Tim O’Reilly visszapillant a korábbi informatikai hullámokra, hogy megértsük, miért van jelentősége a nyílt forráskódú megközelítéseknek a mesterséges intelligenciában. A példák — a web szerverek és a Unix-ökoszisztéma története — azt mutatják, hogy nem csupán a kód elérhetősége számít, hanem az, hogy mennyire könnyű a komponenseket egymásra illeszteni és lecserélni.
A történet röviden: Apache kontra Netscape és Microsoft
1995-ben a médiában az szerepelt, hogy Netscape vagy Microsoft fogja-e uralni a webet. Az eredmény végül egyikük sem lett; az Apache nyílt forráskódú webkiszolgáló a tiszta bővítési réteggel teljesen más stratégiát választott: nem mindent épített be monolitikusan, hanem lehetővé tette, hogy bárki saját kiegészítést csatoljon hozzá engedélykérés vagy kiadási ciklus várakozása nélkül. Néhány év alatt az Apache vezetővé vált, és kialakult a LAMP-stapel (Linux, Apache, MySQL, és Perl|Python|PHP) mint érvényes platform. A tanulság: a moduláris felépítés és a komponálhatóság erős védőgátat jelentett.
Az „architectures of participation” és a nyílt forráskód sokkal több, mint licencek
O’Reilly 2004-ben az „architecture of participation” kifejezéssel írta le azt a mintát, amely szerint a kis mag (kernel) és a szabványos interfészek teremtenek közösséget és innovációt. Nem elegendő, hogy a forráskód elérhető legyen—az architektúrának olyannak kell lennie, hogy harmadik felek könnyen tudjanak rá építeni. Bob Young, a Red Hat alapítója egyszerűen fogalmazta meg az üzleti modellt: „amit igazán eladunk az ügyfeleinknek, az a kontroll.”
Mi változott az AI-modelleknél?
O’Reilly párhuzamot von Netscape/Microsoft és a mai nagy AI-laborok (például OpenAI és Anthropic) között. A modern nagy modellek egyre több viselkedési jellemzőt és alapbeállítást a tanult súlyokba zárnak, így azok kívülről nem láthatók és nem módosíthatók. Drew Breunig megfogalmazása szerint ez „diverzitás cseréje megbízhatóságért”: sok felhasználónak ez előny, de a változatosság és a kísérletezés rovására mehet.
Miért nem csak a nyílt súlyok számítanak?
A közbeszéd gyakran a modell súlyaira és azok elérhetőségére koncentrál. O’Reilly emlékeztet, hogy az Apache sosem az elérhetőségért versenyzett, hanem a komponálhatóságért — hogy a platform ne legyen egyetlen cég által lezárt doboz. Ami egy piacot nyitottá tart, az nem egyetlen komponens licencelése, hanem az, hogy mennyire könnyű egy elemet másra cserélni. A kapcsolati protokollok (stdin/stdout a Unixnál; TCP/IP, HTTP az internetnél) kulcsszerepet játszottak abban, hogy az ökoszisztéma hosszútávon interoperábilis maradjon.
Pozitív jelek: protokollok, agentic harness-ek és hordozható memória
Vannak jelei annak, hogy az AI térben is felbukkannak a komponálható, protokollközpontú architektúrák. Anthropic Model Context Protocol (MCP) egy ilyen nyitott szabvány, amely lehetővé teszi, hogy bármely alkalmazás eszközhöz vagy adattforráshoz férjen hozzá egyedi integráció nélkül. Az MCP most az Agentic AI Foundation (a Linux Foundation egyik alprojektje) háza alatt is megtalálható, ami részben függetlenséget biztosít.
Számos projekt dolgozik hordozható memórián és agentic komponenseken: például Letta, Nous Research, és nyílt forráskódú harness-ek mint Goose és Pi. Különösen Pi-t úgy tervezték, hogy könnyen módosítható legyen; a készítő, Mario Zechner, ragaszkodott egy „/quit” parancshoz a „/exit” helyett, amire sok PR érkezett, de ő azzal válaszol, hogy aki akarja, kérje be a saját telepítésébe.
Az ökoszisztéma mérete és a nyilvános kezdeményezések
A Current AI Open Source Gap Map adatbázisa több mint 24 600 nyílt forráskódú AI-projektet mutat; ezekből 421 projektet mélyebben is pontoznak nyitottság, képesség és elfogadás szerint. A térkép három rétegbe rendezi a stack-et: 1) modellek és kapcsolódó elemek (adatkészletek, finomhangoló eszközök, inferencia keretrendszerek mint a VLLM és értékelő rendszerek); 2) termék- és UX réteg (harness-ek, személyes ügynökök); 3) alatta lévő infrastruktúra (PyTorch, Ollama, peremhardver).
A Current AI maga is egy nyilvános–magán partnerség: az AI Action Summit (Párizs, múlt év) eredményeként jött létre. Idén nyáron bejelentették az AI Potluck projektet, amelyet úgy írnak le, mint „nyílt forráskódú komponensekből felépülő, vertikálisan integrált AI-termék” megépítésére irányuló nyilvános kezdeményezést — alternatívát a proprietáris AI-hoz. Ezt jelenleg nagyjából 400 millió dollár támogatás fedezi egy öt évre szóló, 2,5 milliárd dolláros elköteleződés részeként; a támogatók között megtalálhatók a francia kormány, DeepMind, Salesforce, valamint fontos alapítványok, köztük Omidyar’s AI Collaborative, a MacArthur Foundation és a Ford Foundation.
Miért fontos a „weirdness” és a diverzitás
Drew Breunig szerint a nagy, zárt modellek standardizálják az alapértelmezett kimeneteket és ezzel csökkentik az innováció diverzitását. A cél annak megtartása, hogy a modellek infrastruktúraként maradjanak fenn, ne pedig bérelhető készülékként. Gyakorlati szinten ez azt jelenti, hogy a modell, a harness és az alkalmazás között éles elkülönítésre van szükség, hogy bárki — még aki nem a nagy laborok roadmapjét követi — képes legyen „furcsát” vagy sajátosat építeni.
Addy Osmani megjegyzése szerint a részvétel jelenleg főként a harness és a köré épülő elemek (skill-ek, subagent-ek, hook-ok, kontext fájlok stb.) átírásában zajlik, nem a súlyok módosításában. A könnyű módosíthatóság tehát olyan gyakorlati előnyöket ad, amelyek a költségek, adatvédelmi megfontolások és a termékek végső formája szempontjából minden fejlesztőnek fontosak.
Záró gondolat
O’Reilly figyelmeztet: a mai nagy laborok ugyanazt a hibát követhetik el, mint annak idején Netscape és Microsoft — túlzottan bezárhatják, amit nyitottnak kellene hagyni. A megbízhatóság fontos a széles közönség számára, de nem szabad kizárni azon fejlesztők lehetőségét, akik a határokat tolnák előre. Bill Joy régi megállapítása emlékeztet minket: „No matter who you are, most of the smartest people work for someone else.” Nem lehet egyetlen szereplőre bízni az innováció egészét.
Vegyenek részt az AI Codecon: Building with Open Source AI virtuális, ingyenes rendezvényén augusztus 31-én, ahol vezető fejlesztők és szakértők beszélnek a nyílt súlyú modellekről, a helyben futtatható infrastruktúráról és a valós AI-munkafolyamatokról.
Források és említett szereplők (a cikkből)
- Tim O’Reilly
- Drew Breunig
- Bob Young (Red Hat)
- Isobel Moure, Ilan Strauss
- Agentic AI Foundation (Linux Foundation alprojekt)
- Letta, Nous Research
- Goose, Pi (nyílt forráskódú harness-ek)
- Mario Zechner
- Current AI, AI Potluck
- DeepMind, Salesforce
- Omidyar’s AI Collaborative, MacArthur Foundation, Ford Foundation
- VLLM, PyTorch, Ollama
- Addy Osmani
- Bill Joy
- AI Codecon: Building with Open Source AI (augusztus 31.)
A fenti cikk Tim O’Reilly érveit dolgozza fel és rendezett formában ismerteti a nyílt forráskód szerepéről és jelentőségéről a mesterséges intelligencia fejlődésében.
