OpenWALDO משיק פרויקט AI לנתוני אימון משותפים
מיזם חדש בקוד פתוח, OpenWALDO, מציע קורפוס נתונים משותף המנוהל בידי הקהילה לאימון מודלים, במטרה למנוע כפילויות ובעיות זכויות יוצרים. הפרויקט, בחסות CIQ ובהובלת מייסד Rocky Linux, מגדיר סטנדרט חדש של שקיפות בנתוני האימון של AI.
כל צוות AI בונה את בסיס הנתונים שלו מההתחלה, מגרד נתונים חתיכה חתיכה ומשכפל עבודה ברחבי העולם. אין סיבה שזה יעבוד ככה. OpenWALDO, מיזם חדש בקוד פתוח, מציע אלטרנטיבה: קורפוס נתונים משותף, שקוף ומפוקח קהילתית.
מה הסיפור פה?
OpenWALDO, בחסות חברת CIQ (לשעבר Ctrl IQ) ובהובלת גרג קורצר, מייסד Rocky Linux, CentOS ו-Apptainer, יצא לדרך אתמול. המטרה: לייצר מאגר נתונים לאימון מודלים שכל קהילת ה-AI יכולה להשתמש בו, לשפר ולבנות עליו — במקום שכל מעבדה תתחיל מאפס.
קורצר מסביר את החזון: "ביליתי את הקריירה שלי בצפייה בקוד פתוח הופך משתמשים לבונים, מתחרים למשתפי פעולה, ובעיות משותפות לתשתית שעובדת בקנה מידה ענק. אף ארגון בודד לא יכול לבנות או להחזיק את כל זה לבד. OpenWALDO מביא את המודל הזה ל-AI."
הבעיה שהמיזם מנסה לפתור
למודלים עם משקלים פתוחים (open-weight models) יש ערך אדיר — הם מאפשרים לכל אחד להוריד ולהריץ מודל בינה מלאכותית על חומרה ביתית או בענן. אבל יש להם חסרון מהותי: הם מגיעים בלי הקוד, המתכונים, הנתונים והשיטות שמהם הם נבנו. אי אפשר לשחזר אותם, לבדוק אותם לעומק, או להבין באמת מה הם "למדו".
OpenWALDO מציע לעבור לשלב הבא: מודלים בקוד פתוח באמת, עם נתוני אימון שקופים לחלוטין. הפרויקט מגדיר "Bill of Materials ל-AI" (AI BOM) — מסמך דיגיטלי שמתעד את כל מקורות הנתונים, הרישיונות, הבחירות בקורפוס, ריצות האימון והגרסאות של המודל. הרעיון הוא שכל טענה תהיה גלויה, ניתנת לשחזור וניתנת לתיקון — בפומבי.
למה זה חשוב?
כשמערכות AI מאמצות מודלים מאומנים על נתונים ממודלים אחרים, מתרחשת תופעה שחוקרים קוראים לה "model collapse" — דעיכה באיכות, כמו בעותק של עותק, שבו כל דור מאבד נאמנות. מעבר לכך, כיום קשה מאוד לדעת אילו נתונים שימשו לאימון מודל מסוים, תחת איזה רישיון, ובהסכמת מי. האם המודל מכיל חומר מוגן בזכויות יוצרים? קוד ב-copyleft שיכול "להדביק" את הפרויקט שלכם?
OpenWALDO מנסה לפתור את הבעיה הזאת מן השורש: להפוך את נתוני האימון עצמם לשקופים, בעלי רישיון ברור וניתנים למעקב. "לדעת לפני שמאמנים" — זה המוטו. שלב אחד מעל מודלים עם משקלים פתוחים.
איך זה עובד בפועל?
המיזם יספק קורפוס נתונים ציבורי שבנוי על ידי הקהילה. רעיון שהוסף פעם אחת יכול לתמוך במודלים רבים. תיקון אחד מחזק את הרשומה עבור כל מי שבונה על אותו בסיס. כלים טובים מקלים על כל תרומה עתידית.
חברות ומעבדות AI יכולות לקחת את הקורפוס ומסמך ה-BOM כבסיס מאומת, להוסיף עליו נתונים קנייניים, לבנות ולשגר מודל — עם קו ביקורת ברור חזרה למקורות. העבודה הבסיסית נעשית בשיתוף, בקוד פתוח, כך שכל בונה — מהמעבדות הגדולות ביותר ועד לחוקרים עצמאיים וחובבי מעבדת בית — חופשי להתמקד במה שהוא מוסיף מעבר לכך.
למי זה מיועד?
כולם. יחידים, חובבים, חוקרים, מוסדות ותאגידים. "בואו נעבוד יחד, נבנה את הבסיס בפתיחות, וניקח את ה-AI לשלב הבא בצורה שיתופית," קורצר מזמין.
המיזם פתוח לתרומות, עם פיקוח קהילתי, Developer Certificate of Origin, ושמירה על שרשראות מוצא. התוצאה: קומונס AI ציבורי עמיד, ניתן לאימות עצמאי, וזמין לכל קהילת ה-AI בקוד פתוח לשיפור, למידה ובנייה.
מי עומד מאחורי זה?
CIQ (לשעבר Ctrl IQ) מממנת את הפרויקט. החברה, שנוסדה על ידי קורצר ב-2020, כבר תומכת בתשתיות קוד פתוח כמו Rocky Linux, Apptainer ו-Warewulf. OpenWALDO מרחיב את המחויבות הזאת לשכבת הבסיס של ה-AI.
לדברי קורצר, "קוד פתוח ניצח בוויכוח הזה בעבר. ספקים קנייניים טענו טענות זהות לגבי קוד פתוח: לא מאובטח, לא אחראי, אי אפשר לסמוך עליו. הם הפסידו, כי קוד, רישיונות ומוצא הפכו את האמון לגלוי. Linux לא ניצח בכך שאושר כבטוח. הוא ניצח בכך שאפשר היה לבדוק אותו, ליצור ממנו fork ולאמת אותו על ידי הקהילה."
OpenWALDO מנסה ליישם את אותו עיקרון על נתוני האימון — החלק שנותר סגור הכי הרבה זמן. עכשיו נראה אם הקהילה יכולה גם כאן להפוך משתמשים לבונים, ומתחרים למשתפי פעולה.