Che cos'è l'AI open-source e come si differenzia?

L'AI open-source significa che il modello sottostante, e spesso la sua ricetta di addestramento, sono pubblicati affinché chiunque possa ispezionare, copiare e modificare. L'opposto è un modello chiuso o proprietario, dove puoi accedere all'AI solo tramite un'API o un'app e il funzionamento interno rimane segreto. Pensalo come un libro di ricette rispetto a un ristorante che vende solo il piatto finito.

Cosa esattamente viene "aperto" in un modello di AI open-source?

Come minimo, i pesi del modello sono rilasciati pubblicamente. I pesi sono i milioni o miliardi di valori numerici che il modello ha imparato durante l'addestramento, i numeri che lo fanno effettivamente funzionare. Alcuni progetti rilasciano anche il codice di addestramento, il dataset e la documentazione.

Non tutti i progetti rilasciano tutte queste cose contemporaneamente. I modelli Llama di Meta, ad esempio, rilasciano i pesi e consentono un uso ampio, ma i dati di addestramento completi non sono pubblicati. La pagina di ricerca di Meta per Llama descrive questo in dettaglio. I puristi dell'open-source vero sosterebbero che il rilascio dei soli pesi è più vicino a "open weights" che al vero open-source, ma nella conversazione di tutti i giorni i termini sono usati in modo intercambiabile.

Come si differenzia l'AI open-source dall'AI chiuso come GPT-4?

Con un modello chiuso, invii il tuo testo al server di un'azienda, elabora il pensiero e rimanda una risposta. Non vedi mai il modello stesso. I modelli aperti ti permettono di scaricare il tutto e eseguirlo sul tuo computer o server cloud.

Questa semplice differenza ha grandi effetti secondari. Puoi affinare (specializzare) il modello sui tuoi dati, controllarlo per bias o errori, e mantenere i tuoi dati interamente on-premise, il che significa che non escono mai dal tuo edificio. Un ospedale, ad esempio, potrebbe eseguire un modello aperto localmente in modo che i dati dei pazienti non tocchino mai un server esterno.

Quali sono i veri benefici?

Quattro cose spiccano. Primo, il costo: una volta ottenuto il modello, l'inferenza (eseguirlo) può essere molto più economica rispetto al pagamento di tariffe API per query. Secondo, la personalizzazione: puoi rimodellare il comportamento del modello in modi che un'API commerciale non consente. Terzo, la trasparenza: i ricercatori possono studiare come il modello arriva alle sue risposte, cosa che conta enormemente per la ricerca sulla sicurezza. La ricerca sull'allineamento di Anthropic evidenzia perché la capacità di ispezionare gli interni del modello è preziosa. Quarto, nessun vincolo fornitore: non dipendi da una sola azienda che rimane solvibile o mantiene i prezzi stabili.

Quali sono i difetti e i rischi?

I modelli aperti possono essere utilizzati in modo improprio più facilmente, perché chiunque può rimuovere le protezioni di sicurezza che un'azienda applicherebbe normalmente. Richiedono anche competenze tecniche per funzionare bene, e sei responsabile del loro aggiornamento e sicurezza. Le organizzazioni più piccole potrebbero trovare l'onere infrastrutturale pesante.

Il Framework di Gestione del Rischio AI del NIST nota che la trasparenza taglia in entrambi i modi: aiuta i difensori a comprendere un sistema, ma aiuta anche gli attaccanti a capire come abusarne.

AI open-source vs chiuso: un confronto rapido

Caratteristica	Open-source / open weights	Chiuso / proprietario
Vedi gli interni del modello	Sì	No
Eseguilo sul tuo hardware	Sì	No
Personalizza e affina	Sì, liberamente	Limitato o no
I dati rimangono sui tuoi server	Sì	Solitamente no
Sforzo tecnico iniziale	Alto	Basso
Modello di costo tipico	Costi infrastrutturali	Tariffe pay-per-query

Un esempio reale di AI open-source in azione

Una startup di legal tech vuole costruire un assistente di revisione documenti. Utilizzare un'API chiusa significa che ogni contratto che elabora passa attraverso i server di qualcun altro, il che pone problemi di riservatezza dei clienti. Invece, il team scarica un modello open-weights, lo affina sul linguaggio legale e lo esegue all'interno del proprio ambiente sicuro. I clienti non hanno mai bisogno di saperlo, e nessun dato esce dal controllo dell'azienda.

Cosa consente effettivamente la licenza?

È qui che le cose diventano sfumate. "Open-source" non significa sempre "fai quello che vuoi". Alcuni modelli hanno licenze che limitano l'uso commerciale o richiedono che tu apra il codice sorgente di tutte le modifiche che apporti. La definizione dell'Open Source Initiative richiede, tra le altre cose, che la licenza non limiti nessuno dal vendere o regalare il software. Molte licenze di modelli AI popolari non raggiungono quel livello, motivo per cui la frase "open weights" sta diventando più precisa.

Leggi sempre la licenza prima di costruire un prodotto su un modello.

Avvertenza sulla privacy, in parole semplici

Eseguire un modello aperto localmente è in realtà l'opzione più privata disponibile, perché i tuoi prompt non escono mai dalla tua macchina. Il problema è che scaricare file di modello di grandi dimensioni (spesso da 10 a 70 gigabyte) ed eseguirli richiede hardware decente. I laptop consumer possono gestire modelli più piccoli; quelli grandi hanno bisogno di una GPU potente o di un server cloud affittato.

Domande frequenti

L'AI open-source è gratuito da usare?

Scaricare il modello è di solito gratuito, ma paghi comunque l'elettricità e l'hardware (o il cloud compute) necessari per eseguirlo. Le licenze commerciali su alcuni modelli possono anche richiedere una quota per l'uso aziendale.

Posso fidarmi di un'AI open-source per essere sicura?

I modelli aperti possono essere controllati da chiunque, il che aiuta a individuare i problemi, ma possono anche avere protezioni di sicurezza rimosse da chiunque. La sicurezza dipende molto da quanto attentamente distribuisci e configuri il modello per il tuo caso d'uso specifico.