dažnai atviras, gerai pritaikytas modelis konkrečiai užduočiai (pvz., konkrečios kalbos ar industrijos tekstams) gali lenkti bendros paskirties uždarą modelį, be to, suteikia daugiau kontrolės ir lankstumo.

Kaip mažai šaliai ar įmonei prisidėti prie „AI commons“?

Yra keli keliai: dalintis anonimizuotais duomenų rinkiniais ir anotacijomis, prisidėti prie atvirų modelių treniravimo ir vertinimo, kurti atvirus įrankius (pvz., lokalizacijos, vertimo, testavimo), finansuoti ar remti akademinius ir bendruomeninius projektus. Net ir riboti resursai gali turėti didelį poveikį, ypač nišinėse srityse, tokiose kaip mažos kalbos ar specifinės industrijos.

Atviri DI modeliai ir „AI commons“: kas valdys ateities protą?