Meta 這家科技巨頭再次面臨批評，這次是因為其 AI 計劃被某些人稱為「開放原始碼清洗」(open washing)。這場爭議源於 Meta 贊助了一份 Linux Foundation 的白皮書，該白皮書提倡開放原始碼 AI 的優勢。雖然該文件強調了開放模型在節省成本方面的好處，並指出使用專有 AI 工具的公司花費更多，但 Meta 的參與引發了爭論，因為人們認為其 Llama AI 模型被錯誤地描述為真正的開放原始碼。
爭議的核心：Llama 的授權
OpenUK 的負責人 Amanda Brock 成為了這場批評的主要發聲者。她認為，與 Meta 的 Llama 模型相關的授權條款與普遍接受的開放原始碼定義不符。根據 Brock 的說法，這些授權條款對商業用途施加了限制，從而違反了開放原始碼的核心原則。
為了支持她的論點，Brock 指出了 Open Source Initiative (OSI) 制定的標準。這些標準被廣泛認為是開放原始碼軟體的基準，規定開放原始碼應允許無限制的使用。然而，Llama 的授權包含商業限制，與此原則直接矛盾。這種對商業用途的限制是爭論的關鍵點，因為它阻止開發人員在沒有特定許可或潛在法律約束的情況下，自由地利用 Llama 進行廣泛的應用。
Meta 持續將 Llama 模型標榜為開放原始碼，這引發了來自 OSI 和其他利害關係者的反彈。這些團體認為，Meta 的授權實踐破壞了開放存取的本質，而開放存取是開放原始碼運動的基石。透過對商業用途施加限制，Meta 被視為創建了一種混合模型，這種模型不符合真正的開放原始碼標準，但仍然受益於通常與開放原始碼相關的積極聯想和協作精神。
錯誤標籤的潛在後果
雖然承認 Meta 對更廣泛的開放原始碼對話的貢獻，但 Brock 警告說，這種錯誤標籤可能會產生嚴重的後果。當立法者和監管機構越來越多地將開放原始碼參考納入起草 AI 立法時，這一點尤其重要。如果「開放原始碼」一詞被寬鬆地應用或錯誤地表示，則可能導致法律和監管環境中的混亂和意想不到的後果。
例如，如果 AI 立法基於以下假設：所有「開放原始碼」AI 模型都可以自由且不受限制地使用，則可能會在無意中產生漏洞，讓像 Meta 這樣的公司可以透過將其模型標記為開放原始碼，同時仍然保留對其商業應用程式的重大控制權，來規避法規。這最終可能會扼殺創新，並在 AI 產業中創造不公平的競爭環境。
令人擔憂的是，「開放原始碼」一詞可能會被稀釋，並失去其原有的含義，從而使開發人員、企業和決策者更難區分真正的開放模型和僅在特定條件下可存取的模型。這種模糊性可能會破壞對開放原始碼運動至關重要的信任和協作精神，並可能阻礙真正開放和可存取的 AI 技術的發展。
Databricks 與更廣泛的「開放原始碼清洗」趨勢
Meta 並不是唯一一家面臨「開放原始碼清洗」指控的公司。Databricks 及其 2024 年的 DBRX 模型也因未能符合 OSI 標準而受到批評。這表明一種更廣泛的趨勢，即公司試圖利用開放原始碼的正面形象，而沒有完全遵守其原則。
這種趨勢引發了對這種做法背後動機的疑問。公司是否真正致力於開放原始碼，或者它們只是想透過將其產品與開放原始碼標籤聯系起來以獲得競爭優勢？它們是否試圖吸引開發人員和研究人員到其平台，同時仍然保持對核心技術的控制？
無論動機如何，「開放原始碼清洗」的日益普及凸顯了需要加強透明度和更嚴格地執行開放原始碼標準。它還強調了教育開發人員、決策者和公眾了解開放原始碼的真實含義及其錯誤表示的潛在後果的重要性。
AI 的演進態勢：開放 vs. 可存取
隨著 AI 領域持續快速發展，真正開放和僅僅可存取的模型之間的區別仍然是一個日益緊張的問題。雖然可存取的模型可能提供某些好處，例如提高透明度以及檢查和修改程式碼的能力，但它們通常帶有商業用途的限制或其他限制，使其無法被視為真正的開放原始碼。
關鍵差異在於使用者對技術的自由和控制程度。真正的開放原始碼模型賦予使用者出於任何目的使用、研究、修改和分發軟體的自由，而沒有限制。這種自由使開發人員能夠創新、協作並在現有技術的基礎上構建，從而實現更快的進展和更多樣化的生態系統。
另一方面，可存取的模型可能提供其中的一些自由，但通常會施加限制，限制某些用途或要求使用者遵守特定的授權條款。雖然這些模型仍然有價值並且可以促進 AI 的發展，但它們並未體現開放存取和不受限制的使用原則，而這些原則是開放原始碼運動的核心。
關於開放與可存取模型的爭論不僅僅是一個語義問題。它對 AI 開發的未來、產業中權力的分配以及 AI 造福整個社會的潛力產生了重大影響。如果「開放原始碼」一詞被寬鬆地用於描述僅僅可存取的模型，則可能會破壞對開放原始碼運動至關重要的信任和協作精神，並可能阻礙真正開放和可存取的 AI 技術的發展。
明確定義和標準的重要性
圍繞 Meta 的 AI 模型以及更廣泛的「開放原始碼清洗」趨勢的持續爭議突顯了明確定義和開放原始碼標準的重要性。如果沒有這些，則「開放原始碼」一詞可能會變得毫無意義，並且開放存取的好處可能會被削弱。
The Open Source Initiative (OSI) 在維護開放原始碼定義的完整性和認證符合其標準的授權方面發揮著至關重要的作用。然而，OSI 的權威並未得到普遍認可，一些公司可能會選擇忽略其標準或創建自己的開放原始碼定義。
這種缺乏統一度的情況可能會導致混亂，並使開發人員、企業和決策者難以確定特定模型或技術是否真正是開放原始碼。它還為公司提供了透過將其產品標記為開放原始碼，同時仍然保留對其使用和分發的重大控制權來進行「開放原始碼清洗」的機會。
為了解決這個問題，必須提高對 OSI 標準的認識，並鼓勵公司遵守這些標準。可能還需要探索新的機制來執行開放原始碼標準，並追究公司對其錯誤陳述產品的責任。
最終，目標是確保「開放原始碼」一詞保留其原有的含義，並且所有人都可以獲得開放存取的好處。這需要開發人員、企業、決策者和公眾共同努力，以促進明確的定義、執行標準，並追究公司對其聲明的責任。
開放原始碼 AI 的未來
開放原始碼 AI 的未來取決於社群解決「開放原始碼清洗」帶來的挑戰以及推動明確的定義和標準的能力。它還需要公司真正擁抱開放原始碼原則，並為開發真正開放和可存取的 AI 技術做出貢獻。
有幾個有希望的趨勢表明開放原始碼 AI 的未來是積極的。其中之一是人們越來越認識到開放原始碼的好處，包括提高透明度、提高安全性和加快創新。隨著越來越多的組織採用開放原始碼 AI 工具和技術，對明確定義和標準的需求可能會增加。
另一個積極的趨勢是新興的開放原始碼 AI 社群和倡議。這些社群正在努力開發和推廣開放原始碼 AI 模型、工具和資源，並促進開發人員和研究人員之間的協作。
但是，也需要解決一些挑戰。一種是開放原始碼 AI 生態系統中存在碎片化的風險。隨著越來越多的社群和倡議出現，存在重複努力和創建競爭標準的風險。
為了避免這種情況，必須在開放原始碼 AI 社群之間促進協作和互通性。這可能涉及開發用於資料格式、模型架構和評估指標的通用標準，並創建用於共享程式碼、資料和專業知識的平台。
另一個挑戰是需要解決開放原始碼 AI 的倫理影響。隨著 AI 技術變得越來越強大和普遍，重要的是確保以負責任和合乎道德的方式開發和使用它們。
這需要關注公平、透明度、責任制和隱私等問題。它還需要開發用於檢測和減輕 AI 模型中的偏差以及確保以造福社會所有成員的方式使用 AI 技術的工具和方法。
透過應對這些挑戰並建立在積極的趨勢之上，開放原始碼 AI 社群可以創造一個 AI 技術以既創新又合乎道德的方式開發和使用的未來。這需要開發人員、企業、決策者和公眾共同努力，以促進明確的定義、執行標準，並追究公司對其聲明的責任。它還將需要對協作、創新和道德責任的承諾。
對科技產業的更廣泛意義
圍繞 Meta 的 AI 模型以及「開放原始碼清洗」問題的爭論對整個科技產業產生了更廣泛的影響。它突顯了在新技術的開發和部署中透明度、責任制和道德行為的重要性。
在技術快速創新的時代，公司必須對其針對產品和服務提出的聲明負責。這包括確保準確且一致地使用「開放原始碼」等術語，並且不會誤導消費者有關新技術的功能或限制。
它還需要對道德行為的承諾，包括確保以公平、透明和負責的方式開發和使用新技術。這在 AI 領域尤其重要，因為技術有可能對社會產生深遠的影響。
透過促進透明度、責任制和道德行為，科技產業可以建立與消費者的信任，並確保以造福社會所有成員的方式開發和使用新技術。這需要公司、決策者和公眾共同努力，以促進明確的定義、執行標準，並追究公司對其聲明的責任。它還將需要對協作、創新和道德責任的承諾。
關於 Meta 的 AI 模型的爭辯提醒我們，科技產業必須在其追求創新時將倫理考量和透明度放在首位。只有透過這種承諾，該產業才能確保以造福整個社會的方式開發和使用新技術。