12/10/2026 · VietTechies · Biên tập
Giới lãnh đạo ngành công nghệ và các tổ chức quản trị mã nguồn mở đang tranh luận gay gắt về việc liệu các mô hình trí tuệ nhân tạo chỉ công khai tham số số học có nên được coi là mã nguồn mở thực thụ hay không. Phát biểu tại Hội nghị thượng đỉnh Mã nguồn mở Châu Âu (Open Source Summit Europe) diễn ra tại Praha, ông Peter Farkas, Tổng Giám đốc điều hành Percona, đã kêu gọi các nhà phát triển và đơn vị cung cấp phần mềm ngừng sử dụng lẫn lộn hai khái niệm "mô hình công khai trọng số" và "mã nguồn mở". Ông Farkas cảnh báo rằng việc lạm dụng thuật ngữ mã nguồn mở cho các mô hình chỉ được tiếp cận một phần sẽ đe dọa làm suy yếu những quyền tự do cốt lõi vốn định hình hoạt động phát triển phần mềm từ trước đến nay.
Bóc tách trọng số mạng thần kinh và mã nguồn phần mềm
Tâm điểm của sự bất đồng nằm ở việc thành phần nào của hệ thống AI được công khai cho cộng đồng. Trọng số mô hình đại diện cho các tham số số học được tạo ra trong quá trình huấn luyện, cho phép các nhà phát triển vận hành mô hình trên hạ tầng riêng mà không cần tiếp cận quy trình hay tập dữ liệu huấn luyện. Theo ông Farkas và ông James Landay, Giám đốc Viện AI vị nhân sinh thuộc Đại học Stanford (Stanford Institute for Human-Centered AI), mô hình công khai trọng số chỉ giải quyết câu hỏi liệu một hệ thống có thể chạy được hay không. Trong khi đó, mã nguồn mở đòi hỏi sự minh bạch kỹ thuật đầy đủ để cộng đồng có thể kiểm tra, đặt niềm tin và phát triển tiếp dựa trên công nghệ nền tảng đó.
Sự phân biệt về mặt kỹ thuật này cũng tương đồng với nhận định trước đó từ nhà đầu tư mạo hiểm Joseph Jacks. Ông chỉ ra rằng các hệ số trong trọng số mạng thần kinh không thể đọc hiểu như ngôn ngữ con người và không hoạt động giống như mã nguồn phần mềm truyền thống. Bên cạnh đó, các điều khoản bản quyền doanh nghiệp cũng phản ánh khoảng cách giữa khả năng tiếp cận và các nguyên tắc mã nguồn mở truyền thống. Chẳng hạn, dù Meta phân phối các mô hình Llama cho mục đích sử dụng rộng rãi, tập đoàn này vẫn yêu cầu giấy phép thương mại đặc biệt đối với các nền tảng có trên 700 triệu người dùng hoạt động hàng tháng. Điều này cho thấy các trọng số dù được chia sẻ rộng rãi vẫn có thể đi kèm những rào cản sử dụng nghiêm ngặt.
Tầm quan trọng của sự chuẩn xác trong thuật ngữ đối với quản trị
Việc kiên quyết phân biệt mô hình công khai trọng số với AI mã nguồn mở đóng vai trò quan trọng đối với công tác quản trị phần mềm, tuân thủ pháp lý và niềm tin của cộng đồng lập trình viên. Khi các nhà cung cấp công nghệ quảng bá kiến trúc công khai trọng số dưới danh nghĩa mã nguồn mở, họ có nguy cơ gây hiểu lầm cho doanh nghiệp về khả năng kiểm toán hệ thống cũng như quyền tự do vận hành. Như ông Farkas cảnh báo, việc sử dụng nhãn hiệu mã nguồn mở một cách dễ dãi tạo ra rủi ro "tẩy trắng mã nguồn mở" (open washing), lâu dài có thể làm suy yếu các chuẩn mực phần mềm truyền thống như giấy phép Apache 2.0. Mặc dù vậy, việc thiết lập một tiêu chuẩn mã nguồn mở cho AI đang gặp phải những thách thức phức tạp về dữ liệu và bản quyền. Yêu cầu công khai toàn bộ tập dữ liệu huấn luyện thường thiếu tính khả thi, bởi các tập dữ liệu này thường chứa thông tin sở hữu trí tuệ, có bản quyền hoặc bị giới hạn bởi quyền riêng tư mà người tạo không được phép phân phối lại. Ngoài ra, việc tiếp cận dữ liệu cũng không đảm bảo khả năng tái tạo chính xác mô hình do tính chất thống kê và phi định tính trong quá trình huấn luyện. Do đó, ngành công nghệ đang đứng trước một bài toán hóc chuẩn: nếu bắt buộc minh bạch hoàn toàn dữ liệu thì có nguy cơ loại bỏ các mô hình hiệu năng cao khỏi xếp loại mã nguồn mở, nhưng nếu chỉ chấp nhận trọng số công khai thì nhà phát triển lại phải phụ thuộc vào các tham số thiếu minh bạch và không có nền tảng tái tạo.
Xem xét lại tiêu chuẩn cho AI mã nguồn mở
Để giải quyết những bất đồng trong cộng đồng, Tổ chức Sáng kiến Mã nguồn Mở (OSI) đang tích cực xem xét lại các hướng dẫn chính thức của mình. Tại hội nghị ở Praha, Giám đốc điều hành OSI, ông Duane O'Brien, thừa nhận những đóng góp ý kiến hợp lý đối với bản dự thảo Định nghĩa AI Mã nguồn mở ban đầu. Ông xác nhận tổ chức đang mở lại các cuộc thảo luận chính thức và thành lập chương trình học bổng kéo dài nhiều năm nhằm xây dựng sự đồng thuận rộng rãi hơn.
Nỗ lực cập nhật này tiếp nối các khung dự thảo được xây dựng dưới thời ban lãnh đạo trước của OSI, vốn ưu tiên đánh giá nguồn gốc tập dữ liệu, phương pháp lọc và mã nguồn huấn luyện thay vì bắt buộc phân phối dữ liệu thô. Dù một số nhà phát triển mô hình đang đẩy mạnh tính minh bạch — như Xiaomi phát trực tiếp quá trình học tăng cường và phát hành mã nguồn môi trường cùng với trọng số mô hình — toàn bộ hệ sinh thái nhìn chung vẫn còn chia rẽ. Trong bối cảnh các mô hình công khai trọng số đang xử lý phần lớn lưu lượng token trên các cổng nhà phát triển như Vercel và OpenRouter, việc xác lập thuật ngữ rõ ràng tiếp tục là yếu tố thiết yếu để bảo vệ quyền lợi của các nhà phát triển.
Ảnh minh họa do AI tạo, không phải ảnh tư liệu.
Nguồn: “Don’t use ‘open weight’ and ‘open source’ interchangeably”: Percona CEO on why AI terminology matters · What does 'open source AI' mean, anyway? | TechCrunch