AI失控风险加剧:开放模型权重引发Meta举牌抗议
编程并不是一个机械性的工作,而是需要有思考,有创新的工作,语法是固定的,但解决问题的思路则是依靠人的思维,这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《AI失控风险加剧:开放模型权重引发Meta举牌抗议》,文章讲解的知识点主要包括,如果你对科技周边方面的知识点感兴趣,就不要错过golang学习网,在这可以对大家的知识积累有所帮助,助力开发能力的提升。
编辑:杜伟、小舟
AI 尤其是大模型时代的开源与闭源,有利有弊,重要的是如何在使用的过程中做好文章。
一直以来,人们在 AI 领域的开源与闭源选择上存在着分歧,而在大模型时代,开源这股强大的力量已经悄然崛起。根据此前谷歌泄露的一份内部文件,围绕 Meta 的 LLaMA 等开源模型,整个社区正在迅速构建与 OpenAI、谷歌大模型能力类似的模型。
毋庸置疑,Meta 是开源世界的绝对核心,持续做出开源努力,如最近发布 Llama 2。然而木秀于林风必摧之,最近 Meta 因为开源陷入了「麻烦」。
在旧金山的Meta办公室外,一群举着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。

需要重写的内容是: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,谷歌和OpenAI等公司只允许用户通过API访问大型模型
相反地,Meta的LLaMA系列开源模型向公众提供了模型权重,使得任何拥有合适硬件和专业知识的人都可以自行复制和调整模型。一旦发布了模型权重,发布公司就无法再控制AI的使用方式
在Holly Elmore的看法中,释放模型权重是一种危险的策略,任何人都可以修改模型,而且这些模型无法被撤销。"模型越强大,这种策略就越危险。"
与开源模型相比,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的训练来阻止输出危险或令人讨厌的响应
如果模型权重被释放出来,那么重新训练模型来跳过这些「护栏」就变得容易多了。这使得利用这些开源模型来制作网络钓鱼软件、实施网络攻击更加成为了可能。

需要重写的内容是:图片来源:MISHA GUREVICH
她认为模型安全的问题部分在于当前采取的安全措施不够,因此需要找到更好的方式来保证模型的安全性
目前,Meta尚未对此发表任何评论。然而,Meta的首席AI科学家Yann LeCun似乎对“开源AI必须被取缔”的说法作出了回应,并展示了巴黎开源AI创业社区的繁荣景象

有很多人持不同意见,认为AI发展的开放策略是确保实现技术信任的唯一途径,与Holly Elmore的观点不同
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。

正如预料的那样,OpenAI再次遭到了嘲笑,有人说「它应该回归开源。」

有很多人对开源持有担忧
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人工智能模型可能会带来很多问题,因为基本上无法完全防止人工智能模型的滥用
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的基本要素已经在免费的研究论文中公开,任何人都可以阅读这些论文来开发自己的模型。”
她进一步指出:“如果公司鼓励对模型细节保密,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,尤其是对独立研究人员会有影响。”
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)的执行董事Stefano Maffulli表示:“开源人工智能的概念尚未得到明确定义。不同的组织使用这个术语来指代不同的事物,表示不同程度的‘公开可用的东西’,这可能会让人们感到困惑。”

Maffulli 指出,对于开源软件来说,关键问题在于源代码是否公开可用并可用于任何目的。然而,要复现 AI 模型可能需要共享训练数据、数据收集方式、训练软件、模型权重、推理代码等等。其中,最重要的问题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。
今天带大家了解了的相关知识,希望对你有所帮助;关于科技周边的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~
人工智能:电信行业转型的加速器
- 上一篇
- 人工智能:电信行业转型的加速器
- 下一篇
- 超燃亚运盛事|通过VR全景+自由视角观赛,让你身临其境,畅享精彩赛场
-
- 科技周边 · 人工智能 | 3小时前 | 缓存 · 人工智能 · 提示词工程 · 提示词缓存 cache_control Prompt Caching 静态前缀 cache_read_input_tokens
- 提示词缓存命中率低应如何划分静态前缀
- 453浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 |
- 模型路由怎样按任务难度分配不同推理预算
- 232浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- 结构化输出遇到递归字段时怎样约束模式
- 215浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 | 人工智能 · 工具调用 ·
- 智能体工具调用失败后怎样设计可控重试
- 236浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- 多模态模型输入图片过大时如何控制视觉令牌
- 196浏览 收藏
-
- 科技周边 · 人工智能 | 14小时前 |
- 推理服务连续批处理怎样减少 GPU 空转
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · LoRa PEFT merge_and_unload 量化推理 模型合并
- LoRA 合并权重后输出变化过大应检查什么
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 22小时前 |
- RAG 分块重叠过大为什么会降低检索多样性
- 409浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 ·
- 合成数据能否替代真实样本:覆盖率与偏差检查方法
- 128浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- 提示词版本怎么管理:样例、变量与回归集一起提交
- 111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。
- 395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。
- 474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。
- 479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。
- 423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。
- 250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

