Hugging Face 回應白宮 AI 行動計畫資訊徵求

Hugging Face 已向白宮科學與技術政策辦公室提交了關於白宮 AI 行動計畫的資訊徵求（RFI）正式回應。公司主張，開放式 AI 系統與開放科學對於提升效能、提高資源效率，以及確保最高安全性與可靠性標準至關重要。

開放模型的效能與效率

開放式 AI 開發方法持續在多項任務上再現或超越僅提供 API 的商業產品，且往往在更短的時間內、以更高的資源效率完成。

以下兩個主要案例說明了此趨勢：

• OlympicCoder：一個 7B 參數的模型，使用開源的後訓練配方，在複雜程式碼任務上表現優於 Claude 3.7。
• OLMo 2：來自 AI2 的完全開放模型，包含開放的訓練資料，表現與 o1-mini 相當。

推薦 1：開源與開放科學作為基礎

開放研究與開源軟體為所有先進 AI 系統提供關鍵基礎。Hugging Face 強調，核心突破——如注意力機制、Transformer 架構與高效後訓練演算法——皆建立於開放研究之上。同樣，重要的軟體如 PyTorch 與 Hugging Face 函式庫也是開源的。

為了維持技術與經濟的成功，Hugging Face 建議優先考慮：

• 公共研究基礎設施。
• 廣泛取得運算資源。
• 可客製化的模型與可信的開放資料集，特別是針對較小的開發者與研究者。

推薦 2：優先考量效率與可靠性

廣泛的創新需要解決採用 AI 組織的資源限制。Hugging Face 主張，聚焦效率可促進技術的更廣泛擴散，並在整個開發鏈中激發創新。

關鍵技術優先項目包括：

• 較小的模型：開發能在邊緣裝置上運行的模型。
• 推論最佳化：實施降低推論計算需求的技術（例如量化）。
• 中等規模訓練：協助資源有限的組織進行模型訓練。

這些高效、針對特定用途設計的系統在高風險環境（如醫療保健）中更為可靠，因為通用模型往往表現不穩定。它們也能提升上下文評估與資源利用率。

推薦 3：透過透明與可追溯性提升安全性

憑藉多年在開源軟體領域的資安經驗，Hugging Face 認為開放且透明的 AI 系統是關鍵部署的最安全路徑。不同的安全需求需要不同程度的開放性：

• 完全透明的模型：提供訓練資料與流程存取的模型最適合進行廣泛的安全認證。
• 開放基礎設施與工具：實作最新訓練技術的開源工具，使組織能在完全受控的環境中訓練模型。
• 開放權重模型：此類模型可部署於隔離環境，以管理資訊風險。

透過優先採用透明系統並建立相應的運用能力，組織能確保 AI 採用的安全性。