用語：Open-Source AI
AI用語の分類：AIと人間・社会・共創
一言でいうと：Open-Source AIとは、AIシステムを誰もが利用・研究・変更・共有できる自由を確保し、そのために必要なコード、モデルパラメータ、データ情報などへ十分アクセスできる形で公開する考え方です。
Open-Source AI（オープンソースAI）は、AIシステムを利用、研究、変更、共有できる自由を確保し、利用者が実際にその自由を行使できる形で必要な要素を公開する考え方です。ソフトウェアのopen sourceをAIへ拡張した概念ですが、AIにはソースコードだけでなく、学習済みの重み、学習方法、データ、推論コードなど複数の構成要素があるため、何を公開すれば「open source」と呼べるかは簡単ではありません。
目次
Open-Source AIとは
この点を整理するため、Open Source Initiative（OSI）は2024年にOpen Source AI Definition（OSAID）1.0を公開しました。[1][4] 一方、OECDも2025年の政策文書で、AIのopennessには段階があり、「open source」というソフトウェア由来の言葉だけではAIの複雑さを十分表せない場合があると整理しています。[3]
OSIの定義では「4つの自由」が中心
OSAID 1.0は、Open Source AIに必要な自由として、システムを目的を問わず利用すること、仕組みを研究すること、変更すること、他者と共有することを挙げています。[1]
重要なのは、ライセンス上「使ってよい」と書くだけでなく、実際に研究・変更するためのpreferred form、つまり改変に適した形の情報へアクセスできることです。機械学習システムについてOSIは、データ情報、コード、モデルパラメータを主要な要素として示しています。
データ情報には、学習に使ったデータの出所、範囲、特性、取得・選択・ラベル付け・前処理の方法など、熟練者が同等のシステムを構築するために必要な情報が含まれます。すべての元データそのものを無条件に配布できるとは限らないため、配布できないデータについても詳細な情報を提供する考え方です。[1]
Open-Weight Modelとの違い
ここが最も混同されやすい点です。Open-weight modelは、学習済みのモデル重みをダウンロードできるモデルです。重みがあれば自分の環境で推論したり、条件によってはfine-tuningしたりできます。しかし、学習コード、データ情報、ライセンス上の自由が不足していれば、OSIの意味でOpen-Source AIとは限りません。
したがって、企業が「オープンモデル」と宣伝していても、実際には「重みは公開されているが商用利用に制限がある」「研究目的に限る」「学習データはほとんど不明」といった場合があります。この場合、open-weightやsource-availableという表現の方が正確なことがあります。
無料で使えることとも違う
APIを無料枠で使えるクラウドAIは、ソースコードも重みも公開されていなければOpen-Source AIではありません。逆にOpen-Source AIでも、運用には高価なGPUや電力が必要で、実質的な利用コストが高いことがあります。
つまり「無料」「ローカル実行可能」「重み公開」「open source」は、それぞれ別の属性です。ニュースや比較記事では、この四つを混同しないことが重要です。
なぜOpen-Source AIが注目されるのか
公開されたモデルは、研究者や企業が中身を調べ、自分の用途へ変更し、クラウド事業者に依存せず運用できる可能性があります。特定言語や業界向けに調整したり、セキュリティ研究を行ったり、教育で仕組みを学んだりする上でも利点があります。
また、一社のAPI仕様や価格変更に依存しにくくなるため、技術主権や競争促進の観点から評価されることもあります。OECDは、AI opennessをイノベーション、競争、透明性、研究と関連する政策論点として扱っています。[3]
Openだから安全・透明とは限らない
Open-Source AIには利点がありますが、「openだから安全」とは言えません。モデル重みが公開されることで、脆弱性研究や監査が進みやすくなる一方、悪用しやすくなる可能性もあります。公開されている情報が多くても、巨大な計算資源がなければ学習を再現できない場合があります。
また、コードと重みが公開されていても、学習データの品質、権利処理、バイアス、安全評価まで十分透明とは限りません。open sourceは透明性を高める条件の一つですが、透明性や信頼性そのものの保証ではありません。
「再現可能」とも同義ではない
同じコードとデータ情報があっても、学習にはランダム性、ハードウェア差、分散学習の条件、巨大な計算資源などが影響します。したがって、Open-Source AIであることから完全な再現性まで自動的に推論することはできません。
逆に、元データすべてを公開できないから絶対にopen sourceではない、と単純に判断することもOSI 1.0の考え方とは異なります。OSIは、法的に共有できないデータがある現実を踏まえ、十分なdata informationを求めています。[1]
元のモデル紹介で確認するチェックリスト
「open-source AI」「オープンモデル」という表現を見たら、①ライセンスは何か、②商用利用や用途制限はあるか、③モデル重みを取得できるか、④推論コードだけでなく学習コードもあるか、⑤データの出所・選択・前処理に関する情報があるか、⑥改変版を再配布できるか、⑦OSIなどどの定義に基づいてopenと呼んでいるか、を確認してください。
特に「weights available」と「open source」を同じ意味で扱わないことが重要です。AIのopennessは一つのスイッチではなく、複数の要素と権利の組み合わせとして読む方が正確です。
関連するAI用語
注・出典
- Open Source Initiative, The Open Source AI Definition 1.0. 参照元↩
- Open Source Initiative, Open Source AI. 参照元↩
- OECD, AI openness: A primer for policymakers, 2025. 参照元↩
- Open Source Initiative, OSAID 1.0 release announcement, 2024. 参照元↩
AI協働制作について
本記事は、著者が独自に設計した指示、参照資料、出典確認規則、著作権確認および監査工程を組み込んだChatGPT等の生成AIを、情報収集の補助、資料整理、構成検討、草稿作成、文章校正および監査補助に使用して制作しました。記事の対象範囲、情報源の採否、構成、解釈および最終表現は著者が判断し、最終稿を承認しています。著者は、本記事の正確性、独自性、引用、著作権処理および公開内容について責任を負います。制作工程の詳細は「AI協働制作方針」をご覧ください。