The Model Openness Framework: Promoting Completeness and Openness for Reproducibility, Transparency, and Usability in Artificial Intelligence

要約

ジェネレーティブAI(GAI)は、研究とイノベーションのための前例のない機会を提供するが、その商業化によって、透明性、再現性、安全性についての懸念が提起されている。多くのオープンなGAIモデルは、完全な理解と再現性のために必要なコンポーネントを欠いており、「オープンソース」であると主張しながら制限的なライセンスを使用しているものもある。これらの懸念に対処するため、我々は、オープンサイエンス、オープンソース、オープンデータ、オープンアクセスの原則に従い、完全性とオープン性に基づいて機械学習モデルを評価するランク付けされた分類システムである、モデルオープンネスフレームワーク（MOF）を提案する。MOFは、モデル開発ライフサイクルの特定のコンポーネントを含み、適切なオープンライセンスの下でリリースされることを要求している。この枠組みは、オープンであると主張するモデルの虚偽表示を防ぎ、研究者や開発者がすべてのモデル構成要素を寛容なライセンスの下で提供する際の指針となり、個人や組織が制限なく安全に採用できるモデルを特定するのに役立つことを目的としている。透明性と再現性を促進することで、MOFは「オープンウォッシング」慣行と闘い、責任あるAIの中核的な信条と並ぶ主要な基準として、完全性とオープン性を確立する。MOFが広く採用されることで、よりオープンなAIエコシステムが促進され、研究、イノベーション、最先端モデルの採用に恩恵をもたらす。

要約(オリジナル)

Generative AI (GAI) offers unprecedented opportunities for research and innovation, but its commercialization has raised concerns about transparency, reproducibility, and safety. Many open GAI models lack the necessary components for full understanding and reproducibility, and some use restrictive licenses whilst claiming to be “open-source”. To address these concerns, we propose the Model Openness Framework (MOF), a ranked classification system that rates machine learning models based on their completeness and openness, following principles of open science, open source, open data, and open access. The MOF requires specific components of the model development lifecycle to be included and released under appropriate open licenses. This framework aims to prevent misrepresentation of models claiming to be open, guide researchers and developers in providing all model components under permissive licenses, and help individuals and organizations identify models that can be safely adopted without restrictions. By promoting transparency and reproducibility, the MOF combats “openwashing” practices and establishes completeness and openness as primary criteria alongside the core tenets of responsible AI. Wide adoption of the MOF will foster a more open AI ecosystem, benefiting research, innovation, and adoption of state-of-the-art models.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL