{"id":116805,"date":"2024-06-27T18:05:52","date_gmt":"2024-06-27T16:05:52","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/rejting-otkrytosti-generativnyh-ai-modelej"},"modified":"2024-06-27T18:05:52","modified_gmt":"2024-06-27T16:05:52","slug":"rejting-otkrytosti-generativnyh-ai-modelej","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/rejting-otkrytosti-generativnyh-ai-modelej","title":{"rendered":"\u00c5benhedsrangering af generative AI-modeller","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Forskere fra Nijmegen Universitet (Nederlandene) har udarbejdet en rangordning af \u00e5benhed for 40 store sprogmodeller og 7 modeller til generering af billeder baseret p\u00e5 tekstbeskrivelser, som producenterne h\u00e6vder er \u00e5bne. Da kriterierne for \u00e5benhed af maskinl\u00e6ringsmodeller stadig er under udvikling, er der i \u00f8jeblikket opst\u00e5et en situation, hvor modeller, der markedsf\u00f8res som \u00e5bne, ofte har licenser, der begr\u00e6nser brugsomr\u00e5det (for eksempel forbyder mange modeller anvendelse i kommercielle projekter). Ofte giver producenterne heller ikke adgang til de data, der er anvendt under tr\u00e6ningen, afsl\u00f8rer ikke implementeringsdetaljer, eller de \u00e5bner ikke den tilknyttede kode fuldst\u00e6ndigt.<\/p>\n

De fleste modeller, der markedsf\u00f8res som \u00ab\u00e5bne\u00bb, b\u00f8r reelt betragtes som \u00ab\u00e5bne v\u00e6gte\u00bb eller mere pr\u00e6cist \u00abtilg\u00e6ngelige v\u00e6gte\u00bb, da de distribueres under restriktive licenser, der forbyder brug i kommercielle produkter. Uafh\u00e6ngige forskere kan eksperimentere med s\u00e5danne modeller, men har ikke mulighed for at tilpasse modellen til deres behov eller inspicere implementeringen. Mere end halvdelen af modellerne giver ikke detaljerede oplysninger om de data, der anvendes til tr\u00e6ning, samt offentligg\u00f8r ikke information om deres interne struktur og arkitektur.<\/p>\n

De mest \u00e5bne modeller anerkendes som BloomZ, AmberChat, OLMo, Open Assistant og Stable Diffusion, som alle er offentliggjort under \u00e5bne licenser sammen med kildedata, kode og API-implementering. Modellerne fra Google (Gemma 7B), Microsoft (Orca 2) og Meta (Llama 3), der pr\u00e6senteres som \u00e5bne af producenterne, er placeret l\u00e6ngere nede i rangordningen, da de ikke giver adgang til kildeoplysninger, ikke afsl\u00f8rer tekniske implementeringsdetaljer, og modellerne distribueres under licenser, der begr\u00e6nser brugsomr\u00e5det. Den popul\u00e6re model Mistral 7B befinder sig cirka midt i rangordningen, da den leveres under en \u00e5ben licens, men kun er delvist dokumenteret, afsl\u00f8rer ikke de data, der anvendes til tr\u00e6ning, og har ikke en helt \u00e5ben tilknyttende kode.<\/p>\n

Forskere har fremsat 14 kriterier for \u00e5benhed af AI-modeller, der d\u00e6kker betingelserne for distribution af kode, tr\u00e6ningsdata, v\u00e6gte, datavarianter og koefficienter optimeret ved hj\u00e6lp af reinforcement learning (RL), samt tilg\u00e6ngeligheden af anvendelige pakker, API'er, dokumentation og detaljerede beskrivelser af implementeringen.<\/p>\n

\"\u00c5benhedsrangering<\/center><\/p>\n

\"\u00c5benhedsrangering<\/center><\/p>\n

If\u00f8lge det udkast til definition af \u00e5ben AI, der er foresl\u00e5et af OSI (Open Source Initiative), er de grundl\u00e6ggende kriterier for \u00e5benhed af AI-systemet, at mulighederne for anvendelse til enhver hensigt er tilg\u00e6ngelige uden behov for at f\u00e5 s\u00e6rlig tilladelse; muligheden for at studere systemets funktion og inspicere dets komponenter; at foretage \u00e6ndringer til enhver hensigt; og at overf\u00f8re b\u00e5de den originale version og redaktioner efter \u00e6ndringer til andre.<\/p>\n

For at muligg\u00f8re \u00e6ndringer skal AI-systemet inkludere:<\/p>\n