Waarom geven big tech-bedrijven hun duur ontwikkelde AI-software gratis weg? Hoogleraar informatica Dirk Riehle legt de strategieën achter open AI-modellen uit.
Waarom techbedrijven hun AI-modellen gratis weggeven
Het kost big tech-bedrijven en AI-start-ups honderden miljoenen dollars om hun taalmodellen te trainen. En vervolgens stellen ze die geheel of gedeeltelijk gratis beschikbaar. Meestal worden de gewichten (de vastgestelde parameters) van taalmodellen via een open weights-aanpak gepubliceerd. Daardoor is het mogelijk om de AI-modellen op een eigen apparaat te gebruiken: autonoom, blijvend gratis en met een laag gegevensverbruik.
Meta heeft de gewichten van zijn taalmodel Llama openbaar gemaakt, net als de Franse AI-start-up Mistral en het Chinese IT-concern Alibaba (met Qwen). Google (met Gemma), Microsoft (Phi) en OpenAI (gpt-oss) hebben kleine versies van hun taalmodellen vrijgegeven.
Dirk Riehle is hoogleraar opensourcesoftware aan de Friedrich Alexander-universiteit van Erlangen-Nürnberg. Daar houdt hij zich onder andere bezig met klassieke opensource bedrijfsmodellen. We hebben hem gevraagd de strategieën achter het openstellen van AI-modellen toe te lichten.
Waarom besluiten big tech-bedrijven en start-ups hun modellen onder een vrije licentie te plaatsen?
Zakelijke doelen bereik je soms beter door iets openbaar te maken. Om dat te laten slagen, vraagt een bedrijf zich af: wat is ons product, waar betalen klanten voor? Vervolgens kun je je afvragen of het helpt om delen van het product openbaar te maken.
Het antwoord is: ja, openbaarheid kan het bedrijf ten goede komen. Waarbij meestal iets achter gesloten deuren blijft, waarvoor klanten dan moeten betalen.
Bij commerciële opensource software was het in het verleden soms zo dat een project eerst zonder commerciële bedoelingen ontstond en er pas later een bedrijf van werd. Op het gebied van AI staat het zakelijke idee doorgaans al vanaf het begin centraal. In het kader van de strategieontwikkeling volgt dan de conclusie om het open te stellen.
In hoeverre helpt het openstellen van een eigen AI het bedrijf?
Het doel is om een zo goed mogelijke eigen AI te hebben waarmee je geld verdient. Als een technologie niet alleen goed, maar ook open is, betekent dit dat verschillende gebruikers die voor de meest uiteenlopende doeleinden inzetten. Zo kun je een ecosysteem en een community voor je eigen product opbouwen.
Gratis gebruikers leveren geen directe omzet op, maar in het ideale geval helpen ze door middel van feedback. Via een feedbacklus leer je sneller hoe de technologie verbeterd kan worden.
Bovendien kunnen open modellen vertrouwen wekken. Ook dat kan zorgen voor een grotere verspreiding.
En het is duidelijk: er zijn gebruikers die wel niet vanaf het begin zouden betalen voor het gebruik van een model, maar later toch overstappen naar de gesloten betaalversie.
Zit er niet een addertje onder het gras bij die redenering? Als bedrijven, organisaties en overheidsinstanties open modellen op hun eigen systemen gebruiken, kan dan niet de situatie ontstaan dat ontwikkelaars geen input of feedback meer krijgen?
Openheid als bedrijfsstrategie is schieten met hagel. Of het nu gaat om een opensourceproject of een open AI-model: op de tien gebruikers die een toepassing gebruiken, is er in het beste geval één van wie de ontwikkelaars iets horen. De andere gebruikers kosten echter ook niets, omdat ze de technologie op hun eigen hardware draaien.
De bedrijven zijn momenteel aan het uitproberen welke elementen van hun producten ze het best kunnen vrijgeven en welke niet. Op het gebied van opensource software kennen en begrijpen we de mechanismen achter een op z’n minst gedeeltelijke openstelling.
Bij AI, vooral bij de grote taalmodellen, is men nog aan het leren hoe modellen op een zinvolle manier kunnen worden opengesteld, zodat dit de verkoop ten goede komt. En hoe men gratis gebruikers zo inzet en aanstuurt dat ze de evolutiesnelheid van modellen verhogen.
In hoeverre zie je bij de bedrijfsstrategieën verschillen tussen opensource- en open weights-modellen?
Open weights betekent nu eenmaal niet volledig opensource. Als alleen de gewichten openbaar zijn, is het model volledig aan de ontwikkelaar gebonden. Niemand anders zal de volgende versie kunnen leveren. Dat geeft de ontwikkelaar een bepaalde mate van zekerheid.
Het is een ander verhaal wanneer het om echte opensource-AI gaat: trainingsgegevens, de broncode voor de werking en voor de training, evenals overige scripts zijn openbaar beschikbaar. Dan is het mogelijk dat iemand anders het model nabouwt. Dat is echter een eerder theoretische optie.
Waarom?
Er is een aanzienlijk verschil tussen opensource bij software en bij AI-modellen. Een directe concurrent of zelfs maar een enkele programmeur kan een Git-kloon van een softwareprogramma maken en daarmee een bedrijf opzetten. Dat gebeurt ook steeds weer.
Bij AI is het repliceren aanzienlijk moeilijker. Het trainen van een model is zo rekenintensief dat je eerst heel veel kapitaal voor de nodige rekenkracht moet zien te vinden.
Als je kijkt naar de strategieën van AI-startups zoals Mistral AI, Stability AI en Black Forest Labs, lijkt het erop dat er simpelweg mechanismen zijn overgenomen zoals je die kent van commerciële Linux-distributies en opensource toepassingen zoals WordPress en ownCloud, nietwaar? Je kunt de modellen op je eigen apparaten draaien of – sneller – via de cloud van de aanbieder. Soms zijn alleen middelmatige versies van de modellen vrij toegankelijk, maar niet de topversies. Of de ontwikkelaars beperken het commerciële gebruik.
Precies. Het basisprincipe is hetzelfde. Deels zie je de oude bedrijfsmodellen terug. Je hebt een goed product. Het is gedeeltelijk open, zodat gebruikers kosteloos waarde kunnen benutten. Het product biedt echter nog meer waarde als je overstapt op de betaalde versie of een aanverwante dienst afneemt. Er ontstaat dan een lock-in-effect, met overstapkosten. Dat is een stapsgewijze manier om klanten aan boord te halen.
Het verbazingwekkende is dat op een gegeven moment ook spelers zijn gevolgd die oorspronkelijk op gesloten modellen hadden ingezet. Met Gemma, gpt-oss en Phi hebben ook Google, OpenAI en Microsoft inmiddels kleinere versies van hun modellen vrijgegeven. Waarom hebben zij op een gegeven moment toch voor openheid gekozen?
Ook daar geldt dezelfde afweging: er is een gemodulariseerd product, bestaande uit een open en een gesloten deel. Met het gesloten deel hoopt men geld te verdienen. Voor Google is openheid op het gebied van AI overigens niets nieuws. Met TensorFlow heeft Google al jaren geleden gratis een bibliotheek voor machine-learning beschikbaar gesteld. Als je die optimaal wilt laten draaien, maak je misschien gebruik van de diensten en cloudhardware van Google. Dat geldt ook voor de modellen.
Als ik als bedrijf voor mijn gegevens of toepassingen eerst de kleine, open modellen van Google gebruik en vervolgens tegen beperkingen aanloop, stap ik eerder over op de geavanceerde betaalmodellen van dezelfde aanbieder dan dat ik helemaal op iets volledig anders overstap.
Meta heeft zijn Llama-modellen zonder beperkingen vrijgegeven – afgezien van de nogal theoretische beperking tot maximaal 700 miljoen maandelijkse actieve gebruikers. Dat vraagt om uitleg, nietwaar? Meta is immers geen aanbieder van softwareoplossingen. Wilde Meta enerzijds onafhankelijk zijn van Google en OpenAI, maar schuwde het anderzijds de directe concurrentie met hen – en probeert het daarom wereldmarktleider te worden op het gebied van open modellen?
Daar ben ik het gedeeltelijk mee eens. Meta wilde in geen geval afhankelijk zijn van de AI van Google, OpenAI en Microsoft. Dat zou anders erg duur zijn geworden. Daarom heeft Meta voor veel geld Llama ontwikkeld. Op één punt ben ik het echter niet mee eens: Meta wil helemaal geen wereldmarktleider op het gebied van AI worden.
Maar wat dan wel?
In ieder geval niet in die zin dat Meta direct omzet wil genereren met AI. De strategie luidt in plaats daarvan: hoe beter je eigen AI is, des te meer dat de hoofdactiviteit ten goede komt. Dat is mijn interpretatie.
De Llama-modellen zijn grotendeels open omdat Meta helemaal niet van plan is om geld te verdienen als fabrikant van modellen. Meta verdient zijn geld elders – met advertenties die adverteerders plaatsen om ons te bereiken. Alles wat dat versterkt, is goed voor Meta.
Wanneer professionele gebruikers en hobbyisten de open Llama-modellen gebruiken, feedback geven en ze daarmee mogelijk verbeteren, leert Meta sneller hoe het de modellen kan optimaliseren. Betere modellen, die Meta in Instagram, WhatsApp en Facebook kan integreren, zijn beter om jouw en mijn aandacht te richten op de bedrijven die advertenties boeken op Meta-platforms.
Waarom zouden Chinese big tech-concerns zoals Alibaba (met Qwen) en Baidu (Ernie) gekozen hebben voor open modellen?
De grote Chinese bedrijven – dat is zeker geen geheim – zijn wel competent, maar lopen op het gebied van AI achter op Google, OpenAI en Anthropic. Ze bevinden zich in een inhaalpositie.
Ik vermoed dat ze hebben ingezien dat ze op dit moment niet kunnen standhouden in de wereldwijde concurrentiestrijd. Daarom hebben ze het met open modellen geprobeerd. In het kader van: misschien halen we op een dag de Amerikaanse aanbieders in omdat we door een feedbackloop met gratis gebruikers de ontwikkeling van onze modellen bijzonder goed kunnen stimuleren.
Maar zelfs als dat niet lukt, beschikken we toch over eigen modellen die voor de meeste taken volstaan.
Dat er open AI-modellen beschikbaar zijn, biedt maatschappelijke voordelen. Maar die openheid remt toch ook de concurrentie af, of niet? Hoe meer open opties er zijn, des te minder aantrekkelijk het vanuit economisch oogpunt wordt om met hoge investeringen modellen te ontwikkelen.
Dat klopt inderdaad. Het openstellen van een digitaal product kan een wapen zijn in de concurrentiestrijd. Als een technologisch product goed en open is, betekent dit dat de essentiële middelen gratis beschikbaar zijn en het moeilijker wordt om alleen met de technologie geld te verdienen.
Precies daarom hebben Intel en andere bedrijven destijds Linux ondersteund om te voorkomen dat Microsoft de besturingssysteemlaag zou domineren. Omdat Linux bestond, kon Microsoft de prijzen voor Windows niet zomaar naar wens opdrijven.
Het bestaan van open modellen verandert niets aan het feit dat een klein aantal, vooral Amerikaanse en Chinese bedrijven, de wereldwijde AI-markt domineren. Daar zal waarschijnlijk ook niets aan veranderen. In een blogpost heb je gepleit voor een Europees basismodel dat volledig opensource is. Hoe stel je je dat voor?
We hebben in Europa echte, concurrerende opensourcemodellen nodig. Momenteel is er wereldwijd een razendsnelle concurrentiestrijd gaande om toonaangevende AI te creëren.
Ik denk dat Europa moet inzien dat de race in wezen verloren is. De enige kans is om een eigen opensourcebasismodel op te zetten. Alleen al om te reageren op de vooringenomenheid van de grote modellen.
Of we nu kijken naar de door AI gegenereerde inhoud van Grokipedia of naar Chinese modellen die bepaalde bloedbaden niet vermelden – het zijn beperkte, gemanipuleerde systemen die bepaalde wereldbeelden moeten opleggen.
Veel mensen zien het probleem en zouden graag zoiets als een neutraal model hebben. Maar dan zijn er nog de extreem hoge kosten.
Hoe denk je dat het toch nog zou kunnen lukken?
De enige manier om dit probleem aan te pakken, is het bundelen van middelen over sectoren en bedrijven heen. Dan wordt er gezamenlijk betaald voor de middelen die nodig zijn om een niet-gemanipuleerd, krachtig opensource basismodel te ontwikkelen. Ik zou de eerste zijn om er gebruik van te maken.
(Stefan Mey en Daniel Dupré)
Praat mee