原文：
www.kdnuggets.com/2023/08/power-collaboration-opensource-projects-advancing-ai.html
图片由 谷歌 DeepMind 提供
人工智能（AI）是近年来增长最快的技术之一。基于 AI 的产品，例如 ChatGPT，已在不到两个月的时间里获得超过 1 亿用户。开发基于 AI 的产品涉及使用多个软件工具，其中一些是开源的。
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道。
2. 谷歌数据分析专业证书 - 提升您的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持您的组织 IT
对于不熟悉该概念的人来说，开源软件或项目是那些将其源代码公开给公众的软件或项目，允许他们查看、使用和修改。使用开源软件和工具具有多种优势，尤其是在构建复杂的基于 AI 的产品时。
在这篇文章中，我们将探讨开源项目对创新 AI 解决方案的深远影响。首先，让我们分享一些可能感兴趣的流行开源 AI 项目。
开源项目通过实现新产品和服务的更快市场投放，对 AI 创新产生了重大影响。当开发人员和初创公司可以访问现有的开源 AI 工具、框架和库时，他们可以避免从零开始构建所有东西。这加速了开发过程，因为他们可以利用开源社区已经贡献的代码、算法和解决方案。
通过不再重新发明轮子，开发人员可以专注于为现有工具增加价值，并根据产品需求对其进行定制。这不仅加快了开发过程，还减少了成本，因为他们不必分配资源来构建已经存在于开源项目中的基础组件。除了节省时间和成本外，更快地将产品推向市场也至关重要，因为这使得你能够从真实用户那里获得反馈，并避免为产品添加不必要的功能。
AI 产品的主要挑战之一是它们的性能和可靠性在很大程度上依赖于用于训练算法的数据。这意味着用有偏见的数据训练算法会导致有偏见的性能，这可能会产生负面影响。AI 偏见在人工智能系统的部署中是一个重要问题。好消息是，有几种开源 AI 工具可以在解决这个问题中发挥重要作用。
例如，像IBM 的 AI Fairness 360或微软的 Fairlearn这样的开源项目提供了可访问且文档齐全的资源，使开发人员更容易检测和减少 AI 算法中的偏见。开源软件的透明性使开发人员能够了解这些工具的内部工作原理，这对识别和纠正偏见至关重要。
通过利用这些开源工具，开发人员可以创建公平公正对待所有个体的 AI 系统。这些工具的开源特性还确保了来自不同背景和文化的开发人员可以访问和修改它们的代码，进一步增强了其公平性。
实现 AI 算法和模型通常涉及复杂的数学概念和技术知识。开源项目通过提供预构建的工具和库简化了采用 AI 技术的过程。这使得数据科学家和开发人员可以访问这些资源，并轻松地将其集成到他们的应用程序中，从而节省时间和精力。
例如，Python 相关的开源 AI 库，如Microsoft CNTK、Apple Core ML和Keras Python，帮助了成千上万的 AI 开发者和数据科学家轻松地将 AI 功能集成到他们的产品中。这种可达性降低了 AI 采纳的门槛，使更多个人和组织能够受益于 AI 技术，而不必成为 AI 专家。因此，AI 在各个行业的整体采纳和整合也得到了加速。
随着 AI 在我们生活中变得越来越普遍，人们对其透明性和可信度的担忧也在增加。由于许多大型科技公司卷入了多个数据隐私和安全丑闻，它们之间的信任逐渐减少。开源 AI 项目通过提供源代码的可用性，提供了解决这一挑战的方案。
当 AI 算法的源代码公开可用时，研究人员、开发者和公众可以审查和理解这些算法的工作原理。这种透明性有助于识别 AI 系统中的潜在偏见、漏洞或错误，促进用户和利益相关者之间的问责制和信任。这种方法已经被 Twitter 采用，在埃隆·马斯克接管公司后，其排名算法现在是开源的。
AI 中的开源软件促进了 AI 开发者之间的协作和社区驱动的环境。通过公开分享他们的工作，开发者可以获得社区其他成员的宝贵反馈、建议和贡献。当然，这些反馈的质量和数量在很大程度上依赖于社区的规模。
这种协作方法鼓励思想和知识的交流，从而推动 AI 技术的持续改进和创新。它还有助于打破学术界和工业界之间的障碍，因为来自这两个领域的研究人员和开发者可以积极参与开源项目，合作开展前沿研究，共同推动 AI 领域的发展。
开源项目在 AI 产品的开发和进步中发挥了关键作用，其重要性预计在未来仍将持续。这些项目提供了大量现成的 AI 工具和资源，开发者可以利用这些工具，而无需从头开始构建一切。例如，他们可以利用已有的大型语言模型和其他复杂的 AI 库及工具，从而显著减少将 AI 功能集成到应用程序中所需的时间和精力。
开源 AI 项目的可及性是实现 AI 普及的关键因素。随着更多个人参与这些项目，AI 社区的集体知识和专业技能也在增长。这意味着 AI 解决方案对更广泛的开发人员和 IT 专业人员变得越来越可及，无论他们的 AI 专业水平如何。这种可及性打破了障碍，使更多人能够利用 AI 的潜力来解决现实世界的问题。
-
ts2.space/en/harnessing-the-power-of-open-source-in-ai-development/# -
www.brookings.edu/articles/how-open-source-software-shapes-ai-policy/
Vijayasarathi Balasubramanian 是一位拥有十七年经验的 AI/数据科学专家，专注于开发数据采集和创新解决方案。作为一名热衷的专业人士，他始终紧跟数据科学和技术的变化，目前正在探索生成 AI、ChatGPT 和基于图的推荐引擎。Vijay 目前在 Microsoft 担任高级数据科学家，为多个开源社区（包括 Apache Airflow、Beam 和 Tensorflow）贡献他的知识，并辅导科学创业公司创始人。他还隶属于 IEEE、IET 和 BCS 等多个技术组织，并曾担任 Golden Bridge Awards 和 UK IT Awards 的评委。