پس از محدود شدن مدل منبع باز، ابتدا در دسترس بودن پیش فرض منقضی می شود.

هنگامی که یک مدل منبع باز وارد یک حالت محدود می شود، اولین چیزی که شکست می خورد اغلب در دسترس بودن پیش فرض است. جمله به خودی خود چشم‌نواز نیست، اما زمانی که در جریان کار قرار می‌گیرد بسیار مهم است: ممکن است فایل مدل همچنان وجود داشته باشد، آینه ممکن است هنوز همگام‌سازی شود، و ماشین محلی ممکن است بتواند یک بار اجرا شود، اما همان رگرسیون، همان مجموعه کلمات سریع و همان اسکریپت دسته‌ای شروع به از دست دادن پیش‌نیاز برای ایجاد به‌طور پیش‌فرض می‌کند.

تغییرات در ابتدا زیاد نبودند. یک محیط نسخه آینه شده را دریافت می کند و محیط دیگر نسخه کوانتیزه شده را دریافت می کند. نسخه توکنایزر یک دستگاه با دستگاه دیگر مطابقت ندارد. هنوز هم می‌توان آن را امروز بازتولید کرد، اما فردا به دلیل تغییر در سیاست‌های دسترسی، تأخیرهای انعکاسی یا سهمیه‌ها، نتایج شروع به تغییر خواهند کرد. در ظاهر، هنوز “مدل موجود” است، اما در واقع به سه چیز تبدیل شده است: مسیر در دسترس، مجوز در دسترس، و نسخه در دسترس.

مشکل ترین چیز در مورد این نوع تغییر این است که بلافاصله سیستم را از بین نمی برد. ابتدا مقدار پیش فرض را تغییر می دهد. فرض پیش‌فرض قبلی این بود که همان مدل، نسخه مشابه و مجموعه‌ای از پارامترهای مشابه می‌توانند نتایجی را تولید کنند که در اکثر محیط‌ها به اندازه کافی نزدیک هستند. پس از محدود شدن، این فرض دیگر درست نیست. هر بار که تیم قضاوت می کند، ابتدا باید ورودی، آینه سازی، کمیت، بازگشت و محدودیت های منطقه ای را تایید کند. در پایان، اغلب زمان بیشتری نسبت به اجرای خود مدل نیاز دارد.

آنچه واقعاً باید ابتدا مورد توجه قرار گیرد سطح کنترلی است که توسط مدل استفاده می‌شود: چه کسی می‌تواند از آن استفاده کند، در چه محیط‌هایی می‌توان از آن استفاده کرد، کدام نسخه‌ها به عنوان خطوط پایه تولید در نظر گرفته می‌شوند، در صورت شکست به کدام مسیر تغییر می‌کنند، و در هنگام عقب نشینی از کدام نسخه استفاده می‌شود. تنها با بیرون کشیدن این مرزها به طور جداگانه، مدل محدود نمی‌تواند مستقیماً از جریان کار عبور کند. در غیر این صورت، هر درمان موقتی مانند اختراع مجدد فرآیند است. اگر امروز می تواند اجرا شود، به این معنی نیست که همان مجموعه ورودی ها فردا شناسایی می شوند.

راحت‌ترین نکته‌ای که در اینجا اشتباه می‌شود این است که «هنوز می‌توان یک بار اجرا کرد» را به‌عنوان «هنوز می‌توان به‌طور پایدار استفاده کرد» در نظر گرفت. هنگامی که این قضاوت اشتباه شد، مشکلات بعدی همچنان ظاهر می‌شوند: مجموعه رگرسیون دیگر خط پایه یکسانی ندارد، و هنگام عیب‌یابی، ابتدا باید تأیید کنید که کدام نسخه را دریافت کرده‌اید، و تیم شروع به اختلاف نظر در مورد “این که آیا این نسخه همان مدل است” خواهد بود. خود مدل هنوز وجود دارد، اما زنجیره قضاوت ساخته شده پیرامون آن از هم پاشیده است.

بنابراین، تغییر واقعی ایجاد شده توسط محدودیت ها فقط کاهش قابلیت دانلود نیست، بلکه شکست در قابلیت استفاده پیش فرض است. هرچه مدل پیشرفته تر باشد، محدودتر می شود و کمتر می تواند به حافظه موقت و قراردادهای کلامی برای حفظ ثبات تکیه کند. آنچه مورد نیاز است مجوزهای واضح، خطوط پایه ثابت، ورودی های قابل بازیافت و مسیرهای بازگشتی قابل ردیابی است. پس از سفت شدن این موارد، مدل واقعاً می تواند وارد حالت عملیاتی شود. در غیر این صورت، مهم نیست که چقدر مدل خوب است، “فقط به اندازه ای است که امروز آن را بکشیم.”