{"id":123966,"date":"2025-05-03T15:05:12","date_gmt":"2025-05-03T13:05:12","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/proekt-debian-nachal-obshhee-golosovanie-po-kriteriyam-otkrytosti-ai-modelej"},"modified":"2025-05-03T15:05:12","modified_gmt":"2025-05-03T13:05:12","slug":"proekt-debian-nachal-obshhee-golosovanie-po-kriteriyam-otkrytosti-ai-modelej","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/proekt-debian-nachal-obshhee-golosovanie-po-kriteriyam-otkrytosti-ai-modelej","title":{"rendered":"Das Debian-Projekt hat eine allgemeine Abstimmung \u00fcber die Offenheitskriterien von KI-Modellen gestartet.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Das Debian-Projekt hat eine allgemeine Abstimmung (GR, allgemeine Resolution) unter den Entwicklern des Projekts angek\u00fcndigt, um die Kriterien f\u00fcr die Annahme von Modellen des maschinellen Lernens in das Haupt-Repository des Projekts festzulegen. In dieser Phase beginnt die Diskussion, nach der die Stimmen gesammelt werden (das Datum der Abstimmung ist noch nicht festgelegt). Etwa tausend Entwickler, die an der Pflege von Paketen und der Wartung der Debian-Infrastruktur beteiligt sind, haben das Stimmrecht. <\/p>\n
KI-Modelle, die unter offenen Lizenzen verbreitet werden, aber ohne Bereitstellung des Quellmaterials und der Werkzeuge zum Trainieren des Modells, sollten als unvereinbar mit den Kriterien von Debian, die freies Software (DFSG, Debian Free Software Guideline) definieren, anerkannt werden. Im Falle der Genehmigung des Vorschlags k\u00f6nnen solche Modelle nicht in das Hauptrepository des Projekts (\u201emain\u201c) aufgenommen werden. Die M\u00f6glichkeit, solche Modelle in das Repository \u201enon-free\u201c zu liefern, wird in der laufenden Abstimmung nicht in Betracht gezogen. <\/p>\n
Unter den Problemen, die bei fehlenden Daten, die zum Training verwendet wurden, erw\u00e4hnt werden, sind: <\/p>\n
\n
Das Fehlen von Trainingsdaten oder Programmen zur Durchf\u00fchrung von Schulungen schr\u00e4nkt die M\u00f6glichkeiten zur Modifikation fertiger KI-Modelle erheblich ein. Obwohl die Lizenz eine Modifikation erlaubt, gestaltet sich diese in der Praxis oft als schwierig. \u00c4nderungen k\u00f6nnten beispielsweise erforderlich sein, wenn der Tokenizer ersetzt werden muss, um die Unterst\u00fctzung neuer Sprachen hinzuzuf\u00fcgen.\n
Die f\u00fcr das Training verwendeten Daten k\u00f6nnen als \u201eQuellcode\u201c des Modells betrachtet werden, w\u00e4hrend das fertige Modell das Ergebnis der Verarbeitung dieses \u201eQuellcodes\u201c mit den Werkzeugen zum Durchf\u00fchren des Trainings ist. Dementsprechend muss f\u00fcr eine vollst\u00e4ndige Modifizierung des Modells die M\u00f6glichkeit zur Modifizierung der Quelldaten und der Werkzeuge bestehen.\n
Die Unm\u00f6glichkeit, die Arbeit, die zur Erstellung des Modells erforderlich war, ohne Zugang zu den Quelldaten und Werkzeugen zu reproduzieren.\n
Sicherheits- und ethische Fragen. Ohne Quellcode und Werkzeuge ist die M\u00f6glichkeit, Schwachstellen in Modellen zu beheben, durch die Verwendung bin\u00e4rer Patches oder den vollst\u00e4ndigen Austausch des Modells eingeschr\u00e4nkt. Solche Patches kann nur der Autor des Modells erstellen, und die Nutzer des Modells sind vollst\u00e4ndig von ihm abh\u00e4ngig. Dabei kann niemand, einschlie\u00dflich der Autoren des Modells, den Kern der angebotenen \u00c4nderungen verstehen. Das Fehlen von Quelldaten erschwert au\u00dferdem die Erkennung von Backdoor-Einsch\u00fcben in maschinellen Lernmodellen.\n
Einschr\u00e4nkungen beim Lernen. Ohne Ausgangsdaten ist es unm\u00f6glich zu best\u00e4tigen, dass das Modell mit Daten trainiert wurde, die unter Lizenzen bereitgestellt wurden, die eine derartige Nutzung erlauben, oder auszuschlie\u00dfen, dass beim Training Daten verwendet wurden, die illegal beschafft wurden. Dar\u00fcber hinaus, falls beim Training Daten unter der GPL-Lizenz verwendet wurden, kann eine Analyse erforderlich sein, um Fragmenten im Ergebnis des Modells zu erkennen, die diese Daten enthalten und f\u00fcr die eine Quellenangabe und Lizenz erforderlich sind. Der Entwickler k\u00f6nnte in seinem Projekt generierten Code\/Inhalte des Modells hinzuf\u00fcgen und unabsichtlich eine Lizenzverletzung in Bezug auf bestimmte Ausgangsdaten begehen. <\/ul>\n
Im Oktober des letzten Jahres ver\u00f6ffentlichte die OSI (Open Source Initiative) eine Definition f\u00fcr offene AI-Systeme (Open Source AI). Ein offenes AI-System sollte folgende M\u00f6glichkeiten bieten: Nutzung zu allen Zwecken ohne die Notwendigkeit einer separaten Genehmigung; Untersuchung des Systems und Inspektion seiner Komponenten; Durchf\u00fchrung von \u00c4nderungen f\u00fcr beliebige Zwecke; Weitergabe an Dritte sowohl als Originalversion als auch in bearbeiteter Form nach \u00c4nderungen, ohne Einschr\u00e4nkungen in der Verwendung. Ein offenes AI-System sollte detaillierte Informationen zur Architektur des Modells, den bei der Schulung verwendeten Daten und der Lehrmethodik sowie den Quellcode zur Ausf\u00fchrung und Schulung des AI-Systems enthalten. Es sollten gen\u00fcgend Informationen bereitgestellt werden, damit ein professioneller Entwickler in der Lage ist, ein \u00e4quivalentes AI-System eigenst\u00e4ndig zu rekonstruieren, wobei die gleichen oder \u00e4hnliche Daten f\u00fcr das Training verwendet werden. <\/p>\n
Die Menschenrechtsorganisation Software Freedom Conservancy (SFC) hat diese Definition kritisiert. Die Unzufriedenheit ergibt sich daraus, dass in den Kriterien keine Anforderungen zur Bereitstellung der f\u00fcr das Training des Modells verwendeten Daten enthalten sind. In der OSI-Definition wird lediglich gefordert, detaillierte Informationen \u00fcber die beim Training verwendeten Daten bereitzustellen, jedoch nicht die Daten selbst. Die angenommene Definition garantiert nur zwei der vier genannten Freiheiten von Open Source \u2013 die M\u00f6glichkeit zu nutzen und die M\u00f6glichkeit zu verbreiten, w\u00e4hrend die M\u00f6glichkeiten zur Ver\u00e4nderung und zum Lernen nicht vollst\u00e4ndig sichergestellt sind. <\/p>\n
Die Entscheidung der OSI wird damit erkl\u00e4rt, dass die Ver\u00f6ffentlichung der Rohdaten in vielen F\u00e4llen aus Gr\u00fcnden, die au\u00dferhalb der Kontrolle des Entwicklers des AI-Modells liegen, nicht m\u00f6glich ist, wie z.B. der Notwendigkeit, die Vertraulichkeit zu wahren, die Nutzung urheberrechtlich gesch\u00fctzter Materialien oder die Lizenzierung von Daten durch Dritte usw. Wenn ein Anforderungen zur Bereitstellung von Daten hinzugef\u00fcgt w\u00fcrde, w\u00fcrde kein bestehendes gro\u00dfes Sprachmodell den Status eines offenen Modells erhalten, und die Definition selbst w\u00fcrde eine unerreichbare Utopie werden. \n Quelle: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"