オープンソースの人工知能

AIの概念は、アラン・チューリングやジョン・マッカーシーといったコンピュータ科学者が現代のAI理論とアルゴリズムの基礎を築いた20世紀半ばに遡ります。^{[ 16 ]} AIの初期形態である自然言語処理「ドクター」ELIZAは、1977年にジェフ・シュレーガーによってBASICプログラムとして再実装され公開され、すぐに他の多くの言語に翻訳されました。初期のAI研究は、記号推論システムとルールベースのエキスパートシステムの開発に焦点を当てていました。^{[ 17 ]}

この時期には、オープンソースソフトウェアの概念が形になり始め、リチャード・ストールマンのような先駆者たちが、プログラミングにおけるコラボレーションとイノベーションを促進する手段としてフリーソフトウェアを提唱しました。^{[ 18 ]}ストールマンが1985年に設立したフリーソフトウェア財団は、自由に使用、変更、配布できるソフトウェアの概念を推進した最初の主要な組織の1つでした。この運動から生まれたアイデアは、最終的にオープンソースAIの開発に影響を与え、より多くの開発者がAIモデルやアルゴリズムを含むソフトウェア作成におけるオープンコラボレーションの潜在的な利点に気づき始めました。^{[ 19 ] [ 20 ]}

1990年代にはオープンソースソフトウェアが勢いを増し始め、^{[ 21 ]}機械学習や統計的手法の台頭により、より実用的なAIツールの開発も進みました。1993年には、さまざまなオープンに共有されたソフトウェアを擁するCMU人工知能リポジトリが設立されました。^{[ 22 ]}

2000年代初頭、オープンソースAIは、誰でも利用したり貢献したりできる、よりユーザーフレンドリーな基盤ライブラリやフレームワークのリリースによって、急速に普及し始めた。^{[ 23 ]}

OpenCVは2000年にリリースされ^{[ 24 ]} 、決定木、k近傍法（kNN）、ナイーブベイズ、サポートベクターマシン（SVM）などのさまざまな従来のAIアルゴリズムが搭載されています^{[ 25 ] 。}

Torchというオープンソースの深層学習フレームワークは2002 年にリリースされ、2011 年に Torch7 でオープンソース化され、その後PyTorchやTensorFlowによって拡張されました。^{[ 26 ]}

AlexNetは2012年にリリースされた。^{[ 27 ]}

OpenAIは、少なくとも組織の初期段階での人材採用を支援するために、人類に利益をもたらすオープンソースの人工知能を作成することを使命として2015年に設立されました。 ^{[ 28 ]} GPT-1は2018年にリリースされました。

2019年にGPT-2が発表された際、OpenAIは当初、悪意のあるアプリケーションへの懸念から、モデルのソースコードを非公開にする予定でした。^{[ 29 ]}しかし、OpenAIは世論の反発に直面した後、リリースから3か月後にGPT-2のソースコードをGitHubに公開しました。^{[ 29 ]} OpenAIはGPT-3モデルのソースコードや事前学習済み重みを公開しませんでした。^{[ 30 ]} GPT-3がリリースされた時点では、GPT-2は依然として世界で最も強力なオープンソース言語モデルでした。2022年には、MetaのOPTを含むさまざまなオープン性のライセンスの下で、より大規模で強力なモデルも登場しました。^{[ 31 ]}

オープンソース・イニシアティブは、 AIソフトウェアとモデルのニーズに合う「オープンソース」の定義を作成するために、2年以上にわたり専門家と協議しました。最も議論を呼んだのはデータアクセスに関する部分で、一部のモデルは公開できない機密データでトレーニングされているためです。2024年に、オープンソースAI定義1.0（OSAID 1.0）を公開しました。^{[ 1 ] [ 2 ] [ 3 ]}この定義では、データの処理、モデルのトレーニング、モデルからの推論を行うためのソフトウェアの完全な公開が求められています。データに関しては、AIのトレーニングに使用されたデータの詳細へのアクセスのみが必要で、これにより他の人がAIを理解して再現することができます。^{[ 2 ]}

2023 年、Meta の重みが利用可能なLlama 1 と 2、およびMistral AIのオープンウェイトの Mistral と Mixtral モデルが初めてリリースされました^{[ 32 ] [ 33 ]} 。同時に、MosaicMLのより小規模なオープンソース モデルもリリースされました^{[ 34 ] [ 35 ]} 。Llamaモデルのリリースは、オープンウェイトとオープンソース モデルへの関心を高める上で画期的な出来事でした^{[ 36 ]} 。2024年、Meta は、オープン性の低いモデルと競合するLlama 3.1 405B を含む大規模な AI モデルのコレクションをリリースしました^{[ 37 ]}。Llama をオープンソースと説明する Meta の説明は、Llama のソフトウェア ライセンスが一部の用途での使用を禁止していること、および Meta がモデルのトレーニングに使用されたデータの出所を開示していないことから、議論の的となっています^{[ 38 ] [ 39 ] [ 40 ] 。}

DeepSeekは2024年12月にV3 LLMを、2025年1月20日にR1推論モデルを、いずれもMITライセンスの下でオープンウェイトモデルとしてリリースした。^{[ 41 ] [ 42 ]}このリリースにより、中国が西洋のソフトウェアやゲートキーピングへの依存を減らし、より高性能なAIへのアクセスを産業に迅速に提供する方法として、より多くのオープンAIシステムの使用と構築を受け入れていることが広く知られるようになった。^{[ 43 ]}中国を拠点とするプロジェクトはその後世界中で広く使用されるようになり、主要な米国独自のモデルとのギャップを少なくとも一部埋めている。^{[ 43 ] [ 44 ] [ 45 ]}

2022年後半にOpenAI独自のChatGPTモデルがリリースされて以来、完全にオープンな（重み、データ、コードなど）大規模言語モデルはごく少数しかリリースされていません。2025年9月、スイスのコンソーシアムがApertusという完全オープンモデルをリリースし、この短いリストに加わりました。^{[ 46 ] [ 47 ]}

2025年12月、Linux FoundationはAgentic AI Foundationを設立し、OpenAI、 Anthropic、Blockによって作成されたオープンソースのエージェントAIプロトコルやその他のテクノロジーの管理を引き継いだ。^{[ 48 ] [ 49 ]}

2024年11月から、LightricksはLTXビデオモデルをオープンウェイトとしてリリースし始めた。^{[ 50 ] [ 51 ]}

2026年7月現在 これまでに公開された最大のオープンソースLLMは、Moonshot AIが開発したKimi K3で、パラメータ数は2.8兆です。^{[ 13 ]} Alibaba CloudのQwen 3.8-Maxも、パラメータ数2.4兆でオープンソース化される予定です。^{[ 14 ]}

医療業界では、オープンソースのAIが診断、患者ケア、個別化治療オプションに使用されています。^{[ 55 ]}オープンソースライブラリは、腫瘍検出などのタスクの医療画像処理に使用され、診断プロセスの速度と精度を向上させています。^{[ 56 ] [ 55 ]}さらに、化学と生物学アプリケーションに特化したオープンソースライブラリであるOpenChemは、創薬のための予測モデルの開発を可能にし、研究者が治療の可能性のある化合物を特定するのに役立ちます。^{[ 57 ]}

MetaのLlamaモデルは、Metaによってオープンソースと説明されているが、中国人民解放軍（PLA）に所属する中国の研究者による無許可の改変が明らかになった後、ロッキード・マーティンやオラクルなどの米国の防衛請負業者に採用された。 ^{[ 58 ] [ 59 ]} Open Source Initiativeなどは、 Llamaのライセンスに米国以外の軍事利用を含む使用事例を禁止する許容使用ポリシーが含まれているため、MetaがLlamaを説明するのにオープンソースという用語を使用することに異議を唱えている。 ^{[ 40 ]}中国の研究者は、Llamaの以前のバージョンを使用して、軍事情報と意思決定に最適化されたChatBITなどのツールを開発し、Metaは、この技術が国家安全保障のために戦略的に使用できることを保証するために、米国の請負業者とのパートナーシップを拡大した。^{[ 59 ]}これらのアプリケーションは現在、ロジスティクス、メンテナンス、およびサイバーセキュリティの強化を含む。^{[ 59 ]}

Nature誌の社説では、医療がいつでも停止される可能性があり、評価が難しく、患者のプライバシーを脅かす可能性のあるAIモデルに依存するようになる可能性があると指摘している。^{[ 11 ] [ 60 ]}同誌の著者らは、世界中の医療機関、学術研究者、臨床医、患者、テクノロジー企業が協力して、基盤となるコードと基本モデルに容易にアクセスでき、独自のデータセットで自由に微調整できるオープンソースの医療モデルを構築すべきだと提唱している。^{[ 11 ]}

オープンソースモデルはクローズドソースモデルよりも検閲が難しい。 ^{[ 60 ]}

TensorFlowやPyTorchのようなオープンソースフレームワークの開発に見られるような大規模なコラボレーションは、機械学習（ML）と深層学習の進歩を加速させてきました。^{[ 61 ]}これらのプラットフォームのオープンソースの性質は、世界中の貢献者が既存のツールに対する修正や強化を提案できるため、迅速な反復と改善も促進します。^{[ 61 ]}

オープンソースは、独自のモデルにアクセスできない国や組織が、より安価にAIを利用したり投資したりすることを可能にします。^{[ 4 ] [ 62 ] [ 63 ]}これは、他の企業がその上にサービスを販売するためのエコシステムの構築に役立ちます。^{[ 54 ]}

オープンソースAIの利点の1つは、クローズドソースの代替案と比較して透明性が向上することです。^{[ 36 ]}モデルのオープンソース化により、アルゴリズムとコードを検証できるため、説明責任が促進され、開発者がモデルがどのように結論に達するかを理解するのに役立ちます。^{[ 36 ]}さらに、LlamaやStable Diffusionなどのオープンウェイトモデルでは、開発者がモデルパラメータに直接アクセスできるため、アプリケーションにおけるバイアスの低減と公平性の向上につながる可能性があります。^{[ 36 ]}この透明性により、人間が読みやすい出力、つまり「説明可能なAI」を持つシステムを作成できます。これは、特に医療、刑事司法、金融などのリスクの高いアプリケーションにおいて、AIシステムによる決定の結果が重大になる可能性があるため、ますます重要な懸念事項となっています。^{[ 64 ]}

オープンソースのモデルは、悪意のある活動に使用されるのを防ぐ手段が少ない。^{[ 60 ]}オープンソースのAIは、バイオテロ組織がAIモデルの微調整やその他の安全対策を撤去することを可能にする可能性がある。 ^{[ 10 ] [ 4 ] [ 60 ]}こうした害を軽減するための提案されているステップの1つは、モデルがリリースされる前にリスク評価を受け、一定の基準を満たすことを義務付けることである。^{[ 60 ]} 2024年7月のホワイトハウスの報告書では、モデルの重みを公開することを制限する十分な証拠はまだ見つかっていないと結論付けているが、^{[ 65 ]} 2024年の専門家の多くは、現在の機能よりも将来の進歩についてより懸念しているようだった。^{[ 60 ]}

2025年に独自モデルを好む経営幹部は、セキュリティ上の懸念とパフォーマンスを主な理由として挙げた。^{[ 66 ]}

完全にオープンソースのモデル用のトレーニングデータセットのコストは、多くのプロジェクトにとって法外に高額になる可能性があります。^{[ 4 ] [ 54 ]}