扎克伯格最新公开信:Meta不会开源全部模型

扎克伯格:Meta不全开源AI模型

  Datawhale分享 

作者:扎克伯格,编译:机器之心

Meta 联合创始人兼首席执行官马克・扎克伯格从 OpenAI、谷歌和苹果等公司挖走了众多顶尖 AI 研究人员,并开出了数亿美元的薪酬,此举震惊了整个科技行业。现在,他正在更多地分享他对超级智能的愿景。

在 Meta 财报电话会议召开前几个小时,扎克伯格一封公开信广为传播。他写道:过去几个月里,我们开始看到人工智能系统自我改进的迹象。目前来看,这种改进虽然缓慢,但不可否认。超级智能的开发已近在眼前。

这封信中还透露出一个信号,即 Meta 正在改变其发布 AI 模型的方式,以追求超级智能。「我们相信超级智能的好处应该尽可能广泛地与世界共享,但超级智能也会引发新的安全隐患。我们需要严谨地降低这些风险,并谨慎选择开源内容。」

这句关于开源的措辞意义重大。扎克伯格一直以来都将 Llama 系列开放模型定位为公司与 OpenAI、xAI 和 Google DeepMind 等竞争对手的关键差异化优势。Meta 的目标是创建与闭源模型一样好甚至更胜一筹的开源 AI 模型。在 2024 年的一封信中,扎克伯格写道:从明年开始,我们预计未来的 Llama 模型将成为业内最先进的模型。

扎克伯格此前曾就这一承诺留有回旋余地。「但如果到了某个时候,这个东西的功能发生了质的变化,而我们觉得开源不负责任,那我们就不会开源,」他在去年的播客中说道。

尽管许多人认为 Llama 并不符合开源 AI 的严格定义(部分原因是 Meta 尚未发布其海量训练数据集),但扎克伯格的话表明优先级可能会发生变化:开源可能不再是 Meta 默认选择。 

Meta 的竞争对手之所以保持模型闭源是有原因的。闭源模型让公司在产品变现方面拥有更大的控制权。扎克伯格去年指出,Meta 的业务并不依赖于出售 AI 模型的使用权,因此发布 Llama 不会像闭源提供商那样损害收入、可持续性或投资研究的能力。当然,Meta 的大部分收入来自销售互联网广告。

以下是公开信全部内容:

地址:https://www.meta.com/superintelligence/

在过去几个月里,我们已经开始看到我们的 AI 系统自我改进的迹象。这种进步目前还比较缓慢,但已是不可否认的事实。发展超级智能(superintelligence)如今已近在眼前。

可以清晰地预见,在未来几年,AI 将提升我们现有的一切系统,并推动那些我们今天尚无法想象的新事物的创造与发现。但一个悬而未决的问题是,我们将如何引导超级智能的发展方向。

在某种意义上,这将开启一个全新的人类时代;但在另一种意义上,它也只是历史趋势的延续。仅仅两百年前,90% 的人还在务农,以维持生计。技术的进步持续解放了人类,让我们逐步摆脱了生存压力,有更多精力去追求自己选择的事业。在每一个阶段,我们都将新增的生产力用于实现前所未有的成就 —— 推动科学与健康的发展,同时也投入更多时间在创造力、文化、人际关系和生活享受上。

我对超级智能能够加速人类进步的潜力感到极为乐观。但也许更重要的是,超级智能可能开启一个全新的个人赋能时代,每个人都将拥有更大的能力去推动世界朝他们所向往的方向发展。

尽管 AI 所带来的未来令人期待,但它对我们生活产生的最深远影响,很可能来自于每个人都拥有一个个人超级智能(personal superintelligence)。它能帮助你实现目标,创造你想看到的世界,体验任何冒险,成为更好的朋友,最终成长为你理想中的自己。

Meta 的愿景是让每个人都拥有个人超级智能。我们相信,这种力量应当交到每个人手中,由他们决定要将其用于自己生活中真正珍视的事务上。

这与行业中其他观点存在显著不同。有人主张应由中心机构掌控超级智能,致力于自动化所有有价值的工作,然后人类将依赖它的产出生存。而 Meta 相信,人们去追求自己的个人理想,才是一贯以来推动繁荣、科学、健康与文化进步的真正动力。未来,这种动力将愈加重要。

技术与人类生活的交汇点,是 Meta 的关注核心,而这一点在未来也只会变得更加重要。

如果发展趋势继续延续,人们将会减少在传统生产力软件上的投入,转而投入更多时间于创造与连接。一个真正了解我们、理解我们目标并能帮助我们实现它的个人超级智能,将是最有价值的工具。具备视觉和听觉能力、能全天候与我们互动的智能眼镜等个人设备,也将成为我们的主要计算平台。

我们相信,超级智能所带来的利益应当尽可能广泛地惠及全球。但我们也承认,超级智能将带来全新的安全挑战。我们需要对这些风险采取严谨的应对措施,并慎重考虑哪些内容可以开源。尽管如此,我们依然坚信,构建一个自由社会,必须以尽可能赋予个人权力为目标。

本世纪剩下的这几年,很可能将成为决定这项技术发展路径的关键期 —— 超级智能究竟会成为个人赋能的工具,还是取代社会大部分岗位的力量,这一切都将在这段时间内定下基调。

Meta 坚定地致力于构建赋能每一个人的个人超级智能。我们拥有打造这一庞大基础设施所需的资源与专业能力,也有将新技术普及至数十亿人产品中的经验与意愿。我对 Meta 能将努力聚焦于建设这样一个未来,感到无比激动。

除了这封公开信,Meta 在其第二季度财报中表示,将在 2025 年斥资高达 720 亿美元用于 AI 基础设施建设。奥,对了,美股盘后交易中,Meta 股价涨了,涨幅扩大至 10%。在人才挖的差不多之后,扎克伯格是时候全力开工了。

参考链接:

https://techcrunch.com/2025/07/30/zuckerberg-says-meta-likely-wont-open-source-all-of-its-superintelligence-ai-models/

图片

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值