【軟體自由電子報 第6期】推動 AI 浪潮的開源活水
自從 2022 年末，OpenAI 的 ChatGPT 的橫空出世，「AI」這個關鍵字便成為新聞媒體和社群平台上最熱門的話題；微軟將搜尋引擎 Bing 和 ChatGPT 相結合、要跟 Google 打對台的商戰新聞，更為這股浪潮推波助瀾。
開源模式帶來了百花齊放的 AI 時代
不過，當眾人將目光聚焦在科技巨頭的商戰、或是又有哪間新創公司推出 AI 應用時，可別忘了，自從深度學習時代以來，AI 就有很深厚的開源傳統。雖然科技巨頭將 ChatGPT 的出世稱為「AI 的 iPhone時刻」，但是看看現在開源軟體的迅速普及、開源社群的蓬勃朝氣，Stanford AI Lab 副教授 Chris Ré 指出：「這是 AI 的 Linux 時刻啊！」
正如同 Linux 在工程及伺服器領域佔有領導地位，Chris Ré 認為，開源模式讓更廣泛的人群參與貢獻，也消除了障礙、讓更多人能夠使用技術；而寬鬆的授權，甚至能讓人運用開源產品來創業。簡單的說，開源模式改變了世界；而開源 AI 有機會達成與 Linux 同樣、甚至更好的成果。
令人驚豔的開源成就
Chris Ré 在文中細數了過去一年中，開源 AI 所取得的驚人成就（但因為篇幅關係，我們每項僅舉出一個例子）：
- 平台：有「機器學習領域的 GitHub」之稱的 Hugging Face，讓 AI 模型前所未有地開源！
- 社群：為了解放機器學習的研究，非營利組織 LAION 集結眾人之力，提供了開源的數據集、工具和機器學習模型；包括 OpenCLIP、Stable Diffusion 等重要的模型，都來自於 LAION 的貢獻。
- 演算法：除了開源工具包以外，AI 演算法的開發，也一直受益於將成果發佈到 Arxiv 的文化。許多不隸屬於大公司的研究者，正以個人身份貢獻著成果。
編按：Arxiv 是一個分享學術論文預印本(preprints) 的網站，維基百科指出，它是預印本模式的早期採用者和推廣者，而 Arxiv 在推廣預印本的成功，也被認為是促成後來科學出版界的開放進用(open access)運動的原因之一。
- 資料集 (dataset)：比起 AI/ML 高深的核心技術，對多數人來說，資料比起程式碼更能夠傳達想法。社群努力推出了 Pile、C4、LAION-5B 等大規模資料集(massive datasets)，而 Hugging Face 的 Datasets library 和 hub 這樣的資料集集散地，也讓社群成員更便於存取。
- 工具：為了讓任何人都能輕鬆參與 AI，社群持續地改善工具，包括 PyTorch (Meta)，Keras (Google)，Transformers (Hugging Face)，MegatronLM (Nvidia)，DeepSpeed (MSFT) 等。
透過開放力量，降低 AI 的潛在風險
AI/ML 已逐漸被運用在社會各個領域，包括醫療和科學研究、訴訟輔助、警務預測…等等，但另一方面，AI 依舊有著潛在的問題。
其中一個問題是「資料黑箱」：電子前鋒基金會（EFF）指出，機器學習最終依賴於訓練資料來「學習」如何做出正確的預測，但若是輸入的資料原本就有偏差，AI 自然會得出帶有偏見的結果。文中以犯罪預測 AI 工具為例：當司法系統本身對工薪階級或有色人種社區帶有偏見時，其提供給 AI 的訓練資料，會使 AI 給予這些社區不符比例的犯罪率預測。
EFF 認為，AI 未來可能在醫療和執法等領域做出攸關生命的決定，然而 AI 的運作原理和資料集卻被隱藏在黑箱裡，這是不合理的。EFF 指出，開放資料是解決 AI 黑箱問題的一個關鍵因素，不僅能對 AI 進行監督和評估，同時也能讓更多人貢獻於 AI 的發展和治理。
另一個潛在的問題是，由於 AI 訓練和維運的成本非常高昂，跟小公司或新創相比，科技巨頭握有的運算基礎建設，讓他們具備極大的優勢；更有甚者，Debian 的開發者 Mo Zhou 在 OSI 的訪談中提到，在硬體上，不只是資金的問題，訓練神經網絡時至關重要的 GPU，其驅動程式和韌體絕大多數是非自由的，無法符合 Debian 社群對於基礎設施的規範，導致 Debian 無法將深度學習的應用集成於自身系統中。以此推論，未來當 AI 成為水、電這樣的民生基礎建設時，科技巨頭豈非掌握了絕大多數人們的生存命脈？其實不用這麼悲觀，充滿生命力的開源社群，總是能夠找到出路，新創公司 Hugging Face 做出了很好的示範。
新創公司：為社群培力，而非與社群競爭
前面提到，Hugging Face 有「機器學習領域的 GitHub」之稱，作為一個 “hub”，它讓社群能夠共同開發模型、資料集，並有 demo 的空間。
Hugging Face 的共同創辦人兼 CEO：Clément Delangue，在 2021 年的一篇訪談中，他認為作為一間新創公司，所能做出的最大貢獻並非推出最厲害的 ML 模型，而是為社群培力(empower)、提高社群的生產力。Delangue 說，在 AI/ML 這個快速發展的領域，外頭恐怕有超過 100 間的實驗室、組織或大學在做同樣的題目，就算你新創公司比他們厲害，但他們數量太多了，當你只能做一次迭代的時候，外頭也做出了 100 次迭代；起初你可能擁有最先進的產品，但幾天後可能就被超過了，從此不再領先。
「我們採取了一種非常不同的方法，」Delangue 說：「不是試圖與開源領域和科學領域競爭，而是想辦法為它培力。像 Elastic、MongoDB 這樣做開源基礎設施和資料庫的公司，帶給我們的啟發是：作為一家新創公司，若可以為社群賦權，創造出的價值比構建專有工具多一千倍，對吧？」
「而且你不必獲取所創造價值的 100%，對吧？你可以創造巨大的價值，而只將其中的 1% 來變現，這就足以讓公司持續發展。甚至可以像 MongoDB 那樣成為一家大型上市公司。這兩家公司都擁有類似的開源核心，同時又可以壯大組織、並實現永續發展。」