오픈소스 인공지능

오픈소스 인공지능은 오픈 소스 이니셔티브(OSI)가 확립한 정의에 따라 자유롭게 사용하고 변경할 수 있는 시스템이다. 일반적인 오픈소스 소프트웨어보다 범위가 넓으며, 다음과 같은 요소를 포함한다.

• 소스 코드: 모델 학습, 테스트, 데이터 필터링 및 추론을 위한 코드
• 모델 가중치: 학습을 통해 결정된 모델의 매개변수 값
• 데이터 정보: 학습 데이터의 출처, 선택 방법, 처리 절차 등에 대한 설명

다만, 개인 식별 정보(PII)와 같이 법적으로 공유할 수 없는 비공개 데이터는 공개 범위에서 제외될 수 있다.

오픈소스 인공지능은 주로 자유-오픈 소스 소프트웨어(FOSS) 라이선스를 사용하여 접근 및 재배포 조건을 명시한다.

• Apache 2.0: 카피레프트 제한이나 특허 침해 위험 없이 자유로운 구축, 실험, 상업적 배포를 허용한다.
• 오픈 웨이트(Open Weights): 소스 코드는 비공개일 수 있으나 모델의 가중치만을 공개하여 사용자가 로컬 환경에서 실행하거나 미세 조정(Fine-tuning)할 수 있게 하는 방식이다.
• 기타 라이선스: MIT 허가서, GNU 일반 공중 사용 허가서(GPL) 등이 사용된다.

다양한 기업과 커뮤니티가 오픈소스 또는 개방형 모델을 제공하며 생태계를 확장하고 있다.

오픈소스 모델은 폐쇄형(Proprietary) 모델에 비해 다음과 같은 이점을 가진다.

1. 데이터 제어권: 기업이 자체 인프라(온프레미스) 내에서 모델을 구동하여 민감한 정보 유출을 방지할 수 있다.
2. 비용 효율성: 독점 모델의 라이선스 비용을 절감하고 필요한 용도에 맞춰 최적화가 가능하다.
3. 기술 민주화: 소수 기업에 힘이 집중되는 것을 막고 사회 전반에 기술을 고르게 배포할 수 있다.
4. 유연성: 특정 비즈니스 문제 해결을 위해 모델 아키텍처를 자유롭게 수정할 수 있다.

오픈소스 인공지능의 안전성에 대해서는 상반된 시각이 존재한다.

• 긍정적 측면: 더 많은 개발자가 참여하여 코드와 모델의 결함을 빠르게 발견하고 해결할 수 있다. 투명한 공개를 통해 시스템의 신뢰도를 높인다.
• 부정적 측면: 악의적인 사용자가 모델에 내장된 안전 프로토콜을 임의로 제거하거나 유해한 목적으로 재학습시킬 위험이 있다.

이에 대응하여 'gpt-oss-safeguard'와 같이 맞춤형 안전 정책을 지원하는 모델도 개발되고 있다.