JAKARTA — Istilah kecerdasan buatan atau AI sering kali dilabeli dengan kategori “terbuka” atau “tertutup”. Label ini bukan merujuk pada kepribadian model tersebut, melainkan transparansi teknis terkait bagaimana sistem AI bekerja dan sejauh mana publik dapat memodifikasinya.
Memahami perbedaan antara AI closed-source, open-source, dan open-weight menjadi sangat krusial bagi pengguna maupun pengembang di era digital saat ini untuk mengetahui batasan penggunaan, hak cipta, hingga keamanan data.
Secara mendasar, model AI closed-source adalah sistem yang cara kerjanya dirahasiakan oleh pengembang. Model ini merupakan properti pribadi yang tidak bisa diakses kode sumber maupun bobotnya oleh publik, mirip dengan teknologi yang menjadi mesin utama di balik ChatGPT.
Sebaliknya, konsep open-source berakar pada gerakan perangkat lunak bebas di era 1980-an dan 1990-an yang menjunjung tinggi kebebasan pengguna untuk menjalankan, mempelajari, memodifikasi, dan mendistribusikan salinan kode program.
Definisi Open Source dalam Dunia AI
Penerapan konsep open-source pada AI menjadi tantangan tersendiri karena ketergantungan model pada data pelatihan yang masif. Organisasi seperti Open Source Initiative menegaskan bahwa model AI yang benar-benar terbuka harus menyertakan kode sumber, bobot, hingga data pelatihan yang digunakan.
Namun, distribusi dataset berukuran raksasa sering kali dianggap sulit dilakukan oleh banyak pengembang di lapangan.
Pergeseran mulai terlihat ketika Meta merilis model bahasa besar bernama LLaMa pada 24 Februari 2023. Meta menyediakan kode sumber untuk menjalankan model atau sering disebut sebagai inference, serta bobot yang merupakan akumulasi pengetahuan hasil pelatihan.
Meski demikian, lisensi yang menyertai LLaMa memicu perdebatan karena melarang penggunaan komersial ulang, yang menurut Open Source Initiative, tidak memenuhi kriteria murni sebuah perangkat lunak terbuka.
Fenomena Model Open Weight
Di luar kategori tertutup dan terbuka penuh, muncul istilah open weight yang kini diadopsi cepat oleh komunitas pengembang. Contoh nyata dari model ini adalah DeepSeek dari DeepSeek AI serta Qwen milik Alibaba. Model open weight memberikan akses pada bobot model namun tidak selalu menyertakan data pelatihan lengkap secara terbuka.
Keunggulan model open weight terletak pada ketentuan penggunaan yang cenderung lebih longgar dibandingkan model komersial tertutup. Bagi pengembang, fleksibilitas ini memungkinkan inovasi lebih cepat tanpa terbentur regulasi lisensi yang kaku.
Kendati demikian, debat mengenai definisi otentik AI open-source terus berlangsung di kalangan praktisi teknologi. Fokus utama tetap pada transparansi penuh, di mana pemisahan antara kode, bobot, dan data pelatihan menjadi poin penentu bagi standar etika dan keterbukaan di masa depan.
📝 Tinggalkan Komentar
Komentar sebagai . Ditinjau admin sebelum tampil.