开放式 AI 的全球合作战略方向
开放式 AI 正在迅速发展,其性能已赶上闭源 AI,并提供了更低的成本、更好的隐私、更多的控制以及更灵活的定制选项。然而,开放式 AI 生态系统也面临着一些挑战,例如对“开放式 AI”缺乏共识、地缘政治和监管风险、经济可持续性、企业采用开放式模型以及伦理和责任 AI 等问题。
为了应对这些挑战并促进开放式 AI 的全球合作,研报提出了以下关键建议:
促进开放式 AI 的全球合作
- 建立对“开放式 AI”的定义共识。
- 推广开放的开发和许可实践,以维护开放式 AI 的四大自由(使用、学习、修改和重新分发)。
- 推广使用允许商业使用和修改开放式模型的宽松许可证。
- 在开放式 AI 社区中倡导开放科学价值观和实践。
- 教育政策制定者了解开源对于研究和修改 AI 模型和系统的价值。
- 促进关于全球 AI 监管协调的国际对话,以防止监管碎片化。
- 探索能够扩展和维持开放式 AI 企业发展的资金机制和商业模式。
开放式 AI 对数字主权和自主性的承诺
- 制定拥抱开放态度的 AI 产业战略,投资并利用开源来在全球 AI 中合作和竞争。
- 探索共同投资 AI 能力和数字基础设施的方式。
- 资助开发和维护真正开源的 AI 模型,这些模型由开放数据、公共计算和开放的开发和治理流程支持。
- 优先考虑开发小型模型,以便开发人员可以更容易地将其定制为专门的下游用例和应用。
- 为公共利益领域开发开放数据,包括为低资源或中等资源语言提供的培训和评估数据集。
在开放式 AI 中促进负责任的开发实践
- 推广开放性和透明度,将其作为一种增强安全性的手段。
- 为开源 AI 研究人员和开发人员创建免费的教育资源和认证计划,以促进负责任的 AI 实践和监管合规性。
- 开发开源评估框架和基准套件,以降低安全 AI 开发和监管合规性的障碍。
- 以身作则 #1:通过记录负责任的实践,开源开发人员可以为其他人提供模板,供他们遵循、学习和借鉴。
- 以身作则 #2:通过发布道德发展的数据集和模型,开源开发人员使其他人能够采用和推进负责任的 AI 实践。
通过开放式 AI 促进研究和可复制性
- 制定基于 TRUE 原则(透明、可复制、可理解、可执行)的开放标准,以促进透明和可复制的 AI 研究和开发。
- 设计公共研究拨款,以激励或(如果可能的话)要求开放科学实践,包括公开发布模型、代码、数据和文档。
- 探索资助国家或国际公共研究基础设施的方式,这些基础设施对研究人员来说是可访问的,包括为公共利益领域提供的补贴或信用。
- 通过教育材料和认证计划,在科学研究界培养 AI 素养,以了解如何使用和微调开放模型用于科学应用。
企业采用开放式 AI 解决方案的障碍和促进因素
- 建立开放标准,以促进 AI 模型透明度,包括对训练数据、开发过程和评估的文档要求,使企业能够进行尽职调查并做出明智的采用决策。
- 推广使用允许商业使用和修改开放式模型的宽松许可证。
- 开发开源评估框架和行业特定的基准套件,以测试和监控开放式模型在特定能力或合规要求方面的性能,跨越受监管的部门和行业。
- 利用中立基金会促进跨 AI 堆栈开发开源工具和开放标准的合作。
- 优先考虑开发可互操作的、开源的工具,这些工具可以使草根工程人员受益,鼓励实验,并防止锁定到封闭的 AI 系统。
开放式 AI 为全球合作提供了巨大的机遇,通过共同努力,可以建立一个更加开放、透明和负责任的 AI 生态系统。