अगर आप मॉडल को पुनरुत्पादित नहीं कर सकते, तो वह ओपन-सोर्स नहीं है
इस बात पर विवाद है कि AI मॉडलों को “ओपन सोर्स” कहा जाना चाहिए या नहीं, क्योंकि कई लोग तर्क देते हैं कि केवल मॉडल वेट्स जारी करना—बिना डेटासेट, डेटा संग्रह पाइपलाइन, या पूर्ण प्रशिक्षण रेसिपी के—ओपन-सोर्स सॉफ़्टवेयर में अपेक्षित पारदर्शिता और पुनरुत्पादनीयता से कम है। दूसरे कहते हैं कि अधिकांश उपयोगकर्ताओं के लिए महत्वपूर्ण यह है कि वे मॉडल डाउनलोड, चलाकर, और फाइन-ट्यून कर सकें, और कि पूर्ण डेटा रिलीज़ अक्सर लागत, कानूनी, और गोपनीयता संबंधी चिंताओं के कारण अव्यावहारिक होती है। यह चर्चा “ओपन वेट्स” और वास्तव में पुनरुत्पाद्य मॉडलों के बीच बढ़ते विभाजन को उजागर करती है, और Open Source Initiative तथा Debian जैसे समूहों द्वारा AI युग में “open” का अर्थ स्पष्ट करने के चल रहे प्रयासों को भी।
AI मॉडलों के लिए “ओपन सोर्स” का अर्थ
- कई लोगों का तर्क है कि यदि किसी मॉडल को डेटा + कोड + प्रशिक्षण रेसिपी से पुनरुत्पादित नहीं किया जा सकता, तो उसे “ओपन सोर्स” नहीं, बल्कि केवल “ओपन वेट्स” या “मॉडल उपलब्ध” कहा जाना चाहिए।
- अन्य लोग जवाब देते हैं कि क्लासिक ओपन सोर्स ने कभी पुनरुत्पादनीयता या वहनीयता की गारंटी नहीं दी; कोड (या वेट्स + रनर) तक पहुंच पर्याप्त है, भले ही अधिकांश लोगों के पास आवश्यक कंप्यूट न हो।
- यह बहस जारी है कि ML के लिए “source” में क्या शामिल माना जाए: वेट्स, डेटासेट, ट्रेनिंग स्क्रिप्ट्स, या पूरा पाइपलाइन। GPL/OSI की “preferred form for modification” वाली परिभाषाओं का अक्सर हवाला दिया जाता है, लेकिन उन्हें असंगत रूप से लागू किया जाता है।
डेटा, कोड और पुनरुत्पादनीयता की भूमिका
- कुछ लोग डेटासेट और संग्रह/फ़िल्टरिंग स्क्रिप्ट्स को सबसे महत्वपूर्ण गायब हिस्से मानते हैं; इनके बिना आप मॉडल को फिर से प्रशिक्षित नहीं कर सकते, पक्षपात का ऑडिट नहीं कर सकते, या दावों की पुष्टि नहीं कर सकते।
- अन्य लोगों का दावा है कि प्रशिक्षित वेट्स ही व्यावहारिक “source” हैं, क्योंकि अधिकांश उपयोगी काम फाइन-ट्यूनिंग या नई लेयर्स जोड़ने के माध्यम से होता है, न कि शुरू से पुन: प्रशिक्षण से।
- पुनरुत्पादनीयता को गैर-निर्धारक प्रशिक्षण, भारी कंप्यूट लागत, और गायब हो चुके या निजी डेटा स्रोतों से और जटिल बनाया जाता है।
व्यावहारिक मूल्य बनाम दार्शनिक शुद्धता
- एक पक्ष उपयोगकर्ता की स्वतंत्रताओं पर ध्यान देता है: डाउनलोड करना, लोकल रूप से चलाना, संशोधित करना (फाइन-ट्यूनिंग के माध्यम से), और व्युत्पन्न कार्य साझा करना। वे वर्तमान “ओपन” LLMs को केवल API-आधारित सेवाओं की तुलना में एक बहुत बड़ा लाभ मानते हैं।
- दूसरा पक्ष दीर्घकालिक स्वायत्तता पर जोर देता है: डेटा और रेसिपी के बिना, समुदाय वास्तव में मॉडलों को फोर्क नहीं कर सकता या जारी नहीं रख सकता यदि मूल प्रायोजक संस्करण जारी करना बंद कर दें।
- Linux में फर्मवेयर ब्लॉब्स से तुलना की जाती है: कुछ न होने से बेहतर, लेकिन पूरी तरह ओपन नहीं।
डेटा से जुड़ी कानूनी और नैतिक चिंताएँ
- कई लोगों का मानना है कि डेटासेट बंद रखे जाते हैं ताकि कॉपीराइट मुकदमों और विवादास्पद स्रोतों (जैसे किताबें, सोशल मीडिया, पायरेटेड सामग्री) को लेकर सार्वजनिक प्रतिक्रिया से बचा जा सके।
- यह चिंता भी है कि अपारदर्शी मॉडलों के उपयोगकर्ता अनजाने में उल्लंघनकारी या पक्षपाती डेटा पर निर्भर हो सकते हैं।
कंप्यूट, व्यवहार्यता, और उभरते प्रयास
- कई लोग नोट करते हैं कि अत्याधुनिक मॉडल का प्रशिक्षण अधिकांश व्यक्तियों की पहुंच से बाहर है, लेकिन छोटे, उपयोगी मॉडल गैर-लाभकारी संस्थाओं और प्रयोगशालाओं के लिए संभव हैं।
- कुछ प्रोजेक्ट्स (जैसे Pythia, StableLM, RedPajama-जैसे प्रयास) को पूरी तरह दस्तावेज़ीकृत या सार्वजनिक-डेटा प्रशिक्षण के प्रयासों के रूप में उद्धृत किया जाता है, हालांकि वास्तविक एंड-टू-एंड पुनरुत्पादनीयता अभी भी दुर्लभ है।
- मानक-निर्धारण कार्य (जैसे OSI का “deep dive,” Debian ML policy) और “मॉडलों के लिए Dockerfiles” या प्रशिक्षण के zero-knowledge proofs जैसे विचारों को आगे बढ़ने के संभावित रास्तों के रूप में उल्लेख किया गया है।