开源VS闭源

开源就是开放源代(dai)码，全球开源项目规模已超2亿个，将分歧源代(dai)码开放给(gei)开发者，后者便(bian)可以根据他们(men)的(de)需求和(he)应用领域制(zhi)造出分歧产(chan)品；闭源人工智能则由制(zhi)造者私下控制(zhi)和(he)共(gong)享。

马斯克在诉讼中表示，OpenAI与微软的(de)关系已经损害(hai)了该公司最初致力(li)于公共(gong)、开源的(de)通用人工智能（AGI）的(de)方针，他要求OpenAI恢复开源。

科斯拉是科斯拉风(feng)投公司（Khosla Ventures）的(de)首创人。在马斯克提(ti)起(qi)诉讼后，科斯拉表达(da)了对奥特曼和(he)OpenAI的(de)支持(chi)。他以为，人工智能类似(si)于核(he)兵(bing)器(qi)，开源会(hui)危及(ji)国家(jia)安全。他支持(chi)OpenAI成为营(ying)利性机构(gou)。美国一些议员也赞同科斯拉的(de)观点，人工智能开源可能会(hui)使得外(wai)国敌手得到发展(zhan)，因此应当受到相(xiang)应保护。

安德森霍茨基金（Andreessen Horowitz）联合首创人安德森则发帖称，科斯拉正在“游说禁止开源”。安德森以为，“世界上(shang)最安全的(de)软件是开源软件。大多数人关注，大多数错误被(bei)修复。”马斯克对此评论：“正确(que)。”

两个阵(zhen)营(ying)普遍认同的(de)是，大语言模型(xing)并不是一种完全成熟的(de)技术。ChatGPT和(he)其他人工智能对象可能会(hui)输出幻觉、偏见、攻击性结果。对于一些开源支持(chi)者来说，大模型(xing)中的(de)这类技术差距(ju)意(yi)味着，在因商业利益而闭源、完成AGI之前，它(ta)们(men)必须(xu)在一个由科学家(jia)和(he)学者构(gou)成的(de)社区中公开开发。

“这是我(wo)们(men)第一次大规模安排一项我(wo)们(men)并不真正相(xiang)识的(de)技术。”艾伦人工智能研究院首席执行官阿里·法(fa)哈迪（Ali Farhadi）表示，“我(wo)们(men)不知道如何控制(zhi)这些零碎。”艾伦人工智能研究院是由微软已故联合首创人保罗·艾伦2014年建立的(de)非营(ying)利研究机构(gou)。

法(fa)哈迪和(he)其他开源倡(chang)导者提(ti)到，在2017年谷歌研究职员分享支持(chi)大语言模型(xing)的(de)Transformer模型(xing)之前，科学家(jia)们(men)已经通太过享他们(men)的(de)研究研发了几十年的(de)人工智能。

挑选不开源的(de)背(bei)后原因

以后，业界最大的(de)人工智能始创公司OpenAI和(he)Anthropic都在贩卖闭源人工智能大模型(xing)。Anthropic最近发布了Claude 3大模型(xing)系列，欲与OpenAI的(de)GPT-4合作。

跟着OpenAI逐渐(jian)不open（开放），对其模型(xing)参数和(he)训练细节讳莫如深，以Meta为首的(de)公司高举(ju)开源门(men)路的(de)旌旗。科技巨头Meta支持(chi)开源人工智能，其Llama 2大模型(xing)可供公众下载和(he)修改。总部位于法(fa)国巴黎(li)的(de)Mistral AI发布了具有开源“权重”的(de)模型(xing)，这些“权重”是构(gou)成模型(xing)内(nei)部事情的(de)数值参数，但不开放数据或训练过程。

陈冉说，权重开源很重要，大模型(xing)训练到肯定程度以后会(hui)发生一个二进制(zhi)文件，在模型(xing)推理时可使用。“如果很多开源厂商不告诉你这个二进制(zhi)文件，基础上(shang)跟没开源一样(yang)，相(xiang)当于告诉你有这样(yang)的(de)结果，但没有告诉你秘(mi)方是什么。”

陈冉描述自己是刚强的(de)开源支持(chi)者，他以为大模型(xing)肯定要开源，大模型(xing)的(de)算法(fa)本身就是开源的(de)，不管是GPT-3、GPT-4还是Claude 3，算法(fa)都是一样(yang)的(de)。“有的(de)大模型(xing)结果好，有的(de)欠好，不是因为算法(fa)有很大改进，而是关乎数据结构(gou)、数据质量、数据处(chu)理。即使OpenAI的(de)文生视频大模型(xing)Sora是算法(fa)上(shang)的(de)创新，但这个创新也没有秘(mi)密，就是从前Diffusion（扩散模型(xing)）的(de)CNN（卷积神经收集）算法(fa)加上(shang)Transformer的(de)算法(fa)。”

陈冉也以为马斯克和(he)OpenAI之间的(de)分歧并不在于要不要开源，而是当下OpenAI处(chu)于闭源的(de)情况下，曾经为了OpenAI作出了孝敬(jing)的(de)马斯克却不克不及(ji)和(he)微软一样(yang)获得他想要的(de)东西。在陈冉看来，马斯克是刚强的(de)开源支持(chi)者，奥特曼也是刚强的(de)开源支持(chi)者。开源的(de)最终目的(de)都是为了变现，做出商业模式(shi)和(he)商业价值。“把代(dai)码扔出去、模型(xing)开源出去，不是说开源好还是欠好，而是说能不克不及(ji)挣钱(qian)。”

一位不肯具名的(de)开源从业者对澎湃(pai)科技（www.thepaper.cn）表示，“开源也是需要基础的(de)，那就是技术必须(xu)是原创的(de)，这样(yang)的(de)开源比较有意(yi)义，要是基于别人的(de)东西来做，再开源一下，没有太多意(yi)义。”

“为何国内(nei)有的(de)公司不敢开源？因为没有自己的(de)原创，算法(fa)不是自己原创的(de)，论文也不是自己写的(de)，只是基于国外(wai)某一个开源版本做了一些全参的(de)预训练。拿了投资人的(de)钱(qian)，也拿了政府(fu)的(de)钱(qian)，要是说这是基于别人的(de)东西改了一下，会(hui)很丢面子，所以觉得还不如不开源。”这位从业者表示。

开源大模型(xing)能赶超闭源吗？

陈冉表示，目前闭源大模型(xing)的(de)公司手里有更多的(de)算力(li)、更好的(de)数据，但不代(dai)表开源公司不会(hui)继承投入(ru)，开源大模型(xing)的(de)能力(li)层见叠出，像(xiang)Mistral AI这样(yang)的(de)公司，如果用户越来越多，就会(hui)形成快速(su)的(de)超越。当然，开源模型(xing)距(ju)离闭源模型(xing)还有肯定距(ju)离，但不停(ting)在进步，预计今年年中会(hui)出现很多结果优越的(de)商业模型(xing)。

云知声智能科技股份(fen)无限公司董事长兼(jian)CTO梁家(jia)恩此前对澎湃(pai)科技（www.thepaper.cn）表示，从技术角度来说，技术圈里没有太大的(de)秘(mi)密，全球大语言模型(xing)的(de)范式(shi)绝(jue)对统一。在闭源方面，OpenAI除了算法(fa)框架之外(wai)，在数据上(shang)的(de)事情做得非常(chang)细致扎(zha)实。“在应用数量上(shang)，开源大模型(xing)的(de)影响会(hui)更大，但在做到最高水(shui)平(ping)上(shang)，闭源大模型(xing)会(hui)更好一些。”

信也科技副总裁、大数据及(ji)AI负责人陈磊告诉澎湃(pai)科技（www.thepaper.cn），开源和(he)闭源各有优劣。开源的(de)生态比闭源好，会(hui)带来更多开发者帮助开源社区进步，进一步帮助开源大模型(xing)进步。但大模型(xing)的(de)开源和(he)其他技术的(de)开源最大的(de)分歧是，大模型(xing)的(de)开源对资本要求高。从大模型(xing)训练角度来讲(jiang)，它(ta)的(de)开源适用于无限范围(wei)内(nei)。闭源大模型(xing)更强调商业化和(he)定制(zhi)化能力(li)。所以分歧公司在分歧阶(jie)段对开源和(he)闭源的(de)挑选不一样(yang)。

开源和(he)闭源不停(ting)是共(gong)存的(de)，好比一些公司在开源代(dai)码基础上(shang)建立了私有零碎。监管机构(gou)、大型(xing)科技公司、科学家(jia)目前仍不明确(que)AI技术将发展(zhan)得多快、走得多远，因此要不要开源，答案很难确(que)定。Meta负责天生式(shi)人工智能的(de)副总裁艾哈迈德o达(da)勒（Ahmad Al-Dahle）说，以为任何一方会(hui)得胜是一种“错误的(de)二分法(fa)”，“我(wo)以为两者都有发展(zhan)空间。”

“从根本上(shang)说，开源将发挥非常(chang)重要的(de)感化。”从事专有模型(xing)开发的(de)人工智能始创公司AI21联合首创人兼(jian)联合首席执行官奥里·戈申（Ori Goshen）说，“即使是像(xiang)我(wo)们(men)这样(yang)的(de)专有供应商，基础模型(xing)也会(hui)变成开源的(de)，但其他一切都将成为你最珍贵(gui)的(de)学问(wen)产(chan)权。”

“从前做操作零碎、数据库，是代(dai)码上(shang)的(de)闭源，而不是数据上(shang)的(de)闭源。”陈冉表示，“现在做大模型(xing)，代(dai)码没必要闭源，数据有学问(wen)产(chan)权，数据的(de)最终归(gui)属(shu)权是用户。”