Open-source AI: tra libertà e pesi aperti, cosa stiamo davvero condividendo?
Nel dibattito sull'Intelligenza Artificiale generativa, il termine "open-source" viene spesso utilizzato in modo ambiguo, creando confusione tra marketing, filosofia e realtà tecnica. Anche figure storiche come Richard Stallman si sono dovute addentrare in questa complessa questione. Ripartiamo dalle fondamenta: le quattro libertà del software libero come definite dalla Free Software Foundation (FSF):
- Libertà 0: Eseguire il programma per qualsiasi scopo.
- Libertà 1: Studiare come funziona il programma e modificarlo (l'accesso al codice sorgente è un prerequisito).
- Libertà 2: Ridistribuire copie per aiutare gli altri.
- Libertà 3: Migliorare il programma e distribuirne i miglioramenti (l'accesso al codice sorgente è un prerequisito).
Applicare queste libertà ai Large Language Model (LLM) solleva questioni non banali. Il punto cruciale è capire cosa siano i "pesi" (weights) di un modello.
Cosa sono i "pesi" e perché non bastano
In una rete neurale artificiale, i "pesi" (o parametri) sono valori numerici che regolano la forza delle connessioni tra i neuroni, simili alle sinapsi del cervello umano. Durante l'addestramento, il modello analizza enormi quantità di testo e aggiusta continuamente questi miliardi di numeri per imparare a prevedere quali parole seguano altre parole. L'insieme di tutti questi pesi costituisce la "memoria" e la "conoscenza" operativa del modello linguistico.e
Quando parliamo di LLM "open-source", ci riferiamo spesso in realtà a modelli "open-weight" (a pesi aperti). Questo significa che è possibile per chiunque scaricare i pesi, con la conseguenza di possedere l'LLM vero e proprio, pronto per essere eseguito. Tuttavia, come sottolineato dall'Open Source Initiative (OSI), i pesi da soli non sono sufficienti per essere considerati il vero "codice sorgente" di un LLM ai fini del software libero.
Affinché un LLM sia veramente "software libero", il "codice sorgente" dovrebbe includere:
- Il codice di addestramento: gli script e i framework utilizzati per creare e curare il dataset di addestramento e per eseguire il training stesso.
- I pesi del modello: l'output finale del processo di addestramento.
- I dati di addestramento: o un modo deterministicamente riproducibile per ottenerli. Questo include una descrizione completa dei dati, la loro provenienza, il metodo di ottenimento e selezione, le procedure di etichettatura e le metodologie di elaborazione e filtraggio.
Senza i dati di addestramento, non possiamo studiare "perché" il modello ha appreso certe cose, né possiamo correggere problemi strutturali alla radice (Libertà 1). Le grandi aziende cinesi e statunitensi che producono IA "open-source" non rilasciano quasi mai i dati di addestramento, anche a causa di complessi problemi di copyright sui dati stessi, che vengono spesso utilizzati senza riconoscere nulla agli autori o ai detentori di diritti.
Open-weights vs. software libero: una zona grigia
Nonostante i modelli definiti "open" rilascino i pesi e l'architettura, ma non i dati di addestramento, essi offrono comunque un vantaggio abissale rispetto ai modelli proprietari. La questione non è semplicemente "bianco" o "nero", ma si colloca in una zona grigia.
Nei modelli proprietari, non abbiamo accesso né ai dati, né al codice, né ai pesi. Siamo di fronte a un servizio che va pagato (o usato gratuitamente con limiti importanti), ma non è scaricabile né usabile sul proprio hardware. Siamo legati mani e piedi all'azienda fornitrice.
Gli LLM open-weight, invece, possono non solo essere scaricati ed eseguiti sul proprio hardware, ma anche modificati in superficie (ad esempio, tramite fine-tuning per compiti specifici). Questo offre un grado di controllo e indipendenza significativamente maggiore.
Esistono anche modelli veramente liberi di cui è possibile scaricare dati di addestramento, codice e pesi, ma sono casi particolari ed eccezionali, veramente di nicchia.
Le quattro libertà nell'era degli LLM open-weight
Assumendo di avere un modello open-weight (con pesi e codice architetturale disponibili), ecco come si traducono i vantaggi rispetto ai proprietari:
- Libertà 0 (Eseguire il programma per qualsiasi scopo): I modelli proprietari vietano certi tipi di uso e domande, filtrano i contenuti secondo criteri imposti dall'azienda e possono revocare l'accesso in qualsiasi momento. Un LLM open-weight, al contrario, è utilizzabile per scopi di ricerca, commerciali, personali o creativi senza chiedere il permesso. Tuttavia, dipende dalla licenza che accompagna l'LLM. Alcune licenze non impongono limiti sull'utilizzo, altre sì.
- Libertà 1 (Studiare e modificare): I modelli proprietari sono sempre scatole nere. Con un modello open-weight, i ricercatori possono intervenire in qualche modo sui pesi, rimuovere alcuni filtri o applicare tecniche di fine-tuning per adattare il modello a usi specifici.
- Libertà 2 (Ridistribuire copie): Anche in questo caso dipende dalla licenza. In generale, i modelli open-weight permettono non solo di ridistribuire copie, ma anche inglobare l'LLM all'interno di una propria applicazione e distribuirla, garantendo indipendenza dall'azienda che ha inizialmente prodotto l'LLM.
- Libertà 3 (Migliorare e distribuire i miglioramenti): Sì, questo è possibile. La comunità degli sviluppatori costantemente prende modelli open-weight, li affina con nuovi dati e rilascia versioni migliorate, dalle quali tutta la comunità beneficia. Tuttavia, la complessità dell'hardware introduce una distinzione fondamentale tra pre-addestramento e fine-tuning.
Il fattore hardware: pre-addestramento vs. fine-tuning
La definizione di software libero non richiede esplicitamente che la modifica del programma sia "facile" o "a basso costo", ma se l'esercizio di una libertà richiede hardware da centinaia di milioni di dollari, di fatto quella libertà è vincolata ai soli giganti tecnologici.
Il pre-addestramento, ovvero creare un modello da zero o continuare il pre-addestramento per aggiungere nuove lingue o conoscenze aggiornate al modello base, richiede l'hardware di una multinazionale, fuori dalla portata di aziende normali o privati.
Tuttavia, la "libertà di migliorare il programma" nell'era degli LLM non si esercita solo riscrivendo il modello da zero. Ci sono tecniche di fine-tuning che permettono di migliorare un LLM esistente su hardware ordinario, anche casalingo (assumendo di avere un computer recente e costoso). Questo rende la Libertà 3 concretamente esercitabile per molti sviluppatori e ricercatori, anche se con dei limiti.
Politica, sicurezza nazionale e l'uso (e abuso) del termine "open-source"
La complessità della questione emerge anche nel dibattito politico. Quando l'amministrazione Trump o altri esponenti del governo statunitense affermano che gli LLM open-source sono un problema per la sicurezza nazionale, si riferiscono proprio al fatto che possono essere utilizzati per "qualsiasi uso" una volta scaricati, ignorando sia i filtri (che possono essere rimossi) sia la licenza che accompagna il software (che può tranquillamente essere ignorata nei fatti).
Da questa prospettiva, un governo ostile può usare un LLM open-source per eseguire attacchi informatici contro i propri avversari, cosa che un LLM proprietario prova a impedire (non sempre riuscendoci). Tuttavia, questo punto di vista è facilmente contestabile, perché gli Stati Uniti usano gli LLM delle grandi aziende statunitensi senza filtri e per qualsiasi uso (tramite accordi con OpenAI e altre aziende), compreso l'uso militare. In questo senso, se a uccidere è un LLM proprietario o open-source, non cambia nulla.
Conclusione: una libertà condizionata ma reale
In conclusione, gli LLM open-weight non sono quasi mai "software libero" nel senso pieno del termine, come inteso da Stallman e dalla FSF, perché non garantiscono l'accesso ai dati di addestramento e al codice completo. Tuttavia, offrono gradi di libertà che gli LLM proprietari non offrono: la libertà di eseguire, studiare in superficie, ridistribuire e migliorare attraverso il fine-tuning.
La questione è complessa e la chiave interpretativa qui presentata è opinabile: non tutti ritengono che l'accesso ai dati di addestramento debba essere un requisito assoluto. Tuttavia, è innegabile che il movimento verso l'open-weight rappresenti un passo importante verso una maggiore trasparenza e democratizzazione dell'IA, anche se non realizza pienamente l'ideale del software libero. La lotta per un'IA veramente libera si gioca su più fronti: tecnico, etico, legale e politico.
(31 luglio 2026)