随着云计算、大数据、人工智能的兴起,开源成为当下最热门、最具有前景的领域之一。然而对于很多企业,什么才是开源的正确姿势?开源的内涵究竟是什么?开源从何而来,又将走向何方?依然是亟待解答的疑问。
找到上述问题的答案,其实也就掌握了开源的“套路”。为了帮助更多企业和个人了解真正的开源,在即将召开的“2020开源产业大会”上,中国信息通信研究院基于对于开源市场的长期观察和深入研究,即将推出《开源法则》一书。
权威开源读本
《开源法则》一书由中国信息通信研究院云计算与大数据研究所所长何宝宏主编,中国信息通信研究院云计算与大数据研究所核心技术研究团队撰写,依托中国信通院客观真实的调研数据,得到了产业链各方的素材支撑。
可以说,《开源法则》是目前市场上为数不多的一本全景式、系统性论述开源的专业图书,对开源软件的历史和发展、开源社区生态和运营、企业参与开源与引入开源的原则和方法等内容进行了详细的阐述,同时针对开源软件在使用中的安全问题和风险、与开源软件安全治理相关的方法和工具等进行了介绍。
“展现真实市场,聚焦实际需求”是《开源法则》的内容准则,书中很多篇幅结合我国的实际情况,对中国开源发展的情况通过详实的数据及能力分析,给出有价值的思考和归纳。这对于国内各类开源组织和企业进行合规管控、开源治理、社区运营及开源生态建设等都具有切实的借鉴和指导意义。
多位行业大咖力荐
《开源法则》一书是否值得一读?从多位行业大咖的推荐中可以找到答案。
“这本书从开源文化、开源项目、开源社区和开源治理等多个角度阐述了开源世界的生存、生长和发展法则。无论是开源社区运营者、开源项目管理者还是开源软件使用者,都能够从书中获得满满干货。”上海浦东发展银行信息科技部副总经理万化给出了评价。
中国农业银行研发中心副总经理赵韵东认为,《开源法则》以全景化视图向读者展示了开源的前世今生,汇聚了国内开源相关的经典实践案例,内容丰富翔实,语言朴素恳切,兼具实用性和可读性,是开源领域从业人员不可多得的案头良书。
“书中对于开源发展的历史、背景和过程,开源的理念的由来和发展等由浅入深,娓娓道来,通过结合实际事件,可以让更多非开源专业的读者也能据此了解开源本身及其运作模式,成为普及和推广开源文化的有效载体。”腾讯开源管理办公室执行总监许勇说道。
奇安信代码安全事业部总经理黄永刚表示,《开源法则》一书针对开源软件在使用中的安全问题和风险、与开源软件安全治理相关的方法和工具等进行了介绍。相信该书能够给各类机构、企业建立自身的开源战略,以及正确且安全地使用开源软件提供了很好的指导和帮助。
精彩内容剧透
“我们不难发现,一个技术处于新生阶段,在没有竞争对手的时候,通常会选择闭源的方式,以保持领先地位,而当这个技术发展到一定的阶段,有新的竞争对手出现,这个竞争对手向领先者挑战的方式,往往就是开源。”在《开源法则》一书中,读者很容易看到类似“金句”,对于开源技术发展背后的至深规律进行探寻。
“开源是一种黑客精神。黑客信仰自由和极客精神,强烈的好奇心驱使他们探索一种全新的软件形式,他们所创建的开源精神的本质就是——我开发了一个软件,大家都来用吧。“炫技”也成为最初推动开源的黑客们的目的之一,他们通过让公众免费获 取开源软件源代码来显示自己技术的优秀,因为这是要经得住众多同行和用户推敲的。黑客之间是喜欢共享的,他们在 创建新事物时喜欢互帮互助来解决彼此遇到的难题,并且喜欢修补事物,并乐在其中。”《开源法则》用一种娓娓道来,讲历史、讲故事的方式揭示了开源的起源,也还原了开源的本质。
事实上,只需要看一看目录,就知道《开源法则》是怎样一本将技术变有趣的书籍。
从“致癌”变成“治愈”
好友“互联网”拉了“开源软件”一把
命运改变从云开始
开源成为信息化绕不开的选择
像创业一样做社区
开源生存手册
驾驭开源的几个重要角色
中小企业开源速成
……
一本书读懂开源,来“2020开源产业大会”一睹为快!
等不及的小伙伴们也可以扫描下方二维码,直接进行购买。
新书首发!限量发售!你还在等什么!
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。