你好，歡迎您來(lái)到福建信息主管(CIO)網(wǎng)! 設(shè)為首頁(yè)|加入收藏|會(huì)員中心
OpenAI（OpenAI是一個(gè)人工智能研究實(shí)驗(yàn)室，成立于2015年，其目標(biāo)是推動(dòng)和發(fā)展友好的人工智能，使人類整體受益。OpenAI致力于創(chuàng)建和推廣安全、有效的人工智能技術(shù)，并通過(guò)研究和合作來(lái)確保人工智能的進(jìn)步能夠造福全人類）和Anthropic（Anthropic是一家美國(guó)的人工智能初創(chuàng)公司，專注于開(kāi)發(fā)通用AI系統(tǒng)和語(yǔ)言模型。Anthropic致力于構(gòu)建人們可以依賴的AI系統(tǒng)，并產(chǎn)生關(guān)于AI的機(jī)會(huì)和風(fēng)險(xiǎn)的研究）等商業(yè)生成AI平臺(tái)備受關(guān)注，但開(kāi)源替代方案可以提供成本效益、安全性和靈活性。開(kāi)源模型的性能不斷提升，與商業(yè)模型的差距縮小，企業(yè)對(duì)開(kāi)源模型的接受度越來(lái)越高，但仍面臨一些挑戰(zhàn)。未來(lái)，開(kāi)源和商業(yè)模型將長(zhǎng)期共存。
圖片來(lái)源：GaudiLab / Shutterstock
旅行和費(fèi)用管理公司Emburse（Emburse是一家提供企業(yè)級(jí)旅行和費(fèi)用管理解決方案的軟件公司。他們提供創(chuàng)新的端到端旅行和費(fèi)用管理解決方案，幫助前瞻性的組織規(guī)劃未來(lái)）看到了多個(gè)可以從人工智能中獲益的機(jī)會(huì)。例如，它可以用于改善個(gè)人用戶的體驗(yàn)，更智能地分析收據(jù)，或者通過(guò)發(fā)現(xiàn)欺詐行為來(lái)幫助企業(yè)客戶。
以閱讀收據(jù)并準(zhǔn)確分類費(fèi)用這一簡(jiǎn)單工作為例。由于收據(jù)看起來(lái)可能非常不同，因此很難自動(dòng)完成這項(xiàng)工作。為了解決這個(gè)問(wèn)題，該公司求助于新一代人工智能，并決定同時(shí)使用商業(yè)和開(kāi)源模型。該公司首席技術(shù)官Ken Ringdahl（肯·林達(dá)爾）【Ken Ringdahl（肯·林達(dá)爾）是Emburse的首席技術(shù)官。作為CTO，Ken領(lǐng)導(dǎo)著Emburse的技術(shù)和開(kāi)發(fā)運(yùn)營(yíng)團(tuán)隊(duì)。他擁有超過(guò)25年的工程經(jīng)驗(yàn)，并且在企業(yè)基礎(chǔ)設(shè)施軟件領(lǐng)域有著專業(yè)的專長(zhǎng)】表示，這兩種類型的新一代人工智能都有其優(yōu)勢(shì)。OpenAI的主要商業(yè)模型部署起來(lái)更快、更容易，而且開(kāi)箱即用，準(zhǔn)確度更高，但開(kāi)源替代方案提供了安全性、靈活性、更低的成本，而且經(jīng)過(guò)額外培訓(xùn)后，準(zhǔn)確度甚至更高。
Ringdahl（林達(dá)爾）表示，出于安全考慮，許多商業(yè)提供商會(huì)使用客戶的數(shù)據(jù)來(lái)訓(xùn)練模型。您可以選擇退出，但需要注意一些事項(xiàng)。例如，您可能需要支付更多費(fèi)用以確保數(shù)據(jù)不會(huì)用于訓(xùn)練，并且可能會(huì)向公眾公開(kāi)。
“這是專有商業(yè)模式的缺陷之一，”他說(shuō)，“有很多細(xì)則，而且并不總是公開(kāi)的?！?/span>
然后是地理問(wèn)題。Emburse在120個(gè)不同的國(guó)家/地區(qū)可用，而OpenAI則不行。此外，一些地區(qū)有數(shù)據(jù)駐留和其他限制性要求?！八晕覀冇瞄_(kāi)源來(lái)增強(qiáng)，”他說(shuō)。“它使我們能夠在未覆蓋的地區(qū)提供服務(wù)，并在安全、隱私和合規(guī)方面打勾。”
目前，該公司正在使用法國(guó)制造的Mistral（Mistral是一個(gè)開(kāi)源的自然語(yǔ)言處理模型，由Mistral AI團(tuán)隊(duì)開(kāi)發(fā)。Mistral因其出色的性能和開(kāi)源精神，在開(kāi)源社區(qū)中獲得了廣泛的關(guān)注和認(rèn)可）開(kāi)源模型?！拔覀?cè)u(píng)估了所有主要的開(kāi)源大型語(yǔ)言模型，發(fā)現(xiàn)Mistral在經(jīng)過(guò)訓(xùn)練后最適合我們的用例，”他說(shuō)?！傲硪粋€(gè)考慮因素是LLM的大小，這可能會(huì)影響推理時(shí)間?！?/span>
例如，他說(shuō)，Meta【Meta AI是Meta公司（原Facebook公司）在人工智能領(lǐng)域的一系列技術(shù)、產(chǎn)品和服務(wù)的總稱】的Llama（Llama模型是由Meta AI開(kāi)發(fā)的一系列大型語(yǔ)言模型）非常大，這會(huì)影響推理時(shí)間。
“隨著這一領(lǐng)域的快速發(fā)展，我們的開(kāi)源大語(yǔ)言模型（LLM）選擇肯定會(huì)發(fā)生變化，”他補(bǔ)充道?！拔覀円呀?jīng)開(kāi)發(fā)了我們的軟件，因此可以通過(guò)配置換入或換出大語(yǔ)言模型（LLM）（無(wú)論是開(kāi)源的還是專有的）?！?/span>
另一個(gè)好處是，有了開(kāi)源，Emburse可以進(jìn)行額外的模型訓(xùn)練。該公司擁有收據(jù)樣本，這些樣本已經(jīng)標(biāo)記并分類，采用多種不同的格式和語(yǔ)言。“我們針對(duì)我們自己的特定用例對(duì)其進(jìn)行了微調(diào)，使其效果非常好，因此成功率極高，”他說(shuō)。
這意味著，對(duì)于非英語(yǔ)用例，經(jīng)過(guò)微調(diào)的開(kāi)源模型可能比大型商業(yè)模型更準(zhǔn)確。
開(kāi)源模型還為企業(yè)在升級(jí)時(shí)間方面提供了更大的靈活性。
Ringdahl（林達(dá)爾）說(shuō)：“OpenAI目前的模型是GPT4.0，但他們會(huì)推出第五版，而第四版最終會(huì)消失——這是他們的時(shí)間表，不是我的?！?/span>
這是個(gè)問(wèn)題，因?yàn)殚_(kāi)發(fā)商業(yè)產(chǎn)品需要大量的測(cè)試和優(yōu)化。“有了開(kāi)源，你就可以控制在哪里使用它以及什么時(shí)候會(huì)消失，”他說(shuō)。
最后，還有價(jià)格問(wèn)題。開(kāi)源并非完全免費(fèi)，因?yàn)槿匀淮嬖诨A(chǔ)設(shè)施和管理成本。
“就我們而言，我們?cè)谧约旱乃接性浦型ㄟ^(guò)AWS（AWS是亞馬遜公司提供的一個(gè)廣泛的云計(jì)算服務(wù)平臺(tái)。AWS允許個(gè)人、公司和政府組織從亞馬遜的數(shù)據(jù)中心租用計(jì)算能力，而不是建立自己的服務(wù)器和數(shù)據(jù)中心）運(yùn)行它，”他說(shuō)。“所以我們?nèi)匀恍枰獮槭褂酶顿M(fèi)。如果你不了解使用模式以及這對(duì)你的費(fèi)用的影響，這仍然會(huì)讓你大吃一驚?！?/span>
但總體而言，無(wú)需支付OpenAI的API費(fèi)用肯定可以節(jié)省成本?！斑@可能是使用開(kāi)源模型的兩三個(gè)主要原因之一，”他說(shuō)?！澳憧梢愿玫乜刂瞥杀??！?/span>
其他公司也發(fā)現(xiàn)，盡管存在風(fēng)險(xiǎn)，但開(kāi)源人工智能模型可以提供更多的靈活性、安全性和成本優(yōu)勢(shì)。
1.豐富的選擇
最普遍的定義是，“開(kāi)源”在這里指的是代碼可用，模型可以在各種情況下免費(fèi)修改和使用。有很多這樣的模型可供選擇。
Hugging Face（Hugging Face是一個(gè)開(kāi)源的機(jī)器學(xué)習(xí)平臺(tái)，專注于自然語(yǔ)言處理和人工智能，為開(kāi)發(fā)者和研究人員提供了豐富的預(yù)訓(xùn)練模型、工具和資源，推動(dòng)了AI技術(shù)的發(fā)展和應(yīng)用）目前僅針對(duì)文本生成就跟蹤了超過(guò)150,000個(gè)LLM，而六個(gè)月前這一數(shù)字為80,000。太多了，無(wú)法選擇？Chatbot Arena（Chatbot Arena是一個(gè)開(kāi)放平臺(tái)，用于基于人類偏好評(píng)估大型語(yǔ)言模型和聊天機(jī)器人。它允許用戶在匿名、隨機(jī)的對(duì)戰(zhàn)中比較不同的AI聊天機(jī)器人，并提供一個(gè)排行榜來(lái)展示不同模型的性能）對(duì)160多個(gè)頂級(jí)模型（包括專有和開(kāi)源模型）進(jìn)行了排名，并列出了它們的許可證。
除了模型本身，還有數(shù)千種與新一代人工智能相關(guān)的開(kāi)源工具。GitHub（GitHub是一個(gè)面向開(kāi)發(fā)者的互聯(lián)網(wǎng)托管平臺(tái)，同時(shí)也是一個(gè)版本控制和協(xié)作式軟件研發(fā)的平臺(tái)）列出了100,000多個(gè)名稱中帶有LLM的項(xiàng)目，而5月份只有50,000個(gè)。但大多數(shù)公司都堅(jiān)持與大公司合作。Deloitte【Deloitte（德勤）是一家全球領(lǐng)先的專業(yè)服務(wù)網(wǎng)絡(luò)，提供審計(jì)、稅務(wù)、管理咨詢、風(fēng)險(xiǎn)咨詢和財(cái)務(wù)咨詢服務(wù)。在人工智能領(lǐng)域，德勤展現(xiàn)了其戰(zhàn)略布局和專業(yè)能力】技術(shù)、媒體、娛樂(lè)和電信行業(yè)實(shí)踐人工智能部門負(fù)責(zé)人Baris Sarer（巴里斯·薩雷爾）【Baris Sarer（巴里斯·薩雷爾）Baris Sarer 是Deloitte（德勤）的全球人工智能實(shí)踐負(fù)責(zé)人，專注于技術(shù)、媒體和娛樂(lè)、電信行業(yè)。他被認(rèn)為是該領(lǐng)域的思想領(lǐng)袖，經(jīng)常在行業(yè)論壇、出版物和活動(dòng)中作為作者和演講者貢獻(xiàn)自己的見(jiàn)解】表示，Meta的Llama模型是在行業(yè)部署中出現(xiàn)最多的模型，其次是Mistral。在Chatbot Arena排行榜上，最新的Llama3.1略微落后于最新的OpenAI模型（9月份的GPT-4.0），但領(lǐng)先于8月份發(fā)布的同一模型。
“Meta最初推出的都是一些較小的模型，”Sarer（薩雷爾）說(shuō)?！暗F(xiàn)在他們也有了前沿模型，并與主要參與者展開(kāi)了激烈競(jìng)爭(zhēng)。”市場(chǎng)份額數(shù)據(jù)也支持了這一點(diǎn)。根據(jù)預(yù)測(cè)銷售平臺(tái)Enlyft（Enlyft是一個(gè)基于人工智能的B2B客戶智能平臺(tái)，旨在幫助B2B銷售和市場(chǎng)營(yíng)銷團(tuán)隊(duì)識(shí)別、優(yōu)先考慮和吸引正確的客戶。它提供數(shù)據(jù)增強(qiáng)、預(yù)測(cè)模型和強(qiáng)大的集成功能，以支持B2B企業(yè)發(fā)現(xiàn)新的潛在客戶并提高銷售效率）的數(shù)據(jù)，在GPT-4 41%的市場(chǎng)份額之后，Llama以16%的市場(chǎng)份額位居第二。Mistral也榜上有名，盡管其市場(chǎng)份額不到5%。
Kong對(duì)開(kāi)發(fā)人員的API使用情況進(jìn)行了調(diào)查，結(jié)果發(fā)現(xiàn)了類似的平衡，OpenAI占27%，Llama占8%，Mistral占4%。除了排名靠前的知名前沿模型外，專為小眾用例設(shè)計(jì)的小型語(yǔ)言模型(SLM)也在迅速普及。
Carnegie Mellon University（卡內(nèi)基梅隆大學(xué)）【Carnegie Mellon University（卡內(nèi)基梅隆大學(xué)）是一所位于美國(guó)賓夕法尼亞州匹茲堡的世界著名私立研究型大學(xué)。在全球范圍內(nèi)享有極高的學(xué)術(shù)聲譽(yù)，尤其在計(jì)算機(jī)科學(xué)、工程學(xué)、藝術(shù)、商業(yè)管理、公共政策和科學(xué)等領(lǐng)域】人工智能教授Anand Rao（阿南德·拉奧）【Anand Rao（阿南德·拉奧）是卡內(nèi)基梅隆大學(xué)海因茨學(xué)院的杰出服務(wù)教授，專注于應(yīng)用數(shù)據(jù)科學(xué)和人工智能領(lǐng)域。他在數(shù)據(jù)、分析和人工智能的研究、創(chuàng)新、應(yīng)用以及商業(yè)和社會(huì)采納方面擁有超過(guò)35年的咨詢、行業(yè)和學(xué)術(shù)經(jīng)驗(yàn)】表示：“研究表明，參數(shù)數(shù)量在數(shù)百萬(wàn)到數(shù)十億的小型語(yǔ)言模型在專門任務(wù)中的表現(xiàn)可以勝過(guò)大型通用語(yǔ)言模型。”
他說(shuō)，它們還需要更少的計(jì)算能力，并且可以更有效地進(jìn)行微調(diào)。這使得它們更適合在資源受限的環(huán)境中部署。
2.Llama提供銷售支持和編碼
Deloitte的Sarer（薩雷爾）最近與一家數(shù)據(jù)中心技術(shù)公司合作，該公司正在尋求人工智能來(lái)幫助改造前臺(tái)和后臺(tái)辦公室。
“他們有一系列用例—銷售、營(yíng)銷運(yùn)營(yíng)、現(xiàn)場(chǎng)服務(wù)，”他說(shuō)?！?span style="font-family: 黑體, SimHei; font-size: 18px; outline: 0px; color: rgb(64, 118, 0);">我們選擇Meta的Llama作為首選模型，因?yàn)槠涑杀尽⒖刂?、可維護(hù)性和靈活性。”
例如，對(duì)于銷售拓展，人工智能用于從內(nèi)部和外部來(lái)源獲取見(jiàn)解，以便更好地讓銷售人員向客戶推銷產(chǎn)品和服務(wù)，并提出追加銷售和交叉銷售建議。
“幾個(gè)月前，他們?cè)诿绹?guó)和歐洲地區(qū)推出了這款產(chǎn)品，現(xiàn)在他們根據(jù)反饋進(jìn)行了改進(jìn)，并將更廣泛地推廣，”Sarer（薩雷爾）說(shuō)道?！拔覀儚氖褂盟匿N售人員那里得到了很好的反饋?！?/span>
然而，他說(shuō)現(xiàn)在正式計(jì)算投資回報(bào)率還為時(shí)過(guò)早，這需要長(zhǎng)期收集更多數(shù)據(jù)點(diǎn)。但早期結(jié)果足以擴(kuò)大推廣范圍。
確實(shí)，專有的新一代人工智能（通常是OpenAI）得到了最多的采用。但Sarer（薩雷爾）說(shuō)，在許多情況下，開(kāi)源替代方案也是合理的。
“如果客戶傾向于在本地部署AI，那么開(kāi)源就是唯一的選擇，”他說(shuō)?！岸谀承┬袠I(yè)，本地部署實(shí)際上仍然相當(dāng)普遍?！倍遥cEmburse一樣，許多公司也看到了使用開(kāi)源的地理原因。
“在全球范圍內(nèi)，我們看到人工智能對(duì)國(guó)家安全和主權(quán)的重要性日益增加，因此需要將人工智能（模型）保留在自己的地區(qū)，”他說(shuō)?！疤孤实卣f(shuō)，這使得開(kāi)源成為唯一的選擇?！?/span>
許多其他公司也發(fā)現(xiàn)微調(diào)自己的模型有好處。
“你可以采用預(yù)先訓(xùn)練好的開(kāi)源模型，并用自己的專有數(shù)據(jù)對(duì)其進(jìn)行微調(diào)，”他說(shuō)。他補(bǔ)充說(shuō)，開(kāi)源在部署方面提供了更大的靈活性?！叭绻阆朐谶吘壊渴鹨粋€(gè)較小的模型，那么該領(lǐng)域的大多數(shù)模型都是開(kāi)源的?！?/span>
最后，除了安全性和靈活性之外，成本也是一個(gè)關(guān)鍵因素。有了開(kāi)源，公司仍然需要支付基礎(chǔ)設(shè)施費(fèi)用，但不必支付人工智能供應(yīng)商的利潤(rùn)。“開(kāi)源是有理由的，而且這種理由會(huì)越來(lái)越充分，”Sarer（薩雷爾）說(shuō)。
即使是開(kāi)箱即用的模型，某些開(kāi)源模型在某些任務(wù)上也可能比商業(yè)替代方案更好。Globant（Globant是一家全球性的科技公司，專注于通過(guò)創(chuàng)新技術(shù)解決方案幫助企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型和業(yè)務(wù)重塑。服務(wù)于媒體和娛樂(lè)、專業(yè)服務(wù)、技術(shù)和電信、旅游和酒店、銀行、金融服務(wù)和保險(xiǎn)以及消費(fèi)、零售和制造行業(yè)的中大型公司）數(shù)字創(chuàng)新高級(jí)副總裁兼技術(shù)副總裁Agus Huerta（阿古斯·韋爾塔）【Agus Huerta（阿古斯·韋爾塔）是Globant的高級(jí)副總裁，負(fù)責(zé)數(shù)字創(chuàng)新以及物聯(lián)網(wǎng)和技術(shù)領(lǐng)域的副總裁。他常駐阿根廷，并在IT服務(wù)和IT咨詢行業(yè)工作。AgusHuerta在Globant擔(dān)任多個(gè)重要角色，包括作為技術(shù)領(lǐng)導(dǎo)者，他對(duì)人工智能、數(shù)據(jù)和創(chuàng)新技術(shù)有深刻的見(jiàn)解和豐富的經(jīng)驗(yàn)】表示，他發(fā)現(xiàn)使用Llama 3（Llama 3是Meta公司推出的一系列大型語(yǔ)言模型，包括具有70億和80億參數(shù)的預(yù)訓(xùn)練和指令微調(diào)的語(yǔ)言模型）的代碼生成性能比ChatGPT更好。
“Llama 3已被證明能夠幫助人們理解軟件以及它與其他代碼行之間的關(guān)聯(lián)，”他說(shuō)。“它還可以幫助重構(gòu)。事實(shí)證明，Llama 3在這方面非常出色?！?/span>
他補(bǔ)充說(shuō)，當(dāng)一個(gè)新的開(kāi)發(fā)人員需要快速進(jìn)入一個(gè)項(xiàng)目并開(kāi)始工作時(shí)，它有利于入職培訓(xùn)，而且對(duì)于維護(hù)一個(gè)解決方案也很有幫助?！?/span>
3.開(kāi)源人工智能為何落后于商業(yè)
成本更低、靈活性更高、安全性更高——開(kāi)源有什么不值得愛(ài)的呢？開(kāi)源和專有模型之間的性能差距很大，但去年已經(jīng)是很久以前的事了。Gartner（Gartner，全稱Gartner,Inc.，是一家全球知名的研究和咨詢公司，專注于信息技術(shù)行業(yè)。Gartner提供市場(chǎng)研究、數(shù)據(jù)分析、技術(shù)咨詢和戰(zhàn)略規(guī)劃服務(wù)，幫助客戶做出更明智的業(yè)務(wù)決策）分析師Arun Chandrasekaran（阿倫·錢德拉塞卡蘭）【Arun Chandrasekaran（阿倫·錢德拉塞卡蘭）是Gartner的杰出副總裁和分析師，他在Gartner全球首席信息官實(shí)踐團(tuán)隊(duì)中工作，主要研究領(lǐng)域是人工智能。作為Gartner的副總裁兼高級(jí)分析師，Arun Chandrasekaran在多個(gè)場(chǎng)合和報(bào)告中就生成式人工智能的趨勢(shì)和影響發(fā)表了看法。他強(qiáng)調(diào)了生成式人工智能將成為企業(yè)管理層的“首要任務(wù)”，并預(yù)測(cè)到2026年，超過(guò)80%的企業(yè)將會(huì)采用生成式AI的應(yīng)用程序編程接口或模型，或在其生產(chǎn)環(huán)境中部署生成式AI支持的應(yīng)用】表示：“到2024年，差距將顯著縮小。但盡管差距顯著縮小，我們還沒(méi)有看到很多開(kāi)放模型投入生產(chǎn)。”
他說(shuō)，其中一個(gè)原因是，公司已在閉源模型上投入了大量資金，并且認(rèn)為沒(méi)有迫切需要改變。此外，還有運(yùn)行開(kāi)源模型的運(yùn)營(yíng)復(fù)雜性以及潛在的法律責(zé)任。法律賠償是OpenAI、微軟、Adobe和其他主要供應(yīng)商的Gen AI合同的共同特征。
但開(kāi)源則不然?！澳Ｐ蛣?chuàng)建者通常不承擔(dān)法律責(zé)任，”Chandrasekaran（錢德拉塞卡蘭）說(shuō)。是的，開(kāi)源模型可以更容易地重新訓(xùn)練或定制。但他表示，這個(gè)過(guò)程既復(fù)雜又昂貴?！岸业讓踊A(chǔ)模型正在迅速變化，”他補(bǔ)充道?！叭绻愣ㄖ屏四承〇|西，而基礎(chǔ)模型發(fā)生了變化，你就必須重新定制它。”
最后，還有長(zhǎng)期可持續(xù)性的問(wèn)題?！?span style="font-family: 黑體, SimHei; font-size: 18px; outline: 0px; color: rgb(64, 118, 0);">建立一個(gè)開(kāi)放模型，發(fā)布它，讓數(shù)百萬(wàn)人使用它，這是一回事，而圍繞它建立一個(gè)商業(yè)模式，并將其貨幣化，這是另一回事，”他說(shuō)?！柏泿呕茈y，那么誰(shuí)會(huì)繼續(xù)資助這些模型呢？建立第一個(gè)版本是一回事，但建立第五個(gè)版本又是另一回事?！?/span>
Genpact（Genpact是一家全球性的專業(yè)服務(wù)公司，專注于通過(guò)數(shù)字化轉(zhuǎn)型和智能化運(yùn)營(yíng)幫助企業(yè)實(shí)現(xiàn)業(yè)務(wù)改進(jìn)。提供的服務(wù)包括財(cái)務(wù)和會(huì)計(jì)、采購(gòu)和供應(yīng)鏈管理、客戶服務(wù)、人力資源以及信息技術(shù)等，支持多種語(yǔ)言服務(wù)）全球人工智能主管Sreekanth Menon（斯里坎斯·梅農(nóng)）【Sreekanth Menon（斯里坎斯·梅農(nóng)）是Genpact的全球人工智能/機(jī)器學(xué)習(xí)實(shí)踐的領(lǐng)導(dǎo)者。他負(fù)責(zé)領(lǐng)導(dǎo)Genpact的全球AI/ML項(xiàng)目交付，并帶來(lái)了超過(guò)二十年的創(chuàng)新和行業(yè)專業(yè)知識(shí)。Sreekanth在孵化和推出全球市場(chǎng)上的50多個(gè)高級(jí)分析解決方案方面發(fā)揮了重要作用，并與財(cái)富500強(qiáng)客戶合作，通過(guò)創(chuàng)新的AI驅(qū)動(dòng)解決方案和實(shí)踐推動(dòng)業(yè)務(wù)轉(zhuǎn)型】表示，最終，我們可能會(huì)走向一個(gè)混合的未來(lái)?！氨M管開(kāi)源接管的情緒很普遍，但開(kāi)源和閉源模式都有其一席之地，”他說(shuō)?！捌髽I(yè)最好不要拘泥于任何模式?！?/span>
資金雄厚的公司支持的閉源模型可以突破人工智能的極限。“他們可以提供高度精細(xì)、專業(yè)化的解決方案，這些解決方案受益于對(duì)研發(fā)的大量投資，”他說(shuō)。
4.開(kāi)源定義為何對(duì)企業(yè)如此重要
任何關(guān)于開(kāi)源人工智能的討論中，Meta的Llama都是第一個(gè)被提及的。但從技術(shù)上講，它可能不是開(kāi)源的，而且區(qū)別很重要。10月下旬，開(kāi)放源代碼倡議發(fā)布了開(kāi)源人工智能的第一個(gè)形式定義。
它要求開(kāi)源人工智能不僅要共享源代碼和支持庫(kù)，還要共享模型參數(shù)，以及模型訓(xùn)練數(shù)據(jù)的完整描述、其來(lái)源、范圍、特征和標(biāo)記程序。但更重要的是，用戶必須能夠?qū)㈤_(kāi)源人工智能用于任何目的，而無(wú)需征得許可。
根據(jù)這一定義，Meta的Llama模型是開(kāi)放的，但從技術(shù)上講并非開(kāi)源，因?yàn)榇嬖诰窒扌浴?/strong>例如，某些Llama模型不能用于訓(xùn)練其他模型。如果將其用于每月用戶超過(guò)7億的應(yīng)用或服務(wù)，則需要獲得Meta的特殊許可。
Meta本身將其稱為社區(qū)許可證或定制的商業(yè)許可證。OpenInfra Foundation【OpenInfra Foundation（開(kāi)源基礎(chǔ)設(shè)施基金會(huì)，簡(jiǎn)稱OIF）是一個(gè)非營(yíng)利性組織，致力于推動(dòng)開(kāi)放源代碼的基礎(chǔ)設(shè)施技術(shù)的發(fā)展和普及。基金會(huì)致力于創(chuàng)建能夠高效開(kāi)發(fā)優(yōu)質(zhì)軟件的開(kāi)源社區(qū)，并推動(dòng)開(kāi)源技術(shù)在人工智能、5G及邊緣計(jì)算等領(lǐng)域的應(yīng)用與發(fā)展】首席運(yùn)營(yíng)官M(fèi)ark Collier（馬克·科利爾）【Mark Collier（馬克·科利爾）是OpenInfra Foundation的首席運(yùn)營(yíng)官，同時(shí)也是OpenStack項(xiàng)目的聯(lián)合創(chuàng)始人。作為一名堅(jiān)定的開(kāi)源原則倡導(dǎo)者，Mark在推動(dòng)OpenStack成為云計(jì)算中堅(jiān)力量的過(guò)程中發(fā)揮了重要作用】參與制定了新定義，他表示，企業(yè)用戶了解這些細(xì)微差別非常重要?！皩?duì)我來(lái)說(shuō)，最重要的是，個(gè)人和公司有能力和自由地采用這項(xiàng)基礎(chǔ)技術(shù)并將其重新組合、使用和修改用于不同目的，而無(wú)需征得守門人的許可。”因此，公司需要確信它可以將AI融入產(chǎn)品中，而不是有人回來(lái)告訴我不能這樣使用。
供應(yīng)商有時(shí)會(huì)宣布他們的人工智能是開(kāi)源的，因?yàn)樗兄跔I(yíng)銷和招聘，并讓客戶感覺(jué)他們沒(méi)有被束縛?！八麄冇羞@種光環(huán)效應(yīng)，但他們并沒(méi)有真正做到這一點(diǎn)，”Collier（科利爾）說(shuō)。
在熱潮中，企業(yè)可能會(huì)將供應(yīng)商關(guān)于其人工智能是開(kāi)源的描述視為表面現(xiàn)象。
“Meta是一個(gè)很好的例子，”他說(shuō)?！昂芏嘀髁骺萍紙?bào)道都說(shuō)這是開(kāi)源人工智能，扎克伯格就是這樣描述的，而且這種說(shuō)法被反復(fù)提及。但當(dāng)你深入了解細(xì)節(jié)時(shí)，就會(huì)發(fā)現(xiàn)許可證是有限制的?！?/span>
他補(bǔ)充說(shuō)，隨著各家公司越來(lái)越認(rèn)真地在AI技術(shù)上投入巨額商業(yè)賭注，它們需要謹(jǐn)慎對(duì)待許可證。他補(bǔ)充說(shuō)，使用具有完全開(kāi)源許可證的模型還有其他好處。例如，可以訪問(wèn)模型的權(quán)重，這使得微調(diào)和調(diào)整變得更容易。公司需要注意的另一件事是開(kāi)源許可證，它要求所有衍生作品也必須是開(kāi)源的。
公司通常不愿公開(kāi)定制或微調(diào)的模型，因?yàn)槟Ｐ椭锌赡茈[含了敏感的訓(xùn)練數(shù)據(jù)。雖然逆向工程模型以獲取訓(xùn)練數(shù)據(jù)并非易事，但這種風(fēng)險(xiǎn)是存在的。
人工智能領(lǐng)域發(fā)展迅速，模型開(kāi)發(fā)人員不斷創(chuàng)新，許可證問(wèn)題也日益復(fù)雜。在這種情況下，自定義許可證并不能解決問(wèn)題，反而可能增加法律風(fēng)險(xiǎn)。建議企業(yè)在發(fā)布開(kāi)源模型時(shí)，選擇現(xiàn)有且成熟的開(kāi)源許可證，以明確模型的使用范圍和限制，降低法律風(fēng)險(xiǎn)。
作者：Maria Korolov（瑪麗亞·科羅洛夫）
譯者：穿山甲
【睿觀：總的來(lái)說(shuō)，開(kāi)源模型為企業(yè)提供了更多的選擇和靈活性，但同時(shí)也帶來(lái)了新的挑戰(zhàn)。企業(yè)需要根據(jù)自身情況做出明智的選擇，并不斷關(guān)注技術(shù)的發(fā)展趨勢(shì)。
開(kāi)源模型的優(yōu)勢(shì)：
成本效益高：?無(wú)需支付高昂的API費(fèi)用，降低了使用成本。
靈活性強(qiáng)：?可以根據(jù)企業(yè)自身需求進(jìn)行定制和微調(diào)，適應(yīng)性更強(qiáng)。
安全性高：?避免了數(shù)據(jù)泄露的風(fēng)險(xiǎn)，更符合數(shù)據(jù)隱私要求。
社區(qū)活躍：?有龐大的開(kāi)源社區(qū)支持，可以獲得更多的資源和幫助。
商業(yè)模型的優(yōu)勢(shì)：
性能穩(wěn)定：?商業(yè)模型經(jīng)過(guò)了更長(zhǎng)時(shí)間的優(yōu)化，性能通常更穩(wěn)定可靠。
服務(wù)支持完善：?提供專業(yè)的技術(shù)支持和維護(hù)服務(wù)。
不斷更新：?商業(yè)模型會(huì)持續(xù)更新迭代，保持技術(shù)領(lǐng)先。
企業(yè)選擇時(shí)的考量因素：
成本：?開(kāi)源模型在長(zhǎng)期來(lái)看更具成本優(yōu)勢(shì)，但初期投入也需要考慮。
性能：?開(kāi)源模型經(jīng)過(guò)微調(diào)后，性能可以與商業(yè)模型相媲美。
安全性：?開(kāi)源模型在數(shù)據(jù)隱私方面更有優(yōu)勢(shì)。
靈活性：?開(kāi)源模型可以根據(jù)企業(yè)需求進(jìn)行定制，靈活性更高。
法律合規(guī)：?需要仔細(xì)評(píng)估開(kāi)源許可證，確保符合企業(yè)法律要求。
行業(yè)趨勢(shì)：
開(kāi)源模型的性能不斷提升，與商業(yè)模型的差距縮小。
企業(yè)對(duì)開(kāi)源模型的接受度越來(lái)越高，但仍面臨一些挑戰(zhàn)。
未來(lái)，開(kāi)源和商業(yè)模型將長(zhǎng)期共存，企業(yè)可以根據(jù)自身需求選擇合適的模型。
開(kāi)源模型已經(jīng)成為企業(yè)在生成式AI領(lǐng)域的重要選擇之一。?它們?cè)诔杀?、靈活性、安全性等方面具有顯著優(yōu)勢(shì)。
企業(yè)在選擇模型時(shí)，需要綜合考慮多種因素，沒(méi)有絕對(duì)的最佳選擇。
開(kāi)源模型的生態(tài)系統(tǒng)正在不斷發(fā)展，未來(lái)將有更多的創(chuàng)新和突破。
明確需求：?首先明確企業(yè)的具體需求，包括性能、成本、安全性、可定制性等。
評(píng)估模型性能：?對(duì)不同模型進(jìn)行評(píng)估，選擇最適合自己需求的模型。
考慮法律合規(guī)：?仔細(xì)評(píng)估開(kāi)源許可證，確保符合企業(yè)法律要求。
構(gòu)建混合方案：?可以將開(kāi)源模型和商業(yè)模型結(jié)合起來(lái)，發(fā)揮各自優(yōu)勢(shì)。
關(guān)注模型的長(zhǎng)期維護(hù)：?開(kāi)源模型的維護(hù)需要企業(yè)投入一定的資源。】
