在不断发展的人工智能(AI)世界中，有很多关于我们应该如何构建和共享人工智能技术的讨论。人们经常讨论两种主要方法：开源人工智能和专有人工智能。最近的一项实验将名为Orca-2-13B的开源人工智能模型与名为GPT-4Turbo的专有模型进行了比较，引发了激烈的争论。这场争论不仅关乎哪种模型更好，还关乎每种方法对人工智能的未来意味着什么。

开源人工智能模型Orca-2-13B是透明度、协作和创新的光辉典范。开源人工智能就是共享代码和想法，以便每个人都可以共同努力使人工智能变得更好。这种方法相信，当我们向所有人开放人工智能技术时，我们就创造了一个空间，任何拥有适当技能的人都可以帮助改进它。开源人工智能最好的事情之一就是你可以看到人工智能如何做出决策，这对于信任人工智能系统非常重要。此外，开源人工智能还受益于GitHub等社区，来自世界各地的开发人员可以在其中共同努力，使人工智能模型变得更好。

Orca2是Microsoft在探索小型LM(参数数量级为100亿个或更少)的能力方面的最新成果。Orca2证明，改进的训练信号和方法可以使较小的语言模型获得增强的推理能力，而这种能力通常只在较大的语言模型中才能找到。

另一方面，我们拥有专有的人工智能，例如GPT-4Turbo，它专注于安全、投资和问责制。专有人工智能通常是由在研发上花费大量资金的公司制造的。他们认为，这项投资是让人工智能变得更智能、更有能力的关键。使用专有人工智能，代码不会公开共享，这有助于防止代码被错误地使用。制造专有人工智能的公司还负责确保人工智能运行良好并符合道德标准，这对于确保人工智能的安全和有效非常重要。

围绕Orca-2-13B和GPT-4Turbo的讨论强调了这两种方法的优点和缺点。开源人工智能对于推动创新非常有用，但它可能会导致许多类似的项目分散资源。专有人工智能可能会给我们带来更精致、更安全的产品，但它可能缺乏让人们放心使用它的开放性。

另一件需要考虑的重要事情是可访问性。开源人工智能通常更容易让世界各地的开发人员上手，这意味着更多的人可以带来新的想法和改进。然而，如果没有严格的质量检查，开源人工智能可能并不总是可靠的。

freestar

经过多次争论，人们似乎对开源人工智能模型Orca-2-13B略有偏好。更具包容性、创造性和开放性的人工智能世界的想法确实很有吸引力。但同样明显的是，我们需要拥有强大的社区和良好的质量检查，以确保开源人工智能保持在正确的轨道上。

对于那些对开源AI感兴趣的人，可以使用GitHub存储库，其中包含实验的所有详细信息。它甚至包括有关如何使用开源模型的指南。对于任何想要深入研究人工智能并参与有关人工智能发展方向的持续对话的人来说，这是一个绝佳的机会。

开源和专有人工智能模型之间的争论不仅仅是代码问题。这是关于决定我们如何塑造人工智能的发展。无论您喜欢在开源世界中合作的想法，还是喜欢专有人工智能的结构化环境，很明显，这两种做事方式都会对构建熟练、安全和值得信赖的人工智能未来产生重大影响。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：