David Siegel, colega de Richard Stallman en el Laboratorio de IA del MIT, reconstruye cómo hace cuatro décadas el principio de software libre —expresado en el compilador GCC y en el sistema GNU/Linux— se convirtió en la base invisible de la industria tecnológica. Tras cerca de dos años de discusión, Siegel reconoce que la apertura venció el debate sobre la seguridad —el escrutinio colectivo corrigió más fallos que el secreto— y funcionó como escuela para generaciones de ingenieros.
El artículo sostiene que la inteligencia artificial actual invierte esa lógica: los modelos de frontera son completamente cerrados y la tendencia se acelera, justo cuando la disciplina es aún joven y los mayores avances están por venir. Para Siegel, el riesgo trasciende el software: si la IA llega a convertirse en la biblioteca del futuro, privatizarla equivale a entregar a unas pocas empresas la potestad de decidir qué conocimiento puede consultar la sociedad.
El autor distingue entre el código que ejecuta un modelo y el código que lo construye; los modelos que hoy se presentan como abiertos suelen liberar solo lo primero, reteniendo los datos de entrenamiento y los métodos. Esa opacidad impide auditar resultados en campos sensibles —medicina, ingeniería, justicia— y convierte al sistema en un oráculo antes que en una herramienta comprensible. Frente al argumento de que abrir la IA es peligroso, Siegel responde que los modelos cerrados también se filtran y se jailbreakean, y que la concentración del poder de cómputo entraña sus propios riesgos. Defiende, por tanto, mantener tanto los modelos como su código de entrenamiento abiertos, como garantía de que el progreso científico siga siendo un bien común.