{"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\/sv\/blog\/news\/rejting-otkrytosti-generativnyh-ai-modelej","title":{"rendered":"Rankning av \u00f6ppenhet f\u00f6r generativa AI-modeller.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Forskare fr\u00e5n Radboud universitetet i Nijmegen (Nederl\u00e4nderna) har sammanst\u00e4llt en rankning av \u00f6ppenheten hos 40 stora spr\u00e5kmodeller och 7 modeller f\u00f6r att generera bilder fr\u00e5n textbeskrivningar, som utges av tillverkarna som \u00f6ppna. Eftersom kriterierna f\u00f6r \u00f6ppenhet kring maskininl\u00e4rningsmodeller fortfarande h\u00e5ller p\u00e5 att formas har en situation skapats d\u00e4r modeller som utger sig f\u00f6r att vara \u00f6ppna ofta har licenser som begr\u00e4nsar anv\u00e4ndningsomr\u00e5det (till exempel f\u00f6rbjuder m\u00e5nga modeller anv\u00e4ndning i kommersiella projekt). Ofta tillhandah\u00e5ller inte tillverkarna heller tillg\u00e5ng till de data som anv\u00e4nts vid tr\u00e4ningen, avsl\u00f6jar inte implementeringsdetaljer eller \u00f6ppnar helt den tillh\u00f6rande koden.<\/p>\n

De flesta modeller som marknadsf\u00f6rs som \"\u00f6ppna\" b\u00f6r faktiskt uppfattas som \"\u00f6ppna viktkoefficienter\" eller mer exakt \"tillg\u00e4ngliga viktkoefficienter\", eftersom de sprids under begr\u00e4nsande licenser som f\u00f6rbjuder anv\u00e4ndning i kommersiella produkter. Externa forskare kan experimentera med s\u00e5dana modeller, men de har inte m\u00f6jlighet att anpassa modellen efter sina behov eller inspektera implementeringen. Mer \u00e4n h\u00e4lften av modellerna ger inte detaljerad information om de data som anv\u00e4nds f\u00f6r tr\u00e4ning, och publicerar inte information om den interna strukturen och arkitekturen.<\/p>\n

De mest \u00f6ppna modellerna \u00e4r BloomZ, AmberChat, OLMo, Open Assistant och Stable Diffusion, som publicerats under \u00f6ppna licenser tillsammans med k\u00e4lldata, kod och implementering av API. Modeller fr\u00e5n Google (Gemma 7B), Microsoft (Orca 2) och Meta (Llama 3) som marknadsf\u00f6rs som \u00f6ppna, hamnade l\u00e4ngre ner p\u00e5 rankingen eftersom de inte tillhandah\u00e5ller tillg\u00e5ng till k\u00e4lldata, avsl\u00f6jar inte tekniska detaljer om implementeringen, och modellerna sprids under licenser som begr\u00e4nsar anv\u00e4ndningen. Den popul\u00e4ra modellen Mistral 7B hamnade ungef\u00e4r i mitten av rankingen, eftersom den levereras under en \u00f6ppen licens, men \u00e4r endast delvis dokumenterad, avsl\u00f6jar inte de data som anv\u00e4ndes vid tr\u00e4ning och har inte helt \u00f6ppen tillh\u00f6rande kod.<\/p>\n

Forskare har f\u00f6reslagit 14 kriterier f\u00f6r \u00f6ppenhet av AI-modeller, som omfattar villkor f\u00f6r spridning av kod, tr\u00e4ningsdata, vikter, datavarianter och koefficienter optimerade med hj\u00e4lp av f\u00f6rst\u00e4rkningsinl\u00e4rning (RL), samt tillg\u00e5ng till f\u00e4rdiga paket, API:er, dokumentation och detaljerade implementeringsbeskrivningar.<\/p>\n

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

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

I enlighet med det utkast till definition av \u00f6ppen AI som f\u00f6reslagits av OSI (Open Source Initiative) \u00e4r de huvudsakliga kriterierna f\u00f6r \u00f6ppenheten av ett AI-system att ge m\u00f6jligheter till anv\u00e4ndning f\u00f6r alla \u00e4ndam\u00e5l utan behov av s\u00e4rskilt tillst\u00e5nd; att studera systemets funktion och inspektera dess komponenter; att g\u00f6ra \u00e4ndringar f\u00f6r alla syften; och att \u00f6verf\u00f6ra b\u00e5de k\u00e4llversionen och redigerad version efter att \u00e4ndringar gjorts.<\/p>\n

F\u00f6r att m\u00f6jligg\u00f6ra \u00e4ndringar m\u00e5ste AI-systemet inkludera:<\/p>\n