原贴链接

我很高兴看到2024年开源模型惊人地赶上了闭源模型。我也很高兴看到最近的小模型比几个月前的大模型实现了更多功能。再次，很棒的成果。然而，我认为拥有更多计算能力的实体在解决难题方面仍然更有机会，这反过来又会给他们带来更多的计算能力。他们利用算法创新（主要由公众资助）却不分享他们的发现。甚至训练数据也大多是由公众提供的。他们得到了所有好处却不做任何回报。闭源的人工智能（ClosedAI）甚至玩政治手段来限制其他人追赶。我们创造‘GPU富有’和‘GPU匮乏’这两个词是有充分理由的。不管是大模型还是更多的推理时间计算，他们都占上风。我看不出如果我们没有他们那样的组织水平，我们如何能在这方面取胜。我们有一些公司公布了一些模型权重，但他们是为了自己的利益这么做的，而且随时可能停止。我所知道的唯一认真且由社区驱动的尝试是OpenAssistant，它真的给了我希望，让我觉得我们可以赢，或者至少不会输得很惨。不幸的是，OpenAssistant停止开发了，之后也没有出现其他有吸引力的项目。我们是不是陷入困境了呢？

讨论总结

原帖担心在人工智能领域，闭源企业凭借计算能力等资源优势，利用公共资源与算法创新却不分享成果，使得公众在人工智能发展中处于劣势。评论者们从不同角度展开讨论，有认为开源社区具有独特优势且未来可期的乐观观点，也有对大公司主导局面表示无奈的悲观态度，还有很多提出了各种应对当前状况的解决办法。

主要观点

  1. 👍 开源社区兴趣在解决有趣问题，企业兴趣在赚钱
    • 支持理由：开源社区不受盈利限制，行为范围更广，能追求有趣的问题；企业为了盈利会限制自身行为范围。
    • 反对声音：有观点认为企业的行为动机不完全是为了赚钱，如投入大量资金到Metaverse并非只为盈利。
  2. 🔥 高性能LLMs正在成为普通商品
    • 正方观点：随着发展，LLMs的高性能会逐渐普及，目前闭源企业因电力成本处于亏损状态，开源模型已能满足很多需求。
    • 反方观点：没有明确反对声音，但有对闭源企业操作的质疑，如不回报开源社区却能获取创新成果。
  3. 💡 AI可能成为类似水电互联网的公共设施
    • 解释：随着时间推移，AI可能会像其他公共设施一样普及，Nvidia收购run.ai并开源或许会产生影响。

金句与有趣评论

  1. “😂 开源社区有一个关键优势，我们对解决有趣的问题感兴趣，而企业只对赚钱感兴趣。”
    • 亮点：直接点明开源社区和企业在兴趣方面的差异，这是二者在人工智能发展中不同行为的关键因素。
  2. “🤔 Recoil42：Not even close to it; performant LLMs are quickly becoming commodity goods.”
    • 亮点：对原帖中闭源企业优势的一种反驳，提出了LLMs发展的另一种趋势。
  3. “👀 我认为AI研究中缺少的重要一点是将推理与数据分离。”
    • 亮点：从AI研究的专业角度提出了一个新颖的观点，对解决当前资源不平衡等问题提供了新思路。

情感分析

总体情感倾向较为复杂，既有乐观情绪，也有悲观情绪。乐观者认为开源的发展潜力巨大，如开源模型在性能上能与闭源模型抗衡、AI能力会实现民主分配等；悲观者觉得大公司主导局面难以改变，如技术封建主义已经形成等。主要分歧点在于对开源和闭源发展趋势的判断以及对企业和公众在人工智能发展中的地位和作用的看法，这可能与评论者的专业背景、对行业的了解程度和自身立场有关。

趋势与预测

  • 新兴话题：去中心化计算力共享、分布式研究集群社区、利用区块链解决数据与企业关系等观点可能引发后续讨论。
  • 潜在影响：如果开源项目能够得到更好的发展，可能会改变当前人工智能领域闭源企业占据优势的格局，影响人工智能技术的普及程度和应用方向，也可能促使相关企业调整发展策略和对待开源的态度。

详细内容：

标题：Reddit 热议：在 AI 发展浪潮中，我们是否处于劣势？

在 Reddit 上，一篇题为“Are we f*cked?”的帖子引发了热烈讨论。该帖子指出，尽管开源模型在 2024 年取得了显著进步，小型模型甚至超越了几个月前的大型模型，但拥有更多计算资源的实体在解决难题方面仍具优势。

此帖获得了大量关注，评论数众多。讨论主要围绕以下几个方向展开：

  • 开源社区与企业在目的和行为上的差异。有人认为开源社区致力于解决有趣问题，而企业仅关注盈利；也有人指出企业在某些情况下也会投入于非盈利的研究。
  • 对计算资源与模型性能关系的看法。部分人认为大量计算投入未必带来等比例的性能提升，而有人认为计算资源仍对解决难题至关重要。
  • 关于开源模型的前景。有人对其充满信心，认为随着技术发展和组织优化，开源模型能够与闭源模型竞争；但也有人担忧其资源受限和缺乏持续支持。

讨论中，一些有见地的观点包括：

  • 有人表示开源社区具有创新和解决问题的无限潜力，其不受盈利驱动的特点使其行为范围更广。例如：“开源社区一直有一个关键优势，我们对解决有趣的问题感兴趣，而企业只对赚钱感兴趣。这限制了他们的行为范围，而我们的则不受限。”
  • 也有人提出不同看法，认为企业在一些情况下并非完全出于盈利目的进行投入。比如：“记得 Fry’s Electronics 吗？美国数学研究所就是从 Fry’s 商店起步的。企业实际上在很多永远无法盈利的事情上花了很多钱，他们也是慈善事业的大捐赠者。”

然而，对于开源模型的未来，仍存在诸多争议和不确定。有人认为只要合理组织和分配计算资源，开源模型有望与闭源模型抗衡；但也有人担忧企业的优势难以逾越，我们可能在这场竞争中处于不利地位。

在这场讨论中，各方观点激烈交锋，反映了人们对 AI 发展中开源与闭源模型竞争态势的深度关注和思考。但究竟开源模型能否在未来取得突破性进展，仍有待进一步观察和探索。