ओपन सोर्स एआय: मेटा विरुद्ध खरी ओपननेस

मेटा-समर्थित अहवाल: ओपन सोर्स एआयसाठी सकारात्मक दृष्टीकोन

लिनक्स फाउंडेशनने (Linux Foundation) केलेल्या अभ्यासात असे दिसून आले आहे की, ओपन सोर्स एआय प्रणाली (Open Source AI System), ज्यांचे मॉडेल आणि कोड वापरण्यासाठी किंवा सुधारण्यासाठी सार्वजनिकरित्या उपलब्ध आहेत, त्यांचा व्यवसायावर सकारात्मक परिणाम होतो. हार्वर्ड विद्यापीठाच्या (Harvard University) संशोधनानुसार, जर ओपन सोर्स सॉफ्टवेअर (Open Source Software) उपलब्ध नसेल, तर कंपन्यांना अंदाजे ३.५ पट जास्त खर्च येईल. एआयच्या क्षेत्रात, सुमारे दोन-तृतीयांश संस्थांना मालकीच्या मॉडेलपेक्षा (Proprietary Model) ओपन सोर्स एआय वापरणे स्वस्त वाटते, जवळपास निम्म्याहून अधिक संस्थांनी खर्चात बचत हे त्यांचे प्राथमिक कारण सांगितले आहे. या खर्च-प्रभावीतेमुळे त्याचा मोठ्या प्रमाणावर अवलंब केला गेला आहे, ८९% एआय स्वीकारणाऱ्या कंपन्या काही प्रमाणात ओपन सोर्स एआय वापरत आहेत.

लिनक्स फाउंडेशनचे (Linux Foundation) लेखक ॲना हरमॅन्सन (Anna Hermansen) आणि केलीन ओसबोर्न (Cailean Osborne) यांचा असा युक्तिवाद आहे की, एआय मॉडेल ओपन सोर्स (Open Source) केल्याने सुधारणांना प्रोत्साहन मिळते, ज्यामुळे व्यवसायांसाठी त्यांची उपयुक्तता वाढते. त्यांनी पायटॉर्चचे (PyTorch) उदाहरण दिले, जे एआय फ्रेमवर्क (AI Framework) आहे. मेटाच्या (Meta) एकतर्फी प्रशासनाकडून लिनक्स फाउंडेशनच्या (Linux Foundation) अंतर्गत खुल्या प्रशासनाकडे त्याचे संक्रमण झाले. त्यांनी असे निदर्शनास आणले की, मेटाचे योगदान कमी झाले असले, तरी चिप उत्पादकांसारख्या बाह्य कंपन्यांचे योगदान वाढले आणि पायटॉर्चच्या वापरकर्त्यांचा आधार स्थिर राहिला. यावरून असे दिसून येते की, मॉडेल ओपन सोर्स (Open Source) केल्याने “व्यापक सहभाग आणि वाढीव योगदानाला प्रोत्साहन मिळते.”

ओपन सोर्स मॉडेल अधिक सानुकूल करण्यायोग्य मानले जातात, जो उत्पादनात एक महत्त्वपूर्ण फायदा आहे. अभ्यासानुसार, आरोग्य सेवांसारख्या (Healthcare) क्षेत्रांमध्ये त्यांची कार्यक्षमता मालकीच्या मॉडेलशी तुलना करता येते, ज्यामुळे गुणवत्तेशी तडजोड न करता खर्चात बचत होते.

मेटाने (Meta) या अभ्यासाद्वारे ओपन सोर्स एआयच्या (Open Source AI) फायद्यांवर जोर देण्याचा मानस ठेवला आहे, जेणेकरून त्याचे ओपन सोर्स लामा मॉडेल (Open Source Llama Model) प्रसिद्ध होतील. एआय क्षेत्रात स्पर्धा खूप जास्त आहे आणि ओपन सोर्स क्षेत्रात वर्चस्व गाजवल्याने मेटाला (Meta) एक विश्वासू ब्रँड (Trusted Brand) म्हणून स्थान मिळू शकते, ज्यामुळे इतर क्षेत्रांमध्ये नेतृत्वासाठी मार्ग मोकळा होईल.

वाद: "ओपन सोर्स" ची व्याख्या

मेटाची (Meta) ओपन सोर्स एआयची (Open Source AI) समज वादातीत आहे. लिनक्सचा (Linux) अहवाल जनरेटिव्ह एआय कॉमन्सच्या (Generative AI Commons) मॉडेल ओपननेस फ्रेमवर्कने (Model Openness Framework) दिलेल्या व्यापक व्याख्येवर अवलंबून आहे, ज्यामध्ये केवळ मशीन लर्निंग मॉडेलचे आर्किटेक्चर (Architecture), पॅरामीटर्स (Parameters) आणि डॉक्युमेंटेशन (Documentation) परवानग्यांसह रिलीज करणे आवश्यक आहे, जेणेकरून वापर, बदल आणि वितरणास परवानगी मिळेल.

ओपन सोर्स इनिशिएटिव्ह (Open Source Initiative) (OSI) अधिक विशिष्ट व्याख्या देते. हे निर्धारित करते की, कोणत्याही हेतूसाठी, वापरकर्ते परवानगी न घेता सिस्टम (System) वापरू शकतात, ती कशी कार्य करते हे समजू शकतात, त्यात बदल करू शकतात आणि बदलांसह किंवा बदलांशिवाय ती इतरांना शेअर (Share) करू शकतात.

हे नियम मॉडेलचा सोर्स कोड (Source Code), पॅरामीटर्स (Parameters) आणि वेट्स (Weights) आणि त्याच्या प्रशिक्षण डेटा (Training data) बद्दलच्या विस्तृत माहितीवर लागू असले पाहिजेत. प्रशिक्षण डेटा (Training data) स्वतः रिलीज करणे अनिवार्य नसले तरी, पुरेशी माहिती प्रदान करणे महत्त्वाचे आहे, जेणेकरून कुशल व्यक्ती मोठ्या प्रमाणात समान प्रणाली विकसित करू शकेल.

२०२३ मध्ये, ओपन सोर्स इनिशिएटिव्हने (Open Source Initiative) (OSI) म्हटले की, लामा २ च्या (Llama 2) विशिष्ट वापरकर्त्यांवरील व्यावसायिक निर्बंध आणि मॉडेल कशा प्रकारे वापरायचे यावरील मर्यादा, मेटाच्या दाव्यांनंतरही, त्यास "ओपन सोर्स’ (Open Source) च्या श्रेणीतून बाहेर काढतात.” लामा ३ (Llama 3) च्या रिलीज (Release) सोबत त्यांनी हा दृष्टिकोन अधिक दृढ केला, त्यांनी युरोपातील (Europe) वापरकर्त्यांना प्रवेश नाकारण्यासारख्या आणखी मोठ्या निर्बंधांकडे लक्ष वेधले.

थॉटवर्क्सचे (Thoughtworks) सीटीओ (CTO) स्कॉट शॉ (Scott Shaw) यांनी सांगितले की, लामा ३ (Llama 3) चे वापरकर्ते त्याचा सोर्स कोड (Source Code) तपासू शकत नाहीत, त्यांच्याकडे अमर्यादित पुनर्वितरण (Redistribution) नाही आणि विशिष्ट वापरासाठी परवाना शुल्क भरावे लागते, हे सर्व ओपन सोर्स इनिशिएटिव्हच्या (Open Source Initiative) (OSI) व्याख्येच्या विरोधात आहे. हा वाद लामा ४ पर्यंत (Llama 4) वाढला आहे, जिथे मेटाला (Meta) ७०० दशलक्षाहून अधिक मासिक सक्रिय वापरकर्ते असलेल्या व्यावसायिक संस्थांना मॉडेल वापरण्यापूर्वी स्पष्ट परवानगी घेणे आवश्यक आहे.

शॉ (Shaw) यांनी २०२४ मध्ये स्पष्ट केले की, मेटा (Meta) हे प्रामाणिकपणे ‘ओपनली अव्हेलेबल मॉडेल’ (Openly Available Model) म्हणून त्याचे वर्णन करू शकते, परंतु "ओपन सोर्स’ (Open Source) हा शब्द अनेकदा सैलपणे वापरला जातो. हे लक्षात घेणे महत्त्वाचे आहे की, ‘ओपनली अव्हेलेबल’ (Openly Available) किंवा ‘फ्री’ (Free) म्हणजे ‘ओपन सोर्स’ (Open Source) नाही. हा फरक अनेकदा दुर्लक्षित केला जातो आणि लोकांना विशिष्ट मॉडेलमध्ये किती प्रमाणात ओपननेस (Openness) आहे हे पूर्णपणे समजत नाही.

एआयच्या (AI) परिदृश्यात "ओपन’ (Open) च्या बारकावे उलगडणे

या प्रकरणाचा गाभा "ओपन’ (Open) च्या व्याख्येत आहे. एआयच्या (AI) वेगाने विकसित होणाऱ्या जगात, "ओपन सोर्स’ (Open Source) हा शब्द अधिक व्यापकपणे वापरला जात आहे, ज्यामुळे संभ्रम निर्माण होतो आणि संभाव्यतः दिशाभूल करणारे दावे केले जातात. मेटा (Meta) त्याच्या लामा मॉडेलचे (Llama Model) स्वरूप खुले असल्याचा दावा करत असले, तरी ओपन सोर्स समुदायाकडून (Open Source Community) झालेल्या छाननीत ओपन सोर्स इनिशिएटिव्हच्या (Open Source Initiative) (OSI) कठोर मानकांशी तुलना करता काही महत्त्वाचे फरक दिसून येतात.

हा मतभेद वापरकर्त्यांना दिलेल्या स्वातंत्र्याच्या मर्यादेतून निर्माण झाला आहे. ओएसआयच्या (OSI) मते, ‘खऱ्या’ (True) ओपन सोर्समुळे (Open Source) वापरकर्त्यांना कोणताही हेतू साध्य करण्यासाठी सॉफ्टवेअर (Software) वापरण्याचा, अभ्यास, बदल आणि वितरित करण्याचा अमर्यादित अधिकार मिळतो. यामध्ये सोर्स कोडमध्ये प्रवेश करणे, विकासकांना सॉफ्टवेअरचे अंतर्गत कामकाज समजून घेण्यास आणि त्यांच्या गरजेनुसार ते सानुकूलित करण्यास मदत करणे इत्यादींचा समावेश आहे.

मेटाचे (Meta) लामा मॉडेल (Llama Model) विनामूल्य उपलब्ध असले, तरी काही निर्बंध लादतात. व्यावसायिक वापरावरील निर्बंध, विशेषतः मोठ्या व्यवसायांसाठी आणि पुनर्वितरण (Redistribution) किंवा सुधारणेवरील मर्यादा यांमुळे ते पारंपरिक व्याख्येनुसार ‘ओपन सोर्स’ (Open Source) आहेत की नाही, याबद्दल चिंता वाढते.

हा वाद महत्त्वाचा आहे, कारण तो एआय समुदाय (AI Community) नवीन साधने आणि तंत्रज्ञान कसे विकसित आणि प्रसारित करतो यावर परिणाम करतो. जेव्हा मॉडेल खऱ्या अर्थाने ओपन सोर्स (Open Source) असतात, तेव्हा ते सहकार्य, नवोपक्रम आणि सुलभता वाढवतात. कोणताही व्यक्ती प्रकल्पात योगदान देऊ शकतो, विशिष्ट ॲप्लिकेशन्समध्ये (Applications) त्याचे रूपांतर करू शकतो आणि समुदायासह आपले सुधारणे शेअर (Share) करू शकतो. यामुळे जलद प्रगती आणि व्यापक अवलंब होतो.

तथापि, जेव्हा ओपननेस (Openness) मर्यादित असतो, मग तो व्यावसायिक निर्बंधांमुळे (Commercial Restrictions) असो किंवा अस्पष्ट परवाना (Licensing) अटींमुळे, नवोपक्रमाची क्षमता कमी होते. विकासक मॉडेलमध्ये त्यांचा वेळ आणि संसाधने गुंतवण्यास संकोच करू शकतात, कारण ते मुक्तपणे वापरू किंवा रूपांतरित करू शकतात की नाही, याबद्दल त्यांना खात्री नसते.

व्यवसाय आणि एआयच्या (AI) भविष्यासाठी परिणाम

ओपन सोर्स एआय (Open Source AI) विषयीच्या संदिग्धतेमुळे व्यवसायांवर महत्त्वपूर्ण परिणाम होतात. ओपन सोर्स मॉडेल स्वीकारायचे की नाही हे ठरवताना संस्थांनी विविध परवानग्या आणि निर्बंधांचे बारकावे समजून घेणे आवश्यक आहे. लामासारखी (Llama) मॉडेल त्यांच्या उपलब्धता आणि कार्यक्षमतेमुळे आकर्षक वाटू शकतात, परंतु व्यवसायांनी मर्यादा असलेल्या मॉडेलवर अवलंबून राहण्याचे दीर्घकालीन परिणाम विचारात घेतले पाहिजेत.

लहान कंपन्या किंवा संशोधन संस्थांसाठी हे निर्बंध नगण्य असू शकतात. तथापि, मोठ्या उद्योगांनी हे मॉडेलमध्ये गुंतवणूक (Investments) करण्यापूर्वी नियमांचे पालन सुनिश्चित करणे आणि त्यांचे अधिकार समजून घेणे आवश्यक आहे. खऱ्या ओपन सोर्स तंत्रज्ञानाची निवड अधिक लवचिकता, नियंत्रण आणि दीर्घकालीन टिकाऊपणा प्रदान करते.

नियमांचे पालन करण्याच्या चिंतेव्यतिरिक्त, एआय इकोसिस्टमवर दीर्घकाळ होणाऱ्या परिणामांबद्दल देखील प्रश्न आहेत. जर संस्थांनी मर्यादित ओपननेस (Openness) असलेल्या मॉडेलला प्राधान्य दिले, तर ते खुल्या सहकार्याला (Open Collaboration) प्रतिबंध आणू शकते, नवोपक्रमाचा वेग कमी करूशकते आणि कॉर्पोरेशन्स (Corporations) आणि स्वतंत्र विकासकांमध्ये (Independent Developers) फूट पाडू शकते. खऱ्या खुल्या मानकांना प्रोत्साहन देणाऱ्या उपक्रम आणि प्रकल्पांना समर्थन देऊन, एआय समुदाय (AI Community) एक सहकार्यात्मक आणि सर्वसमावेशक वातावरण वाढवू शकतो, ज्यामुळे प्रत्येकाला फायदा होईल.

शिवाय, ओपन सोर्स एआय (Open Source AI) संदर्भातील वाद पारदर्शकता आणि विश्वासार्हतेबद्दलचे प्रश्न उभे करतो. ओपन सोर्स कोड (Open Source Code) स्वतंत्र ऑडिट (Audit) आणि पडताळणीस सक्षम करतो. याचा अर्थ असा आहे की, विकासक असुरक्षितता, त्रुटी आणि इतर संभाव्य समस्या तपासू शकतात आणि त्या त्वरित निराकरण करू शकतात. जेव्हा सॉफ्टवेअर (Software) मालकीचे असते किंवा निर्बंधांच्या अधीन असते, तेव्हा या स्तरावरील छाननी शक्य नसते. यामुळे अनपेक्षित परिणामांचा धोका वाढू शकतो आणि सार्वजनिक विश्वास कमी होऊ शकतो.

एआय (AI) ओपननेसच्या (Openness) विकसित होत असलेल्या परिदृश्यात मार्गदर्शन

एआय (AI) विकसित होत असताना, विकासक, संशोधक आणि व्यावसायिक नेत्यांनी ओपन सोर्सच्या (Open Source) व्याख्यांबद्दलच्या चर्चेत भाग घेणे आवश्यक आहे. मेटाच्या (Meta) लामा मॉडेलच्या (Llama Model) खुल्या स्वरूपाबद्दल चालू असलेला वाद, शब्दावली स्पष्ट करण्याची, स्पष्ट परवाना पद्धतींना प्रोत्साहन देण्याची आणि पारदर्शकता वाढवण्याची गरज अधोरेखित करतो.

ओपन इनोव्हेशन (Open Innovation) आणि व्यावसायिक वास्तवांमध्ये संतुलन राखणे महत्त्वाचे आहे. काहीजण असा युक्तिवाद करतात की, कठोर ओपन सोर्सचे (Open Source) निकष विकासास प्रतिबंध आणू शकतात, तर इतर ओपननेस (Openness) आणि सहकार्याच्या तत्त्वांचे जतन करण्याच्या महत्त्वावर जोर देतात, जे अनेक तांत्रिक प्रगतीचा आधार आहेत.

ओपन सोर्स मॉडेल (Open Source Model) कृत्रिम बुद्धिमत्ता (Artificial Intelligence) क्षेत्रात लक्ष वेधून घेत आहेत, जे पारदर्शकता, बदलण्याचे स्वातंत्र्य आणि वापराच्या सुलभतेसारखे फायदे देतात. अभ्यासानुसार, ओपन सोर्स एआयच्या (Open Source AI) खर्च-प्रभावीतेमुळे आणि सानुकूलित करण्याच्या क्षमतेमुळे कंपन्यांमध्ये त्याचा अवलंब वाढला आहे, परिणामी आर्थिक बचत आणि सुधारणा झाली आहे.

मेटाचे (Meta) लामा ३ (Llama 3) आणि ओपन सोर्स इनिशिएटिव्हने (Open Source Initiative) (OSI) केलेले मानके यांच्यातील फरकांमुळे लामा ३ (Llama 3) "ओपन सोर्स’ (Open Source) च्या वास्तविक व्याख्येत बसतो की नाही, याबद्दल प्रश्न निर्माण होतात. ओएसआय (OSI) सोर्स कोडची (Source Code) उपलब्धता, पुनर्वितरणास परवानगी (Permitting Redistribution) आणि कोणत्याही वापरास परवानगी देण्यावर जोर देते. मेटाने (Meta) लामा ३ (Llama 3) साठी लादलेल्या मर्यादांमुळे तो ‘ओपन सोर्स’ (Open Source) मानला जाऊ शकतो की नाही, याबद्दल मतभेद आहेत.

ही चर्चा एआयमधील (AI) ओपननेसचे (Openness) सूक्ष्म भेद जाणून घेण्याचे महत्त्व अधोरेखित करते. विकासक आणि संस्थांना एआय (AI) मॉडेल वापरण्याच्या अटी, शर्ती आणि परिणामांचे अचूक मूल्यांकन करणे आवश्यक आहे, जेणेकरून नियामक अनुपालन सुनिश्चित करता येईल आणि टीममध्ये नवोपक्रम टिकवून ठेवता येईल.

ओपन सोर्स एआयचा (Open Source AI) उदय नवोपक्रम आणि सुलभतेसाठी नवीन मार्ग प्रदान करतो, परंतु लामा मॉडेलभोवतीचा (Llama Model) वाद हे सिद्ध करतो की, एआयच्या (AI) जगात यशस्वीपणे मार्गदर्शन करण्यासाठी आव्हाने आणि विरोधाभासांना सामोरे जाणे आवश्यक आहे. जबाबदार आणि खुल्या एआय (AI) पद्धतींना प्रोत्साहन दिल्याने संपूर्ण समुदायात सहकार्याला प्रोत्साहन मिळते, ज्यामुळे प्रत्येकाला धोक्यांची काळजी घेत असतानाच फायद्यांचा उपभोग घेता येतो.

ओपन सोर्सचे (Open Source) फायदे

ओपन सोर्स एआय (Open Source AI) विकासक, संशोधक आणि संस्थांना ओपन सोर्स तंत्रज्ञान वापरण्याची परवानगी देते, जे नवोपक्रमाला इंधन देते. ओपन सोर्स एआय (Open Source AI) अमर्यादित प्रवेशामुळे खर्चात बचत, सानुकूलित करण्याच्या संधी आणि व्यापक सहकार्यास प्रोत्साहन देते. हे लवचिक असल्यामुळे एआयचा (AI) वापर अनेक वेगवेगळ्या वातावरणात करता येतो.

खर्च हा एक मोठा घटक आहे. एआय मॉडेल (AI Model) विकासकांना विद्यमान तंत्रज्ञान वापरण्याची आणि त्यात बदल करण्याची परवानगी देऊन विकास खर्चात बचत करतात. ओपन सोर्स एआय (Open Source AI) सानुकूलित करण्याची क्षमता संस्थांना विशिष्ट गरजा पूर्ण करण्यासाठी त्याचे तंत्रज्ञान स्वीकारण्यास मदत करते, ज्यामुळे नवोपक्रम आणि कार्यक्षमतेला प्रोत्साहन मिळते.

प्रवेशामुळे विकासक, संशोधक आणि संस्थांमधील सहकार्यास प्रोत्साहन मिळते, ज्यामुळे ज्ञानाची देवाणघेवाण वाढते. एकत्रितपणे ते एआय (AI) सुधारतात, आव्हाने सोडवतात आणि जागतिक समुदायात उपाय तयार करतात. ओपन सोर्स एआय (Open Source AI) अधिक व्यवसायांना अत्याधुनिक तंत्रज्ञानाचा ॲक्सेस (Access) देते, ज्यामुळे त्यांना फायदा होतो आणि विविध क्षेत्रांमध्ये एआय (AI) सोल्युशन्सचा (Solutions) प्रसार वाढतो.

पारदर्शकता ओपन सोर्स एआयमुळे (Open Source AI) शक्य होते. प्रत्येकजण कोड (Code), अल्गोरिदम (Algorithms) आणि कार्यक्षमतेचे परीक्षण करू शकतो. यामुळे त्रुटी, पूर्वग्रह आणि सुरक्षा धोके शोधण्यास मदत होते, ज्यामुळे विश्वास आणि उत्तरदायित्व सुधारते. ओपन सोर्स एक सामुदायिक वातावरण विकसित करते, जिथे सतत सुधारणा केल्याने गुणवत्ता वाढते.

आव्हाने

व्यवसाय या नवीन तंत्रज्ञानाबद्दल अधिक जागरूक होत आहेत आणि अंमलबजावणी दरम्यान काळजीपूर्वक विचार आणि विश्लेषणाची आवश्यकता आहे.

नियमांचे पालन करणे ही एक सततची चिंता आहे. जटिल परवाना करार (Complex licensing agreements) हे सुनिश्चित करण्यासाठी काळजीपूर्वक विश्लेषण करणे आवश्यक आहे की, सर्व उपयोग विविध ओपन सोर्सवरील (Open Source) नियमांनुसार आहेत. सुरक्षा हा आणखी एक मोठा मुद्दा आहे, कारण धोकादायक हेतू असलेल्या लोकांसहित कोणालाही ओपन सोर्समध्ये (Open Source) प्रवेश मिळू शकतो. त्यामुळे, असुरक्षिततेपासून बचाव करण्यासाठी दक्ष व्यवस्थापन आणि मजबूत सुरक्षा उपाय महत्त्वाचे आहेत.

ओपन सोर्स एआय (Open Source AI) वापरताना संस्था अनेकदा अपडेट्स (Updates) आणि समस्यांचे निराकरण करण्यासाठी सामुदायिक समर्थनावर अवलंबून असतात. प्रतिसादाचा वेळ आणि विश्वासार्हता समुदायावर अवलंबून असू शकते. ओपन सोर्स वापरण्यापूर्वी सामुदायिक समर्थन आणि प्रकल्पाची व्यवहार्यता तपासली पाहिजे. ओपन सोर्स एआय (Open Source AI) वापरण्यासाठी त्याचे फायदे मिळवताना धोके कमी करण्यासाठी काळजीपूर्वक विचार करणे आवश्यक आहे.

परिदृश्यात मार्गदर्शन करणे मॉडेलमधील (Model) फरक जाणून घेण्यावर आणि ओपन सोर्सचा (Open Source) दृष्टिकोन व्यावसायिक उद्दिष्टांनुसार आहे की नाही, याचे मूल्यांकन करण्यावर अवलंबून असते. सचोटी आणि आत्मविश्वास वाढवण्यासाठी, एआयचा (AI) वापर मोकळेपणाने, जबाबदारीने आणि उत्तरदायित्वाने करणे महत्त्वाचे आहे.

भविष्यातील दृष्टीकोन

एआय (AI) अधिकाधिक व्यापक होत असताना ओपन सोर्सची (Open Source) संकल्पना समजून घेणे अधिक महत्त्वाचे ठरते. भविष्य हे स्पष्ट, प्रामाणिक मार्गदर्शक तत्त्वे विकसित करण्यावर आणि सामुदायिक सहभागाला प्रोत्साहन देण्यावर अवलंबून आहे. ओपन सोर्सची (Open Source) सहकार्याची शक्ती पूर्णपणे वापरली जाऊ शकते, ज्यामुळे नवोपक्रम जनतेसाठी उपलब्ध होतील. संस्थांनी टिकाऊ एआय (AI) विकास आणि सामाजिक जबाबदारीला प्रोत्साहन देण्यासाठी उत्तरदायित्व, पारदर्शकता आणि सहकार्याचा स्वीकार केला पाहिजे.