- 开源软件允许检查和修改源代码，这与编译后的封闭软件不同。
- 许可证（例如 MIT 或 Apache 许可证）规范了这些程序的合法使用、分发和商业应用。
- 开源人工智能通过允许高效模型与专有系统竞争，实现了技术的民主化。
- 验证真实性包括检查许可证和使用漏洞分析工具。
你可能遇到过这样的情况：想在电脑上安装一个新工具，然后看到“开源”这个词，但又不太确定它的真正含义，或者如何验证下载内容的安全性。在计算机领域，这一点至关重要，因为它可以避免操作系统出现问题或数据隐私泄露。
要正确理解这一点，我们需要回顾一下。在上世纪九十年代，购买预编译软件光盘很常见——这些软件包含计算机完全能够理解的指令（例如字节码或操作码），但对人类来说却完全是个谜。这种不透明性确保了没有人能够窃取代码或分析程序的内部工作原理。
闭源软件和开源软件的区别
与专有软件不同，开源社区遵循不同的原则：他们自愿共享源代码。其逻辑在于，协作和集体改进软件远比试图隐藏代码更具成本效益。事实上，任何人都可以查看代码来学习、修复错误，甚至可以创建自己的分支——也就是通过添加新功能来创建自己的版本。
请注意，开源并不意味着可以随意使用。作者会定义特定的许可证（例如 MIT 或 Apache 2.0），这些许可证规定了您可以对代码做什么。有些许可证非常宽松，而有些则允许学生免费使用，但禁止公司将其用于商业用途。
如何验证项目的合法性
如果你遇到一个扩展程序，比如 Firefox 中偶尔会出现的类似 Vim 的键盘快捷键，并且发现它使用MIT 许可证但保留了版权，请不要担心。MIT 许可证是开源领域最常见的许可证之一，它表明代码是可以访问的。为了确保程序的合法性，最好查看代码托管的仓库，并确认许可证允许你研究和修改它。
迈向开放式人工智能
这种理念已在人工智能领域根深蒂固。根据开源促进会（Open Source Initiative）的定义，开源人工智能允许任何人研究其工作原理、修改其组件并分享结果。这对于防止少数公司垄断一切，以及确保技术进步的民主性和透明性至关重要。
如今，我们拥有像 GPT-4 或 LaMDA 这样功能强大的专有模型，但开源替代方案也正在掀起波澜。例如，IBM 的 Granite或 Meta 的 Llama 模型允许开发者根据自身需求定制工具。DeepSeek及其 R1 模型就是一个令人瞩目的例子，它证明，只需商业巨头预算的一小部分，使用更经济实惠的硬件，就能训练出具有竞争力的 AI 模型。
安全和分析工具
对于开发者而言，代码开源还不够；他们还需要确保代码不存在漏洞。像Snyk Code这样的工具会在每次提交代码之前进行分析，检测出可能被恶意攻击者利用的关键漏洞和错误，从而保证代码透明性与安全性齐头并进。
无论是简单的浏览器扩展还是复杂的语言模型，能够访问源代码都使我们能够审核安全性并促进集体创新，打破封闭可执行文件的壁垒，使技术能够更加开放、高效地为所有用户发展。