Striden om öppen källkod inom AI i kölvattnet av generativ AI

Öppen källkod inom AI förändrar snabbt mjukvaruekosystemet genom att göra AI-modeller och verktyg tillgängliga för organisationer. Detta leder till en mängd fördelar, inklusive accelererad innovation, förbättrad kvalitet och lägre kostnader.

Enligt OpenLogics rapport från 2023 använder 80 % av organisationerna mer öppen källkod jämfört med 77 % föregående år för att få tillgång till de senaste innovationerna, förbättra utvecklingshastigheten, minska leverantörsbunden och minimera licenskostnaderna.

Dagens landskap för öppen källkod inom AI är fortfarande under utveckling. Teknologijättar som Google (GOOGL ) (Meena, Bard och PaLM), Microsoft (MSFT ) (Turing NLG) och Amazon (AMZN ) Web Services (Amazon Lex) har varit mer försiktiga med att släppa sina AI-innovationer. Men vissa organisationer, som Meta och andra AI-baserade forskningsföretag, är aktivt engagerade i att öppna källkoden för sina AI-modeller.

Forskare och praktiker är också engagerade i att förbättra kapaciteten hos LLaMA för att kunna konkurrera med proprietära modeller. Till exempel kan öppen källkodsmodeller som Giraffe från Abacus AI och Llama-2-7B-32K-Instruct från Together AI hantera 32K långa indatakontextlängder – en funktion som tidigare endast var tillgänglig i proprietära LLM som GPT-4.

Branschinitiativ som MosaicMLs öppen källkodsmodeller MPT 7B och 30B ger forskare möjlighet att utbilda sina generativa AI-modeller från scratch.

Sammantaget har detta kollektiva arbete förändrat AI-landskapet, främjat samarbete och kunskapsdelning som fortsätter att driva banbrytande upptäckter.

Banbrytande framsteg – Potentialen för öppen källkod inom AI

Många praktiker anser att öppen källkod inom AI är en positiv utveckling eftersom den gör AI mer transparent, flexibel, ansvarig, prisvärd och tillgänglig. Men teknologijättar som OpenAI och Google är mycket försiktiga när de släpper sina modeller som öppen källkod på grund av kommersiella, integritets- och säkerhetsproblem.

Men den mest värdefulla delen av att öppna källkoden för AI-modeller är den snabbare innovationen. Flera betydande AI-genombrott har blivit tillgängliga för allmänheten genom öppen källkodsamarbete. Till exempel gjorde Meta en banbrytande insats genom att öppna källkoden för sin LLM-modell LLaMA.

När forskarsamhället fick tillgång till LLaMA accelererade det ytterligare AI-genombrott, vilket ledde till utvecklingen av derivatmodeller som Alpaca och Vicuna. I juli byggde Stability AI två LLM:er med namnet Beluga 1 och Beluga 2 genom att utnyttja LLaMA och LLaMA 2. De visade bättre resultat på många språkuppgifter som resonemang, domänspecifik frågesvar och förståelse av språknyanser jämfört med de mest avancerade modellerna vid den tiden.

Fördelar med öppen källkod inom AI för företag

Öppen källkod inom AI erbjuder många fördelar, vilket gör det till en attraktiv approach inom artificiell intelligens. Genom att omfamna transparens och samarbete har öppen källkod inom AI potentialen att revolutionera sättet vi utvecklar och distribuerar AI-lösningar.

Här är några fördelar med öppen källkod inom AI:

• Snabb utveckling: Öppen källkodsmodeller för AI tillåter utvecklare att bygga på befintliga ramverk och arkitektur, vilket möjliggör snabb utveckling och iteration av nya modeller. Med en solid grund kan utvecklare skapa nya applikationer utan att uppfinna hjulet på nytt.
• Ökad transparens: Transparens är en nyckelfunktion i öppen källkod, vilket ger en tydlig vy över de underliggande algoritmerna och data. Denna synlighet minskar bias och främjar rättvisa, vilket leder till en mer rättvis AI-miljö.
• Ökat samarbete: Öppen källkod inom AI har demokratiserat AI-utveckling, vilket främjar samarbete och skapar en diversifierad grupp av bidragsgivare med varierande expertis.

Navigering av utmaningar – Riskerna med att öppna källkoden för AI

Medan öppen källkod erbjuder många fördelar är det viktigt att vara medveten om de potentiella risker det kan medföra. Här är några av de viktigaste problemen som är förknippade med öppen källkod inom AI:

• Regulatoriska utmaningar: Öppen källkodsmodeller för AI har lett till obehindrad utveckling med inneboende risker som kräver noggrann reglering. Den otroliga tillgängligheten och demokratiseringen av AI väcker oro över dess potentiella missbruk. Enligt en nylig rapport från SiliconAngle använder vissa öppen källkodsprojekt generativ AI och LLM med dålig säkerhet, vilket utsätter organisationer och konsumenter för risk.
• Kvalitetsförsämring: Öppen källkodsmodeller för AI kan lida av kvalitetsförsämring över tiden. Till skillnad från slutna modeller som underhålls av dedikerade team faller underhållsbördan ofta på samhället. Detta kan leda till potentiell försummelse och föråldrade modellversioner, vilket kan hindra kritiska applikationer och äventyra användarförtroende och övergripande AI-framsteg.
• AI-regleringskomplexitet: Öppen källkodsmodeller för AI introducerar en ny nivå av komplexitet för AI-regulatorer. Det finns flera faktorer att beakta, som hur man skyddar känsliga data, hur man förhindrar att modellerna används för skadliga syften och hur man säkerställer att modellerna är väl underhållna. Därför är det ganska utmanande för AI-regulatorer att säkerställa att öppen källkodsmodeller används för gott och inte för skada.

Den utvecklande naturen av debatten om öppen källkod inom AI

”Öppen källkod driver innovation eftersom den möjliggör för många fler utvecklare att bygga med ny teknik. Den förbättrar också säkerheten eftersom programvara som är öppen kan granskas av fler för att identifiera och åtgärda potentiella problem”, sa Mark Zuckerberg när han tillkännagav den stora språkmodellen LLaMA 2 i juli i år.

Å andra sidan håller stora aktörer som Microsoft-backade OpenAI och Google sina AI-system stängda. De siktar på att få en konkurrensfördel och minimera risken för AI-missbruk.

OpenAIs medgrundare och chefsforskare, Ilya Sutskever, sa till The Verge: ”Dessa modeller är mycket kraftfulla och de blir alltmer kraftfulla. Vid någon punkt kommer det att vara ganska lätt, om man vill, att orsaka stor skada med dessa modeller. Och när kapaciteten ökar är det klokt att inte avslöja dem.” Så det finns potentiella risker förknippade med öppen källkodsmodeller för AI som människor inte kan ignorera.

Medan AI som kan orsaka mänsklig förstörelse fortfarande är flera decennier bort har öppen källkodsverktyg för AI redan missbrukats. Till exempel släpptes den första LLaMA-modellen endast för att främja AI-forskning. Men skadliga aktörer använde den för att skapa chatbots som spred hatiskt innehåll som rasistiska skällsord och stereotyper.

Att upprätthålla en balans mellan öppet AI-samarbete och ansvarsfullt styre är avgörande. Det säkerställer att AI-framsteg förblir fördelaktiga för samhället samtidigt som man skyddar mot potentiell skada. Teknologisamhället måste samarbeta för att etablera riktlinjer och mekanismer som främjar etisk AI-utveckling. Mer viktigt är att de måste vidta åtgärder för att förhindra missbruk, vilket möjliggör att AI-tekniker kan vara en kraft för positiv förändring.

Vill du förbättra din AI-kunskap? Navigera genom Unite.ai:s omfattande katalog av insiktsfulla AI-resurser för att förstärka din kunskap.