GPT-NL：荷蘭的主權語言模型

GPT-NL 透過主權 AI 生態系統建立荷蘭的數位自主性

GPT-NL 是由 TNO 與 SURF 以及荷蘭法醫研究所 (NFI) 合作開發的獨立荷蘭語言模型與生態系統。該計畫旨在透過建立具備完善治理、透明度以及對公共價值承諾的模型，減少對非歐洲 AI 供應商的依賴，確保荷蘭能掌控其 AI 基礎設施的技術、資料與倫理決策。

核心原則與治理

GPT-NL 以四項核心價值為設計基礎，確保模型可信且符合社會目標：

主權與控制

GPT-NL 在荷蘭與歐洲境內開發，提供對模型及其訓練資料的完整控制。此做法旨在使 AI 生態系統符合歐洲法律與社會目標，避免依賴外部供應商。

透明與開放

本計畫透過多項機制，強調從資料來源到模型的全程可見性：

  • Open Source Code（開源程式碼）：原始程式碼以開源方式發布。
  • Dataset Insights（資料集洞見）：訓練資料集的詳細資訊公開分享。
  • Controlled Licensing（受控授權）：模型權重以受控授權提供，以追蹤使用情況並管理更新或資料退出。
  • Documentation（文件說明）：所有關於資料收集、訓練以及偏見與倫理風險緩解的決策皆有清楚文件記錄。

可信度與資料完整性

為消除資料來源不明或侵犯版權的風險，GPT-NL 完全從頭訓練。資料收集過程遵循嚴格標準：

  • 在訓練前進行匿名化與個人資料移除。
  • 排除機密或有害內容。
  • 保護智慧財產權。
  • 防止資料集內的資料重複。

互惠與公平價值

GPT-NL 建立合法的資料供應鏈，透過內容委員會讓資料提供者與權利持有人積極參與。此模式確保部分收益回流給創作者，從價值抽取模式轉變為價值分享模式。

資源效率與公共資金

環境永續性

鑑於大型語言模型開發所需的高能源與用水量，該計畫聚焦於根據科學研究優化模型規模與訓練流程，以降低生態足跡。

財務支持

此計畫由荷蘭企業署 (RVO) 代表經濟事務與氣候政策部以公共資金支持，總撥款為 1350 萬歐元。

技術與策略批評

雖然計畫強調主權，但在技術社群中對其可行性與策略方向仍持懷疑態度。主要討論點包括：

預算與能力疑慮

批評者質疑 1350 萬歐元的預算是否足以從頭打造具競爭力的模型，有人認為此資金水平僅能達到類似 GPT-2 等較舊模型的能力。

主權與開源策略比較

部分觀察者認為真正的主權應聚焦於基礎設施（運算發生之處），而非模型架構。建議包括：

  • 在現有高效能開放權重基線（如 Qwen 或 Kimi）之上構建，並針對特定代理功能進行微調。
  • 在歐洲層面合作，而非各自為政，以達成規模法則所需的規模。

經濟與法規障礙

討論指出歐洲的法規目標（如 EU AI 法案）與 AI 開發的經濟現實之間存在落差。部分人士認為歐洲缺乏美國與中國的創投資金與「緊迫感」，可能阻礙主權模型與前沿模型的競爭力。

"我不斷看到這些「主權」語言模型……與其在「主權」聲稱上燒錢，國家研究實驗室應該專注於在穩固的基線上構建……並微調具備真實代理功能的前沿模型。"

"在我看來，收益分享模式比它是荷蘭的事更有趣。資料的使用與與資料提供者共享，是這些模型創建的固有部分，但卻未被充分討論。"

Sources