I dag deler vi neste fase av refleksjon. Vi bygger åpen intelligens som er tilgjengelig for alle. Vi har satt sammen et ekstraordinært AI-team, bygget en grensebasert LLM-treningsstabel og samlet inn 2 milliarder dollar. Hvorfor åpen etterretning er viktig Teknologisk og vitenskapelig fremgang er drevet av verdier som åpenhet og samarbeid. Internett, Linux og protokollene og standardene som ligger til grunn for moderne databehandling er alle åpne. Dette er ikke en tilfeldighet. Åpen programvare er det som blir forgrenet, tilpasset og innebygd i systemer over hele verden. Det er hva universiteter lærer bort, hva startups bygger på, hva bedrifter distribuerer. Åpen vitenskap gjør det mulig for andre å lære av resultatene, bli inspirert av dem, forhøre dem og bygge videre på dem for å flytte grensene for menneskelig kunnskap og vitenskapelige fremskritt. AI kom dit den er i dag gjennom skaleringsideer (f.eks. selvoppmerksomhet, neste token-prediksjon, forsterkende læring) som ble delt og publisert åpent. Nå er AI i ferd med å bli teknologilaget som alt annet kjører på toppen av. Systemene som akseler vitenskapelig forskning, forbedrer utdanning, optimaliserer energibruken, superlader medisinske diagnoser og driver forsyningskjeder vil alle være bygget på AI-infrastruktur. Men grensen er for tiden konsentrert i lukkede laboratorier. Hvis dette fortsetter, vil en håndfull enheter kontrollere kapitalen, databehandlingen og talentet som kreves for å bygge AI, og skape en løpsk dynamikk som låser alle andre ute. Det er et smalt vindu for å endre denne banen. Vi må bygge åpne modeller som er så dyktige at de blir det åpenbare valget for brukere og utviklere over hele verden, og sikre at grunnlaget for intelligens forblir åpent og tilgjengelig i stedet for å kontrolleres av noen få. Hva vi har bygget I løpet av det siste året har vi forberedt oss på dette oppdraget. Vi har satt sammen et team som har vært banebrytende for gjennombrudd, inkludert PaLM, Gemini, AlphaGo, AlphaCode, AlphaProof, og bidratt til ChatGPT og Character AI, blant mange andre. Vi bygde noe som en gang trodde bare var mulig i verdens beste laboratorier: en storskala LLM- og forsterkningslæringsplattform som er i stand til å trene massive Mixture-of-Experts (MoEs)-modeller i grenseskala. Vi så effektiviteten av tilnærmingen vår på nært hold da vi brukte den på det kritiske domenet autonom koding. Med denne milepælen låst opp, bringer vi nå disse metodene til generell agentisk resonnement. Vi har samlet inn betydelig kapital og identifisert en skalerbar kommersiell modell som er i tråd med vår åpne etterretningsstrategi, og sikrer at vi kan fortsette å bygge og lansere frontlinjemodeller på en bærekraftig måte. Vi skalerer nå opp for å bygge åpne modeller som samler storskala forhåndsopplæring og avansert forsterkende læring fra grunnen av. Sikkerhet og ansvar Åpen intelligens endrer også hvordan vi tenker på sikkerhet. Det gjør det mulig for det bredere samfunnet å delta i sikkerhetsforskning og diskurs, i stedet for å overlate kritiske beslutninger til noen få lukkede laboratorier. Åpenhet gjør det mulig for uavhengige forskere å identifisere risikoer, utvikle avbøtende tiltak og holde systemer ansvarlige på måter som lukket utvikling ikke kan. Men åpenhet krever også å konfrontere utfordringene med dyktige modeller som er allment tilgjengelige. Vi investerer i evalueringer for å vurdere funksjoner og risikoer før utgivelse, sikkerhetsforskning for å beskytte mot misbruk og standarder for ansvarlig distribusjon. Vi mener at svaret på AI-sikkerhet ikke er «sikkerhet gjennom uklarhet», men streng vitenskap utført i det fri, der det globale forskningssamfunnet kan bidra til løsninger i stedet for at en håndfull selskaper tar beslutninger bak lukkede dører. Bli med oss Det er et mulighetsvindu i dag for å bygge åpen etterretning i grenser, men det lukkes, og dette kan være det siste. Hvis dette oppdraget gir gjenklang, bli med oss.