El panorama de las licencias de código abierto en la IA: una introducción a los LLM y las bases de datos vectoriales
El concepto de software de código abierto ha sido común en la industria tecnológica durante décadas. Sin embargo, aún se necesita más claridad sobre las implicaciones y restricciones de las diferentes licencias para desarrolladores y empresas. Esta guía desmitifica las licencias de código abierto relacionadas explícitamente con la tecnología de IA, como las bases de datos vectoriales y los grandes modelos de lenguaje (LLMs).
Código abierto significa que el creador pone software, hardware o incluso un gran modelo de lenguaje a disposición de la comunidad de forma gratuita. Estos proyectos suelen ser desarrollados y mantenidos mediante esfuerzos comunitarios, normalmente con la colaboración de desarrolladores de muchas empresas diferentes. El tipo de licencia bajo el cual se proporciona el producto o software rige cómo pueden utilizarse los distintos productos de código abierto.
Los cambios inesperados en la licencia de código abierto de un proyecto de software pueden perjudicar de forma significativa y potencial a las compañías y empresas que han creado ofertas alrededor del software de código abierto. Esta dinámica añade complejidad adicional y subraya la importancia de comprender las licencias de código abierto.
Beneficios de las bases de datos vectoriales y los LLMs de código abierto
Bases de datos vectoriales
Las bases de datos vectoriales de código abierto como Milvus (proporcionada bajo Apache License 2.0) benefician al ecosistema de IA. Dado que está disponible gratuitamente, los desarrolladores pueden crear prototipos de soluciones rápidamente mientras minimizan los costes de construir nuevas aplicaciones. Como la base de código es abierta y accesible, los desarrolladores y las empresas pueden revisar en detalle cómo funciona para asegurarse de que se alinea con sus planes y estándares. Esto aumenta la confianza y ayuda a los usuarios a decidir cómo implementarla dentro de otras aplicaciones o junto a ellas. Por último, Milvus, al igual que otras bases de datos vectoriales de código abierto, fue desarrollado en colaboración con los creadores Zilliz y la comunidad más amplia de usuarios de Milvus. Esto ha permitido que todos se beneficien del desarrollo compartido y la experiencia de otras organizaciones como NVIDIA, IBM, SalesForce y otras.
Grandes modelos de lenguaje
Los grandes modelos de lenguaje (LLMs) de código abierto han experimentado un aumento espectacular en disponibilidad y adopción durante el último año. Los LLMs propietarios, por otro lado, son propiedad exclusiva de una empresa y solo son accesibles para los clientes que compran una licencia como GPT de OpenAI. Tales licencias suelen imponer limitaciones al uso del LLM. En cambio, los LLMs de código abierto son accesibles libremente para todos, lo que permite acceso y utilización sin restricciones para cualquier propósito, modificación y distribución.
Con los LLMs, el componente de código abierto se refiere a la accesibilidad del código y la estructura fundamental del LLM. Esta accesibilidad concede a cualquier desarrollador e investigador la libertad de utilizar, mejorar o modificar el modelo. Esta apertura incrementa el acceso al reducir los costes a largo plazo para los desarrolladores que buscan crear soluciones que aprovechen el poder de los LLMs; esto es especialmente cierto para organizaciones sin talento interno de desarrollo de modelos y aprendizaje automático. Los grandes modelos de lenguaje de código abierto también pueden implementarse dentro de la infraestructura de datos de una empresa, lo que reduce el riesgo de exponer datos privados a una fuente externa, como un modelo controlado por una empresa externa o quizás incluso competidora. Por último, dado que los LLMs de código abierto pueden modificarse, pueden ajustarse, optimizarse y mejorarse para el caso de uso específico de una aplicación. La base de código abierta aumenta la confianza y la transparencia al permitir que los desarrolladores y científicos de datos revisen en detalle la construcción y el entrenamiento del modelo.
El espectro de las licencias de código abierto
Las licencias de código abierto vienen en varios tipos, cada una con su propio conjunto de permisos, restricciones y requisitos. Es importante que los desarrolladores y usuarios comprendan las implicaciones de cada tipo de licencia para garantizar el cumplimiento de los términos y condiciones establecidos por la licencia.
Estos son algunos de los tipos comunes:
Licencias permisivas
Las licencias permisivas otorgan a los usuarios una amplia libertad para usar, modificar y distribuir el software sin muchas restricciones. Algunos ejemplos incluyen:
Licencia MIT: Permite el uso, la modificación y la distribución casi sin restricciones, con requisitos mínimos.
Licencia BSD: Similar a la Licencia MIT, permite el uso casi sin restricciones, pero con requisitos ligeramente diferentes.
Licencia Apache: Permite el uso, la modificación y la distribución del software bajo ciertas condiciones.
Licencias copyleft
Estas licencias requieren que las obras modificadas o derivadas también se distribuyan bajo los mismos términos de licencia que el software original. Algunos ejemplos incluyen:
GNU General Public License (GPL): Requiere que cualquier obra derivada se distribuya bajo los mismos términos de la GPL, garantizando que las modificaciones sigan siendo de código abierto.
GNU Lesser General Public License (LGPL): Una versión modificada de la GPL que permite la vinculación con software no GPL bajo ciertas condiciones.
Mozilla Public License (MPL): Permite modificaciones y distribución bajo la MPL o cualquier licencia compatible.
Licencias copyleft débiles
Estas licencias requieren que solo las partes modificadas del software se distribuyan bajo los mismos términos de licencia que el software original. Algunos ejemplos incluyen:
- GNU Affero General Public License (AGPL): Una extensión de la GPL diseñada para software de red/servidor, que requiere la distribución del código fuente a los usuarios que interactúan con el software a través de una red.
Licencias no comerciales
Estas licencias restringen el uso del software con fines comerciales. Algunos ejemplos incluyen:
- Licencia Creative Commons No Comercial: Permite el uso, la modificación y la distribución no comerciales de obras creativas.
Dominio público
Algunos desarrolladores eligen publicar su trabajo en el dominio público, renunciando efectivamente a todos los derechos sobre la obra. Los usuarios pueden usar, modificar y distribuir libremente el software sin ninguna restricción.
Organismos rectores y comunidades
Algunas organizaciones clave desempeñan un papel vital en la regulación de los estándares de licencias de código abierto, garantizando la adhesión a los principios de apertura, transparencia y colaboración. Dos entidades destacadas en este ámbito son la Open Source Initiative (OSI) y la Free Software Foundation (FSF).
La OSI mantiene la Open Source Definition, un conjunto de criterios que una licencia de software debe cumplir para ser considerada de código abierto. Evalúa y aprueba licencias que cumplen estos criterios, lo que ayuda a mantener la coherencia y la claridad dentro de la comunidad de código abierto.
Por otro lado, la FSF aboga por el software libre y promueve el uso de licencias, como la GNU General Public License (GPL), que garantiza la libertad del software.
La Apache Software Foundation (ASF) es otra organización clave que desempeña un papel significativo en la gobernanza de los estándares de licencias de código abierto. Conocida principalmente por desarrollar proyectos de software ampliamente utilizados como Apache Hadoop y Apache Kafka, la ASF proporciona un marco para el desarrollo abierto y descentralizado y emplea un modelo de licenciamiento permisivo. La Licencia Apache permite flexibilidad para el uso comercial al tiempo que garantiza que las obras derivadas sigan siendo de código abierto.
Además, la gobernanza comunitaria es crucial para dar forma a las políticas y prácticas de licenciamiento. Los proyectos de código abierto a menudo tienen procesos de toma de decisiones impulsados por la comunidad en los que los colaboradores y las partes interesadas discuten y deciden sobre asuntos de licenciamiento. La participación de la comunidad ayuda a mantener la confianza, la transparencia y el consenso dentro del ecosistema de código abierto, fomentando la innovación y el crecimiento al tiempo que preserva la integridad del software de código abierto.
Los grados de apertura
Los grados de apertura inherentes a los diferentes modelos de licenciamiento influyen en la colaboración, la innovación y la transparencia en el desarrollo de la IA. Las licencias permisivas fomentan una amplia comunidad de colaboradores, impulsando la iteración rápida y la experimentación. En cambio, las licencias copyleft priorizan la preservación de los ideales del código abierto, protegiendo contra la explotación comercial a expensas de una adopción más amplia.
Transiciones y controversias recientes en licencias
Cambios notables en los modelos de licenciamiento por parte de proveedores de tecnología de IA como Redis y HashiCorp han generado debates en torno a la sostenibilidad y la ética. Las motivaciones van desde proteger las fuentes de ingresos hasta abordar preocupaciones sobre una compensación justa por las contribuciones. Estas transiciones subrayan el equilibrio matizado entre fomentar la innovación y salvaguardar los principios de la colaboración de código abierto.
Cuando una empresa cambia la licencia de su proyecto de código abierto, puede resultar particularmente preocupante para los usuarios y las empresas que han creado productos basados en ese código abierto. Supongamos que una empresa que proporciona software de código abierto cierra repentinamente el código fuente o utiliza una licencia más restrictiva. En ese caso, puede significar que las otras empresas que utilizan el código de la última versión de código abierto quizá tengan que asumir toda la carga de mantener el código y desarrollar nuevos conjuntos de funcionalidades.
Por qué importan las licencias en la IA
El licenciamiento no es meramente una formalidad legal, sino que puede determinar la trayectoria de las tecnologías de IA. Rige la accesibilidad, la adaptabilidad y la distribución equitativa, dando forma al ecosistema de la IA. Es importante equilibrar la protección de la propiedad intelectual (PI) con el fomento de un entorno de colaboración en IA para impulsar la innovación y garantizar la inclusividad.
Actualmente, la industria de la IA se está expandiendo a una velocidad alarmante. Nuevas tecnologías, casos de uso e incluso empresas están surgiendo cada día, y todos parecen ansiosos por sumarse al frenesí. Con esta innovación acelerada y la carrera por llegar al mercado, probablemente podamos esperar ver que las empresas adopten código abierto para acelerar los esfuerzos de desarrollo y aumentar la innovación mediante una amplia colaboración, pero también podríamos ver un cambio reflejo en las aplicaciones de licenciamiento de código abierto a medida que las empresas intentan preservar su PI y sus vías hacia los ingresos.
Conclusión
El licenciamiento de código abierto es la piedra angular del desarrollo colaborativo y la innovación en IA, definiendo los límites de acceso, uso y distribución. A medida que navegamos por las complejidades de los modelos de licenciamiento, mantengámonos informados y proactivos para dar forma a un futuro en el que las tecnologías de IA sirvan al bien colectivo. Al adoptar el espíritu de la colaboración abierta, tenemos la oportunidad de crear un panorama de IA más inclusivo y sostenible. Para leer más sobre las reflexiones de Zilliz en torno a las restricciones de licencias de código abierto y nuestro enfoque de código abierto lea aquí.
Recursos:
Sigue leyendo
Why Not All VectorDBs Are Agent-Ready
Explore why choosing the right vector database is critical for scaling AI agents, and why traditional solutions fall short in production.
1 Table = 1000 Words? Foundation Models for Tabular Data
TableGPT2 automates tabular data insights, overcoming schema variability, while Milvus accelerates vector search for efficient, scalable decision-making.
VidTok: Rethinking Video Processing with Compact Tokenization
VidTok tokenizes videos to reduce redundancy while preserving spatial and temporal details for efficient processing.