Uno studio pubblicato su arXiv[1] mette a confronto i modelli di intelligenza artificiale generativa open source e quelli proprietari, evidenziandone vantaggi, limiti e implicazioni etiche, sociali e ambientali.
Il confronto tra modelli aperti e chiusi
Secondo Jorge Machado, autore dello studio, i modelli aperti risultano più trasparenti, adattabili e controllabili. Consentono audit indipendenti e riducono il rischio di bias nascosti. Al contrario, quelli chiusi – come GPT-4, Claude o Gemini – tendono a privilegiare facilità d’uso e supporto tecnico, ma a scapito della responsabilità e dell’equità. Mancano di accesso pubblico ai dati di addestramento, non permettono verifiche esterne e possono alimentare disuguaglianze e manipolazioni.
I pericoli della mancanza di trasparenza
L’assenza di trasparenza nei modelli proprietari rende difficile identificare errori e abusi. Il caso della rete Pravda, che ha contaminato 10 chatbot con disinformazione sistematica, mostra quanto sia semplice influenzare sistemi chiusi con contenuti tossici. Questi modelli possono essere sfruttati per la sorveglianza di massa o per fini propagandistici senza controllo esterno. Inoltre, impediscono alla società civile di partecipare allo sviluppo e alla verifica degli strumenti che ormai influenzano le decisioni pubbliche.
Modelli open come soluzione più giusta
Modelli come BLOOM, Pythia e OLMo offrono un’alternativa più etica e sostenibile. Grazie alla loro apertura, è possibile monitorare consumi energetici, ottimizzare i processi e limitare l’impatto ambientale. BLOOM, per esempio, emette venti volte meno CO₂ rispetto a GPT-3, a parità di parametri. Inoltre, l’accesso a comunità globali e strumenti condivisi promuove innovazione diffusa e adattabilità locale, contrastando l’accentramento del potere nelle mani di poche multinazionali.
Verso un’IA generativa pubblica e sicura
Lo studio propone un modello basato su tre pilastri: apertura tecnica, governance pubblica e sicurezza. Significa rendere accessibili codice, dati e documentazione, ma anche garantire che lo sviluppo coinvolga società civile, enti pubblici e comunità scientifiche. Serve una cornice normativa chiara, licenze etiche come la RAIL, e fondi per sostenere modelli alternativi. Solo così si potrà davvero costruire un’IA che serva il bene comune e non solo gli interessi di pochi.
