- Che cos’è l’Open Source AI
- Breve storia dell’Open Source
- Vantaggi dell’Open Source AI
- Limiti dell’Open Source AI
- Open Source AI e Close Source AI
- Esempi di Open Source AI
- Open Source AI e Moxoff
La generative AI sta entrando sempre più rapidamente nei processi delle aziende, grazie alla sua capacità di creare un’enorme varietà di contenuti, automatizzare le operazioni più utili e frequenti nella routine giornaliera, oltre ad incrementare sensibilmente la base di conoscenza a disposizione delle risorse umane, a tutti i livelli delle organizzazioni.
Molte realtà si stanno tuttora chiedendo quale sia il modo migliore per implementare questa tecnologia emergente. Una delle prime domande che ci si pone di fronte alla AI adoption è se orientarsi su modelli commerciali (closed source) o preferire un approccio basato su modelli open source, per avere il pieno controllo sulla personalizzazione e sul trattamento dei dati proprietari.
La open source AI presenta pro e contro che vanno valutati con estrema attenzione. Grazie all’esperienza di Moxoff vediamo nello specifico in cosa consiste attualmente la open source AI, quali sono i fattori che la caratterizzano, rilevando al tempo stesso le principali differenze con le soluzioni closed source.
Vedremo come le organizzazioni possono attualmente orientarsi tra due alternative che spesso offrono il meglio di loro stesse quando vengono utilizzate in maniera sinergica, sfruttando al meglio i principali punti di forza di entrambe, a patto di conoscerle, personalizzarle e saperle gestire nel dettaglio.
Che cos’è l’Open Source AI
L’open source in ambito AI comprende i modelli basati sull’intelligenza artificiale in cui il codice sorgente (source code) e i parametri del modello sono liberamente disponibili per l’uso, la modifica e la distribuzione commerciale, in conformità con il tipo di licenza a cui fanno riferimento.
Rendere aperto un sistema di algoritmi, i modelli pre-addestrati e i set di dati, consente la creazione di una fiorente community di studenti, professionisti e ricercatori, che contribuiscono attivamente a svilupparne la tecnologia, favorendo l’innovazione e la sperimentazione anche in ambiti laddove un modello commerciale probabilmente non arriverebbe mai, non essendoci un’opportunità di ROI diretto.
L’uso pubblico consente ai progetti open source AI di crescere giorno dopo giorno, accelerando lo sviluppo di soluzioni pratiche e capaci di adattarsi al meglio alle sfide concrete che le aziende si ritrovano ad affrontare lungo il loro percorso di trasformazione digitale.
I progetti di open source AI sono disponibili su piattaforme come GitHub, quotidianamente utilizzate da milioni di sviluppatori in tutto il mondo, e ricoprono ormai un ruolo cruciale nella ricerca di soluzioni innovative in settori come il manifacturing, la finanza, l’healthcare e l’educazione.
I framework AI basati su progetti aperti sono disponibili per Windows, Linux, macOS, iOS e Android, offrendo un supporto concreto per gli sviluppatori di applicazioni basate sulla AI, per qualsiasi ambiente desktop e mobile.
Sfruttando le librerie e i tool liberamente disponibili, anche i piccoli team di sviluppo possono concentrarsi sulla creazione di soluzioni personalizzate, risparmiando tempo e risorse rispetto a doverle sviluppare da zero.
In altri termini, la open source AI sta democratizzando l’accesso alle tecnologie basate sull’intelligenza artificiale, accelerando lo sviluppo di applicazioni di grande impatto per una vasta gamma di casi d’uso aziendali.
Breve storia dell’Open Source
Era il 1971, quando Richard Stallman, tuttora ritenuto il papà del movimento open source, al suo primo anno nella prestigiosa Harvard University entro a far parte dell’allora AI Lab del MIT, un’esperienza che non ebbe un gran futuro, ma segnò le basi che sarebbe diventato qualcosa di assolutamente straordinario nella storia dell’information technology.
Le proprietà intellettuali nel corso di una decina di anni di attività non vennero infatti mai rese pubbliche, ma acquisite da società private che avevano sostenuto il loro sviluppo.
Visibilmente contrariato, Stallman radicò un pensiero fondato sul fatto che per essere libera una società ha bisogno di software che non sia una semplice scatola nera da utilizzare, ma che possa essere adattato e migliorato non soltanto a vantaggio di un business specifico, ma dell’intera collettività. Secondo Stallman, affinché ciò accada il software deve essere libero, cosa che non può avvenire se è in mano ad un unico proprietario.
Nel 1984 Richard Stallman ha avviato il GNU Project, sostenuto dalla Free Software Foundation, per dare le basi allo sviluppo di quel sistema operativo che sarebbe diventato Linux.
Nel 1998 il codice sorgente di Netscape Navigator, uno dei primi internet browser diffusi a livello mainstream venne reso libero, incentivando lo sviluppo di molte applicazioni per il web, tra cui il celebre Mozilla Firefox (2003).
Oggi un contributo sostanziale alla cultura e allo sviluppo dei progetti basati sul software libero è garantito dalla Open Source Initiative (OSI), fondata dall’attivista Eric Raymond, che aveva ispirato la stessa Netscape a rendere pubblicamente disponibile il proprio lavoro.
Oltre alla propria azione divulgativa e ad offrire linee guida per le policy e le licenze del software libero, Open Source Initiative propone una linea di dibattito comune attorno alla open source AI.
Vantaggi dell’Open Source AI
Alla domanda, perché l’intelligenza artificiale necessita di essere open source, Open Source Initiative propone la seguente risposta: “I principi dell’Open Source hanno dimostrato che enormi benefici si ottengono per tutti quando si rimuovono le barriere all’apprendimento, all’utilizzo, alla condivisione e al miglioramento dei sistemi software. Tali benefici possono essere generati in condizioni di autonomia, trasparenza e miglioramento collaborativo. Tutti hanno bisogno di questi vantaggi grazie all’intelligenza artificiale. Abbiamo bisogno di libertà essenziali per consentire agli utenti di creare e implementare sistemi di IA affidabili e trasparenti”.
La open source AI svolge pertanto un dichiarato ruolo di catalizzatore per lo sviluppo rapido e collaborativo dei sistemi basati sull’intelligenza artificiale. La sua natura democratizzante ha aperto opportunità per gli sviluppatori di tutto il mondo, indipendentemente dalla loro affiliazione con grandi aziende o istituti di ricerca.
La open source AI sta accelerando lo sviluppo dei sistemi intelligenti generando importanti vantaggi sul piano dell’accessibilità, della collaborazione, della trasparenza, della sicurezza, dell’innovazione e dell’adattabilità.
Accessibilità e Collaborazione
Grazie alla loro natura e agli obiettivi che li caratterizzano, i progetti open source AI, in particolar modo i modelli, sono liberamente accessibili ad un’ampia platea di stakeholder che coinvolge studenti, sviluppatori professionisti e ricercatori, e un’ampia serie di organizzazione impegnate nello sviluppo di soluzioni innovative.
Il principale punto di forza della open source AI risiede nel favorire la creazione di community molto partecipate e coinvolte nel portare avanti lo sviluppo dei progetti basati sull’intelligenza artificiale, sia a livello di pura tecnologia, ad esempio migliorando progressivamente la qualità dei modelli AI, che di applicazioni verticali, in molti ambiti di business.
Trasparenza e Sicurezza
Il fatto di poter disporre liberamente del codice sorgente consente agli sviluppatori di valutare in maniera accurata il funzionamento di un modello AI. Questa condizione di trasparenza è fondamentale in una tecnologia come il machine learning, fatta di tante black box, che devono essere puntualmente spiegate agli stakeholder.
Il codice libero favorisce la diffusione di una cultura orientata al raggiungimento di una AI davvero etica e responsabile nelle proprie finalità applicative, soprattutto in ambito il cui supporto decisionale interessa ambiti cruciali come l’assistenza sanitaria, l’amministrazione della giustizia o il rilascio di mutui e finanziamenti.
Il fatto di utilizzare un codice aperto crea un naturale sentimento di fiducia, che scongiura la naturale diffidenza che si instaura nella collettività nei confronti di un modello chiuso, di cui soltanto il proprietario conosce le specifiche di funzionamento.
Innovazione e Adattabilità
La open source AI, grazie a community formate da una grande varietà di stakeholder, promuove la sperimentazione e il continuo apprendimento di nuove soluzioni ad una varietà di problemi incredibilmente ampia. I benefici prodotti dalle singole ricerche entrano nell’orbita dei vantaggi che si generano per l’intera collettività.
I ricercatori e gli sviluppatori oltretutto possono confrontarsi liberamente e condividere la loro esperienza, fatta di errori e successi, per trovare nuove ispirazioni e capire quale sia la miglior direzione da prendere quando si tratta di rendere più efficienti le applicazioni AI.
Limiti dell’Open Source AI
A fronte di evidenti vantaggi, la open source AI comporta una serie di oggettive criticità, generate sia dalla natura aperta che la caratterizza che dalla oggettiva gioventù applicativa di alcune tecniche AI, come nel caso dell’intelligenza artificiale generativa.
Problemi di Sicurezza
La open source AI, specie in ambito enterprise, solleva dubbi sul tema della sicurezza e dell’affidabilità, dovuta proprio al fatto che “chiunque possa metterci le mani”. Sia per quanto riguarda sviluppatori poco competenti che soggetti malintenzionati, che potrebbero ad esempio utilizzare le applicazioni di intelligenza artificiale generativa per compiere frodi o attacchi di sicurezza informatica, oltre a campagne di disinformazione.
Attraverso la costituzione della AI Alliance, aziende come Meta e IBM, oltre a un centinaio di altre realtà che vi hanno successivamente aderito, sostengono l’open source AI, mettendo liberamente a disposizione parte delle loro tecnologie in virtù di uno scambio di carattere scientifico aperto e capace di generare innovazione.
Al tempo stesso, brand come Google, Microsoft e OpenAI sono più favorevoli ad un approccio chiuso e controllato, citando preoccupazioni in merito alla sicurezza e all’utilizzo improprio e non responsabile dei modelli AI. La partita, di fatto, resta aperta.
Qualità e Affidabilità
L’eccessiva libertà delle applicazioni basate su tecnologie AI open source, come in qualsiasi altro ambito del software libero, genera inevitabilmente contenuti di scarsa qualità, che è necessario filtrare grazie ad elevate competenze in materia.
Uno sviluppo indiscriminato dei modelli AI può infatti causare risultati disallineati, spreco di risorse e progetti destinati a fallire, creando un sentimento di sfiducia nei confronti della tecnologia, al di là del danno di natura economica.
È dunque necessaria una notevole attenzione nella scelte degli strumenti che si intendono utilizzare. Il supporto di un consulente qualificato e dotato di una comprovabile esperienza sul campo come Moxoff può aiutare le aziende ad evitare di cadere nella trappola di applicazioni AI poco affidabili.
Mancanza di Supporto Ufficiale
Quando i progetti open source non sono guidati da solide fondazioni, appositamente finanziate per verificare costantemente la validità dei modelli AI, si rischia di andare inevitabilmente incontro ai problemi citati nel precedente paragrafo. L’open source costituisce un universo di differenti realtà, senza la garanzia ufficiale offerta da un brand commerciale.
Open Source AI e Close Source AI
La open source AI nasce quale alternativa al tradizionale modello closed source, tipico del software commerciale proprietario. Nel caso della AI i sistemi “chiusi” prevedono algoritmi e dati che non vengono liberamente distribuiti in forma pubblica. Gli utenti solitamente interagiscono con attraverso una serie di API, senza avere pieno accesso della tecnologia sottostante.
Una celebre tecnologia AI closed source è rappresentata da ChatGPT, di OpenAI, mentre Meta Llama costituisce uno dei più diffusi LLM open source. Vediamo quali sono le principali differenze da tenere in considerazione quando si valuta l’adozione di modelli open o closed source.
Ad oggi, i modelli più performanti, prendendo in considerazione domini come l’NLP o LLM, sono indubbiamente i closed source, ma la comunità open source offre spunti e progressi molto interessanti, dimostrandosi in fase di catch up anche grazie a realtà come MistralAI, società francese che ha fondato il proprio modello di business grazie al rilascio di modelli open source.
Costi e Investimenti
La closed source AI, in maniera analoga a quanto avviene per la maggior parte del software commerciale, viene distribuita da un proprietario che ne cura end-to-end ogni aspetto. Che si tratti di una start-up tecnologica o di una big tech, si fa riferimento a società private finanziate direttamente dai loro soci e investitori.
I progetti di open source AI, in linea con la condotta del software libero, vengono generalmente gestiti da apposite fondazioni, che hanno il compito di coordinare la community e rilasciare le versioni ufficiali delle applicazioni, sulla base di una roadmap pubblica condivisa con gli stakeholder.
Le fondazioni che supportano il software open source sono finanziate in maniera volontaria dalla loro community e da una serie di partner tecnologici dell’iniziativa, tra cui figurano molto spesso anche gli sviluppatori di software closed source.
Un altro investitore comune è il cosiddetto big client, generalmente un brand di rilievo che ha interesse a personalizzare le proprie applicazioni senza essere soggetto ai vincoli del software chiuso, ragion per cui decide di finanziare lo sviluppo del software libero per soddisfare in primis le proprie esigenze di business.
Per quanto riguarda la prospettiva dell’azienda cliente, non è scontato che una soluzione commerciale risulti più costosa di una soluzione open source. Pur in assenza di un costo iniziale, un modello AI open potrebbe risultare ad esempio particolarmente oneroso da gestire. Occorre quindi valutare caso per caso, con una comprovata esperienza in materia, quale sia il progetto più interessante e sostenibile dal punto di vista economico.
Flessibilità e Personalizzazione
Uno degli aspetti che vengono solitamente criticati alla closed AI è di essere troppo conservativa in funzione degli interessi commerciali, risultando priva di quello slancio innovativo che una tecnologia emergente meriterebbe. Ciò avviene per varie ragioni, in primis per la volontà da parte del vendor di mantenere un elevato livello di controllo su dati e modelli, anche a scapito della volontà di personalizzazione sempre più spesso richiesta dai clienti.
In quest’ottica, la open source AI si dimostra nativamente più flessibile e aperta alla personalizzazione necessaria per adattare una tecnologia agli specifici casi d’uso aziendali, in primo luogo per quanto concerne i dati che vengono utilizzati per i training del modello AI.
In ogni caso è possibile utilizzare tecniche via prompt come la RAG per personalizzare anche la knowledge base di un modello commerciale chiuso, senza procedere necessariamente al suo re-training.
Supporto e Manutenzione
Nel caso del software commerciale closed source, il vendor si occupa di mantenere in efficienza il modello e rilasciarne nuove versioni, seguendo una propria roadmap di implementazione.
Per quanto riguarda le soluzioni basate sulla open source AI, la fondazione che gestisce il progetto rilascia le nuove versioni e si occupa di risolvere eventuali problematiche qualora venissero rese note da parte della community.
Il fatto di poter disporre del codice sorgente dell’applicazione consente anche all’azienda cliente di poter effettuare modifiche e integrazioni per adattare il modello alle proprie esigenze operative, senza dover necessariamente attendere che alcune funzioni vengano pubblicate nella versione pubblica.
Esempi di Open Source AI
Nell’ambito della open source AI sono particolarmente diffusi alcuni framework che consentono di sviluppare modelli, beneficiando di un grande supporto in termini di risorse da parte della community. Tali framework vanno oltre la classica concezione di strumento, e consentono di sfruttare a tutti i livelli di esperienza le straordinarie potenzialità delle applicazioni basate sulla AI.
TensorFlow
TensorFlow è un framework di machine learning molto popolare e diffuso. Noto per la sua flessibilità, supporta linguaggi di programmazione come Python e Javascript. TensorFlow consente di sviluppare e distribuire modelli di apprendimento automatico per la maggior parte delle piattaforme esistenti.
Grazie alla sua straordinaria community, TensorFlow mette a disposizione degli utenti un’ampia libreria di modelli, da utilizzare come base di partenza per i nuovi progetti, semplificando il processo e riducendo il time to market delle applicazioni. La grande varietà di risorse disponibili e il fatto di potersi confrontare con molti esperti in tutto il mondo incoraggia inoltre la sperimentazione di nuove soluzioni basate sulla AI.
PyTorch
PyTorch è un framework di intelligenza artificiale open source dall’interfaccia particolarmente intuitiva, che consente un debug semplificato e un approccio molto flessibile nella creazione di modelli di deep learning.
Si distingue grazie alla sua forte integrazione con le librerie Python e il supporto per l’accelerazione GPU, che lo rendono ideale per il training e la sperimentazione di una grande varietà di modelli, come dimostra la sua grande base di utenti, sia in ambito professionale che nel contesto della ricerca scientifica.
OpenAI Gym
Nota a livello mondiale per ChatGPT, un prodotto commerciale rigorosamente closed source, OpenAI era in realtà stata fondata, come il suo nome evidentemente suggerisce, per sostenere lo sviluppo di modelli aperti e pubblicamente condivisi. La svolta è avvenuta nel 2019, quando OpenAI ha ritenuto “troppo pericoloso” continuare a rilasciare pubblicamente il proprio GPT, temendo che le sue potenzialità creative potessero finire nelle mani sbagliate.
La radicale trasformazione del proprio modello di business ha determinato l’allontanamento di alcuni sostenitori che avevano inizialmente appoggiato l’AI Lab diretto da Sam Altman proprio per la sua dichiarata apertura, a cui è seguita una crescente egemonia di Microsoft nel finanziamento dell’iniziativa.
L’eredita del periodo open è tuttora presente grazie a OpenAI Gym, attualmente gestito da una community di sviluppatori indipendenti, molto attivi nel pubblicare librerie e modelli fondamentali per continuare a far crescere un progetto di machine learning basato nello specifico sull’apprendimento per rinforzo. La stessa OpenAI ha pubblicato i documenti di ricerca che descrivono nel dettaglio i suoi modelli, facilitando il lavoro dei suoi sostenitori.
Open Source AI e Moxoff
La scelta tra soluzioni closed o open source AI dipende da molti fattori, che vanno valutati e pesati caso per caso, dopo un’accurata analisi delle esigenze di business di ciascuna organizzazione. In questo contesto, grazie alla proprie competenze e alla comprovabile esperienza nello sviluppo e nella personalizzazione di modelli AI, Moxoff costituisce un partner ideale per valutare la soluzione più indicata per implementare con successo soluzioni AI nei propri processi di business.
L’esperienza di Moxoff può aiutare le organizzazioni a comprendere quale sia la soluzione AI più indicata al loro caso, valutando i budget e disposizione, sia per quanto riguarda l’implementazione iniziale della AI che per quanto riguarda il lavoro di personalizzazione e manutenzione nel tempo necessario per raggiungere gli obiettivi desiderati.
L’open source, come precedentemente analizzato, offre una notevole flessibilità e personalizzazione, ma le aziende che non hanno grandi esigenze, o le capacità in-house per provvedere allo sviluppo dei modelli AI, potrebbero trovare gli strumenti closed-source più convenienti.
Moxoff offre da molti anni il proprio supporto ad aziende di qualsiasi dimensione e settore di business nello sviluppo di un’infrastruttura AI che comprende spesso sia soluzioni closed che open source AI, anche in funzione degli asset dati in dotazione.
Non esiste infatti una risposta univoca tra open source e closed source AI. Qualsiasi decisione implica una considerazione equilibrata di tutti gli aspetti sin qui rilevati, nella prospettiva di sviluppare una strategia per la AI ben pond3erata nel soddisfare le esigenze attuali, dimostrandosi al tempo stesso espandibile nel tempo e facilmente integrabile con le soluzioni esistenti.
