Open-source software (OSS) is software met openbaar beschikbare broncode die iedereen kan bekijken, wijzigen en distribueren. In tegenstelling tot bedrijfseigen software, die wordt beheerd door het bedrijf of de groep die verantwoordelijk is voor het bedenken ervan, wordt OSS gezamenlijk ontwikkeld. Programmeurs over de hele wereld kunnen verbeteringen bijdragen, kwetsbaarheden herstellen en functies aanpassen. Veel basistechnologieën, waaronder een groot aantal webservers, besturingssystemen en programmeerframeworks, gebruiken open-source componenten.

De principes die open-source software definiëren, zijn uitgebreid tot het gebied van artificial intelligence. Open-source AI past deze samenwerkings- en transparante werkwijzen toe op AI-modellen, met enkele verschillen in de manier waarop openheid wordt gedefinieerd en geïmplementeerd.

Open-source software vergeleken met open-source AI-modellen

Open-source AI wordt vaak vergeleken met open-source software, maar deze twee begrippen kennen verschillen wat betreft structuur, toegankelijkheid en controle: 

• Open-source software  

De broncode is volledig toegankelijk en door mensen geschreven in leesbare programmeertalen, waardoor het mogelijk is om de code te onderzoeken, te wijzigen en opnieuw te distribueren. Ontwikkelaars kunnen de software naar wens aanpassen, nieuwe versies maken en zelfs afsplitsen in onafhankelijke projecten wanneer ze het niet eens zijn met de oorspronkelijke richting. Deze transparantie zorgt ervoor dat gebruikers de beveiliging kunnen controleren, bugs kunnen oplossen en de functionaliteit aan hun behoeften kunnen aanpassen. 

• Open-source AI  

In plaats van de traditionele broncode zijn AI-modellen gebouwd op basis van complexe numerieke weergaven, zoals gewichten en parameters, die volgens menselijke maatstaven niet 'interpreteerbaar' zijn. Hoewel sommige AI-modellen openlijk worden gedeeld, worden essentiële componenten (zoals trainingsgegevens) daarbij vaak weggelaten, wat echte transparantie en aanpassing beperkt. Daarnaast vereist het trainingsproces enorm veel rekenkracht, waardoor de controle over de initiële AI-ontwikkeling vaak voorbehouden blijft aan grote organisaties.

Closed-source AI beschrijft modellen en systemen voor artificial intelligence waarvan de onderliggende code, trainingsgegevens en architectuur bedrijfseigendom blijven. In tegenstelling tot open-source AI, die openbare toegang en wijziging toestaat, staat closed-source AI volledig onder de controle van de ontwikkelende organisatie. Met deze aanpak behoudt de ontwikkelaar volledige zeggenschap over updates, beveiliging en distributie, en wordt tegelijk de transparantie en aanpasbaarheid beperkt. 

Veel van de meest bekende AI-modellen, zoals GPT-4 van OpenAI en Gemini van Google werken op basis van een closed-source framework. Dit model kan betere beveiligingscontroles en consistente prestaties bieden, maar roept ook enkele zorgen op (zoals afhankelijkheid van leveranciers, gebrek aan inzicht in de manier waarop de modellen zijn getraind en potentiële beperkingen op innovatie).

Open-source AI vergeleken met closed-source AI 

Open-source en closed-source AI bieden beide voordelen, maar verschillen aanzienlijk wat toegankelijkheid en transparantie betreft: 

• Open-source AI  

De code, architectuur en (soms) gewichten van het model worden openbaar gemaakt zodat gebruikers die kunnen onderzoeken of helemaal naar wens kunnen aanpassen. Het compromis is dat bij open-source AI vaak de zakelijke ondersteuning en beveiligingsmaatregelen ontbreken die bij bedrijfseigen modellen worden geleverd. 

• Closed-source AI  

De code en trainingsgegevens blijven privé, zodat alleen de ontwikkelaar het model kan wijzigen of distribueren. Dit zorgt voor een strakkere controle op de beveiliging en compliance, waardoor deze optie aantrekkelijk is voor bedrijven die aan strenge wettelijke vereisten moeten voldoen. Helaas beperkt closed-source AI de aanpassingsmogelijkheden voor gebruikers en is de afhankelijkheid van één leverancier groter. Ook kan het moeilijk zijn om te controleren hoe het model is getraind. 

Closed-source AI houdt AI-mogelijkheden zogezegd achter slot en grendel. Open-source AI zet de deuren open. Gebruikers hebben de vrijheid om niet alleen de tool in de huidige staat te gebruiken, maar kunnen zich ook in de interne structuur verdiepen om beter te begrijpen hoe en waarom de AI werkt zoals die werkt. Vervolgens kunnen ze die kennis gebruiken om de functionaliteit van de AI uit te breiden en de mogelijkheden aan te passen aan unieke toepassingen en behoeften. 

Dit niveau van vrijheid is op zichzelf al waardevol, maar draagt ook bij aan een meer ethisch AI-landschap. Wanneer gebruikers worden geconfronteerd met problemen in verband met vooringenomenheid, aansprakelijkheid, gegevensprivacy of andere kwesties, worden ze aangemoedigd om zelf onderzoek te doen en te testen (in plaats van op de providers te vertrouwen). Tegelijkertijd helpt een bredere basis van bijdragers om AI-ontwikkelingen op grotere schaal beschikbaar te houden voor het grote publiek. Zo wordt voorkomen dat de technologie wordt gemonopoliseerd door een klein aantal bedrijven. Dit decentraliseert het technologie-ecosysteem en stimuleert de concurrentie om continue ontwikkeling te bevorderen.

Voordelen van open-source AI 

Naast de bredere voordelen biedt open-source AI verschillende specifieke voordelen die bedrijven kunnen benutten. Denk hierbij aan het volgende: 

• Uiteenlopende use cases  

Open-source AI wordt toegepast bij alles van fraudedetectie en medische beeldvorming tot automatisering en klantenservice. Omdat de modellen vrij beschikbaar zijn, kunnen bedrijven experimenteren met AI op manieren die bedrijfseigen systemen misschien niet toestaan. Daardoor wordt het eenvoudiger om AI toe te passen op gespecialiseerde of unieke behoeften. 

• Lagere barrière voor gebruik  

Bij open-source AI is geen sprake van licentiekosten of beperkende contracten, waardoor dit soort informatietechnologie (IT) toegankelijk is voor meer organisaties. Start-ups, kleine bedrijven en onafhankelijke ontwikkelaars kunnen allemaal experimenteren met AI zonder enorme kosten vooraf. Bredere deelname leidt tot meer creatieve en diverse toepassingen.  

• Maatschappelijke betrokkenheid  

Rond open-source AI bestaat een wereldwijde community van programmeurs, onderzoekers, ingenieurs en toegewijde liefhebbers die actief bijdragen aan de ontwikkeling ervan. Collectieve inspanningen versterken AI-modellen door gedeelde expertise en helpen ervoor te zorgen dat verbeteringen doorgaan, ook nadat de aanvankelijke bijdragers overstappen op andere projecten. 

• Transparantie en verbetering  

Omdat open-source AI-modellen openbaar beschikbaar zijn, kunnen organisaties onderzoeken hoe ze werken, potentiële problemen identificeren en directere invloed uitoefenen op gegevensbeveiliging. Meer zicht op de code kan betekenen dat fouten sneller worden ontdekt, en grotere openheid creëert vertrouwen doordat gebruikers precies kunnen zien hoe beslissingen worden genomen. 

• Leveranciersneutraliteit  

Bedrijven die open-source AI gebruiken, zijn niet gebonden aan één provider. Ze hebben de vrijheid om de tools en infrastructuur te kiezen die het beste aan hun behoeften voldoen. Dit voorkomt de risico's van vendor lock-in, plotselinge prijswijzigingen en ineffectieve support. 

• Aanpassingen  

Over het algemeen is een universele oplossing voor niemand de perfecte match. Toegang tot de broncode stelt organisaties in staat AI aan hun specifieke behoeften aan te passen door output aan te passen aan bedrijfsbeleid en unieke operationele vereisten. Deze mate van flexibiliteit is doorgaans niet beschikbaar in closed-source alternatieven. 

Uitdagingen van open-source AI 

Er zijn potentiële nadelen aan het beschikbaar stellen van AI-algoritmen voor openbaar gebruik. Voorbeelden zijn: 

• Risico van verkeerde afstemming en mislukking  

Zonder duidelijke doelstellingen kan de focus verloren gaan bij open-source AI-projecten, wat leidt tot verspilling van resources en mislukte resultaten. Organisaties moeten meetwaarden voor beoordeling vaststellen en ervoor zorgen dat ze over de juiste expertise beschikken voordat ze aan de slag gaan met AI-ontwikkeling. Gestructureerd projectmanagement en iteratieve tests kunnen ook helpen om de inspanningen op schema te houden.  

• Verhoogde kans op vooroordelen  

Een bredere groep gebruikers kan helpen bij het identificeren van vooroordelen, maar kan die ook onbedoeld introduceren. Aangezien trainingsgegevenssets vaak een onvolledig of vertekend beeld geven, moeten organisaties de AI-outputs nauwgezet controleren en modellen opnieuw trainen met meer representatieve gegevens. Regelmatige tests op vooroordelen en input van een diverse groep belanghebbenden kunnen de eerlijkheid en betrouwbaarheid van AI verbeteren.  

• Beveiligingsproblemen  

Door de open aard van deze modellen kunnen gewetenloze gebruikers ze manipuleren of misbruiken voor schadelijke doeleinden, zoals het genereren van verkeerde informatie, het creëren van schadelijke content of zelfs het automatiseren van aanvallen. Om dit tegen te gaan, moeten organisaties het gebruik bewaken en ethische waarborgen toepassen bij het implementeren van AI-oplossingen. De open-source community kan ook een rol spelen door beveiligingsmaatregelen te ontwikkelen en te delen die helpen risico's tegen te gaan. 

• Gegevensgerelateerde problemen  

Problemen zoals verkeerd gelabelde gegevens, gegevensdrift en onbetrouwbare bronnen kunnen de AI-prestaties in de loop van de tijd ondermijnen. Er kunnen strenge validatieprocessen worden toegepast om de gegevenskwaliteit te handhaven. 

• Problemen met outsourcing  

Bedrijven moeten voorzichtig zijn als ze open-source AI van derden gebruiken. Als een extern project wordt gestaakt of niet voldoet aan de veiligheidsnormen, kan dat verstoringen veroorzaken voor bedrijven die ervan afhankelijk zijn. Interne expertise heeft altijd de voorkeur maar als outsourcing de beste optie is, moeten bedrijven alle opdrachtnemers grondig controleren.

• Moeilijk om inkomsten te genereren  

Open-source AI ontwikkelen is duur en gratis weggeven maakt het moeilijk om er direct inkomsten mee te genereren. De bedrijven die deze tools ontwikkelen, kunnen dit aanpakken door betaalde zakelijke versies, ondersteuningsservices of aanvullende bedrijfseigen tools aan te bieden die zijn gebaseerd op open-source modellen.

• Verlies van controle  

Zodra een AI-model is vrijgegeven onder een open-source licentie, verliezen de oorspronkelijke ontwikkelaars de controle over hoe het model wordt gebruikt of gewijzigd. Hoewel deze decentralisatie een belangrijk voordeel is van open-source AI, betekent het ook dat modellen kunnen worden gebruikt op manieren die in strijd zijn met de bedoelingen van de makers. Om openheid in evenwicht te brengen met verantwoord gebruik, kunnen organisaties ethische richtlijnen opstellen en blijven deelnemen aan de bredere AI-community om vorm te geven aan verantwoorde ontwikkeling.

Het gebruik van open-source AI begint met het selecteren van het juiste model. Er zijn vooraf getrainde opties beschikbaar op platforms zoals Hugging Face, zodat gebruikers modellen kunnen downloaden en implementeren met minimale configuratie. Ontwikkelaars kunnen de modellen integreren in applicaties met behulp van frameworks zoals LangChain en Transformers, die de interactie met AI-gestuurde tools vereenvoudigen. Bibliotheken zoals PyTorch en TensorFlow bieden uitgebreide bronnen voor training, optimalisatie en implementatie voor wie modellen wil bouwen of verfijnen. 

Houd er wel rekening mee dat het effectief uitvoeren van open-source AI voldoende rekenkracht vereist. Sommige kleinere modellen kunnen worden uitgevoerd op persoonlijke apparaten, maar complexere systemen hebben vaak krachtige hardware of cloudgebaseerde infrastructuur nodig. Organisaties kunnen AI op locatie uitvoeren voor meer controle en beveiliging, of gebruikmaken van opties voor verwerking op afstand om grotere werklasten efficiënt af te handelen. 

Open-source AI biedt onbeperkte mogelijkheden, maar alleen als organisaties toegang hebben tot de juiste tools om het potentieel ervan te benutten. Het ServiceNow-platform^®, de bekroonde oplossing van ServiceNow, biedt een uniforme AI-gestuurde basis die bedrijven helpt al hun workflows te integreren, te automatiseren en te optimaliseren. Organisaties kunnen open-source modellen aan bedrijfsprocessen koppelen, terugkerende taken automatiseren en de besluitvorming verbeteren met inzichten op basis van AI. Met meer dan 20 jaar ervaring op het gebied van workflowautomatisering is ServiceNow de meest betrouwbare keuze voor het verbeteren van de efficiëntie tussen afdelingen. 

Maar het beste van alles is misschien wel dat ServiceNow ook direct bijdraagt aan de innovatie van open-source AI met StarCoder2, een familie van open-access grote taalmodellen (LLM's) ontwikkeld in samenwerking met Hugging Face en NVIDIA. Deze modellen ondersteunen codegeneratie, workflowautomatisering en tekstsamenvatting, waardoor bedrijven softwareontwikkeling en door AI verbeterde besluitvorming kunnen versnellen. Organisaties kunnen deze modellen verfijnen met branchespecifieke gegevens om AI op één lijn te brengen met hun unieke vereisten. Deze en andere geavanceerde mogelijkheden zijn een van de vele redenen waarom 85% van de Fortune 500 bedrijven gebruikmaakt van ServiceNow.  

Laat je bedrijf vooroplopen op het gebied van open-source AI en plan vandaag nog een demo om te zien hoe!