OpenAI回击马斯克的起诉:GPT-4不是AGI,所以没必要开源

2024-03-03 14:28

本文主要是介绍OpenAI回击马斯克的起诉:GPT-4不是AGI,所以没必要开源,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前情提要

上一集我们讲到,马斯克起诉了OpenAI,扬言其背叛了公司成立时达成的一项协议,即开发技术的目的是“造福人类”而非利润。

“OpenAI已经变成了微软的一个闭源形态的实际子公司。在其新的董事会领导下,公司不仅在开发,而且实际上正在优化AGI,目的是为了增加微软的利润,而不是为了人类的福祉,”

OpenAI回应

根据axios报道,OpenAI首席战略官 Jason Kwon在员工内部备忘录中反驳了埃隆·马斯克在诉讼中提出的多项主张, 并表示这位亿万富翁的说法“可能源于马斯克对今天没有参与该公司的遗憾”。

在致员工的备忘录Kwon中说道:“马斯克的指控——包括声称 GPT-4 是 AGI、开源我们的技术是完成任务的关键以及我们实际上是微软的子公司——并没有真实地反映现实我们的工作或使命,”

公司的使命“是确保 AGI造福全人类”,而这句话的意思是创造能够比人类更好地执行各种任务的软件。

Kwon反驳了马斯克的三项主要主张。

马斯克的主张一:GPT-4代表 AGI

Kwon的反驳:GPT-4能够解决许多工作中的小任务,但人类完成的工作与 GPT-4工作相比,经济上的比例仍然高得惊人。此外,更重要的是,AGI 将是一个有能力为长期存在的挑战设计新颖的解决方案的高度自治的系统,而GPT-4目前无法做到这一点。

马斯克的主张二:OpenAI 已经放弃了造福人类的使命

Kwon的反驳:我们的挑战是建立 AGI 并确保其影响最大化,在我们的研究中发现,创造前沿技术并通过API、产品的广泛使用的策略最适合实现这一使命的两个部分,因为我们既能够吸引生存必要的资本,使技术广泛可用,也能够根据社会和道德的要求提供必要的保障措施。

马斯克的主张三:它是微软的子公司。

Kwon的反驳:我们自己决定研究和构建什么、如何运营公司、我们的产品服务于谁以及如何实现我们的使命,我们还直接与微软竞争,为企业、开发者和普通人提供最好的价值和产品。据我们所知,OpenAI 是 ChatGPT 和 ChatGPT for Enterprise 的创建者,而微软则是Copilot 和 Copilot for Microsoft 365的创建方。

除了反驳了马斯克的指控,在内部通讯录中Kwon还承认了,去年11月Altman被罢免后,政府重新启动了对OpenAI的调查并且直到现在调查仍然在进行中。“我们是一家守法公司,致力于履行所有法律义务并完全遵守政府的要求。”

Sam Altman:“我随时奉陪”

首席执行官Sam Altman肯定了Jason Kwon的声明,公开承认今年对于OpenAI来说将是非常艰难的一年,袭击将会不断发生。而且,就在刚刚,Altman在推特上回应:随时奉陪!

诉讼是为了拖住后腿?

华盛顿CipherLaw律师兼首席技术专家James Denaro对于马斯克诉讼OpenAI发表了评论。Denaro认为,马斯克的诉讼有效地迫使OpenAI开源其所有研究和技术,但他也指出,这可能在具体执行上存在困难,因为协议并未明确排除OpenAI拥有闭源技术或从中获利的权力。

帝国学院商学院教授David Shrier表示:“让我们记住,马斯克在 AI 领域开展了多项竞争性工作,值得注意的是他创立了xAI,这是一家竞争性 AI 公司。” 他补充说,该诉讼可能是为了减缓 xAI 的竞争。

OpenAI与纽约时报

OpenAI最近官司缠身,不仅面临着与马斯克有关的法律纠纷,而且还被《纽约时报》(NYTimes)提起诉讼。

《纽约时报》于2023年12月27日起诉了OpenAI和微软,指控他们使用其数百万篇文章来训练在线聊天机器人ChatGPT等人工智能技术,并用“高仿”品与原品竞争,侵犯了其版权。

而OpenAI辩称:ChatGPT“无论如何都不能替代订阅制的《纽约时报》”。

除了《纽约时报》,还有其他几家版权所有方,包括作家、视觉艺术家和音乐出版商团体,也对OpenAI以及一些研发人工智能技术的企业提起诉讼,控告这些企业在人工智能训练中滥用版权作品。

参考资料

 [1]https://www.axios.com/2024/03/01/openai-rejects-elon-musk-lawsuit-claims
 [2]https://mp.weixin.qq.com/s/iFrf91ytTktwKVgQ3z8-gA

这篇关于OpenAI回击马斯克的起诉:GPT-4不是AGI,所以没必要开源的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/769900

相关文章

VMWare报错“指定的文件不是虚拟磁盘“或“The file specified is not a virtual disk”问题

《VMWare报错“指定的文件不是虚拟磁盘“或“Thefilespecifiedisnotavirtualdisk”问题》文章描述了如何修复VMware虚拟机中出现的“指定的文件不是虚拟... 目录VMWare报错“指定的文件不是虚拟磁盘“或“The file specified is not a virt

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

4B参数秒杀GPT-3.5:MiniCPM 3.0惊艳登场!

​ 面壁智能 在 AI 的世界里,总有那么几个时刻让人惊叹不已。面壁智能推出的 MiniCPM 3.0,这个仅有4B参数的"小钢炮",正在以惊人的实力挑战着 GPT-3.5 这个曾经的AI巨人。 MiniCPM 3.0 MiniCPM 3.0 MiniCPM 3.0 目前的主要功能有: 长上下文功能:原生支持 32k 上下文长度,性能完美。我们引入了

金融业开源技术 术语

金融业开源技术  术语 1  范围 本文件界定了金融业开源技术的常用术语。 本文件适用于金融业中涉及开源技术的相关标准及规范性文件制定和信息沟通等活动。

安全管理体系化的智慧油站开源了。

AI视频监控平台简介 AI视频监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒,省去繁琐重复的适配流程,实现芯片、算法、应用的全流程组合,从而大大减少企业级应用约95%的开发成本。用户只需在界面上进行简单的操作,就可以实现全视频的接入及布控。摄像头管理模块用于多种终端设备、智能设备的接入及管理。平台支持包括摄像头等终端感知设备接入,为整个平台提

K8S(Kubernetes)开源的容器编排平台安装步骤详解

K8S(Kubernetes)是一个开源的容器编排平台,用于自动化部署、扩展和管理容器化应用程序。以下是K8S容器编排平台的安装步骤、使用方式及特点的概述: 安装步骤: 安装Docker:K8S需要基于Docker来运行容器化应用程序。首先要在所有节点上安装Docker引擎。 安装Kubernetes Master:在集群中选择一台主机作为Master节点,安装K8S的控制平面组件,如AP

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

HomeBank:开源免费的个人财务管理软件

在个人财务管理领域,找到一个既免费又开源的解决方案并非易事。HomeBank 正是这样一个项目,它不仅提供了强大的功能,还拥有一个活跃的社区,不断推动其发展和完善。 开源免费:HomeBank 是一个完全开源的项目,用户可以自由地使用、修改和分发。用户友好的界面:提供直观的图形用户界面,使得非技术用户也能轻松上手。数据导入支持:支持从 Quicken、Microsoft Money

GPT系列之:GPT-1,GPT-2,GPT-3详细解读

一、GPT1 论文:Improving Language Understanding by Generative Pre-Training 链接:https://cdn.openai.com/research-covers/languageunsupervised/language_understanding_paper.pdf 启发点:生成loss和微调loss同时作用,让下游任务来适应预训