2023年2月，Meta發布Llama語言模型，這是第一個主要的免費「開源」大型語言模型（根據傳統定義，Llama和Llama 2並未完全開放），開源AI開始風靡一時，並掀起一股AI是否開源的爭論風潮。
去（2023）年2月，Meta發布Llama語言模型，這是第一個主要的免費「開源」大型語言模型（LLM）（根據傳統定義，Llama和Llama 2並未完全開放）。
開源AI開始風靡一時，並掀起一股AI是否開源的爭論風潮，原因在於，大型語言模型需要龐大的運算預算（OpenAI使用10,000個NVIDIA GPU來訓練ChatGPT）以及高深機器學習專業知識，因此很少有企業能夠從頭開始訓練它們。 然而，擁有資源和專業知識的業者傾向不再向公眾開放他們的模型，而是依賴API串連。這就是開源人工智慧發揮之處：讓大型語言模型民主化。
例如Databricks發布類似ChatGPT的Dolly，其靈感來自於史丹佛大學3月中旬發布的另一款開源LLM Alpaca。 除此之外， Alpaca則使用2月底發布的Meta Llama模型，即便參數少了10倍，Llama仍因其比GPT-3模型優越的性能而受到歡迎。
人工智慧開源引發成本與使用權的辯論
當GPT-4於3月14日發布時，一份98頁的技術報告批評該模型並無包含有關模型「架構（包括模型大小）、硬體、訓練電腦」的詳細資訊，以及在資料庫建置、訓練方法或類似方法，幾乎讓使用者陷入黑盒子中。
即便OpenAI於2015年作為一家開源公司，但它當前的重點已經明顯轉移到閉源，OpenAI聯合創始人Ilya Sutskever近期認為，公開地分享研究成果是「錯誤的」，OpenAI不分享更多有關GPT-4資訊的原因是擔心競爭和擔心安全問題，避免被競爭對手超越是最大考量。
同時，針對這類大型語言模型的開源也引起不小隱憂，布魯金斯學會指出，開源人工智慧的可怕之處之一是它非常容易使用，幾乎任何有程式設計背景的人都能夠立即上手，但很多時候他們可能陷入黑盒子的陷阱中，並在無形中做出有害的行為。
Meta則反其道而行：大量開源
相反地，Meta則是一家特別「開放」的大型科技公司，這要歸功於FAIR（Meta的首席人工智慧科學家Yann LeCun於2013年創立的基礎人工智慧研究團隊），近期也出現受Llama啟發的開源模型：包括Vicuna，這是Llama的微調版本，可比擬GPT-4性能；Koala，來自柏克萊人工智慧研究所的模型；ColossalChat，一個ChatGPT類型的模型，是加州大學柏克萊分校Colossal-AI計畫的一部分，其中一些開源模型甚至經過優化，可以在最低功耗的設備上運行，從MacBook Pro到Raspberry Pi和舊iPhone。
但需要注意的是，這些開源模型尚未用於商業，因為Llama模型尚未發布用於商業用途，且OpenAI GPT-3.5使用條款禁止使用該模型來開發AI模型與OpenAI競爭。
事實上，根據Meta指出，自模型發布以來，開源AI社群已在Hugging Face平台上微調並發布了7,000多個Llama衍生品，還有許多其他開源模型，包括Mistral、Hugging Face和Falcon，但Llama是第一個擁有像Meta這樣的大型科技公司的數據和資源支援的模型。
相較之下，ChatGPT或許能視為2023年最賣座電影《芭比娃娃》，但Llama及其開源人工智慧群體更像是漫威宇宙，擁有無盡的衍生品和分支，這些衍生品和分支擁有累積的力量，可以對人工智慧領域產生巨大的長期影響。
公司的首席AI科學家Yann LeCun則推動Llama 2連同模型權重一起發布商業許可，他在9月的AI Native會議上指出，人工智慧開源是不可避免的趨勢，因為大型語言模型將成為每個人都會使用的基礎設施，它必須是開放的。與其他大型科技公司相比，Meta長期以來一直是開放研究的擁護者，尤其是透過PyTorch框架建立開源生態系統。Meta將慶祝FAIR（基礎人工智慧研究）成立10週年，該機構的目的在於透過開放研究推進人工智慧的發展水平，2013年12月9日，Facebook宣布紐約大學教授Yann LeCun領導FAIR，而當前它的確正在推動人工智慧的民主化。
資安問題可能會是開源的硬傷
但開源有個問題是資安，眾所周知，軟體依賴程式碼，其中大部分程式碼來自開源程式庫。根據Octoverse 2022的報告，97%的應用程式都使用開源程式碼。不僅開發人員擁抱開源，90%公司也擁抱開源。但是，如果任何一段開源程式碼有漏洞，都可能導致整個軟體供應鏈陷入資安危機。
根據Lineaje的調查發現，70%的軟體都是開源的，該報告研究Apache軟體基金會，稱其為開源的「黃金標準」。開源模式固然吸引許多開發者，但並不總是保證良好的安全，在這種情況下，開發人員可能會降低程式碼的質量，並增加知名度帶來的巨大風險。
‧由於漏洞、安全性問題、程式碼平等或可維護性問題，82%的開源軟體元件存在固有風險。
‧雖然大約68%的開源軟體元件是可證明的，但這意味著近三分之一的元件不可證明。
‧90%的Apache軟體出狀況後是「不可修補的」。
同時，Synopsys的一項研究也表明，開源軟體中的漏洞正在增加。在分析了1,703個程式碼庫後，研究發現76%是開源的，其中84%的程式碼包含開源漏洞，該數字較2022年增加了4%。
事實上，開源是脆弱的——比大多數人意識到的更加脆弱，因此這部分資安問題就成為反對者的攻擊焦點。
即便如此，開源依舊是較為可能的模式
因此，Meta這種免費開源方式就引起不同論戰：人工智慧模型是否應該免費提供，以便任何人都可以不受限制地修改、個人化和分發它們？或者它們應該受版權保護並需要購買許可？使用這些開源大型語言模型（相較於使用封閉的、成本高昂的大型語言模型）會產生哪些道德和安全影響？
1990年代末與2000年代初的開源軟體運動產生標誌性的創新，例如Mozilla的Firefox網路瀏覽器、Apache伺服器軟體和Linux作業系統，後者是為全球大多數智慧型手機提供支援的Android作業系統的基礎。
但在以學術界和研究為主的人工智慧領域，開源尤其具有影響力。Hugging Face執行長Clement Delangue曾指出，「過去五年人工智慧領域的大部分進步都來自開放科學和開源。」
長遠來看，專有模型和開源模型都會有一席之地，但不可否認的是，如果沒有開源社區，生成式人工智慧領域將是一個不夠先進、非常利基的市場，而不是一種具有潛力的技術，對工作和生活的許多方面產生巨大影響，開源社群已經並將成為許多重大長期影響的來源，並對生成式人工智慧的普及化相當重要。
＜本文作者：Howie Su現為產業分析師＞