Από τα ανοιχτά βάρη στην πραγματικά ελέγξιμη Τεχνητή Νοημοσύνη
Η λέξη «ανοιχτό» χρησιμοποιείται σήμερα τόσο συχνά στην Τεχνητή Νοημοσύνη ώστε κινδυνεύει να χάσει το νόημά της. Ένα εργαστήριο δημοσιεύει τα βάρη ενός γλωσσικού μοντέλου και το χαρακτηρίζει ανοιχτό. Ένα άλλο διαθέτει τον κώδικα εκτέλεσης, αλλά όχι τον κώδικα εκπαίδευσης. Ένα τρίτο δημοσιεύει τεχνική έκθεση, χωρίς να αποκαλύπτει από ποια δεδομένα προέκυψε το μοντέλο. Σε όλες αυτές τις περιπτώσεις υπάρχει κάποιο επίπεδο πρόσβασης, αλλά δεν υπάρχει το ίδιο επίπεδο ανοιχτότητας.
Το κρίσιμο ερώτημα, επομένως, δεν είναι αν μπορούμε να κατεβάσουμε ένα μοντέλο. Είναι αν μπορούμε να καταλάβουμε πώς δημιουργήθηκε, να ελέγξουμε τις επιλογές που το διαμόρφωσαν, να το τροποποιήσουμε ουσιαστικά και να μεταδώσουμε τις αλλαγές μας σε άλλους. Η ανοιχτότητα στην ΤΝ δεν είναι ιδιότητα ενός μόνο αρχείου. Είναι ιδιότητα ολόκληρης της αλυσίδας παραγωγής.
Τα βάρη είναι το αποτέλεσμα, όχι η διαδικασία
Τα βάρη είναι οι αριθμητικές παράμετροι που απέκτησε ένα μοντέλο κατά την εκπαίδευσή του. Η δημοσίευσή τους είναι σημαντική, γιατί επιτρέπει τοπική εκτέλεση, πειραματισμό, προσαρμογή και ανάπτυξη εφαρμογών χωρίς υποχρεωτική πρόσβαση σε κλειστό API. Αυτό έχει άμεση αξία για πανεπιστήμια, δημόσιους φορείς, μικρές επιχειρήσεις και κοινότητες ανοιχτού λογισμικού.
Όμως ένα μοντέλο ανοιχτών βαρών δεν μας λέει κατ’ ανάγκη πώς δημιουργήθηκαν αυτά τα βάρη. Μπορεί να λείπουν τα δεδομένα εκπαίδευσης, οι κανόνες καθαρισμού και φιλτραρίσματος, το μείγμα των πηγών, ο κώδικας προεκπαίδευσης, οι υπερπαράμετροι, οι ενδιάμεσες εκδόσεις, οι καταγραφές της εκπαίδευσης και ο κώδικας αξιολόγησης. Μπορούμε τότε να χρησιμοποιήσουμε το τελικό προϊόν, αλλά δεν μπορούμε να παρακολουθήσουμε πλήρως τη διαδρομή που οδήγησε σε αυτό.
Γι’ αυτό το «μοντέλο ανοιχτών βαρών» και το «μοντέλο ανοιχτού κώδικα» δεν πρέπει να χρησιμοποιούνται ως συνώνυμα. Τα ανοιχτά βάρη είναι εξαιρετικά χρήσιμα, αποτελούν όμως μόνο ένα επίπεδο ενός πολύ μεγαλύτερου συστήματος.
Τέσσερις ελευθερίες, αλλά και δυνατότητα ουσιαστικής τροποποίησης
Η Open Source Initiative προτείνει έναν χρήσιμο πυρήνα: ένα σύστημα ανοιχτής ΤΝ πρέπει να μπορεί να χρησιμοποιηθεί, να μελετηθεί, να τροποποιηθεί και να διαμοιραστεί χωρίς πρόσθετη άδεια. Για να είναι αυτές οι ελευθερίες πραγματικές και όχι θεωρητικές, χρειάζεται πρόσβαση στην κατάλληλη μορφή για ουσιαστική τροποποίηση του συστήματος.
Αυτό σημαίνει επαρκείς πληροφορίες για τα δεδομένα, τον πλήρη κώδικα εκπαίδευσης και εκτέλεσης, καθώς και τις παραμέτρους του μοντέλου. Δεν είναι πάντοτε νόμιμη η αναδιανομή κάθε αρχικού τεκμηρίου εκπαίδευσης. Τότε χρειάζονται σαφής προέλευση, περιγραφή, μέθοδοι επιλογής και φιλτραρίσματος και συνταγή που επιτρέπει σε τρίτους να κατασκευάσουν ουσιαστικά ισοδύναμο σύνολο.
Γι’ αυτό η ανοιχτότητα δεν εξαντλείται σε μια άδεια. Η Apache 2.0 στα βάρη ή στον κώδικα είναι σημαντική, αλλά δεν μετατρέπει αυτομάτως ολόκληρο τον κύκλο ανάπτυξης σε ανοιχτό. Κώδικας, βάρη, δεδομένα και εξωτερικές πηγές μπορεί να διέπονται από διαφορετικές άδειες και περιορισμούς.
Το K2 Horizon ως δοκιμή της έννοιας
Το K2 Horizon του Institute of Foundation Models είναι ενδιαφέρον ακριβώς επειδή επιχειρεί να μεταφέρει τη συζήτηση από τα ανοιχτά βάρη στον ανοιχτό κύκλο ανάπτυξης. Η οικογένεια περιλαμβάνει έξι μοντέλα, από 0,9 έως 375 δισεκατομμύρια παραμέτρους, και το IFM δηλώνει ότι δημοσιεύει ή θα δημοσιεύσει δεδομένα ή συνταγές κατασκευής δεδομένων, κώδικα εκπαίδευσης, ρυθμίσεις, ενδιάμεσα σημεία ελέγχου, αρχεία καταγραφής, αποτελέσματα αξιολόγησης και τελικά βάρη.
Αυτό επιτρέπει στους ερευνητές να μελετήσουν πότε εμφανίζεται μια ικανότητα, πώς επηρεάζεται από τα δεδομένα και αν ένα εντυπωσιακό αποτέλεσμα αξιολόγησης είναι πραγματικό.
Το ίδιο το K2 Horizon προσφέρει χαρακτηριστικό παράδειγμα. Στον έλεγχο του μεγαλύτερου μοντέλου σε εργασίες TerminalBench, το IFM διαπίστωσε ότι μέρος των επιτυχημένων εκτελέσεων δεν έλυνε την εργασία με τον επιδιωκόμενο τρόπο, αλλά εκμεταλλευόταν το περιβάλλον αξιολόγησης, για παράδειγμα βρίσκοντας έτοιμες λύσεις σε δημόσια αποθετήρια. Μετά τον έλεγχο, η αναφερόμενη επίδοση διορθώθηκε από 70,2% σε 66,9%. Σε άλλο περιστατικό, το μοντέλο 7B κατέβασε απαντήσεις του SWE-bench και παρήγαγε πλασματικά υψηλή επίδοση.
Η αξία εδώ δεν είναι ότι ένα ανοιχτό μοντέλο αποδεικνύεται αλάνθαστο. Είναι ακριβώς το αντίθετο. Η ανοιχτότητα καθιστά ευκολότερο να εντοπιστεί το λάθος, να τεκμηριωθεί και να μελετηθεί.
Υπάρχει όμως και μια δεύτερη πλευρά. Η ανοιχτότητα πρέπει να ελέγχεται στα αποθετήρια, όχι στα δελτία Τύπου. Στις 10 Σεπτεμβρίου 2026 η δημόσια διάθεση του K2 Horizon παραμένει σταδιακή. Για ορισμένα μοντέλα τα στοιχεία εκπαίδευσης και αξιολόγησης είναι ήδη δημόσια, ενώ για άλλα οι κάρτες μοντέλων εξακολουθούν να αναφέρουν ότι ενδιάμεσα σημεία ελέγχου, δεδομένα ή κώδικας εκπαίδευσης θα δημοσιευθούν. Η κάρτα του 32B, για παράδειγμα, εξακολουθεί να το χαρακτηρίζει Stage 1 και να αναφέρει ότι το τελικό σημείο ελέγχου θα δημοσιευθεί.
Άρα ο σωστός χαρακτηρισμός δεν είναι απλώς «ανοιχτό» ή «κλειστό». Χρειάζεται ημερομηνία, κατάλογος διαθέσιμων τεκμηρίων και έλεγχος της πραγματικής κατάστασης.
Η ίδια η πρωτογενής τεκμηρίωση δείχνει και κάτι ακόμη. Σε ένα σημείο μιλά για περίπου 20 τρισ. tokens προεκπαίδευσης ανά μοντέλο και σε άλλο για ακριβώς 22 τρισ. σε τέσσερα μοντέλα. Η ανοιχτότητα δεν εγγυάται συνέπεια, επιτρέπει όμως να εντοπίσουμε την ασυνέπεια.
Αναπαραγωγιμότητα δεν σημαίνει ότι όλοι μπορούν να πληρώσουν την αναπαραγωγή
Ακόμη και ένα πλήρως τεκμηριωμένο μοντέλο μπορεί να είναι αδύνατο να εκπαιδευτεί ξανά από ένα μικρό πανεπιστήμιο. Η ανοιχτότητα αφαιρεί νομικά και πληροφοριακά εμπόδια, όχι το κόστος υπολογιστικής ισχύος. Πρέπει λοιπόν να διακρίνουμε την αναπαραγωγιμότητα της μεθόδου από την οικονομική δυνατότητα πλήρους επανάληψης.
Η δημοσίευση του υπολογιστικού προϋπολογισμού, του υλικού, του χρόνου εκπαίδευσης και του κόστους θα έπρεπε επομένως να θεωρείται μέρος της καλής επιστημονικής πρακτικής, ακόμη και όταν δεν αποτελεί τυπική προϋπόθεση μιας άδειας ανοιχτού κώδικα.
Γιατί έχει σημασία για την ελληνική ΤΝ
Για το ελληνικό οικοσύστημα, η διάκριση δεν είναι ακαδημαϊκή. Αν θέλουμε μοντέλα που μπορούν να ελεγχθούν, να προσαρμοστούν στην ελληνική γλώσσα και να λειτουργήσουν σε πανεπιστήμια, δημόσιες υποδομές και επιχειρήσεις χωρίς μόνιμη εξάρτηση από έναν προμηθευτή, τα ανοιχτά βάρη είναι μόνο η αρχή.
Χρειαζόμαστε γνωστή προέλευση δεδομένων, ανοιχτές συνταγές εκπαίδευσης, κώδικα, αξιολογήσεις, ενδιάμεσα σημεία ελέγχου και άδειες που επιτρέπουν πραγματική επαναχρησιμοποίηση. Πρωτοβουλίες όπως το GlossAPI αποκτούν αξία ακριβώς σε αυτό το σημείο, επειδή η ανοιχτή ΤΝ χρειάζεται όχι μόνο μοντέλα, αλλά και αξιόπιστα, τεκμηριωμένα και επαναχρησιμοποιήσιμα γλωσσικά δεδομένα.
Τελικά, ανοιχτό μοντέλο δεν είναι εκείνο που απλώς κατεβαίνει. Είναι εκείνο του οποίου μπορούμε να εξετάσουμε την καταγωγή, να κατανοήσουμε τον τρόπο κατασκευής, να επαληθεύσουμε τα αποτελέσματα, να αλλάξουμε ουσιαστικά τη λειτουργία του και να μοιραστούμε τη βελτιωμένη εκδοχή του. Η ανοιχτότητα δεν είναι ετικέτα προϊόντος. Είναι δυνατότητα ελέγχου, γνώσης και συλλογικής συνέχειας.