แนวคิดเรื่อง AI มีมาตั้งแต่กลางศตวรรษที่ 20 เมื่อนักวิทยาศาสตร์คอมพิวเตอร์อย่างAlan TuringและJohn McCarthyได้วางรากฐานสำหรับทฤษฎีและอัลกอริธึม AI สมัยใหม่^{[ 14 ]} AI รูปแบบแรกๆ อย่าง“หมอ” การประมวลผลภาษาธรรมชาติELIZAได้รับการเขียนใหม่และเผยแพร่ในปี 1977 โดย Jeff Shrager ในรูปแบบโปรแกรม BASIC และในไม่ช้าก็ได้รับการแปลเป็นภาษาอื่นๆ อีกมากมาย การวิจัย AI ในยุคแรกๆ มุ่งเน้นไปที่การพัฒนาระบบการให้เหตุผลเชิงสัญลักษณ์และระบบผู้เชี่ยวชาญตามกฎ^{[ 15 ]}

ในช่วงเวลานี้ แนวคิดของซอฟต์แวร์โอเพนซอร์สเริ่มเป็นรูปเป็นร่างขึ้น โดยมีผู้บุกเบิกอย่างRichard Stallmanสนับสนุนซอฟต์แวร์เสรีเพื่อส่งเสริมการทำงานร่วมกันและนวัตกรรมในการเขียนโปรแกรม^{[ 16 ]}มูลนิธิซอฟต์แวร์เสรี (Free Software Foundation ) ซึ่งก่อตั้งขึ้นในปี 1985 โดย Stallman เป็นหนึ่งในองค์กรหลักกลุ่มแรกที่ส่งเสริมแนวคิดของซอฟต์แวร์ที่สามารถใช้งาน แก้ไข และแจกจ่ายได้อย่างอิสระ แนวคิดจากขบวนการนี้ในที่สุดก็มีอิทธิพลต่อการพัฒนา AI โอเพนซอร์ส เนื่องจากนักพัฒนาจำนวนมากขึ้นเริ่มเห็นประโยชน์ที่เป็นไปได้ของการทำงานร่วมกันแบบเปิดในการสร้างซอฟต์แวร์ รวมถึงโมเดลและอัลกอริธึม AI ^{[ 17 ] [ 18 ]}

ในช่วงทศวรรษ 1990 ซอฟต์แวร์โอเพนซอร์สเริ่มได้รับความนิยมมากขึ้น^{[ 19 ]}การเพิ่มขึ้นของการเรียนรู้ของเครื่องและวิธีการทางสถิติยังนำไปสู่การพัฒนาเครื่องมือ AI ที่ใช้งานได้จริงมากขึ้น ในปี 1993 ได้มีการริเริ่มคลังปัญญาประดิษฐ์ของ CMU ซึ่งมีซอฟต์แวร์ที่เปิดเผยหลากหลายประเภท^{[ 20 ]}

ในช่วงต้นทศวรรษ 2000 AI แบบโอเพนซอร์สเริ่มแพร่หลายมากขึ้น โดยมีการเผยแพร่ไลบรารีพื้นฐานและเฟรมเวิร์กที่เป็นมิตรกับผู้ใช้มากขึ้น ซึ่งทุกคนสามารถใช้งานและร่วมพัฒนาได้^{[ 21 ]}

OpenCVเปิดตัวในปี พ.ศ. 2543 ^{[ 22 ]}พร้อมด้วยอัลกอริธึม AI แบบดั้งเดิมหลากหลายชนิด เช่นต้นไม้ตัดสินใจ , k-Nearest Neighbors (kNN), Naive BayesและSupport Vector Machines (SVM) ^{[ 23 ]}

^{เฟรมเวิร์ก การ}เรียนรู้เชิงลึกแบบโอเพนซอร์สอย่างTorchได้รับการเผยแพร่ในปี 2545 และเปิดเป็นโอเพนซอร์สด้วย Torch7 ในปี 2554 และต่อมาได้รับการปรับปรุงเพิ่มเติมด้วยPyTorchและTensorFlow [ ^{24 ]}

AlexNetเปิดตัวในปี 2012 ^{[ 25 ]}

OpenAIก่อตั้งขึ้นในปี 2015 โดยมีภารกิจในการสร้างปัญญาประดิษฐ์แบบโอเพนซอร์สที่เป็นประโยชน์ต่อมนุษยชาติ อย่างน้อยก็ส่วนหนึ่งเพื่อช่วยในการสรรหาบุคลากรในช่วงเริ่มต้นขององค์กร^{[ 26 ]} GPT-1เปิดตัวในปี 2018

ด้วยการประกาศGPT-2ในปี 2019 OpenAI เดิมทีวางแผนที่จะเก็บซอร์สโค้ดของโมเดลไว้เป็นส่วนตัว โดยอ้างถึงความกังวลเกี่ยวกับแอปพลิเคชันที่เป็นอันตราย^{[ 27 ]}อย่างไรก็ตาม หลังจากที่ OpenAI เผชิญกับกระแสต่อต้านจากสาธารณชน พวกเขาก็ได้เผยแพร่ซอร์สโค้ดของ GPT-2 ไปยัง GitHub สามเดือนหลังจากการเปิดตัว^{[ 27 ]} OpenAI ไม่ได้เผยแพร่ซอร์สโค้ดหรือน้ำหนักที่ฝึกฝนไว้ล่วงหน้าสำหรับโมเดล GPT-3 ต่อสาธารณะ^{[ 28 ]}ในขณะที่ GPT-3 เปิดตัว GPT-2 ยังคงเป็นโมเดลภาษาโอเพนซอร์สที่ทรงพลังที่สุดในโลก ปี 2022 ยังได้เห็นการเกิดขึ้นของโมเดลที่ใหญ่กว่าและทรงพลังกว่าภายใต้ใบอนุญาตที่มีความเปิดกว้างแตกต่างกัน รวมถึง OPT ของ Meta ^{[ 29 ]}

โครงการOpen Source Initiativeได้ปรึกษาผู้เชี่ยวชาญเป็นเวลากว่าสองปีเพื่อสร้างคำจำกัดความของ "โอเพนซอร์ส" ที่เหมาะสมกับความต้องการของซอฟต์แวร์และโมเดล AI ประเด็นที่ถกเถียงกันมากที่สุดเกี่ยวข้องกับการเข้าถึงข้อมูล เนื่องจากบางโมเดลได้รับการฝึกฝนด้วยข้อมูลที่ละเอียดอ่อนซึ่งไม่สามารถเปิดเผยได้ ในปี 2024 พวกเขาได้เผยแพร่ Open Source AI Definition 1.0 (OSAID 1.0) ^{[ 1 ] [ 2 ] [ 3 ]}ซึ่งกำหนดให้ต้องเปิดเผยซอฟต์แวร์ทั้งหมดสำหรับการประมวลผลข้อมูล การฝึกฝนโมเดล และการอนุมานจากโมเดล สำหรับข้อมูลนั้น จำเป็นต้องเข้าถึงเฉพาะรายละเอียดเกี่ยวกับข้อมูลที่ใช้ในการฝึกฝน AI เพื่อให้ผู้อื่นสามารถเข้าใจและสร้างใหม่ได้^{[ 2 ]}

ในปี 2023 Llama 1 และ 2 ของ Meta ซึ่งมีน้ำหนักที่เปิดเผยได้ และโมเดล Mistral และ Mixtral ของMistral AI ซึ่งมีน้ำหนักแบบเปิด ได้ถูกปล่อยออกมาเป็นครั้งแรก ^{[ 30 ] [ 31 ]}พร้อมกับโมเดลโอเพนซอร์สขนาดเล็กของMosaicML ^{[ 32 ] [ 33 ]}การเปิดตัวโมเดล Llama ถือเป็นก้าวสำคัญในการสร้างความสนใจในโมเดลที่มีน้ำหนักแบบเปิดและโอเพนซอร์ส^{[ 34 ]}ในปี 2024 Meta ได้ปล่อยชุดโมเดล AI ขนาดใหญ่ รวมถึงLlama 3.1 405B ซึ่งสามารถแข่งขันกับโมเดลที่มีการเปิดเผยน้อยกว่าได้^{[ 35 ]}คำอธิบายของ Meta ที่ว่า Llama เป็นโอเพนซอร์สนั้นถูกโต้แย้งเนื่องจากใบอนุญาตซอฟต์แวร์ของ Llama ซึ่งห้ามไม่ให้ใช้เพื่อวัตถุประสงค์บางอย่าง และเนื่องจาก Meta ไม่เปิดเผยที่มาของข้อมูลที่ใช้ในการฝึกอบรมโมเดล^{[ 36 ] [ 37 ] [ 38 ]}

DeepSeekเปิดตัว LLM รุ่น V3 ในเดือนธันวาคม 2024 และโมเดลการให้เหตุผล R1 ในวันที่ 20 มกราคม 2025 โดยทั้งสองเป็นโมเดลแบบเปิดน้ำหนักภายใต้ใบอนุญาต MIT ^{[ 39 ] [ 40 ]}การเปิดตัวครั้งนี้ทำให้เป็นที่รู้จักอย่างกว้างขวางว่าจีนได้ยอมรับการใช้และการสร้างระบบ AI แบบเปิดมากขึ้น เพื่อลดการพึ่งพาซอฟต์แวร์และการควบคุมจากตะวันตก รวมถึงช่วยให้อุตสาหกรรมต่างๆ เข้าถึง AI ที่มีประสิทธิภาพสูงขึ้นได้เร็วขึ้น^{[ 41 ]}โครงการต่างๆ ในประเทศจีนได้รับการใช้งานอย่างแพร่หลายมากขึ้นทั่วโลก และยังช่วยลดช่องว่างกับโมเดลที่เป็นกรรมสิทธิ์ชั้นนำของอเมริกาได้อย่างน้อยบางส่วน^{[ 41 ] [ 42 ] [ 43 ]}

นับตั้งแต่การเปิดตัวโมเดล ChatGPT ที่เป็นกรรมสิทธิ์ของ OpenAI ในช่วงปลายปี 2022 มีเพียงไม่กี่โมเดลภาษาขนาดใหญ่แบบเปิดอย่างสมบูรณ์ (น้ำหนัก ข้อมูล รหัส ฯลฯ) ที่ได้รับการเผยแพร่ ในเดือนกันยายน 2025 กลุ่มพันธมิตรชาวสวิสได้เพิ่มรายชื่อสั้นๆ นี้โดยการเปิดตัวโมเดลแบบเปิดอย่างสมบูรณ์^ชื่อ Apertus [ ^{44 ] [ 45 ]}

ในเดือนธันวาคม พ.ศ. 2568 มูลนิธิลินุกซ์ได้ก่อตั้งมูลนิธิ Agentic AIซึ่งเข้าควบคุม โปรโตคอล AI แบบเอ เจนต์โอเพนซอร์สบางส่วน และเทคโนโลยีอื่นๆ ที่สร้างโดย OpenAI , AnthropicและBlock ^{[ 46 ] [ 47 ]}

ตั้งแต่เดือนพฤศจิกายน พ.ศ. 2567 Lightricksเริ่มปล่อย โมเดลวิดีโอ LTXเป็นน้ำหนักแบบเปิด^{[ 48 ] [ 49 ]}

ในอุตสาหกรรมการดูแลสุขภาพ AI แบบโอเพนซอร์สถูกนำมาใช้ในการวินิจฉัยการดูแลผู้ป่วยและ ตัว เลือกการรักษาเฉพาะบุคคล^{[ 53 ]}ไลบรารีแบบโอเพนซอร์สถูกนำมาใช้สำหรับการสร้างภาพทางการแพทย์สำหรับงานต่างๆ เช่นการตรวจจับเนื้องอกซึ่งช่วยเพิ่มความเร็วและความแม่นยำของกระบวนการวินิจฉัย^{[ 54 ] [ 53 ]}นอกจากนี้ OpenChem ซึ่งเป็นไลบรารีแบบโอเพนซอร์สที่มุ่งเน้นเฉพาะการใช้งานด้านเคมีและชีววิทยา ช่วยให้สามารถพัฒนารูปแบบการทำนายสำหรับการค้นพบยาช่วยให้นักวิจัยระบุสารประกอบที่มีศักยภาพสำหรับการรักษาได้^{[ 55 ]}

โมเดล Llama ของ Meta ซึ่ง Meta อธิบายว่าเป็นโอเพนซอร์ส ได้รับการนำไปใช้โดยผู้รับเหมาด้านการป้องกันประเทศของสหรัฐฯ เช่นLockheed MartinและOracleหลังจากที่นักวิจัยชาวจีนที่สังกัดกองทัพปลดปล่อยประชาชน (PLA) ได้ทำการดัดแปลงโดย ไม่ได้รับอนุญาต ^{[ 56 ] [ 57 ]} Open Source Initiative และหน่วยงานอื่นๆ ได้โต้แย้งการใช้คำว่า โอเพนซอร์สของ Meta ในการอธิบาย Llama เนื่องจากใบอนุญาตของ Llama มีนโยบายการใช้งานที่ยอมรับได้ซึ่งห้ามกรณีการใช้งานที่ไม่เกี่ยวข้องกับการใช้งานทางทหารของสหรัฐฯ^{[ 38 ]}นักวิจัยชาวจีนได้ใช้ Llama เวอร์ชันก่อนหน้าเพื่อพัฒนาเครื่องมือต่างๆ เช่น ChatBIT ซึ่งได้รับการปรับให้เหมาะสมสำหรับข่าวกรองทางทหารและการตัดสินใจ ทำให้ Meta ต้องขยายความร่วมมือกับผู้รับเหมาของสหรัฐฯ เพื่อให้แน่ใจว่าเทคโนโลยีนี้สามารถนำไปใช้ในเชิงกลยุทธ์เพื่อความมั่นคงของชาติได้^{[ 57 ]}ปัจจุบันแอปพลิเคชันเหล่านี้รวมถึงการปรับปรุงด้านโลจิสติกส์ การบำรุงรักษา และความ ปลอดภัยทางไซเบอร์ ^{[ 57 ]}

บทบรรณาธิการของ Natureชี้ให้เห็นว่าการดูแลทางการแพทย์อาจขึ้นอยู่กับโมเดล AI ที่อาจถูกปิดได้ทุกเมื่อ ประเมินได้ยาก และอาจเป็นภัยคุกคามต่อความเป็นส่วนตัวของผู้ป่วย^{[ 11 ] [ 58 ]}ผู้เขียนเสนอว่าสถาบันการดูแลสุขภาพ นักวิจัยทางวิชาการ แพทย์ ผู้ป่วย และบริษัทเทคโนโลยีทั่วโลกควรทำงานร่วมกันเพื่อสร้างโมเดลโอเพนซอร์สสำหรับการดูแลสุขภาพ ซึ่งรหัสพื้นฐานและโมเดลพื้นฐานสามารถเข้าถึงได้ง่ายและสามารถปรับแต่งได้อย่างอิสระด้วยชุดข้อมูลของตนเอง^{[ 11 ]}

โมเดลโอเพนซอร์สยากต่อการเซ็นเซอร์มากกว่าโมเดลปิดซอร์ส^{[ 58 ]}

การทำงานร่วมกันขนาดใหญ่ เช่นที่เห็นในการพัฒนาเฟรมเวิร์กโอเพนซอร์สอย่าง TensorFlow และ PyTorch ได้เร่งความก้าวหน้าในการเรียนรู้ของเครื่อง (ML) และการเรียนรู้เชิงลึก^{[ 59 ]}ลักษณะโอเพนซอร์สของแพลตฟอร์มเหล่านี้ยังอำนวยความสะดวกในการทำซ้ำและการปรับปรุงอย่างรวดเร็ว เนื่องจากผู้มีส่วนร่วมจากทั่วโลกสามารถเสนอการแก้ไขและการปรับปรุงเครื่องมือที่มีอยู่ได้^{[ 59 ]}

โอเพนซอร์สช่วยให้ประเทศและองค์กรที่ไม่สามารถเข้าถึงโมเดลที่เป็นกรรมสิทธิ์สามารถใช้และลงทุนใน AI ได้ในราคาที่ถูกกว่า^{[ 4 ] [ 60 ] [ 61 ]}ซึ่งสามารถช่วยสร้างระบบนิเวศให้ธุรกิจอื่นๆ สามารถขายบริการเพิ่มเติมได้^{[ 52 ]}

ประโยชน์อย่างหนึ่งของ AI แบบโอเพนซอร์สคือความโปร่งใสที่เพิ่มขึ้นเมื่อเทียบกับทางเลือกแบบปิดซอร์ส^{[ 34 ]}ลักษณะโอเพนซอร์สของโมเดลทำให้สามารถตรวจสอบอัลกอริธึมและโค้ดได้ ซึ่งส่งเสริมความรับผิดชอบและช่วยให้นักพัฒนาเข้าใจว่าโมเดลได้ข้อสรุปอย่างไร^{[ 34 ]}นอกจากนี้ โมเดลแบบ open-weight เช่น Llama และStable Diffusionยังช่วยให้นักพัฒนาสามารถเข้าถึงพารามิเตอร์ของโมเดลได้โดยตรง ซึ่งอาจช่วยลดอคติและเพิ่มความเป็นธรรมในแอปพลิเคชันของพวกเขาได้^{[ 34 ]}ความโปร่งใสนี้สามารถช่วยสร้างระบบที่มีเอาต์พุตที่มนุษย์อ่านได้ หรือ " AI ที่อธิบายได้ " ซึ่งเป็นประเด็นสำคัญมากขึ้นเรื่อยๆ โดยเฉพาะในแอปพลิเคชันที่มีความเสี่ยงสูง เช่น การดูแลสุขภาพ กระบวนการยุติธรรมทางอาญา และการเงิน ซึ่งผลที่ตามมาจากการตัดสินใจของระบบ AI อาจมีความสำคัญอย่างมาก^{[ 62 ]}

โมเดลโอเพนซอร์สมีวิธีการป้องกันการนำไปใช้ในกิจกรรมที่เป็นอันตรายน้อยกว่า^{[ 58 ]} AI โอเพนซอร์สอาจทำให้ กลุ่ม ก่อการร้ายทางชีวภาพสามารถลบการปรับแต่งและการป้องกันอื่นๆ ของโมเดล AI ได้ ^{[ 10 ] [ 4 ] [ 58 ]}ขั้นตอนที่เสนอเพื่อลดอันตรายประเภทนี้อาจเป็นการกำหนดให้โมเดลต้องได้รับการประเมินความเสี่ยงและผ่านมาตรฐานที่กำหนดก่อนที่จะเผยแพร่^{[ 58 ]}รายงานของทำเนียบขาว ในเดือนกรกฎาคม 2024 พบว่ายังไม่พบหลักฐานเพียงพอที่จะจำกัดการเปิดเผยน้ำหนักของโมเดล^{[ 63 ]}แม้ว่าผู้เชี่ยวชาญจำนวนหนึ่งในปี 2024 ดูเหมือนจะกังวลเกี่ยวกับความก้าวหน้าในอนาคตมากกว่าความสามารถในปัจจุบัน^{[ 58 ]}

ผู้บริหารที่เลือกใช้โมเดลที่เป็นกรรมสิทธิ์ในปี 2025 อ้างถึงข้อกังวลด้านความปลอดภัยและประสิทธิภาพเป็นปัจจัยสำคัญ^{[ 64 ]}

ต้นทุนของชุดข้อมูลการฝึกอบรมสำหรับโมเดลโอเพนซอร์สทั้งหมดอาจสูงเกินไปสำหรับหลายโครงการ^{[ 4 ] [ 52 ]}