{"id":17558,"date":"2025-12-19T18:18:28","date_gmt":"2025-12-19T17:18:28","guid":{"rendered":"https:\/\/dataethics.eu\/big-techs-generative-ai-er-openwashing\/"},"modified":"2026-01-31T17:31:03","modified_gmt":"2026-01-31T16:31:03","slug":"big-techs-generative-ai-er-openwashing","status":"publish","type":"post","link":"https:\/\/dataethics.eu\/da\/big-techs-generative-ai-er-openwashing\/","title":{"rendered":"Big Techs generative AI kan v\u00e6re openwashing"},"content":{"rendered":"\n

Photo: Megan Lee, unsplash.com<\/a><\/em><\/p>\n\n\n\n

At v\u00e6re \u00e5ben er positivt. \u00c5benhed er en trend, og det \u00e5rtier gamle udtryk for \u00e5ben software er open source. Men med generativ AI er udtrykket \u00e5ben blevet fordrejet af nogle Big Tech-akt\u00f8rer, der er blevet mestre i openwashing.<\/strong><\/strong><\/strong><\/strong><\/p>\n\n\n\n

I april 2024 lancerede Meta en ny version af sin store sprogmodel, Llama. “I dag introducerer vi Meta Llama 3, den n\u00e6ste generation af vores avancerede open source-sprogmodel,” skrev virksomheden<\/a>.<\/p>\n\n\n\n

Meta er mester i washing. Gennem \u00e5rene har virksomheden udf\u00f8rt privacy washing og ethics washing p\u00e5 forskellige konferencer,<\/a> s\u00e5som denne i 2018: “How Facebook Builds AI With Privacy And Ethics By Design” (Hvordan Facebook bygger AI med privatliv og etik som designprincip). I dag ved vi, at Meta ofte er langt fra sandheden eller virkeligheden, men med Llama viser den sociale mediegigant et perfekt eksempel p\u00e5 openwashing.<\/p>\n\n\n\n

Kernen i openwashing er en forvr\u00e6ngning af principperne om \u00e5benhed, gennemsigtighed, ansvarlighed og genanvendelighed. Gennemsigtighed inden for AI ville indeb\u00e6re, at man offentliggjorde dokumenterer om, hvordan modeller udvikles, tr\u00e6nes, finjusteres og implementeres. Dette ville omfatte fuld adgang til de datas\u00e6t, v\u00e6gte, arkitekturer og beslutningsprocesser, der er involveret i modellernes konstruktion. Meta lever ikke op til dette, ligesom de fleste andre AI-virksomheder.<\/p>\n\n\n\n

Der er ellers en del kritik. Radboud Universitets Andreas Liesenfeld og Mark Dingemanses videnskabelige artikel,<\/a> ‘Rethinking Open Source Generative AI; Open-washing and the EU AI Act’ fra 2024 analyserede 45 generative AI-systemer (b\u00e5de tekst og tekst-til-billede). Resultaterne viste, at selvom udtrykket open source blev brugt i vid udstr\u00e6kning, var mange modeller i bedste fald open weight<\/em>, og mange udbydere s\u00f8gte derfor at undg\u00e5 videnskabelig, juridisk og lovgivningsm\u00e6ssig kontrol ved at tilbageholde oplysninger om tr\u00e6ning og finjustering af dataene.<\/p>\n\n\n\n

Meta forts\u00e6tter med at fejlagtigt betegne Llama som open source<\/strong><\/strong><\/strong><\/strong><\/p>\n\n\n\n

B\u00e5de Llama og den franske LLM Mistral kunne betragtes som openwashers, men mens Mistral hurtigt \u00e6ndrede mening og nu kalder sig open weight <\/em>(\u00e5ben om modellen, lukket om hvilke data den er tr\u00e6net p\u00e5), forts\u00e6tter Meta med at fejlagtigt betegne Llama som open source, og desv\u00e6rre har mange traditionelle medier ukritisk gentaget p\u00e5standene om open source. “Mens den f\u00f8rste generation af tekstgeneratorer, herunder BloomZ og OpenAssistant, klart sigtede mod en meningsfuld grad af \u00e5benhed, begyndte store virksomheder snart at frigive systemer, der blev markedsf\u00f8rt som open source, mens de i virkeligheden i bedste fald var open weight, hvilket i v\u00e6sentlig grad udvandede begrebet,” <\/em>skriver forskerne i artiklen.<\/p>\n\n\n\n

Liesenfeld og Dingemanse fastsl\u00e5r desuden, at nogle mindre akt\u00f8rer har droppet udviklingen af deres egne modeller for blot at plug-and-play fra de store akt\u00f8rers grundl\u00e6ggende modeller.<\/p>\n\n\n\n

“P\u00e5 den m\u00e5de tager velfinansierede virksomhedsk\u00e6mper ilten ud af rummet for mindre organisationer, der opererer med h\u00f8jere professionelle og etiske standarder,”<\/em><\/em> konkluderer deres artikel.<\/p>\n\n\n\n

OpenAI er ikke \u00e5ben<\/strong><\/strong><\/strong><\/strong><\/p>\n\n\n\n

Et andet eksempel p\u00e5 openwashing er OpenAI. Da OpenAI blev grundlagt i 2015, var det en non-profit organisation, der markedsf\u00f8rte sig selv som v\u00e6rende \u00e5ben. Men da de s\u00e5 indt\u00e6gtspotentialet i generativ AI, forsvandt b\u00e5de \u00e5benheden og senere non-profit-status. I oktober 2025 omstrukturerede OpenAI<\/a> sine aktiviteter for at modtage milliarder af dollars fra investorer. OpenAI Foundation har stadig ansvaret og ejer en del af den kommercielle gruppe, OpenAI Group PBC, en for-profit organisation med velg\u00f8rende form\u00e5l, der kr\u00e6ver, at OpenAI f\u00f8lger sin mission. Og g\u00e6t hvad, missionen for OpenAI Foundation og OpenAI Group er den samme:<\/p>\n\n\n\n

“OpenAI’s mission er at sikre, at kunstig generel intelligens (AGI) \u2013 hvorved vi mener h\u00f8jt autonome systemer, der overg\u00e5r mennesker i det mest \u00f8konomisk v\u00e6rdifulde arbejde \u2013 kommer hele menneskeheden til gode.”<\/em><\/em><\/em><\/em><\/p>\n\n\n\n

Mindre modeller kan v\u00e6re b\u00e5de mere private og mere open source<\/strong><\/strong><\/strong><\/strong><\/p>\n\n\n\n

Mindre modeller kan v\u00e6re bedre at bruge, selvom det er sv\u00e6rt at forst\u00e5, om de er fuldt open source.<\/p>\n\n\n\n

Lumo fra Proton<\/a> i Schweiz kalder sig selv open source, men er sandsynligvis mere open weight, da det er bygget p\u00e5 forskellige grundl\u00e6ggende modeller, hvoraf den ene er Mistral, som er open weight. Lumo kan dog anbefales, da det er udviklet af et privatlivsfokuseret firma med base i Europa.<\/p>\n\n\n\n

Det amerikanske Olmo<\/a>, som er nummer et p\u00e5 et europ\u00e6isk AI-open source-indeks<\/a>, markedsf\u00f8rte sig for nylig som open source, men \u00e6ndrede derefter sin formulering og kaldte det open weight. For nylig \u00e6ndrede de det igen og siger nu, at de er en \u203a’fuldst\u00e6ndig \u00e5ben sprogsmodel’. Det er nummer et p\u00e5 det europ\u00e6iske open source-indeks.<\/p>\n\n\n\n

S\u00e5 har vi HuggingChat<\/a>, som ogs\u00e5 kalder sig open source. Selve platformen, inklusive brugergr\u00e6nsefladen og backend-infrastrukturen, er open source, hvilket giver alle mulighed for at inspicere, \u00e6ndre og bidrage til koden. Men den er bygget p\u00e5 grundl\u00e6ggende modeller som Llama fra Meta og Mistral og de er open weight-modeller.<\/p>\n\n\n\n

Apertus fra Schweiz<\/a>, nummer tre p\u00e5 det europ\u00e6iske AI-open source-indeks, er muligvis den eneste \u00e6gte open source-model og den f\u00f8rste fuldt reproducerbare store sprogmodel. Den er udviklet af forskere fra EPFL, ETH Z\u00fcrich og det schweiziske nationale supercomputingcenter som en del af det schweiziske AI-initiativ, if\u00f8lge dets hjemmeside. Det er ogs\u00e5 udgivet under open source-licensen Apache 2.0, som tillader b\u00e5de forskning og kommerciel brug, og det overholder \u00e5benhed p\u00e5 alle fronter: tr\u00e6ningskode, datapr\u00e6parationsscripts, evalueringsv\u00e6rkt\u00f8jer, mellemliggende kontrolpunkter, komplet dokumentation og metodologi, som forklaret i et Medium-indl\u00e6g<\/a>.<\/p>\n\n\n\n

Open Source AI – fortrinsbehandling?<\/strong><\/strong><\/strong><\/strong><\/p>\n\n\n\n

I AI forordningen, som EU-Kommissionen \u00f8nsker at lempe med en Digital Omnibus<\/a>, findes der i \u00f8jeblikket s\u00e6rlige bestemmelser<\/a> for open source AI-modeller. Flere af afsnittene i AI-loven lyder s\u00e5ledes:<\/p>\n\n\n\n

“Forpligtelserne i afsnit xxxxx g\u00e6lder ikke for udbydere af AI-modeller, der udgives under en gratis og open source-licens, der giver adgang til, brug, \u00e6ndring og distribution af modellen, og hvis parametre, herunder v\u00e6gte, oplysninger om modelarkitekturen og oplysninger om modelbrug, er offentligt tilg\u00e6ngelige. Denne undtagelse g\u00e6lder ikke for AI-modeller til generelle form\u00e5l med systemiske risici.”<\/em><\/em><\/em><\/em><\/p>\n\n\n\n

Hvordan man \u00e6ndrer graden af \u00e5benhed<\/strong><\/strong><\/strong><\/strong><\/p>\n\n\n\n

Med regulering kan man tackle openwashing. I stedet for en udvandet EU-AI-lov, hvor virksomhederne lobbyer i Bruxelles for lette licensbaserede beslutninger, og hvor open-weight modeller f\u00e5r lov til at brande sig som open source, er det afg\u00f8rende at indf\u00f8re n\u00f8glev\u00e6rdier som \u00e5benhed og ansvarlighed i AI-systemer.<\/p>\n\n\n\n

Begrebet ‘datablade for datas\u00e6t’, som fremh\u00e6vet af Gebru et al (2021), kan hj\u00e6lpe med at afsl\u00f8re, hvilke data modellerne faktisk er tr\u00e6net p\u00e5, hvilket igen tilskynder til etiske tilskrivninger og juridisk kontrol.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Ligesom med energieffektivitetsm\u00e6rker for elektriske apparater og milj\u00f8venlige ratings for virksomheder, ville det v\u00e6re en fordel for brugerne at have \u00e5benhedsscores eller -m\u00e6rker, som Liesenfeld og Dingsemanse foresl\u00e5r (se illustation).<\/p>\n\n\n\n

En ting er sikkert: m\u00e6rket open source er under udvikling, og EU’s AI-lov og yderligere lovgivning vil ogs\u00e5 udvikle sig i takt hermed, men det vil v\u00e6re n\u00f8dvendigt at regulere dataoffentligg\u00f8relsen for generativ AI og f\u00f8lge disse retningslinjer, som Liesenfeld og Dingemanse foresl\u00e5r: \u00e5benhed er vigtig for risikoanalyse (offentligheden har brug for at vide det) for revisionsmuligheder (vurderingspersoner har brug for at vide det); for videnskabelig reproducerbarhed (forskere har brug for at vide det); og for juridisk ansvar (slutbrugere har brug for at vide det).<\/p>\n\n\n\n