近年来，随着人工智能（AI）技术的迅速发展，“开放” 人工智能的概念备受关注。然而，一项最新的研究表明，关于 “开放” 人工智能的宣传实际上可能误导公众和政策制定者，形成对行业集中化的错误认知。该研究由康奈尔大学的博士后研究员大卫・威德尔(David Widder)撰写，并发表于《自然》杂志。
图源备注:图片由AI生成，图片授权服务商Midjourney
研究指出，许多关于 “开放” 人工智能的说法缺乏准确性，往往只关注 AI 系统开发到部署生命周期的某一阶段，而忽视了在大规模 AI 开发和部署中，行业集中度所带来的重大影响。研究将 “开放” 人工智能与自由和开源软件进行了比较，探讨了 IBM 与 Linux、谷歌与 Android、亚马逊与 MongoDB 以及 Meta 与 PyTorch 的关系。
研究指出，虽然开源软件在某种程度上促进了软件开发的民主化，确保了代码的完整性与安全性，但 “开放” 人工智能却并不具备相同的特性。强大的技术公司正在利用 “开放” AI 的说法来塑造政策，声称它要么促进创新与民主，要么对安全造成威胁。因此，在政策制定时，清晰的定义至关重要。
此外，研究分析了 AI 的本质及 “开放性” 的含义，探讨了模型、数据、劳动力、框架和计算能力等方面。虽然 “开放” AI 系统可以提供透明性、可重用性和可扩展性，但 Meta 的 LLaMA-3模型却被指出缺乏真正的开放性，因为它仅提供 API 或受限制的模型下载，这种情况被称为 “开放洗白”。
在对比中，EleutherAI 的 Pythia 被认为是最开放的 AI 模型，提供了源代码、训练数据和完整的文档，并以与开放源代码倡议一致的条款进行许可。然而，尽管 AI 领域的开放性有所进展，但技术巨头的市场优势依然显著，因为构建大型模型所需的数据、开发时间和计算能力仍然是市场准入的巨大障碍。
研究结论强调，单靠 “开放” AI 无法实现更具多样性、问责制或民主化的行业环境。大公司在追求 AI 优势时，常常利用 “开放” AI 来巩固市场地位，从而掩盖其垄断行为。因此，为了实现更公平的市场环境，还需要采取反垄断执法和数据隐私保护等其他措施。研究者最终指出，单纯寄希望于 “开放” AI 并不足以改变现状，反而可能会在企业集中化的背景下使问题更加复杂。
划重点:
🧩 研究显示，关于 “开放” AI 的宣传常常模糊定义，误导公众对行业集中化的认知。
🔍 “开放” AI 与开源软件的运作机制不同，许多大型技术公司利用这一概念维护自身利益。
⚖️ 实现 AI 行业的多样性和公平竞争需要更多措施，如反垄断执法和数据隐私保护。
