探索人工智能的开放性：来自哥伦比亚大学会议的见解

过去一年，关于人工智能中开源基础模型的益处和风险，出现了一场激烈的辩论。这场讨论通常以高层次的概括性或狭隘地关注特定的技术属性为特征。 关键挑战之一——也是 OSI 社区正在正面解决的挑战——是在基础模型的背景下定义开源。

提出了一个新的框架，以帮助为关于人工智能系统（包括基础模型）开放性的实际和细致的决策提供信息。 最近首次在本周发布的哥伦比亚大学人工智能开放性会议的记录，是对这一过程的受欢迎的补充。

哥伦比亚大学会议汇集了专家和利益相关者，讨论了人工智能开放性的复杂性和细微之处。 目标不是定义开源人工智能，而是阐明该问题的多方面性质。 会议记录反映了二月份的对话，并基于与工作组合作编写的背景文件。

这些会议记录的重要贡献之一是理解人工智能堆栈中开放性的框架。 该框架总结了先前关于该主题的工作，分析了追求开放性的各种原因，并概述了开放性在人工智能堆栈的不同部分（模型和系统层面）如何变化。 这种方法提供了一个通用的描述性框架，以加深对人工智能开放性更细致和严谨的理解。 它还旨在促进围绕人工智能开放性和安全性的定义进行进一步的工作。

会议记录强调了将安全保障、许可证和文档视为属性而非人工智能堆栈组成部分的重要性。 从模型堆栈到系统堆栈的这种演变突显了人工智能领域的动态性质以及对适应性框架的需求。

这些会议记录计划在即将到来的韩国人工智能安全峰会之前发布。 这次及时的发布将有助于在 2025 年法国峰会上就开放性进行进一步讨论之前保持势头。

我们很高兴看到志同道合的人们合作讨论和解决与人工智能开放性相关的各种问题。