Cela suppose-t-il que les algorithmes et le jeux de données ayant servi à créer le modèle sont également libres ? Ce qui à ma connaissance n'est jamais le cas.
Va falloir définir ce qu'est un "algorithme libre" et un "jeu de données" libres. Pour moi tous les algorithmes sont libres. Et un "jeu de données pour un modèle" est libre si je peux télécharger ces données pour entraîner mon propre modèle. Il peut y avoir un copyright sur ces modèles m'empêchant de redistribuer ces données, pour moi ça reste un modèle libre, donc stricto sensu les données ne sont pas libres, mais le "jeu de données" (= la liste des URLs où télécharger les données) si. Mais pour moi de la même manière que le compilateur d'un projet libre n'a pas besoin d'être libre pour que le projet soit libre, les données elle-même n'ont pas besoin d'être copyleft pour que le modèle soit libre
Et de mon point de vue, la majorité des modèles issues des publications scientifiques valident ces critères. (Notamment parce que pour valider une évolution d'algo, il faut comparer à facteurs constants)
On va pas se mentir, les meilleurs modèles ne sont pas libres, parce que une des valeurs ajoutées majeures dans le domaine de l'IA c'est les jeux de données de qualité, donc ils les gardent pour eux.
[^] # Re: Any purpose
Posté par Ph Husson (site web personnel) . En réponse au journal L'OSI publie une définition de l'IA "opensource"... mais pas trop?. Évalué à 2.
Va falloir définir ce qu'est un "algorithme libre" et un "jeu de données" libres. Pour moi tous les algorithmes sont libres. Et un "jeu de données pour un modèle" est libre si je peux télécharger ces données pour entraîner mon propre modèle. Il peut y avoir un copyright sur ces modèles m'empêchant de redistribuer ces données, pour moi ça reste un modèle libre, donc stricto sensu les données ne sont pas libres, mais le "jeu de données" (= la liste des URLs où télécharger les données) si. Mais pour moi de la même manière que le compilateur d'un projet libre n'a pas besoin d'être libre pour que le projet soit libre, les données elle-même n'ont pas besoin d'être copyleft pour que le modèle soit libre
Et de mon point de vue, la majorité des modèles issues des publications scientifiques valident ces critères. (Notamment parce que pour valider une évolution d'algo, il faut comparer à facteurs constants)
Le LLM "historique" BERT est basé sur des datasets publics (https://en.wikipedia.org/wiki/BERT_%28language_model%29#Cost), on trouve de nombreux LLM basés sur des datasets ouverts https://github.com/openlm-research/open_llama, le LLM financé par le gouvernement est basé sur des datasets ouverts https://github.com/openlm-research/open_llama. Il existe aussi des modèles dont les données d'apprentissages sont effectivement copyleft (je sais que ça existe pour la génération d'image et les LLMs), mais là présentement je retrouve pas.
On va pas se mentir, les meilleurs modèles ne sont pas libres, parce que une des valeurs ajoutées majeures dans le domaine de l'IA c'est les jeux de données de qualité, donc ils les gardent pour eux.