AI失控风险引发Meta举牌抗议,LeCun称开源AI社区蓬勃发展
各位小伙伴们,大家好呀!看看今天我又给各位带来了什么文章?本文标题是《AI失控风险引发Meta举牌抗议,LeCun称开源AI社区蓬勃发展》,很明显是关于科技周边的文章哈哈哈,其中内容主要会涉及到等等,如果能帮到你,觉得很不错的话,欢迎各位多多点评和分享!
在AI领域,人们长期以来对于开源和闭源的选择存在分歧。然而,在大规模模型的时代,开源已经成为一股强大的力量悄然崛起。根据之前谷歌泄露的一份内部文件,整个社区正在快速构建与OpenAI和谷歌大规模模型相似的模型,其中包括围绕Meta的LLaMA等开源模型
毫无疑问,Meta是开源世界的核心所在,一直以来都在不断努力推动开源事业,例如最近发布的Llama 2。然而,众所周知,树大必有枯枝,最近Meta因为开源而陷入了一些麻烦
在 Meta 的旧金山办公室外,一群手举标语的抗议者聚集在一起,抗议 Meta 公开发布 AI 模型的策略,并声称这些发布的模型造成了潜在不安全技术的「不可逆转的扩散」。甚至有抗议者将 Meta 发布的大模型比作「大规模杀伤性武器」。
这些抗议者自称为「concerned citizens」(关心某事的公民),由 Holly Elmore 领导。根据领英信息,她是 AI Pause(中止 AI)运动的独立倡导者。

需要改写的内容是:图片来源:MISHA GUREVICH
如果一个模型被证明不安全,她指出可以关闭API,例如像谷歌和OpenAI那样,只允许用户通过API访问大型模型
与此相反,Meta的LLaMA系列开源模型提供了模型权重给公众,这使得任何拥有适当硬件和专业知识的人都可以自行复制和调整模型。一旦模型权重发布,发布公司将无法再控制AI的使用方式
对于Holly Elmore来说,释放模型权重是一种危险的策略,因为任何人都可以修改这些模型,而且无法撤回这些修改。她认为「模型越强大,这种策略就越危险」
与开源相比,通过 API 访问的大型模型通常具备各种安全特性,例如响应过滤或通过特定训练阻止输出危险或令人厌恶的响应
如果可以释放模型权重,那么重新训练模型以跳过这些"护栏"将变得更容易。这使得利用这些开源模型来制作网络钓鱼软件和进行网络攻击变得更加可能

需要改写的内容是:图片来源:MISHA GUREVICH
因为,她认为部分问题在于「针对模型释放的安全措施不够」,需要有更好的方式来保证模型安全。
目前,Meta尚未对此发表任何评论。然而,Meta首席AI科学家Yann LeCun似乎对“开源AI必须被取缔”这一说法进行了回应,并展示了巴黎开源AI创业社区的繁荣景象

与 Holly Elmore 持不同意见的人也有很多,认为 AI 发展的开放策略是确保实现技术信任的唯一途径。
有网友表示,开源有利有弊,既可以让人们获得更高透明度并增强创新,但也将面临恶意行为者滥用(如代码)的风险。

不出所料,OpenAI 再次遭到了揶揄,「它应该回归开源。」

对开源持有担忧的不在少数
麻省理工学院人工智能安全博士后研究员 Peter S. Park 表示,未来广泛发布先进的 AI 模型将会带来特别的问题,因为基本上是不可能防止滥用 AI 模型
不过,非营利性人工智能研究组织 EleutherAI 的执行董事 Stella Biderman 表示:「到目前为止,几乎没有证据表明开源模型造成了任何具体的损害。目前还不清楚是否仅在 API 背后放置一个模型就可以解决安全问题。」
Biderman 认为:「构建 LLM 的基本要素已在免费的研究论文中公开,世界上任何人都可以阅读论文文献来开发自己的模型。」
她还补充道:「鼓励公司对模型细节保密可能会对领域研究的透明度、公众意识和科学发展产生严重的不良后果,特别是会影响独立研究人员。」
尽管大家已经在讨论开源带来的影响,但 Meta 的方法是否真的足够开放,是否能够发挥开源的优势,还未可知。
开放源代码促进会(OSI)执行董事 Stefano Maffulli 表示:「开源 AI 的概念尚未得到正确定义。不同的组织使用该术语来指代不同的事物 —— 表示不同程度的『公开可用的东西』,这会让人们感到困惑。」
Maffulli 指出,对于开源软件来说,关键问题是源代码是否公开可用并可复现用于任何目的。然而,要复现 AI 模型可能需要共享训练数据、收集数据的方式、训练软件、模型权重、推理代码等等。其中,最重要的是训练数据可能涉及隐私和版权问题
OSI 自去年以来一直致力于为「开源 AI」给出一个确切的定义,很有可能会在未来几周内发布早期草案。但无论如何,他都认为开源对 AI 发展至关重要。「如果 AI 不是开源的,我们就不可能拥有值得信赖、负责任的 AI」,他说道。
未来,关于开源与闭源的分歧会一直延续下去,但开源已经无法阻挡。
理论要掌握,实操不能落!以上关于《AI失控风险引发Meta举牌抗议,LeCun称开源AI社区蓬勃发展》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
更通用、有效,蚂蚁自研优化器WSAM入选KDD Oral
- 上一篇
- 更通用、有效,蚂蚁自研优化器WSAM入选KDD Oral
- 下一篇
- 微软首席执行官表示:科技巨头正在争夺训练AI的内容
-
- 科技周边 · 人工智能 | 3小时前 |
- Transformers chat template 怎么生成 assistant token 掩码
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 |
- Diffusers LoRA 权重融合后怎么恢复基础模型
- 291浏览 收藏
-
- 科技周边 · 人工智能 | 7小时前 |
- Sentence Transformers 向量归一化何时影响相似度
- 372浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 位置偏差 大模型评测 LLM-as-a-Judge 成对评测
- 大模型回答怎么设计成对评测减少位置偏差
- 314浏览 收藏
-
- 科技周边 · 人工智能 | 11小时前 | 人工智能 · OpenAI Realtime API VAD server_vad semantic_vad
- OpenAI Realtime API 怎么配置语音轮次检测
- 293浏览 收藏
-
- 科技周边 · 人工智能 | 14小时前 |
- OpenAI Structured Outputs 怎么约束嵌套 JSON 结构
- 247浏览 收藏
-
- 科技周边 · 人工智能 | 16小时前 | 人工智能 · PyTorch ONNX dynamic_shapes 动态维度
- ONNX 导出动态维度怎么声明输入轴
- 194浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · PyTorch 混合精度 AMP GradScaler 梯度溢出 optimizer.step
- PyTorch GradScaler 何时会跳过参数更新
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 · 深度学习 · PyTorch 随机种子 DataLoader num_workers worker_init_fn
- PyTorch DataLoader 多进程为什么会重复随机数据
- 316浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 大模型 Accelerate device_map 多设备推理
- Accelerate device_map 怎么把大模型分配到多设备
- 150浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Hugging Face Datasets Streaming 怎么处理超大数据集
- 148浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · LoRa PEFT target_modules
- PEFT LoRA 怎么选择 target_modules
- 251浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 338次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 396次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 390次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 355次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 180次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

