Allen Institute for AI ( AI2) 推出了一个名为 OLMo 的突破性项目，这是一个可扩展的开源大型语言模型。这一举措是一项战略举措，旨在揭开人工智能模型内部运作的神秘面纱，并促进语言建模领域的进一步进步。
OLMo 的推出正值开放性被视为促进生成式 AI 快速创新的关键之际。 Meta的首席人工智能科学家Yann LeCun强调了开放基础模型的变革性影响，他相信该模型可以通过强大的协作社区加速迈向人工智能驱动的未来的道路。
Harvard University Kempner Institute 、 AMD 、芬兰CSC-IT Center for Science和Databricks等知名合作伙伴的共同努力，为 OLMo 的开发提供了动力。这种伙伴关系证明了解决人工智能复杂性所需的跨学科方法。
该研究所采取了前所未有的举措，将 OLMo 与其预训练数据和训练代码一起发布，为研究人员深入研究该人工智能模型提供了独特的机会。这种开放模型的透明度达到了新的高度，为开发人员提供了必要的工具，例如来自AI2's Dolma大量预训练数据以及具有数百个检查点的强大评估套件。
OLMo 项目负责人Hanna Hajishirzi也是AI2 NLP 研究的倡导者，也是University of Washington's Allen School的著名教授，她强调了开放性对于人工智能科学理解和进步的重要性。通过与医学研究或天文学研究的比较，Hajishirzi 强调，OLMo 框架允许对法学硕士进行全面研究，这有助于开发安全可靠的人工智能系统。
AI2指出，OLMo 通过允许访问模型的训练数据来提供人工智能研究的精确性，从而消除猜测并促进基于证据的开发。这一举措不仅揭示了过去人工智能模型的见解，而且还为未来的发现和改进提供了跳板。
在接下来的几个月中，随着AI2计划集成各种模型大小、数据集和其他功能，预计 OLMo 会进一步迭代。另一位项目负责人、 AI2高级总监、 University of Washington's Allen School诺亚·史密斯 (Noah Smith) 重申了 OLMo 的核心使命。史密斯拥护人工智能作为一个开放领域的最初愿景，但这一领域已被商业化和隐私所掩盖。 OLMo旨在恢复人工智能研究的公共本质，让从模型创建到评估方法的全面可访问性，从而以包容和负责任的方式推进人工智能技术。
由于像AppMaster这样的平台也通过提供no-code解决方案来重视技术的民主化，因此 OLMo 的精神与更广泛的技术运动朝着透明度和可访问性的方向一致。通过支持 OLMo 等开源模型，技术社区集体迈向负责任和包容性人工智能时代。
