Histomat F/OSS: Kita tidak boleh menolak LLM, melainkan merebutnya kembali

Bukan memblokir F/OSS dari pelatihan LLM, melainkan membebaskan model hasil pelatihannya

• Tulisan terbaru 〈Tentang FLOSS dan pelatihan LLM〉 (On FLOSS and training LLMs) dengan baik menggambarkan frustrasi komunitas F/OSS — ketidaksopanan perusahaan AI, keterbatasan hukum, dan sebagainya
• Namun strategi mundur yang diusulkan penulis, seperti memblokir crawler, keluar dari GitHub, dan mengucilkan pengguna alat AI, justru melewatkan peluang penting

Masalahnya bukan pelatihan, melainkan enclosure

• Masalah yang sebenarnya: bukan sekadar melatih LLM dengan kode kita, melainkan hasilnya diprivatisasi sebagai model proprietari
• Ini bukan masalah baru — inilah masalah yang selama ini diperjuangkan F/OSS
  • privatisasi commons
  • monopoli atas pengetahuan kolektif
  • aliran nilai satu arah dari banyak orang ke segelintir pihak

Pola historis GPL: teknologi baru → eksploitasi baru → lisensi baru

Lisensi F/OSS terus berevolusi mengikuti perubahan teknologi:

1. GPLv2 (1991) — mencegah distribusi yang hanya berupa biner → mewajibkan pembukaan source code
2. GPLv3 (2007) — mencegah Tivoization (penguncian hardware) → juga mewajibkan informasi instalasi
3. AGPL (2007) — menutup celah SaaS → penyediaan melalui jaringan juga dianggap distribusi

Sekarang? Muncul celah pelatihan:

• perusahaan memakai kode F/OSS sebagai data pelatihan untuk model proprietari
• tetapi tidak wajib membuka model ataupun mengungkap sumber pelatihannya
• ini adalah bentuk eksploitasi yang sangat khas — ekstraksi nilai tanpa resiprositas

Solusinya: copyleft pelatihan seperti GPLv4 atau TGPL (Training GPL)

Syarat yang diusulkan:

• pelatihan secara eksplisit diizinkan (selaras dengan prinsip kebebasan F/OSS)
• tetapi model hasilnya harus dibebaskan — bobot harus dibuka dengan lisensi copyleft yang kompatibel
• wajib mendokumentasikan data pelatihan
• model yang di-fine-tune juga mewarisi kewajiban yang sama
• penggunaan melalui jaringan (penyediaan API) juga dianggap distribusi

→ sebagaimana GPLv3 mewajibkan source code untuk biner, copyleft pelatihan akan mewajibkan bobot model untuk sistem yang telah dilatih

Mengapa ini lebih penting daripada mundur

Masalah strategi mundur:

1. Menyerahkan medan tempur — OpenAI/Anthropic sudah lebih dulu mengeruk semua yang mereka butuhkan. Yang justru terhalang oleh strategi mundur hanyalah LLM open source seperti Llama/Mistral
2. Salah mengidentifikasi masalah — masalahnya bukan teknologinya sendiri, melainkan siapa yang memakainya dan bagaimana cara memakainya
3. Memecah komunitas — mengucilkan pengguna “alat yang tidak etis”? Batas penggunaannya sampai mana? Ujian kemurnian seperti ini hanya efektif untuk memecah gerakan
4. Meninggalkan strategi inti F/OSS — kejeniusannya GPL adalah bukan melarang penggunaan, melainkan mewajibkan kebebasan diwariskan. Mundur adalah filsafat yang sepenuhnya berlawanan

Perbedaan cara membaca realitas

• antirez (pencipta Redis): LLM tidak bisa dibalikkan → beradaptasi dan percayakan pada persaingan pasar
• penulis artikel asli: perlawanan tetap bermakna → mundur dan blokir akses
• artikel ini: LLM tidak bisa dibalikkan → tetapi siapa yang memilikinya adalah inti masalah

Pertanyaannya bukan apakah kita akan memakai LLM, melainkan:

• siapa yang memiliki model?
• siapa yang memperoleh manfaat dari commons yang dipakai untuk melatih model?
• apakah hasil kontribusi jutaan pengembang F/OSS harus menjadi milik eksklusif segelintir pihak?

→ ini adalah soal apakah buah kerja kolektif tetap tinggal dalam kolektif, atau berubah menjadi properti privat

Sekarang adalah peluang historis

• saat ini sedang berlangsung perbincangan tentang norma yang akan mengatur pelatihan AI dan keterbukaan model
• diskusi komunitas sedang memanas
• di tengah bertambahnya model AI open source, lisensi apa yang akan diterapkan masih belum ditentukan

Jika pengembang F/OSS mundur: lima tahun lagi perusahaan dan pengadilan yang ramah perusahaan akan menetapkan semua norma → celah pelatihan menjadi baku → AI open source akan dirugikan secara permanen

Jika kita ikut terlibat: dorong copyleft pelatihan → buka kode dengan lisensi yang menuntut pembebasan model → kita membentuk masa depan

Kesimpulan dalam satu kalimat

> Bukan memblokir crawler, melainkan mengubah aturan tentang crawling. Bukan menolak LLM, melainkan merebutnya kembali.

→ Sudut pandang materialisme historis: daya produktif baru (LLM) menuntut relasi produksi baru (copyleft pelatihan)
→ Seperti saat Linus merilis Linux dengan GPL dan bukannya berkata “perusahaan tidak boleh memakainya”, melainkan “siapa pun boleh memakainya, tetapi jika ada perbaikan maka bagikanlah”
→ Demi masa depan di mana, sebagaimana kode adalah milik semua orang, model AI yang dilatih darinya juga menjadi milik semua orang

[roxie]

Saya setuju dengan isi tulisannya. Namun, ketika ditanya dari mana, apa, dan sejauh mana kita harus berjuang, rasanya buntu.