Anni Lai：集结全球开发者智慧的开源模型，将足可以媲美闭源模型

“我们注意到，大公司发起的项目和小社区发起的项目之间是有差距的。这就是我们创建 GOSIM 全球开源创新汇的原因。”

作为 GOSIM 的核心组织者，在 GOSIM 2024 欧洲站大会开场时，Anni Lai 向 GOSIM 2024 欧洲站会场的与会嘉宾们介绍了 GOSIM 的成立背景、宗旨、构成，以及去年上海站会议的盛况。

“目前很多开源项目，来自草根创新社区和大公司发起，都有各自的延伸方式。很多时候，正是那些小型的、创新的开源项目成为了行业的一个巨大趋势。然而这些项目团队通常只是本地交流，多数并没有全球视野。”

“GOSIM 是非盈利性的组织，服务于全球开源开发者社区，是为社区运营的志愿者创建的。去年，我们在上海举办了第一届 GOSIM 大会，我们取得了巨大的成功，参与者超过1500人。”

在大会开场，Anni Lai 感谢了本次欧洲大会 RustNL 的协助支持，并号召更多志愿者参与进 GOSIM 的项目中。同时，她还预告了将于10月25日至26日在北京举行的 GOSIM 2024 APAC，欢迎全球开发者一起相聚北京共话开源创新。

Anni Lai 不仅是GOSIM的核心组织者之一，也是 Futurewei 开源运营的领导者，Generative AI Commons 主席和 LF AI & Data 董事会成员、LF 欧洲咨询委员会成员，长期活跃于 OpenStack 基金会、LF CNCF、LF OCI、LF Edge 和开放元宇宙基金会等各基金会董事会。

随后，在 GOSIM 2024 欧洲站的人工智能与智能体（AI & Agents）论坛，Anni Lai 作为演讲嘉宾，带来了《培养负责任的人工智能：增强开放性和社区协作能力》(Fostering Responsible AI: Empowering Openness and Community Collaboration) 的主题演讲。

开放大势所趋，如何应对开放AI所面临的挑战？

“在科技高速发展的阶段，我们要停下来慎重考虑其安全性和负责任发展的要素，否则就会对人类造成伤害。这也是构建负责任的AI的重要性所在。” Anni Lai 在演讲中表示，“我认为，开放是构建负责任的人工智能的基石（I do think openness is the cornerstone of buiding responsible AI）。”

Anni 在 AI & Agent 论坛发表主题演讲

目前开放 AI 所面临的挑战，包括模型数量快速增长、装扮为“开放”的“洗白”操作、很多许可附带限制（例如各种“可接受使用策略”）、AI 领域对于“开放”没有一致的定义、对许可的影响缺乏理解、很多组件没有发布（例如数据集）、非法转换许可证、开源许可用于非软件、可接受使用策略和用户协议用于模型权重等因素。

Anni 认为，开放有助于构建负责任的 AI，其中包括、透明度、问责制、协作、创新、道德提升、包容性几个要素。

随后，Anni 在演讲中对比了有关“开放”的几个重要概念：开放科学（Open science）、开源（Open source）、开放数据（Open Data）、开放内容（Open Content）、开放获取（Open Access）。

开放科学

开放科学是一场倡导让社会各阶层都能获取科学研究、数据和传播权限的运动。它包括以下实践：

• 开放获取：研究出版物可以在线免费获取，无需付费门槛或订阅费。
• 开放数据：公开共享研究数据，允许其他人访问、重用和重新分发数据。
• 开放源代码：不受限制地与他人共享研究中使用的代码。
• 开放方法：记录和共享研究中使用的方法、工具和软件，以实现透明度和可重复性研究。
• 公开同行评审：透明地进行同行评审过程，公开作者和评审者的身份。
• 开放合作：促进研究人员、机构和学科之间的合作，以加速科学进步。

开放科学的目标是提高研究的透明度、可重复性和可及性，从而带来更高效、更有影响力的科学进步，造福整个社会。

开源

开源是指一种软件开发和分发的模型，其中程序的源代码公开访问，允许任何人查看、修改和分发代码。开源的关键原则包括：

• 透明度：源代码公开共享，使用户能够了解软件的工作原理并验证其功能和安全性。
• 协作：开源项目鼓励开发人员之间的协作，他们可以为代码库提供改进、错误修复和新功能。
• 免费分发：任何人都可以自由使用、修改和分发开源软件，无需支付许可费或限制性协议。
• 社区驱动：开源项目通常由开发人员和用户社区驱动，他们共同维护和改进软件。
• 许可：开源软件通常根据特定许可证发布，例如 GNU 通用公共许可证(GPL) 或 MIT 许可证，这些许可证授予用户使用、修改和分发代码的权利，同时确保保留这些自由。

开源模式已在软件开发中被广泛采用，创建了许多成功的项目，例如 Linux 操作系统、Apache Web 服务器和 Mozilla Firefox 浏览器。开源的原理也被应用到其他领域，例如开源硬件和开源科学研究。这里需要强调的是，模型权重的讨论 AUP 和模型权重上使用的用户协议是“源代码可用模型”，可用性和开放性并非同一概念。

开放数据

开放数据是指任何人都可以不受限制地自由访问、使用、修改和共享的数据。开放数据的主要原则包括：

• 可用性：开放数据是公开可用的，任何人都可以轻松访问（通常通过在线平台或存储库）。
• 机器可读性：开放数据以计算机易于处理的格式提供，例如 CSV、JSON 或 XML，从而实现自动分析以及与其他系统的集成。
• 可重用性：开放数据的许可方式允许其重用和重新分发，包括用于商业目的，而限制很少或没有限制。
• 完整性：开放数据应尽可能完整，提供解释和使用所需的所有相关信息。
• 及时性：开放数据应在创建或收集后尽快提供，以最大限度地提高其价值和相关性。

开放数据倡议通常由政府、公共机构和研究组织推动，以促进透明度、问责制和创新。

对此，Anni Lai 在演讲里强调：“目前开放人工智能面临的最大挑战是缺乏对共享数据集的访问，以及用于处理和训练数据集的方法。”

开放内容

开放内容是指任何人都可以不受限制地免费访问、使用、修改和共享的创意作品。开放内容的主要原则包括：

• 可用性：开放内容是公开可用的，任何人都可以轻松访问（通常通过在线平台或存储库）。
• 可重用性：开放内容的许可方式允许其重用和重新分发（包括用于商业目的），而限制很少或没有限制。
• 可修改性：开放内容可以由其他人修改、改编或构建，从而实现衍生作品和协作改进。
• 完整性：开放内容应尽可能完整，提供解释和使用所需的所有相关信息或组件。
• 透明度：开放内容应附有明确的许可条款，规定使用和共享该内容的权限和条件。

开放内容倡议通常由个人、组织和社区推动，他们重视自由分享知识和创意作品的好处，例如促进教育、创新和文化交流。开放内容的示例包括开放教育资源、开源软件文档以及根据知识共享许可发布的创意作品。

Anni 在演讲中指出：“目前开放内容面临的最大挑战是开放内容很少，大部分都是受版权保护的。然而，开放内容许可证适用于文档。”

开放获取

开放获取 (OA) 是指在网上免费提供研究成果（例如学术文章和书籍）的做法，没有任何付费门槛、订阅费或其他访问限制。开放获取的主要特征包括：

• 免费提供：任何具有互联网连接的人都可以访问、阅读、下载和分发开放获取内容。
• 永久访问：开放获取材料可以无限期地访问，确保长期保存和可用性。
• 立即访问：开放访问内容一经发布即可提供，没有任何禁运期
• 重复使用权：开放获取材料通常在允许重用的许可下发布，例如知识共享许可，使其他人能够在适当的归属下构建和共享作品。

开放获取的目标是消除获取学术研究的障碍，使其更广泛地向研究人员、学生、政策制定者和公众开放。这种增加的可访问性可以促成各个研究领域更大的知名度、影响力和进步。

随后，Anni Lai 抛出了问题：AI 中的开放性应包含什么内容？

• 模型和学习到的参数是否广泛地开放下载？
• 提供其他模型开发组件，例如数据集和训练代码？
• 还是组件所使用的开放协议？

在回答问题之前，Anni Lai 先对完整性和开放性的定义做了详细阐释。

在开放科学中，完整性指的是为研究的所有组成部分提供全面、详细且有据可查的信息，确保每个元素都是彻底的、自包含的且不需要额外的上下文或资源就可以有意义地使用。

在研究组件的语境中，开放性是一种二元属性，指示特定组件是否根据开放许可证获得许可。当且仅当某个组件根据授予用户自由访问、使用、修改和共享该组件的权利的许可证进行分发时，该组件才被视为“开放”。如果某个组件未以此类开放许可证来授权，则该组件将被视为“不开放”。“开放”和“不开放”之间不存在中间状态；一个组件要么满足开放性要么不满足。

那么，什么是 AI 中的开放性？可以简单概括为 FACT：

• 自由(Freedom)：出于任何目的（包括商业用途）查看、使用、修改和分发的能力。
• 可访问性(Accessibility)：任何人都可以免费使用。
• 协作(Collaboration)：鼓励集体投入和贡献。
• 透明度(Transparency)：开发过程、研究和成果均接受公众监督。

而这一切，可以通过开放许可证实现。

在开放 AI 之前的时代，只有软件许可证。而开放 AI 后的时代，所有东西，包括软件、数据和内容都需要发行许可。

常见的开放和专有（限制性）许可证对比：

以上问题的解决方案——模型开放框架（MOF）。

Anni Lai 引入由 LF AI & Data 内的 Generative AI Commons 精心设计的模型开放性框架 (MOF)。MOF 是一个排名分类系统，旨在评估所有机器学习 (ML) 模型，提供结构化方法来促进 GenAI 开发的透明度和问责制。

MOF 包括的组件，对应 AI 模型的产出物如下图所示。

各种组件的产出物类型及对应可以接受的许可证

Anni 表示：“开源模型的生命周期有大概16个组成部分，每个环节都需要一个开源的许可证，只有每个环节都有符合标准的许可证，才算是真正开源的模型。”并非所有 AI 模型的全部组件都能符合开放性要求，“MOF 是把开源模型每一层都打开看，总共分为三个打开层级”。

根据多少组件符合，MOF 分为三个级别：

• MOF 三级称为开放模型：应将模型架构、模型参数和元数据（最终检查点和优化器状态）、技术报告、评估结果、型号卡、数据卡开放。
• MOF 二级为开放工具：除三级开放的所有组件外，还应开放训练代码、推理代码、评估代码、评估数据、支持的函数库及工具。
• MOF 一级为开放科学：除二级开放的所有组件外，还应开放研究论文、研究论文、数据集、数据预处理代码、模型参数和元数据（中间检查点和优化器状态）。

MOF 的实现包括准备分发、确定等级、获取徽章的步骤。

• 准备分发：包括描述项目使用的许可证的许可证文件；包含一个 MOF.JSON 文件来描述 MOF 类、包含的组件和使用的许可证（使用模型开放工具）。
• 确定等级：模型开放性工具 (MOT) 将帮助模型制作者了解他们的模型如何与 MOF 类保持一致。
• 获取徽章：MOT 根据分类颁发徽章，并发布 github README.md 的代码，将模型开放性记录到模型开放性记分板。

这样的开放框架会带来什么好处？演讲通过两个维度进行了分析。

对模型生产者的好处：

• 围绕生产者的模型构建充满活力的生态系统
• 激发创新并改进模型生产者的工作
• 通过反馈改进模型和数据集
• 通过提高透明度和可重复性安抚监管机构
• 提高模型的安全性

在这个维度 MOF 的功效在于，促使模型制作者使用开放许可证发布更多组件。

对模型使用者的好处：

• 明确哪些模型可用于哪些目的
• 研究、教育和创新
• 在开放模型之上构建产品
• 为了自己的目的而增强模型
• 与更广泛的社区合作
• 访问模型开发生命周期的更多组件

在这个维度MOF的功效在于，明确哪些模型实际上是开放的，以及包含哪些内容。

偏见和公平、AI 安全、模型和代码审查、可信度、性能测试、Red-Teaming、 安全和隐私，则不在 MOF 涉及范围内。

那么，如何参与？

• 模型开放工具（即将推出）：https://isitopen.ai/
• 加入 Generative Al Commons 开放社区：https://genaicommons.org/

Anni 在演讲的结尾呼吁道：“加入我们，通过开放协作和透明度的赋能，释放生成式人工智能的全部潜力。我们共同加速构建开放和社区参与的人工智能系统的进程，促进负责任的创新，造福所有人。”

拥抱开源，Follow GOSIM

“目前很多声称开源的大模型，一打开其许可证，发现还有很多限制性条件，并不符合OSI对开源的定义。”Anni Lai 在随后的采访中分享道，“开源项目应该符合四个自由（Freedom），即自由使用（Freedom to Use）、自由检查（Freedom to Inspect）、自由分享（Freedom to Share）、自由修改（Freedom to Modify）。”

Anni Lai 会后接受了 CSDN/Boolan 首席顾问卢威的采访

她担任主席的 Generative AI Commons 项目，成立于2023年12月，归属 Linux 基金会和 LF AI & Data 基金旗下。该项目正是致力于通过中立的治理、开放和透明的协作和教育来促进高效、安全、可靠和道德的生成式 AI 开源创新的民主化、技术进步和行业应用。

Generative AI Commons 拥有超过120名活跃成员、超过60个活跃组织，其中包含5个工作组：

• Model & Data 工作组，聚焦在开源项目下的模型和数据。
• Framework 工作组，为开源和行业优秀实践做参考架构。
• Application 工作组，聚焦于 AI 应用。
• Education & Outreach 工作组，聚焦教育，做相关词典及行业白皮书。
• Responsible AI 工作组，探讨如何实现最负责任的 AI。

Anni 谈到，最近她们正在致力于负责任的AI框架（Responsible AI Framework），希望大家共同参与进来，可通过访问组织网站（generativeai.org）加入其中。MOF 也是其架构成果之一，接下来模型开放工具也即将上线。Anni 透露，通过使用这个模型开放工具，开源模型将获得清晰的开放度评级认证，对构建负责任的人工智能形成助力。

分级与认证有助于模型生产者对自身产品形成清晰的界定，也利于模型使用者的辨别。Anni 表示：“我们正在践行开源的宗旨，做一些架构和最佳行业实践，通过自下而上的做法，以最广泛的开发者力量，促成更多 AI 行业及不同地区的从业者的开放与协作，让更多国际项目享受到开源的红利。”

“目前有关 AI 大模型的相关规则制定，某种程度上还属于粗线条的描述，而MOF提供了一种具体可行、易于操作的界定方式，是十分有意义的。”采访者卢威总结道。

在采访的结尾，Anni 表达了这样的预判：“集结全球开发者经验与智慧的开源模型，具备快速赶超的能力，在不久的将来，一定可以媲美目前主要的闭源模型。”

同时 Anni 作为 GOSIM 台前幕后的组织者和参与者，Anni 在会议期间的街采分享道：

“这是 GOSIM Conference 第二次举办，第一次是在上海。这次在欧洲，给我的感觉就是所有的开发者非常专业，问的问题质量很高，大家互动很踊跃。这次来欧洲也是非常值得。我们 GOSIM 要做的事情第一个是支持草根项目，第二个是支持创新项目，第三个一定是支持国际化的项目，我们希望成为一个桥梁，在开源的项目中让全世界的开发者一起合作。”

Anni 接受大会期间的街采

“下一次 GOSIM Conference 将在北京，同时会联动 1024 程序员节一起做一个 GOSIM 北京站，想做得比去年更好、更热闹、议题更丰富。我在会场问了欧洲的开发者有没有兴趣到北京，有很多人举手，希望在北京见到这些欧洲的开发者。我们的计划是希望每年在欧洲做一次，在亚太地区做一次。下一次北京见，希望大家能够过来！”

“拥抱开源，Follow GOSIM, see you in Beijing！” Anni 在采访中呼吁道。