No software tradicional, open source já possui uma definição consolidada baseada em acesso ao código e liberdades de uso, modificação e redistribuição.
Em inteligência artificial, o cenário é mais complicado.
Um modelo moderno não é formado apenas pelo código que executa a aplicação. Existem pesos treinados, arquitetura, informações sobre os dados usados, procedimentos de treinamento e outros componentes que influenciam o comportamento final.
Por isso, publicar os pesos de um modelo não resolve sozinho a pergunta sobre abertura.
A Open Source Initiative criou uma definição específica para IA que tenta aplicar as liberdades tradicionais do open source a sistemas de machine learning. A proposta inclui condições para que uma pessoa possa usar, estudar, modificar e compartilhar o sistema.
Isso também ajuda a separar termos usados no marketing. “Open weights” significa que os pesos estão disponíveis sob determinadas condições. “Open source AI” implica um conjunto mais amplo de liberdades e informações.
Um modelo pode ser gratuito para baixar e ainda ter uma licença que restringe usos. Da mesma forma, pode existir código público sem informações suficientes para reproduzir ou modificar partes relevantes do treinamento.
Por isso, ao comparar modelos “abertos”, é melhor observar a licença e os componentes realmente disponibilizados em vez de confiar apenas no rótulo usado pela empresa.