تفاوت متن‌باز و وزن‌باز چیست؟ بررسی کامل اصطلاح Open Source و Open Weight

امروزه تقریباً همه با عبارت متن‌باز یا Open Source آشنا شده‌اند، اما وزن‌باز چیست و چه تفاوتی با متن‌باز دارد؟ با پیشرفت هوش مصنوعی، اصطلاح Open Weight یا وزن‌باز هم بیشتر از گذشته به گوش می‌رسد. شباهت این دو اصطلاح باعث شده خیلی‌ها تصور کنند معنای یکسانی دارند، در حالی که تفاوت مهمی میان آن‌ها وجود دارد.

در ادامه ابتدا با مفهوم متن‌باز آشنا می‌شویم و بعد سراغ وزن‌های مدل‌های هوش مصنوعی می‌رویم تا ببینیم Open Weight دقیقاً به چه معناست. در نهایت هم توضیح می‌دهیم چرا یک مدل می‌تواند وزن‌باز باشد، اما متن‌باز محسوب نشود و چرا هنگام استفاده از مدل‌های باز باید به مجوز آن‌ها هم توجه کنیم.

متن‌باز چیست؟

وقتی می‌گوییم یک نرم‌افزار متن‌باز است، یعنی کد منبع آن در اختیار دیگران قرار گرفته و مجوز استفاده از نرم‌افزار، حقوق مشخصی برای بررسی، تغییر و در بسیاری موارد بازنشر آن فراهم می‌کند. کد منبع همان دستورهایی است که برنامه‌نویس‌ها برای ساخت نرم‌افزار نوشته‌اند. می‌توان آن را شبیه دستور پختی دانست که نشان می‌دهد یک برنامه چگونه ساخته شده است.

در نرم‌افزارهای بسته یا اختصاصی، کاربر معمولاً فقط نسخه نهایی برنامه را دریافت می‌کند و به کد داخلی آن دسترسی ندارد. اما در یک پروژه متن‌باز، کد می‌تواند توسط دیگران بررسی و تغییر داده شود. البته متن‌باز به معنی رایگان نیست؛ یک نرم‌افزار Open Source می‌تواند رایگان باشد، فروخته شود یا در کنار آن خدمات پولی ارائه شود.

Open Source دقیقاً یعنی چه؟

Open Source همان مفهوم متن‌باز است، اما این اصطلاح یک تعریف مشخص در دنیای نرم‌افزار دارد. صرفاً قرار دادن کد روی اینترنت به معنی متن‌باز بودن یک پروژه نیست. مجوز آن نیز باید آزادی‌های مشخصی برای استفاده، بررسی، تغییر و توزیع نرم‌افزار فراهم کند. سازمان Open Source Initiative یا OSI یکی از مراجع شناخته‌شده برای تعریف و بررسی مجوزهای متن‌باز است.

برای مثال، پروژه‌هایی مانند Linux، Firefox و وردپرس در دنیای متن‌باز قرار می‌گیرند. توسعه‌دهندگان می‌توانند کد آن‌ها را بررسی کنند، مشکل‌های موجود را پیدا کنند و در چارچوب مجوز پروژه تغییراتی در آن ایجاد کنند. همین امکان همکاری باعث شده پروژه‌های متن‌باز بتوانند از مشارکت تعداد زیادی توسعه‌دهنده در سراسر جهان استفاده کنند.

Open Source فقط مخصوص هوش مصنوعی نیست

Open Source مفهومی بسیار قدیمی‌تر از مدل‌های هوش مصنوعی امروزی است و سال‌ها در توسعه سیستم‌عامل‌ها، مرورگرها، پایگاه‌های داده، ابزارهای برنامه‌نویسی و بسیاری از نرم‌افزارهای دیگر استفاده شده است. بنابراین وقتی درباره Open Source صحبت می‌کنیم، الزاماً منظورمان هوش مصنوعی نیست. چیزی که در AI باعث پیچیده‌تر شدن بحث شده، وجود اجزایی مانند وزن‌های مدل، داده‌های آموزشی و کد آموزش است.

وزن‌باز چیست؟

برای فهم مفهوم وزن‌باز، ابتدا باید بدانیم وزن‌های یک مدل هوش مصنوعی چه هستند. یک مدل هنگام آموزش، تعداد بسیار زیادی پارامتر عددی را بر اساس داده‌های آموزشی تنظیم می‌کند. این پارامترها در کنار معماری مدل، نحوه پردازش ورودی و تولید خروجی را شکل می‌دهند. وزن‌های مدل در واقع نتیجه فرایند آموزش هستند و بدون آن‌ها اجرای یک مدل آموزش‌دیده ممکن نیست.

اهمیت وزن‌ها از اینجا مشخص می‌شود که آموزش یک مدل بزرگ می‌تواند به سخت‌افزار قدرتمند، زمان طولانی و هزینه محاسباتی زیادی نیاز داشته باشد. وقتی سازنده وزن‌های آموزش‌دیده را منتشر می‌کند، دیگران لازم نیست همان فرایند را از ابتدا انجام دهند. آن‌ها می‌توانند وزن‌ها را دریافت کرده و مدل را روی سخت‌افزار یا زیرساخت خود اجرا و در صورت امکان، برای نیازهای خاص خود تنظیم کنند.

Open Weight چیست؟

Open Weight به مدلی گفته می‌شود که وزن‌های آموزش‌دیده آن در اختیار عموم قرار گرفته است و اصلاح انگلیسی متن‌باز است. در چنین شرایطی کاربر می‌تواند فایل‌های وزن مدل را دریافت کند و در صورت سازگاری سخت‌افزار و نرم‌افزار، مدل را روی کامپیوتر شخصی، سرور یا زیرساخت ابری خودش اجرا کند. همچنین بسته به مجوز و قابلیت‌های مدل، امکان کارهایی مانند Fine-tuning یا تنظیم مدل برای کاربردهای خاص وجود دارد.

اما انتشار وزن‌ها به این معنی نیست که تمام اطلاعات مربوط به مدل منتشر شده است. ممکن است سازنده کد آموزش، مجموعه داده‌های آموزشی، جزئیات کامل فرایند آموزش یا برخی اجزای دیگر را در اختیار عموم قرار نداده باشد. بنابراین وقتی می‌گوییم مدلی Open Weight است، در درجه اول درباره دسترسی به وزن‌های آن صحبت می‌کنیم، نه باز بودن تمام فرایند توسعه مدل.

تفاوت Open Source و Open Weight چیست؟

اصلی‌ترین تفاوت Open Source و Open Weight در چیزی است که در اختیار کاربر قرار می‌گیرد؛ در Open Weight، تمرکز اصلی روی انتشار وزن‌های آموزش‌دیده مدل است. اما Open Source در زمینه هوش مصنوعی مفهوم گسترده‌تری دارد. طبق تعریف Open Source AI که توسط OSI ارائه شده، علاوه بر وزن‌ها، اجزایی مانند کد لازم برای استفاده و ساخت مدل و اطلاعات مربوط به داده‌های مورد استفاده نیز اهمیت دارند.

به زبان ساده، داشتن وزن‌های مدل به شما اجازه می‌دهد با یک مدل آموزش‌دیده کار کنید، اما لزوماً نشان نمی‌دهد این مدل دقیقاً چگونه ساخته شده است. ممکن است بتوانید آن را اجرا یا Fine-tune کنید، ولی اطلاعات کافی برای بازسازی کامل فرایند آموزش نداشته باشید. در یک مدل واقعاً متن‌باز، هدف این است که اجزای لازم برای بررسی و بازتولید مدل نیز طبق شرایط مجوز در اختیار قرار گرفته باشند.

در طرف مقابل، طبق تعریف Open Source AI، وزن‌های مدل یکی از اجزای ضروری محسوب می‌شوند. بنابراین بهتر است به جای اینکه فقط بپرسیم آیا این مدل باز است؟، سؤال دقیق‌تری مطرح کنیم: چه چیزی از مدل منتشر شده است؟ وزن‌ها، کد، داده‌ها و اطلاعات آموزش یا همه این موارد؟ پاسخ این سؤال تصویر بسیار دقیق‌تری از میزان باز بودن مدل به ما می‌دهد.

یک مثال ساده برای درک تفاوت:

فرض کنید یک شرکت یک کیک آماده به شما می‌دهد و اجازه می‌دهد آن را هر طور می‌خواهید تزئین کنید. شما محصول نهایی را در اختیار دارید، اما دستور پخت و جزئیات تهیه آن را ندارید. این مثال تا حدی شبیه Open Weight است: مدل آموزش‌دیده در اختیار شما قرار گرفته، اما لزوماً همه اطلاعاتی که برای ساخت دوباره آن لازم است منتشر نشده است.

حالا تصور کنید علاوه بر کیک، دستور پخت، مواد اولیه، روش آماده‌سازی و اطلاعات لازم برای پخت دوباره آن را هم دریافت کنید و مجوز لازم برای استفاده و تغییر آن را داشته باشید. این وضعیت به مفهوم متن‌باز بودن کامل‌تر نزدیک است. البته این فقط یک تشبیه است؛ در مدل‌های AI، وزن‌ها، کد، داده‌ها و مجوز هر کدام نقش متفاوتی دارند.

مجوز چه نقشی در مدل‌های باز دارد؟

مجوز یا License مشخص می‌کند با یک نرم‌افزار یا مدل چه کارهایی مجاز هستید انجام دهید. برای مثال، ممکن است اجازه استفاده شخصی، تجاری، تغییر، بازنشر یا توزیع نسخه تغییر‌یافته را بدهد یا برای برخی از این موارد محدودیت تعیین کند. بنابراین حتی اگر فایل‌های یک مدل بدون پرداخت هزینه قابل دانلود باشند، نمی‌توان نتیجه گرفت که هر نوع استفاده‌ای از آن مجاز است.

در دنیای نرم‌افزار، مجوزهایی مانند MIT و Apache 2.0 آزادی عمل زیادی در اختیار کاربران قرار می‌دهند، اما همه مدل‌های هوش مصنوعی از چنین مجوزهایی استفاده نمی‌کنند. بعضی مدل‌ها مجوزهای اختصاصی خودشان را دارند و ممکن است شرایط خاصی برای استفاده تعیین کنند. به همین دلیل پیش از استفاده از یک مدل در محصول یا کسب‌وکار، باید مجوز همان نسخه را بررسی کرد.

چند مثال از مدل‌های Open Weight

در سال‌های اخیر مدل‌های مختلفی با وزن‌های قابل دریافت منتشر شده‌اند؛ از جمله خانواده‌هایی مانند Llama از متا، Gemma از گوگل، Qwen از علی‌بابا، Mistral از Mistral AI، دیپ‌سیک و مدل‌های gpt-oss از OpenAI. انتشار وزن‌ها به توسعه‌دهندگان اجازه می‌دهد این مدل‌ها را، در صورت رعایت شرایط مجوز و داشتن سخت‌افزار مناسب، خارج از سرویس‌های آنلاین سازنده اجرا کنند.

با این حال، قرار گرفتن همه این مدل‌ها در یک فهرست به معنی یکسان بودن شرایط آن‌ها نیست. میزان باز بودن، نوع مجوز، محدودیت‌های استفاده و اطلاعاتی که درباره داده‌ها و فرایند آموزش منتشر شده، می‌تواند میان مدل‌ها تفاوت داشته باشد. حتی در یک خانواده مدل نیز ممکن است شرایط نسخه‌های مختلف متفاوت باشد؛ بنابراین همیشه باید اطلاعات رسمی همان مدل و نسخه را بررسی کرد.

اوپن سورس، وزن‌باز یا رایگان؟

این سه عبارت به سه موضوع متفاوت اشاره می‌کنند. رایگان درباره قیمت صحبت می‌کند؛ Open Weight درباره در دسترس بودن وزن‌های یک مدل است و Open Source درباره میزان دسترسی به کد و سایر اجزای لازم و آزادی‌هایی است که مجوز پروژه در اختیار کاربر قرار می‌دهد. بنابراین یک محصول می‌تواند رایگان باشد، اما نه Open Weight باشد و نه Open Source.

برای مثال، ممکن است یک چت‌بات را بدون پرداخت هزینه در یک وب‌سایت یا اپلیکیشن استفاده کنید، اما وزن‌های مدل آن هرگز در اختیار شما قرار نگیرد. از طرف دیگر، یک مدل Open Weight ممکن است رایگان برای دانلود باشد، ولی اجرای آن به یک کامپیوتر قدرتمند یا سرور گران‌قیمت نیاز داشته باشد. پس رایگان الزاماً به معنی باز نیست.

در نهایت، Open Source بهتر است یا Open Weight؟

هیچ‌کدام به‌طور مطلق بهتر نیستند و انتخاب به نیاز شما بستگی دارد. اگر شفافیت، پژوهش، بررسی اجزای مدل و امکان بازتولید اهمیت زیادی دارد، یک مدل که طبق تعریف Open Source AI واقعاً متن‌باز باشد گزینه مناسب‌تری است. اگر هدف فقط اجرای یک مدل قدرتمند روی سرور شخصی یا سفارشی‌سازی آن باشد، یک مدل Open Weight می‌تواند کاملاً کافی باشد.

بنابراین دفعه بعد که با عبارت مدل باز یا مدل قابل دانلود مواجه شدید، فقط به همین عنوان اکتفا نکنید. بررسی کنید آیا وزن‌های مدل منتشر شده‌اند، کد و اطلاعات مربوط به آموزش چقدر در دسترس هستند و مجوز چه محدودیت‌هایی دارد. همین سه سؤال ساده کمک می‌کند بفهمید با یک مدل واقعاً متن‌باز، یک مدل وزن‌باز یا صرفاً یک سرویس رایگان روبه‌رو هستید.

منبع: Open Source چیست؟

منبع: Open Weight چیست؟