- Sự trỗi dậy của AI tạo sinh đi kèm với cuộc tranh luận ngày càng tăng trong cộng đồng mã nguồn mở về tính minh bạch và đáng tin cậy của công nghệ này.
- Một báo cáo của Đại học Stanford cho thấy tính minh bạch của 10 nhà cung cấp mô hình lớn nhất chỉ đạt tối đa 54% cho Llama 2 của Meta, xuống còn 12% cho Titan Text của Amazon. GPT-4 của OpenAI xếp thứ ba với 48%.
- CNCF đã phát hành bản báo cáo AI, lưu ý "sự cần thiết phải xác định rõ ai sở hữu và có quyền truy cập vào dữ liệu" trong suốt vòng đời AI.
- Các thách thức liên quan đến việc tạo ra các mô hình mở cho phép các nhà phát triển xây dựng dựa trên và điều chỉnh công việc trước đó. Điều này thường bao gồm khả năng sao chép dữ liệu đào tạo và mã đào tạo.
- Các nỗ lực đang được tiến hành để xác định các tiêu chuẩn thông qua nhiều dự án của ngành và cộng đồng như Linux Foundation, CNCF, AI Alliance.
- Red Hat đã tham gia vào một sáng kiến để giải quyết các phức tạp pháp lý trong AI thông qua nỗ lực chủ động thu hút cộng đồng nhà phát triển và thúc đẩy niềm tin trong hệ sinh thái nguồn mở.
- Nền tảng tự động hóa Ansible của Red Hat đã được chứng minh là một nguồn lực hữu ích để có được sự rõ ràng tốt hơn về tình trạng cấp phép mô hình.
- Một lỗ hổng bảo mật tiềm ẩn đã được phát hiện trong phần mềm nén dữ liệu XZ Utils thường được sử dụng trong các bản phân phối Linux, làm nổi bật sự khó khăn trong việc xác minh an ninh của mọi đóng góp mã trong tinh thần cộng đồng mã nguồn mở.
📌 Sự trỗi dậy của AI tạo sinh đã dẫn đến cuộc tranh luận ngày càng tăng trong cộng đồng mã nguồn mở về tính minh bạch và đáng tin cậy. Các báo cáo chỉ ra rằng tính minh bạch của các mô hình AI hàng đầu còn hạn chế, chỉ đạt tối đa 54%. Ngành công nghiệp và cộng đồng đang nỗ lực xác định các tiêu chuẩn cho các mô hình AI mở. Tuy nhiên, các mối đe dọa bảo mật như lỗ hổng trong Linux kernel đã làm nổi bật thách thức trong việc xác minh an ninh của mọi đóng góp mã.
https://siliconangle.com/2024/06/02/open-source-world-wrestling-security-licensing-issues-generative-ai/