详细内容或原文请订阅后点击阅览
人工智能中的开放（源）问题
在情景喜剧《硅谷》中，围绕人工智能的争论已经达到了白热化的程度，似乎没有什么比开源人工智能的未来更能分裂人们了。根据你在硅谷的哪个地方工作，开源要么是徒劳无功的，要么是上帝最伟大的事业
来源:斯坦福评论在硅谷这部情景喜剧中，围绕人工智能的争论已经达到了白热化，似乎没有什么比开源人工智能的未来更能分裂人们了。根据你在硅谷的哪个地方工作，开源要么是徒劳无功的努力，要么是上帝赐予人类的最大礼物。真相可能介于两者之间。
关于开源无用性的论点基于扩展假设，即更好的人工智能模型将更大，需要更多的数据、计算，最终是成本。作为参考，前沿模型中使用的计算量每年增加约 4 倍，GPT-4 的训练成本超过 1 亿美元。主要人工智能实验室的首席执行官预测，训练成本将达到 10 亿美元甚至 100 亿美元。只有少数闭源模型提供商（谷歌、微软等）能够承担这些不断增加的成本。此外，许多闭源提供商可以更有效地训练模型，因为他们具有差异化的谈判能力、计算能力和可扩展的云基础设施。虽然成本正在迅速下降，但如果越来越少的组织能够通过开源有效地将前沿技术商品化，那么成本下降的速度应该会减慢。
扩展 扩展 预测 预测还有可能只有闭源才能建立在前沿训练所需的数据合作伙伴关系——创建高质量人工智能所需的数据不能简单地（或合法地！）从网络上抓取，必须从第三方购买（例如 Reddit 数据）。目前尚不清楚开源联盟是否能够协调一致来参与竞争。
Reddit Reddit最终，尖端基础模型很有可能最终被封闭，并完全掌握在少数资源丰富的企业手中。很大一部分价值，甚至更多的捕获，将来自闭源前沿模型，这些模型不断蚕食价值链。
必须 评论 评论 约 95% 约 95% 依赖 禁止