CNIL werkt Genmod bij, zijn genealogietool voor open AI-modellen

De Franse Commission nationale de l'informatique et des libertés (CNIL) publiceerde op 26 augustus 2026 een nieuwe versie van haar demonstrator waarmee de genealogie van open-source AI-modellen kan worden verkend. De update verbetert de prestaties van de tool, de gebruiksvriendelijkheid, en automatiseert het bijwerken van de gegevens. Naast de Franse is er nu ook een Engelstalige versie van de interface beschikbaar.

Open-source AI-modellen kunnen worden gedownload, aangepast, met nieuwe data gespecialiseerd of met andere modellen gecombineerd voordat ze opnieuw worden vrijgegeven. Eén en hetzelfde model — bijvoorbeeld Kimi K3, Mistral Medium of LLaMa — kan zo aan de basis staan van talloze afgeleide modellen, tot op het punt dat het moeilijk wordt te achterhalen welk model van welk ander model afstamt. Alleen al Hugging Face herbergt zo'n twee miljoen gepubliceerde modellen, wat het nog lastiger maakt om te zien welke daarvan afgeleiden zijn van de bekendste modellen.

Voorouders en afstammelingen van een model terugvinden

De demonstrator, Genmod genaamd ('Genealogie van de modellen'), is ontwikkeld door de AI-dienst van de CNIL in samenwerking met haar Laboratorium voor Digitale Innovatie (LINC), en werd oorspronkelijk in november 2025 gepubliceerd. Hiermee kunnen gebruikers de verbanden tussen modellen verkennen en voor een gegeven model zowel de voorouders — de modellen waarvan het afstamt — als de afstammelingen terugvinden, dat wil zeggen de modellen waaraan het heeft bijgedragen.

Deze traceerbaarheid is nuttig om de gevolgen te bestuderen van het onthouden van trainingsdata door AI-modellen. Het gaat erom, uitgaande van een model waarvan bekend is dat het persoonsgegevens heeft onthouden, de andere modellen in zijn 'genealogie' te identificeren die diezelfde informatie mogelijk ook hebben bewaard, om zo de voorwaarden te bestuderen waaronder de rechten uit de AVG kunnen worden uitgeoefend — het recht van bezwaar, van inzage of van verwijdering.

Aanzienlijk snellere zoekopdrachten

De zoekmachine van de grafiek is geoptimaliseerd, wat de tijd voor de meest uitgebreide zoekopdrachten sterk verkort: een zoekopdracht zonder dieptelimiet duurt nu gemiddeld zo'n twintig seconden. De interface toont de voortgang van een zoekopdracht en, wanneer die kan worden geschat, de resterende tijd tot voltooiing. Er kunnen meerdere zoekopdrachten tegelijk worden verwerkt, en bij drukte ziet de gebruiker zijn positie in de wachtrij.

• Zoekopdracht zonder dieptelimiet: gemiddeld zo'n twintig seconden
• Voortgang weergegeven, met schatting van de resterende tijd
• Gelijktijdige zoekopdrachten, met wachtrijpositie bij drukte
• Automatische, wekelijkse bijwerking van de grafiek op basis van openbare Hugging Face-gegevens
• De datum van de laatste gegevensupdate wordt in de applicatie weergegeven
• Meest gedownloade modellen worden als eerste voorgesteld, resultaten standaard gesorteerd op aantal downloads
• Rechtstreekse toegang tot de startpagina toegevoegd vanaf de verschillende pagina's van de applicatie
• Consistentere vormgeving in Firefox, Chrome, Edge en Safari, en op verschillende schermformaten

Een nieuw procedé maakt het mogelijk de database van de demonstrator te herbouwen op basis van openbare gegevens over de modellen en datasets die beschikbaar zijn op Hugging Face, waardoor de wekelijkse bijwerking van de grafiek wordt geautomatiseerd om de snelle ontwikkeling van het open-source-ecosysteem beter te volgen.

Een concreet voorbeeld: de afstammelingen van Kimi K3

Het medium Next geeft een gebruiksvoorbeeld: je kunt de afstammelingen van het model Kimi K3 van uitgever Moonshot AI onderzoeken door eerst de naam van de repository van de uitgever te typen en vervolgens de eerste letters van het model, om de volledige stamboom weer te geven. Voor elk afgeleid model geeft de tool de methode aan waarmee de afleiding tot stand kwam — kwantisatie bijvoorbeeld, die de precisie van de gewichten van het bronmodel verlaagt om het geheugengebruik te verminderen. Met de tool kunnen ook alle modellen worden teruggevonden die een bepaalde dataset hebben gebruikt, zoals The Cauldron. Een 'expert search' maakt het bovendien mogelijk om precies de criteria te selecteren die de gebruiker interesseren.

Als de persoonsgegevens van een individu door een model zijn onthouden, hoe kan dan worden vastgesteld welke andere modellen diezelfde gegevens mogelijk ook hebben onthouden?

Deze traceerbaarheid kan ook nuttig zijn bij beschuldigingen dat een AI-model auteursrechtelijk beschermde inhoud reproduceert — een kwestie die wordt geïllustreerd door de lopende rechtszaak tussen de New York Times en OpenAI, waarin de vraag welke modellen beschermde teksten mogelijk hebben onthouden en vervolgens gereproduceerd centraal blijft staan.

Voor onderzoekers en ontwikkelaars in Nederland en België die met open-source-modellen werken, biedt Genmod een concrete manier om de herkomst van een model te documenteren vóór het in gebruik wordt genomen, en om vooruit te lopen op een eventueel AVG-verzoek in plaats van dat pas achteraf te ontdekken. Voor de Autoriteit Persoonsgegevens en andere Europese toezichthouders is de tool ook een praktisch voorbeeld van hoe een regulator modeltraceerbaarheid kan operationaliseren: elke week groeit de grafiek met de nieuwe modellen die op Hugging Face worden gepubliceerd, waardoor het een referentie wordt die meebeweegt met het ecosysteem in plaats van een inventaris die bevriest op de publicatiedatum.