{"id":120383,"date":"2024-10-29T01:09:07","date_gmt":"2024-10-28T23:09:07","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/organizacziya-osi-vyrabotala-kriterii-otkrytosti-ai-sistem"},"modified":"2024-10-29T01:09:07","modified_gmt":"2024-10-28T23:09:07","slug":"organizacziya-osi-vyrabotala-kriterii-otkrytosti-ai-sistem","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pt\/blog\/news\/organizacziya-osi-vyrabotala-kriterii-otkrytosti-ai-sistem","title":{"rendered":"A organiza\u00e7\u00e3o OSI desenvolveu crit\u00e9rios de abertura para sistemas de IA","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
A organiza\u00e7\u00e3o Open Source Initiative (OSI), respons\u00e1vel pela verifica\u00e7\u00e3o de licen\u00e7as quanto ao cumprimento dos crit\u00e9rios Open Source, aprovou o documento Open Source AI Definition v1.0 (OSAID), que formula uma defini\u00e7\u00e3o para AI aberta. Um sistema de IA pode ser considerado aberto se atender aos seguintes crit\u00e9rios: <\/p>\n
\n
Possibilidade de uso para quaisquer fins sem a necessidade de obter uma permiss\u00e3o espec\u00edfica;\n
Possibilidade de estudar o funcionamento do sistema e inspecionar seus componentes;\n
Possibilidade de fazer altera\u00e7\u00f5es para quaisquer fins, incluindo a modifica\u00e7\u00e3o das informa\u00e7\u00f5es geradas pelo sistema;\n
Possibilidade de compartilhar com outras pessoas tanto a vers\u00e3o original quanto a vers\u00e3o editada ap\u00f3s as modifica\u00e7\u00f5es, sem restri\u00e7\u00f5es quanto aos fins de uso. <\/ul>\n
Para permitir a modifica\u00e7\u00e3o, um sistema de IA aberto deve incluir: <\/p>\n
\n
Informa\u00e7\u00f5es detalhadas sobre os dados usados no treinamento e a metodologia de treinamento. As informa\u00e7\u00f5es devem ser suficientes para que um desenvolvedor profissional possa recriar um sistema de IA equivalente, usando os mesmos ou dados semelhantes para treinamento.\n
O c\u00f3digo-fonte, que deve permitir tanto a execu\u00e7\u00e3o do sistema de IA quanto o processo de seu treinamento. O c\u00f3digo tamb\u00e9m deve abranger \u00e1reas como pr\u00e9-processamento, verifica\u00e7\u00e3o de dados e tokeniza\u00e7\u00e3o. Al\u00e9m disso, deve ser fornecida uma descri\u00e7\u00e3o detalhada da arquitetura do modelo. <\/li>\n
Os par\u00e2metros do modelo (pesos), que implicam a exist\u00eancia de um instant\u00e2neo de estado pronto para uso ap\u00f3s o treinamento ou a exist\u00eancia da vers\u00e3o final otimizada do modelo. <\/li>\n<\/ul>\n
Grandes modelos de linguagem de aprendizado de m\u00e1quina reconhecidos como atendendo aos crit\u00e9rios estabelecidos: Pythia (Eleuther AI), OLMo (AI2), Amber (LLM360), CrystalCoder (LLM360) e T5 (Google). <\/p>\n
Grandes modelos de linguagem de aprendizado de m\u00e1quina que aspiram a mudar suas licen\u00e7as ou regras de uso: BLOOM (BigScience), Starcoder2 (BigCode) e Falcon (TII). <\/p>\n