Réflexions sur le sujets chez Debian

C'est à l'état expérimental, mais j'aime bien les réflexions côté Debian sur la classifications des modèles IA : https://salsa.debian.org/deeplearning-team/ml-policy/-/blob/master/ML-Policy.rst

Faut lire en entier, mais voici un extrait clé pour donner envie :

Serialized Model

In terms of software freedom and information security, the pre-trained machine learning models can be divided into the following non-overlapping categories:

• Free Model is a model satisfying ALL the following conditions:

  1. The model itself is FOSS-Licensed & DFSG-compliant;
  2. trained from explicitly FOSS-licensed & DFSG-compliant datasets (e.g. for supervised or unsupervised learning) or simulators (e.g. for reinforcement learning), and the dataset is publicly available to anonymous users;
  3. corresponding training program is present and complete;

• ToxicCandy Model is a model satisfying ALL the following conditions:

  1. The model itself is FOSS-Licensed & DFSG-compliant;
  2. trained from unknown, private, or non-free datasets or simulators;
  3. corresponding training program or script is present and complete;

• NonFree Model is a model satisfying ANY of the following conditions:

  1. The model itself is non-free licensed or doesn't comply with DFSG;
  2. corresponding training program or script is absent or incomplete;
  3. unusable without non-free software (including but not limited to drivers and libraries);
  4. cannot be categorized as anyone other type;

Generated Artifacts

Artifacts (generally medias) produced by the machine learning models and optional raw data, such as images, videos, audios and even fonts generated by the models, should automatically inherit the property of the model itself and the original raw data if applicable.

• Free Artifact is an artifact produced by Free Model, and it must satisfy all the following conditions:

  1. The original raw data, if there is any, used for generating the artifact is FOSS-Licensed & DFSG-compliant;
  2. The source code for creating such artifact is publically available and DFSG-compliant.

• NonFree Artifact is and artifact produced by ToxicCandy Model or NonFree Model. Artifacts that cannot be categorised into other types should be deemed as NonFree Artifact.

Je pense que c'est une classification bien plus sensée que la définition de l'OSI qui me semble à côté de la plaque et pas très utile parce qu'elle ne place pas la barre très haute (il suffit d'être "ToxicCandy" pour être "open source" selon cette définition). (je note avec amusement qu'ils ont essayé de partir de la definition de Free software avec les 4 points "use, study, modify, share", plutôt que de l'open source definition avec ses 10 points - probablement parce qu'en vrai, la définition de free software est bien plus simple et fondamentale).

Me concernant, je pense qu'il ne faut pas mélanger les concepts :

• l'IA en général, effectivement, ne peut pas être classifiée libre ou pas, comme les mathématiques : c'est un domaine d'étude
• Une implémentation en particulier peut être libre. Encore faut-il travailler avec des définitions censées
• Libre ≠ vertueux. Au mieux on pourra éventuellement dire que quand ça s'applique, libre est nécessaire mais non suffisant pour être vertueux. Vertueux rentre dans le domaine du subjectif donc ça ne peut pas être absolu et universel, c'est un point de vue.