традиционное определение открытого исходного кода, хорошо работающее для программного обеспечения, недостаточно для ИИ из-за вовлечения данных, архитектур моделей, процессов обучения и систем развертывания. Авторы предлагают многомерную основу, включающую прозрачность данных, кода, параметров модели и методов оценки. Также обсуждаются компромиссы между открытостью и другими соображениями, такими как безопасность и злоупотребление. Статья направлена на облегчение более четких дискуссий и политик в отношении открытого ИИ.