报告行业投资评级 无相关内容 报告的核心观点 开源可以促进人工智能的民主化 [4][5][6] - 开源模型允许用户检查数据、权重和设计,发现偏差并根据自身需求进行调整,包括文化和语言适用性。开源开发者也在创建和分享工具,支持生态系统中的参与者构建负责任的人工智能。[4][5] - 但开源人工智能模型也可能被不法分子用于生产有害内容和从事网络犯罪。此外,尽管得益于小型语言模型的出现,进入壁垒正在下降,但财务、技术和资源约束仍可能阻碍中小企业以及学术界和公共部门充分利用开源模型。[6] 开源促进科学研究和商业生产力 [7][27][29][31][34][35][36][37][41][42][44][45][46] - 通过促进协作,开放获取模型推动了科学研究,特别是在医学和生物学领域。在公司层面,企业正在快速整合满足自身需求的人工智能工具,得益于通用框架和提供集成支持的供应商群。在国家层面,生产力提升可以帮助国家找到新的经济竞争力和增长来源,并支持发展创新生态系统来解决当地相关问题,特别是在发展中国家。[7][27][29][31][34][35][36][37] - 但很难量化开源人工智能的经济影响。公司通常在任何给定项目中使用多个模型,而开源本质上很难跟踪使用情况。此外,还可能存在经济下行风险,如选择次优的开源模型或微调技术,可能损害其业绩或声誉,以及数据获取成本上升、人工智能被滥用或意外违规造成的损害等。[41][42][44][45][46] 开源提高了模型的可靠性和安全性,并支持数据经济的透明度 [39][40][11][12][13][14] - 开源模型受到持续的同行评审,提高了可靠性和安全性,并可支持整个数据经济的透明度。开源可以通过让用户检查和测试系统,以及通过本地化和内部利用实现更安全的数据处理,来提高对人工智能的信任。[39][40][11][12][13][14] - 但为了实现开源人工智能的承诺,即提供更值得信赖和透明的模型,所有参与者都需要采用最佳的数据采集和管理实践。数据治理挑战并非开源独有,但随着更多实体能够开发人工智能系统,包括较小的组织,可能会出现更多的不良做法和错误。[39][40] 根据目录分别进行总结 1. 获取 - 开源可以帮助识别和缓解人工智能模型中的偏差、有害内容和伤害,并支持语言多样性。[12][13][14][15][16] - 但开源模型也可能被不法分子用于犯罪和有害行为,需要制定更强有力的使用条件和执法措施。[20][21][22][23] - 尽管开源降低了进入壁垒,但微调和部署开源模型仍需要大量的技术和资源投入,这可能限制中小企业和非营利组织的参与。[24] 2. 创新和经济增长 - 开源促进了科学研究的进步,特别是在医疗和生物学领域,并提高了企业的生产力。[27][29][31][34][35][36][37] - 开源还支持了本地创新,帮助发展中国家解决当地相关问题。[35] - 但很难量化开源人工智能的经济影响,公司可能会因选择次优模型或微调技术而面临风险。[41][42][44][45][46] 3. 透明度和信任 - 开源模型的内部结构公开透明,有助于提高可靠性和安全性,并支持整个数据经济的透明度。[39][40][11][12][13][14] - 但实现开源人工智能的承诺需要参与者采用最佳的数据管理实践,否则可能会出现更多的不良做法和错误。[39][40] - 行业需要建立明确的定义和标准,以确保开源人工智能的概念得到广泛理解和适当使用。[78][79][80]