Hemos revisado varios artículos y documentos sobre la inteligencia artificial (IA) de código abierto y quiero compartir lo que he encontrado. A menudo, cuando escuchamos el término «código abierto» aplicado a la IA, pensamos en transparencia y accesibilidad. Sin embargo, la realidad es más compleja y hay varios matices que considerar.
Por un lado, muchas compañías etiquetan sus modelos de IA como «código abierto» para beneficiarse de la buena reputación que conlleva el término. Sin embargo, esta apertura suele ser limitada. Por ejemplo, aunque los modelos preentrenados estén disponibles, el acceso a los datos de entrenamiento suele estar restringido. Esto va en contra del espíritu del código abierto, que aboga por la libre disponibilidad no solo del código fuente, sino también de los datos que permiten su funcionamiento completo.
La razón principal detrás de esta restricción es el valor competitivo que los datos de alta calidad representan para las empresas. Compartir estos datos podría significar perder una ventaja competitiva significativa. Aun así, estas empresas se benefician del ecosistema robusto y de la innovación que la comunidad de código abierto puede aportar. Por ejemplo, Google ha visto enormes beneficios al abrir su sistema operativo Android, lo que ha consolidado su posición en el mercado de los smartphones.
Además, la definición de «código abierto» en el contexto de la IA no está claramente establecida. Algunos argumentan que para que un modelo sea realmente de código abierto, debe incluirse una descripción completa de los datos de entrenamiento. Otros creen que esto no es necesario siempre que se proporcionen los modelos y herramientas necesarias para recrear aproximaciones razonables.
La comunidad y los reguladores aún están debatiendo sobre cómo debe definirse y aplicarse el código abierto en la IA. Un ejemplo es la nueva ley de IA de la Unión Europea, que ofrece un tratamiento regulatorio más favorable a ciertos proyectos de código abierto, siempre y cuando cumplan con ciertos requisitos de transparencia y accesibilidad.
Por eso mismo, aunque el término «IA de código abierto» suena prometedor, es esencial examinar cuidadosamente qué tan abiertas son realmente estas tecnologías. La falta de datos de entrenamiento y otras restricciones pueden limitar severamente la utilidad y la libertad que se espera del código abierto. Por eso, es crucial tener claridad sobre qué queremos lograr con la apertura en la IA y cómo podemos balancear eso con las realidades comerciales y técnicas.
