Пра штучны інтэлект з адкрытым зыходным кодам гавораць як пра чароўны ключ, які адмыкае ўсё. Гэта не так. Але гэта практычны спосаб стварэння сістэм штучнага інтэлекту без якіх-небудзь дазволаў, якія вы можаце зразумець, палепшыць і пастаўляць, не прасячы пастаўшчыка пераключыць выключальнік. Калі вы задаваліся пытаннем, што лічыцца «адкрытым», што з'яўляецца проста маркетынгам і як гэта рэальна выкарыстоўваць на працы, вы ў патрэбным месцы. Вазьміце каву — гэта будзе карысна, і, магчыма, крыху сугучна ☕🙂.
Артыкулы, якія вам могуць спадабацца пасля гэтага:
🔗 Як укараніць штучны інтэлект у свой бізнес
Практычныя крокі па інтэграцыі інструментаў штучнага інтэлекту для больш разумнага росту бізнесу.
🔗 Як выкарыстоўваць штучны інтэлект для павышэння прадукцыйнасці
Адкрыйце для сябе эфектыўныя працоўныя працэсы са штучным інтэлектам, якія эканомяць час і павышаюць эфектыўнасць.
🔗 Што такое навыкі штучнага інтэлекту
Вывучыце ключавыя кампетэнцыі ў галіне штучнага інтэлекту, неабходныя для спецыялістаў, гатовых да будучыні.
🔗 Што такое штучны інтэлект Google Vertex?
Зразумейце штучны інтэлект Vertex ад Google і тое, як ён спрашчае машыннае навучанне.
Што такое штучны інтэлект з адкрытым зыходным кодам? 🤖🔓
У самым простым сэнсе, штучны інтэлект з адкрытым зыходным кодам азначае, што інгрэдыенты сістэмы штучнага інтэлекту — код, вагі мадэляў, канвееры дадзеных, навучальныя сцэнарыі і дакументацыя — выпускаюцца па ліцэнзіях, якія дазваляюць любому выкарыстоўваць, вывучаць, змяняць і дзяліцца імі на разумных умовах. Гэтая асноўная фармулёўка свабоды паходзіць з вызначэння адкрытага зыходнага кода і яго даўніх прынцыпаў свабоды карыстальнікаў [1]. Асаблівасць штучнага інтэлекту ў тым, што інгрэдыентаў больш, чым проста код.
Некаторыя праекты публікуюць усё: код, крыніцы навучальных дадзеных, рэцэпты і навучаную мадэль. Іншыя публікуюць толькі вагі з карыстальніцкай ліцэнзіяй. Экасістэма часам выкарыстоўвае нядбайнае скарачэнне, таму давайце разгледзім гэта ў наступным раздзеле.
Штучны інтэлект з адкрытым зыходным кодам супраць адкрытых вагаў супраць адкрытага доступу 😅
Тут людзі размаўляюць адзін міма аднаго.
-
Штучны інтэлект з адкрытым зыходным кодам — праект прытрымліваецца прынцыпаў адкрытага зыходнага кода ва ўсіх сваіх аспектах. Код распаўсюджваецца па ліцэнзіі OSI, а ўмовы распаўсюджвання дазваляюць шырокае выкарыстанне, мадыфікацыю і сумеснае выкарыстанне. Тут адлюстроўваецца тое, што апісвае OSI: свабода карыстальніка — найперш [1][2].
-
Адкрытыя вагі — навучаныя вагі мадэлі можна спампаваць (часта бясплатна), але на ўмоўных умовах. Вы ўбачыце ўмовы выкарыстання, абмежаванні распаўсюджвання або правілы справаздачнасці. Сямейства Llama ад Meta ілюструе гэта: экасістэма кода адкрытая, але вагі мадэлі пастаўляюцца па пэўнай ліцэнзіі з умовамі выкарыстання [4].
-
Адкрыты доступ — вы можаце атрымаць доступ да API, магчыма, бясплатна, але не атрымаеце вагі. Карысна для эксперыментаў, але не з адкрытым зыходным кодам.
Гэта не проста семантыка. Вашы правы і рызыкі змяняюцца ў залежнасці ад гэтых катэгорый. Бягучая праца OSI па штучным інтэлекце і адкрытасці раскрывае гэтыя нюансы простай мовай [2].
Што робіць штучны інтэлект з адкрытым зыходным кодам сапраўды добрым ✅
Давайце будзем хуткімі і шчырымі.
-
Аўдытабельнасць — вы можаце чытаць код, праглядаць рэцэпты дадзеных і адсочваць этапы навучання. Гэта дапамагае ў захаванні адпаведнасці, праверках бяспекі і задавальненні традыцыйнай цікаўнасці. Структура кіравання рызыкамі NIST AI заахвочвае практыкі дакументавання і празрыстасці, якія адкрытыя праекты могуць лягчэй задаволіць [3].
-
Адаптыўнасць — вас не абмежавалі планам пастаўшчыка. Зрабіце форк. Патч. Адпраўце. Лега, а не клеены пластык.
-
Кантроль выдаткаў — размяшчайце свае рэсурсы самастойна, калі гэта танней. Пераходзьце ў воблака, калі гэта не так. Камбінуйце абсталяванне.
-
Хуткасць супольнасці — памылкі выпраўляюцца, новыя функцыі дадаюцца, і вы вучыцеся ў аднагодкаў. Брудна? Часам. Прадуктыўна? Часта.
-
Яснасць кіравання — сапраўдныя адкрытыя ліцэнзіі прадказальныя. Параўнайце гэта з Умовамі абслугоўвання API, якія ціха мяняюцца па аўторках.
Ці ідэальна гэта? Не. Але кампрамісы відавочныя — больш, чым у многіх стандартных сэрвісах.
Стэк штучнага інтэлекту з адкрытым зыходным кодам: код, вагі, дадзеныя і клей 🧩
Уявіце сабе праект штучнага інтэлекту як незвычайную лажанню. Шмат слаёў паўсюль.
-
Фрэймворкі і асяроддзя выканання — інструменты для вызначэння, навучання і абслугоўвання мадэляў (напрыклад, PyTorch, TensorFlow). Здаровыя супольнасці і дакументацыя важнейшыя за брэнды.
-
Архітэктуры мадэляў — план: трансфарматары, дыфузійныя мадэлі, устаноўкі з дапоўненым пошукам.
-
Вагавыя каэфіцыенты — параметры, атрыманыя падчас навучання. «Адкрытасць» тут залежыць ад правоў на распаўсюджванне і камерцыйнае выкарыстанне, а не толькі ад магчымасці спампоўвання.
-
Дадзеныя і рэцэпты — скрыпты курыравання, фільтры, дапаўненні, графікі навучання. Празрыстасць тут — гэта золата для ўзнаўляльнасці.
-
Інструменты і аркестрацыя — серверы вываду, вектарныя базы дадзеных, сістэмы ацэнкі, назіральнасць, CI/CD.
-
Ліцэнзаванне — ціхая аснова, якая вырашае, што вы насамрэч можаце рабіць. Падрабязней ніжэй.
Ліцэнзаванне 101 для штучнага інтэлекту з адкрытым зыходным кодам 📜
Вам не трэба быць юрыстам. Вам трэба заўважаць заканамернасці.
-
Ліцэнзіі на дазвольны код — MIT, BSD, Apache-2.0. Apache мае відавочную патэнтную ліцэнзію, якую цэняць многія каманды [1].
-
Аўтарскае лефт — сямейства ліцэнзій GPL патрабуе, каб вытворныя праграмы заставаліся адкрытымі пад той жа ліцэнзіяй. Магутны варыянт, але прадугледзьце гэта ў сваёй архітэктуры.
-
Ліцэнзіі, спецыфічныя для мадэлі — для вагаў і набораў дадзеных вы ўбачыце карыстальніцкія ліцэнзіі, такія як сямейства ліцэнзій Responsible AI (OpenRAIL). Яны кадуюць дазволы і абмежаванні на аснове выкарыстання; некаторыя дазваляюць шырокае камерцыйнае выкарыстанне, іншыя дадаюць агароджы супраць злоўжывання [5].
-
Ліцэнзія Creative Commons для дадзеных — CC-BY або CC0 звычайна выкарыстоўваюцца для набораў дадзеных і дакументаў. У невялікіх маштабах атрыбуцыяй можна кіраваць; выпрацуйце шаблон загадзя.
Парада прафесіянала: стварыце аднастаронкавы спіс усіх залежнасцей, іх ліцэнзій і інфармацыі пра тое, ці дазволена камерцыйнае распаўсюджванне. Сумна? Так. Неабходна? Таксама так.
Параўнальная табліца: папулярныя праекты з адкрытым зыходным кодам, заснаваныя на штучным інтэлекце, і дзе яны блішчаць 📊
крыху неахайна наўмысна — вось як выглядаюць сапраўдныя нататкі
| Інструмент / Праект | Для каго гэта | Прыблізная цана | Чаму гэта добра працуе |
|---|---|---|---|
| PyTorch | Даследчыкі, інжынеры | Бясплатна | Дынамічныя графікі, велізарная супольнасць, надзейная дакументацыя. Праверана ў баявых умовах у прадукцыйнай версіі. |
| TensorFlow | Карпаратыўныя каманды, аперацыі па машынным навучанні | Бясплатна | Рэжым графіка, TF-абслугоўванне, глыбіня экасістэмы. Больш крутое навучанне для некаторых, усё яшчэ стабільнае. |
| Трансформеры з абдымкамі | Будаўнікі з тэрмінамі | Бясплатна | Папярэдне навучаныя мадэлі, канвееры, наборы дадзеных, лёгкая тонкая налада. Шчыра кажучы, гэта кароткі шлях. |
| вLLM | Каманды, якія валодаюць інфрачырвоным розумам | Бясплатна | Хуткае абслугоўванне LLM, эфектыўны кэш KV, высокая прапускная здольнасць на распаўсюджаных графічных працэсарах. |
| Лама.cpp | Майстры, прылады на мяжы | Бясплатна | Запускайце мадэлі лакальна на ноўтбуках і тэлефонах з квантаваннем. |
| LangChain | Распрацоўшчыкі праграм, прататыпёры | Бясплатна | Кампазіцыйныя ланцужкі, злучальнікі, агенты. Хуткія перамогі, калі вы ўсё зробіце простым. |
| Стабільная дыфузія | Крэатыўныя спецыялісты, прадуктовыя каманды | Свабодныя вагі | Генерацыя малюнкаў лакальна або ў воблаку; велізарныя працоўныя працэсы і карыстальніцкія інтэрфейсы вакол іх. |
| Олама | Распрацоўшчыкі, якія любяць лакальныя CLI | Бясплатна | Лакальныя мадэлі з функцыяй «цягні і бяжы». Ліцэнзіі адрозніваюцца ў залежнасці ад мадэлі карты — сачыце за гэтым. |
Так, шмат «бясплатнага». Хостынг, відэакарты, сховішча і чалавек-гадзіны не бясплатныя.
Як кампаніі насамрэч выкарыстоўваюць штучны інтэлект з адкрытым зыходным кодам на працы 🏢⚙️
Вы пачуеце дзве крайнасці: альбо ўсе павінны самастойна размяшчаць усё, альбо ніхто не павінен. Рэальнае жыццё больш мяккае.
-
Хуткае стварэнне прататыпаў — пачніце з дазвольных адкрытых мадэляў для праверкі карыстальніцкага досведу і ўплыву. Рэфактарынг правядзіце пазней.
-
Гібрыдны сэрвіс — захавайце мадэль, размешчаную на базе VPC, або лакальную мадэль для выклікаў, якія патрабуюць прыватнасці. Выкарыстоўвайце размяшчаны API для выклікаў з доўгім хвастом або пікавай нагрузкай. Вельмі звычайная з'ява.
-
Дакладная налада для вузкіх задач — адаптацыя да дамена часта пераўзыходзіць маштабаванне.
-
RAG усюды — генерацыя з дапоўненым пошукам памяншае галюцынацыі, грунтуючы адказы на вашых дадзеных. Адкрытыя вектарныя базы дадзеных і адаптары робяць гэта даступным.
-
Edge і афлайн — лёгкія мадэлі, складзеныя для ноўтбукаў, тэлефонаў або браўзераў, пашыраюць магчымасці прадукту.
-
Адпаведнасць і аўдыт — паколькі вы можаце праверыць усё да канца, аўдытарам ёсць што канкрэтна праверыць. Дадайце да гэтага адказную палітыку ў галіне штучнага інтэлекту, якая адпавядае катэгорыям RMF і рэкамендацыям па дакументацыі NIST [3].
Невялікая заўвага з поля: каманда SaaS, якая клапоціцца пра прыватнасць і якую я бачыў (карыстальнікі сярэдняга рынку з ЕС), ужыла гібрыдную канфігурацыю: невялікая адкрытая мадэль у VPC для 80% запытаў; імгненны пераход да размяшчанага API для рэдкіх запытаў з доўгім кантэкстам. Яны скарацілі затрымку для агульнага шляху і спрасцілі дакументацыю DPIA — без кіпення акіяна.
Рызыкі і падводныя камяні, на якія варта звярнуць увагу 🧨
Давайце будзем дарослымі ў гэтым пытанні.
-
Зрух ліцэнзіі — рэпазітар запускае MIT, а затым вагі перамяшчаюцца на карыстальніцкую ліцэнзію. Абнаўляйце свой унутраны рэестр, інакш вы атрымаеце сюрпрыз адносна адпаведнасці [2][4][5].
-
Паходжанне дадзеных — навучальныя дадзеныя з невыразнымі правамі могуць перадавацца ў мадэлі. Адсочвайце крыніцы і прытрымлівайцеся ліцэнзій набораў дадзеных, а не вібрацый [5].
-
Бяспека — разглядайце артэфакты мадэлі гэтак жа, як і любы іншы ланцужок паставак: кантрольныя сумы, падпісаныя рэлізы, SBOM. Нават мінімальны SECURITY.md пераўзыходзіць цішыню.
-
Розніца ў якасці — адкрытыя мадэлі моцна адрозніваюцца. Ацэньвайце па сваіх задачах, а не толькі па табліцах лідэраў.
-
Схаваныя выдаткі на інфраструктуру — для хуткага вываду патрэбныя графічныя працэсары, квантаванне, пакетная апрацоўка, кэшаванне. Адкрытыя інструменты дапамагаюць; вы ўсё роўна плаціце вылічэннямі.
-
Доўг кіравання — калі жыццёвы цыкл мадэлі ніхто не валодае, атрымліваецца канфігурацыйнае спагецці. Лёгкі кантрольны спіс MLOps — гэта золата.
Выбар правільнага ўзроўню адкрытасці для вашага выпадку выкарыстання 🧭
Трохі крывы шлях прыняцця рашэнняў:
-
Патрэбна хуткая адгрузка з мінімальнымі патрабаваннямі да адпаведнасці? Пачніце з дазвольных адкрытых мадэляў, мінімальнай налады і хмарнага абслугоўвання.
-
Патрэбна строгая прыватнасць або ў аўтаномным рэжыме ? Выберыце добра падтрыманы адкрыты стэк, самастойны хостынг і ўважліва праглядзіце ліцэнзіі.
-
Патрэбны шырокія камерцыйныя правы і распаўсюджванне? Аддавайце перавагу коду, адпавяданаму OSI, а таксама мадэльным ліцэнзіям, якія відавочна дазваляюць камерцыйнае выкарыстанне і распаўсюджванне [1][5].
-
Патрэбна гнуткасць у даследаванні ? Выкарыстоўвайце дазвольныя метады ад пачатку да канца, уключаючы дадзеныя, для ўзнаўляльнасці і магчымасці сумеснага выкарыстання.
-
Не ўпэўнены? Паспрабуйце абодва варыянты. Праз тыдзень адзін з іх будзе відавочна лепшым.
Як ацаніць праект штучнага інтэлекту з адкрытым зыходным кодам як прафесіянал 🔍
Кароткі кантрольны спіс, які я захоўваю, часам на сурвэтцы.
-
Яснасць ліцэнзіі — зацверджана OSI для кода? А як наконт ваг і дадзеных? Ці ёсць якія-небудзь абмежаванні на выкарыстанне, якія супярэчаць вашай бізнес-мадэлі [1][2][5]?
-
Дакументацыя — усталёўка, хуткі старт, прыклады, ухіленне непаладак. Дакументацыя — гэта інфармацыя пра культуру.
-
Кадэнцыя выпускаў — пазначаныя выпускі і журналы змяненняў сведчаць аб стабільнасці; спарадычныя публікацыі сведчаць аб гераізме.
-
Тэсты і ацэнкі — ці рэалістычныя задачы? Ці можна выканаць ацэнкі?
-
Абслугоўванне і кіраванне — зразумелыя ўладальнікі кода, класіфікацыя праблем, рэагаванне на PR.
-
Адпаведнасць экасістэме — добра спалучаецца з вашым абсталяваннем, сховішчамі дадзеных, рэгістрацыяй і аўтарызацыяй.
-
Стан бяспекі — падпісаныя артэфакты, сканаванне залежнасцей, апрацоўка CVE.
-
Сігнал супольнасці — абмеркаванні, адказы на форуме, прыклады рэпазіторыяў.
Для больш шырокага ўзгаднення з надзейнымі практыкамі супастаўце свой працэс з катэгорыямі RMF NIST AI і артэфактамі дакументацыі [3].
Паглыбленае апусканне 1: брудная сярэдзіна мадэльных ліцэнзій 🧪
Некаторыя з найбольш здольных мадэляў знаходзяцца ў катэгорыі «адкрытыя вагі з умовамі». Яны даступныя, але з абмежаваннямі выкарыстання або правіламі распаўсюджвання. Гэта можа быць нармальна, калі ваш прадукт не залежыць ад пераўпакоўкі мадэлі або яе адпраўкі ў кліенцкае асяроддзе. Калі вам патрэбна , дамаўляйцеся або абярыце іншую базу. Галоўнае — супаставіць свае планы далейшага развіцця з фактычным тэкстам ліцэнзіі, а не з паведамленнем у блогу [4][5].
Ліцэнзіі тыпу OpenRAIL імкнуцца знайсці баланс: заахвочваць адкрытыя даследаванні і абмен, адначасова перашкаджаючы злоўжыванням. Намер — гэта добра; абавязацельствы застаюцца вашымі. Прачытайце ўмовы і вырашыце, ці адпавядаюць яны вашаму жаданню рызыкаваць [5].
Глыбокае апусканне 2: празрыстасць дадзеных і міф пра ўзнаўляльнасць 🧬
«Без поўных дампаў дадзеных штучны інтэлект з адкрытым зыходным кодам — гэта падробка». Не зусім. Паходжанне і рэцэпты могуць забяспечыць значную празрыстасць, нават калі некаторыя неапрацаваныя наборы дадзеных абмежаваныя. Вы можаце дастаткова добра задакументаваць фільтры, каэфіцыенты выбаркі і эўрыстыку ачысткі, каб іншая каманда магла прыблізна ацаніць вынікі. Ідэальная ўзнаўляльнасць — гэта добра. Часта дастаткова практычнай празрыстасці [3][5].
Калі наборы даных адкрыты, распаўсюджаныя ліцэнзіі Creative Commons, такія як CC-BY або CC0. Атрыбуцыя ў вялікіх маштабах можа быць нязручнай, таму стандартызуйце спосабы яе апрацоўкі загадзя.
Паглыбленае апусканне 3: практычныя MLO-ы для адкрытых мадэляў 🚢
Дастаўка адкрытай мадэлі падобная на дастаўку любой паслугі, плюс некалькі асаблівасцей.
-
Абслугоўваючы ўзровень — спецыялізаваныя серверы вываду аптымізуюць пакетную апрацоўку, кіраванне кэшам KV і струменевую перадачу токенаў.
-
Квантаванне — меншыя вагі → больш танны вывад і прасцейшае разгортванне на перыферыі. Кампрамісы ў якасці адрозніваюцца; вымярайце ў залежнасці ад вашых задач.
-
Назіральнасць — запісвайце запыты/вывады з улікам прыватнасці. Узор для ацэнкі. Дадайце праверкі на дрэйф, як і ў традыцыйным машынным навучанні.
-
Абнаўленні — мадэлі могуць нязначна змяняць паводзіны; выкарыстоўвайце канарэйкі і захоўвайце архіў для адкату і аўдыту.
-
Набор ацэначных метадаў — падтрымлівайце спецыфічны для задачы набор ацэначных метадаў, а не толькі агульныя арыенціры. Уключыце падказкі для супернікаў і бюджэты затрымкі.
Міні-план: ад нуля да практычнага пілотнага праекта за 10 крокаў 🗺️
-
Вызначце адну вузкую задачу і метрыку. Пакуль што няма грандыёзных платформаў.
-
Выберыце дазвольную базавую мадэль, якая шырока выкарыстоўваецца і добра дакументавана.
-
Выступайце супраць лакальнага вываду і тонкага API-абгорткі. Няхай будзе сумна.
-
Дадайце пошук для наземных вывадаў вашых дадзеных.
-
Падрыхтуйце невялікі пазначаны набор eval, які адлюстроўвае вашых карыстальнікаў, з усімі недахопамі і ўсім астатнім.
-
Дакладную наладу або падказку трэба рабіць толькі ў тым выпадку, калі ацэнка пацвярджае неабходнасць.
-
Квантава ацэньвайце, калі затрымка або кошт занадта высокія. Паўторна вымерайце якасць.
-
Дадайце вядзенне журнала, падказкі аб аб'яднанні ў чырвоныя каманды і палітыку злоўжыванняў.
-
Брама з пазначаным сцягам і выпускам для невялікай кагорты.
-
Паўтарайце. Уносіце невялікія паляпшэнні штотыдзень... або калі яно сапраўды становіцца лепшым.
Распаўсюджаныя міфы пра штучны інтэлект з адкрытым зыходным кодам, крыху развянчаныя 🧱
-
Міф: адкрытыя мадэлі заўсёды горшыя. Рэальнасць: для мэтанакіраваных задач з патрэбнымі дадзенымі дакладныя адкрытыя мадэлі могуць пераўзысці больш буйныя размешчаныя мадэлі.
-
Міф: адкрытасць азначае небяспека. Рэальнасць: адкрытасць можа палепшыць кантроль. Бяспека залежыць ад практыкі, а не ад сакрэтнасці [3].
-
Міф: ліцэнзія не мае значэння, калі яна бясплатная. Рэальнасць: найбольшае , калі бясплатная, бо бясплатнасць маштабуе выкарыстанне. Вам патрэбныя відавочныя правы, а не вібрацыі [1][5].
Штучны інтэлект з адкрытым зыходным кодам 🧠✨
Штучны інтэлект з адкрытым зыходным кодам — гэта не рэлігія. Гэта набор практычных свабод, якія дазваляюць вам ствараць з большым кантролем, больш зразумелым кіраваннем і больш хуткай ітэрацыяй. Калі хтосьці кажа, што мадэль «адкрытая», спытайце, якія пласты адкрыты: код, вагі, дадзеныя ці проста доступ. Прачытайце ліцэнзію. Параўнайце яе з вашым сцэнарыем выкарыстання. А потым, самае галоўнае, праверце яе з рэальнай нагрузкай.
Самае лепшае, як ні дзіўна, — гэта культура: адкрытыя праекты заахвочваюць да ўдзелу і ўвагі, што, як правіла, паляпшае як праграмнае забеспячэнне, так і людзей. Вы можаце выявіць, што выйгрышны ход — гэта не самая вялікая мадэль ці самы яркі бенчмарк, а той, які вы сапраўды зможаце зразумець, выправіць і палепшыць на наступным тыдні. Гэта ціхая сіла штучнага інтэлекту з адкрытым зыходным кодам — не чароўная куля, а хутчэй добра вядомы шматфункцыянальны інструмент, які пастаянна ратуе становішча.
Даўно не чытаў 📝
Штучны інтэлект з адкрытым зыходным кодам — гэта значная свабода выкарыстання, вывучэння, мадыфікацыі і сумеснага выкарыстання сістэм штучнага інтэлекту. Гэта праяўляецца на розных узроўнях: фрэймворках, мадэлях, дадзеных і інструментах. Не блытайце адкрыты зыходны код з адкрытымі вагамі або адкрытым доступам. Праверце ліцэнзію, ацэньвайце з улікам вашых рэальных задач і распрацоўвайце праекты з улікам бяспекі і кіравання з першага дня. Зрабіце гэта, і вы атрымаеце хуткасць, кантроль і больш спакойную дарожную карту. Дзіўна рэдка, шчыра кажучы, бясцэнна 🙃.
Спасылкі
[1] Ініцыятыва адкрытага зыходнага кода — Вызначэнне адкрытага зыходнага кода (OSD): чытаць далей
[2] OSI — Паглыбленае вывучэнне штучнага інтэлекту і адкрытасці: чытаць далей
[3] NIST — Структура кіравання рызыкамі, звязанымі са штучным інтэлектам: чытаць далей
[4] Meta — Ліцэнзія мадэлі Llama: чытаць далей
[5] Ліцэнзіі адказнага штучнага інтэлекту (OpenRAIL): чытаць далей