AIモデルがオープンソースであるために完全な学習データの公開は必要なのか?

DeepSeekは世界に衝撃を与えているが、その要因としては、中国から米国の巨大AIベンダーを脅かす新たな勢力が現れたことに加え、AIモデルがMITライセンスというオープンソースライセンスでも頒布されている点が大きいと考えられる。しかし、DeepSeekはモデルこそMITライセンスで公開しているものの、データ処理コードや肝心のトレーニングデータに関する情報は、現時点では何も公開されておらず、詳しい情報も開示されていない。このような経緯から、「DeepSeekはオープンソースとは言えない」とする意見が各所で盛んに主張されており、「果たしてオープンソースと呼ぶために完全なトレーニングデータの公開は必須なのか」という問いへの関心も、ある程度高まっているように思われる。 昨年10月、Open Source Initiative(OSI)は「オープンソースAIの定義」(OSAID: Open Sou

[toaruR]

フォントの事例もおもしろい（´－｀）確かに再現性も含めて、原理主義的に今までのあり方で押し切るのは非現実的か

[KoshianX]

なるほど、オープンソースAIの定義も微妙に揺れるのだな。この図でいう Ab と Bb は特に悩ましいなあ。同様のデータが入手可能であればそこまで問題ない気はするが、入手可能性がどこまで担保できるかなあ

[hinonono]

そもそも、実用品とは限らない表現の領域では、オープンソースのようなライセンスによる厳格な「許諾」が噛み合わない。文化ってのは、換骨奪胎やパロディなどの作者が望まない形での利用もある程度出来る必要がある

[misshiki]

OSIはオープンソースAIか否かの二元論ではなく、クリエイティブコモンズのように提供形態ごとに細かく分類する仕組みを作れば、もっと実用的で分かりやすい基準になったのではと思う。

[vegnpomn]

理念はどうでもよくて、現実にはOSSで求められるのはタダで自社の用途にあわせてカスタマイズした上で商用利用できるということだけだが、それでいうと蒸留という形でそれは満たせるようだし、データは無くてよさそう

[hate_flag]

「学習データ」っていうけどそれなしでは成立しないんだからちゃんとリスト化して公開すべきだし、そのデータの権利者に許可を貰うべき。当然だよね

[mr_mayama]

主張には同意だけどフォントはソースであるUFO形式をリポジトリで公開するのが一般的ですよ。

[kei_1010]

記事は読んでない。技術革新の為には多少のお行儀の悪さなんて大事の前の小事という感じ。o3を学習データに使いまくれ、と思う。

[murashit]

「改変を加えるために好ましい形式」における非決定論的な色合いが強いのがポイントなんやろな