引言

隨著企業越來越多地尋求利用大型語言模式（LLMs) 對於各種創造價值的任務來說，了解其使用的法律環境至關重要。在將這些模型融入商業運營之前，掌握管理其使用的許可和法律框架至關重要。本部落格旨在消除任何關於 LLM 許可，確保在使用、改編或分發它們時順利進行，不會出現法律糾紛。

為什麼是 LLM對企業來說重要嗎？

LLM在加強業務運作和增強客戶參與度方面發揮著至關重要的作用。例如，他們可以：

1. 開發能夠解答客戶疑問和解決問題的聊天機器人，從而提高客戶滿意度並降低服務成本。
2. 製作客製化的行銷資料，更好地引起目標受眾的共鳴，從而提高影響力和轉換率。
3. 協助潛在客戶資格審查和銷售支持，促進增加交易成交和增加收入。
4. 分析數據以獲得可行的見解，使企業能夠做出明智的決策並提高獲利能力。

不同類型的許可證及其意義是什麼？

下表列出了一些常見的許可證 LLM發現有：

對於希望利用商業可行模式的企業來說，了解開源授權的狀況至關重要。在眾多許可證中，有幾個脫穎而出，每個許可證都有其獨特的規定和含義。讓我們簡化它們：

• Apache 2.0：此許可證允許不受限制地使用、修改和分發，甚至用於商業目的，但需要承認修改。這就像一位慷慨的朋友分享玩具，並說“盡情享受吧，只要給予讚揚就行。”
• MIT 授權：另一個寬鬆的選擇，它允許幾乎任何用途，包括商業用途，重點是簡單性。它缺乏明確的專利授權，但要求歸屬。想像一下圖書館員說的話：“閱讀、分享，只要記住它來自哪裡。”
• CC BY-SA-4.0：知識共享署名-相同方式分享 4.0 允許各種用途，包括商業用途，但要求在同一授權下分享衍生作品。想像借用一個食譜，但條件是分享任何實體調整。
• OpenRAIL-M v1：專為人工智慧模型量身定制，允許在符合道德和安全考慮的情況下進行商業使用，就像一位負責任的長者確保明智使用。
• BSD 授權：BSD-2-Clause 允許廣泛使用，而 BSD-3-Clause 增加了一個條款，以防止未經許可使用授權人的名稱。這就像借用工具一樣，但要禮貌地提醒主人要記帳。
• MPL-2.0：Mozilla 公共授權 2.0 是一個弱版權許可證，允許整合到專有專案中，但變更仍保留在 MPL 下。想像心靈手巧的朋友分享他們的創作，並期望因修改而獲得讚譽。
• Ms-PL：微軟公共授權是允許的，但對較大的作品和捆綁有條件。這就像導師分享筆記，期望尊重起源。
• CC0：Creative Commons Zero 是公共領域奉獻，允許不受限制地使用，不受版權限制。這就像一位哲學家分享他的思想，供所有人自由使用。
• 取消許可：放棄所有版權聲明，授予使用、修改和分發的絕對自由。這就像園丁向所有人開放他的花園。

了解這些許可證具有實用性，可以指導企業在各種限制和權限中選擇符合其需求的模式。

有哪些商業用例 LLMs?

許多商業應用利用大型語言模式（LLMs)。以下是一些例子：

1. 客戶服務：Autodesk 採用 IBM Watson Assistant 為其客戶服務聊天機器人提供支持，每月管理超過 100,000 個服務案例。聊天機器人可以快速解決簡單問題，並將客戶引導至手動代理以解決複雜問題，從而提高回應時間和滿意度。
2. 行銷：Persado 利用 LLM精心設計能引起觀眾有效共鳴的行銷語言。透過分析行銷管道中的語言和情感，Persado 產生針對參與度進行最佳化的個人化內容變體，從而提高轉換率。
3. 銷售：Salesforce 透過以下方式增強其 Salesforce Einstein 平台 LLMs，幫助銷售代表優先考慮具有最高轉換潛力的銷售線索。愛因斯坦分析客戶互動，預測未來行為，並針對個人潛在客戶提供量身訂製的方法。
4. 內容創作：華盛頓郵報的 Heliograf 使用 LLM 技術，使記者能夠專注於深度新聞報道。 Heliograf 在第一年就發表了大約 850 篇文章，展示了 LLM擴大內容製作規模。
5. 風險評估與管理：在金融與保險等行業， LLM用於風險評估和管理。 Lemonade 是一家科技驅動的保險公司，利用 LLM分析大量資料以進行承保和索賠處理。這些模型根據申請或索賠報告中的文字資訊評估風險因素，提高核保流程的效率和準確性。

潛在的負面影響 LLM商業用途

商業內容中錯誤訊息的氾濫對大型語言模型的部署構成了重大風險（LLMs)。監管不足可能會導致產生不準確或誇大的行銷資料，從而破壞消費者信任並損害品牌聲譽。一個具體的例子是，一個旅遊網站採用了 LLM 創建目的地描述，其中一些被發現是誇大或不正確的，影響了網站的可信度。

此外， LLM 訓練資料可以在商業部署的模型中永久存在，例如用於客戶服務或招募聊天機器人的模型。例如，一種廣泛使用的人工智慧招聘工具表現出對女性的偏見，反映了歷史招聘數據差異，並可能使公司面臨法律和聲譽責任。

在處理客戶資料時，隱私問題也十分突出 LLM秒。例如一家健身追蹤器公司的 LLM客戶服務機器人無意中洩露個人健康數據凸顯了強而有力的資料保護措施的重要性。

此外， LLM各種任務的空缺可能會導致特定領域的工作流失，例如行政、客戶支援和律師助理服務。例如，一家銀行實施 LLM驅動的財務報告產生系統減少了對財務分析師的需求，進而影響了產業就業。

為了降低這些風險，企業可以採取措施，例如全面的內容驗證、偏見審計、嚴格的隱私協議以及平衡的自動化策略，其中包括為受影響的員工提供再培訓計劃。透過承認並準備好應對這些挑戰，企業可以利用 LLM同時減輕潛在的缺點。

我可以使用哪些模型？

利用大型語言模型的挑戰（LLMs) 用於商業目的的限制在於它們可能缺乏開放性或對商業使用的限制，特別是基於 Meta 的 LLaMA 模型的模型。這可能意味著公司要么必須承擔使用成本，要么根本無法使用它們。此外，一些公司可能會因為透明度和定製程式碼的自由等原因優先考慮開源模型。

幸運的是，有許多可用於商業用途的大型語言模型：

1. Bloom：一個開放取用的多語言 LLM 具有 176 億個參數，根據 bigscience-bloom-rail-1.0 獲得許可。它在某些用途上受到限制，例如醫療建議。

2. Dolly 2.0：12B參數 LLM 基於 EleutherAI Pythia 模型系列，根據人類生成的指令資料集進行微調。完全開源，適合研究和商業用途。

3.大腦 LLMs：Cerebras 已發布七個開源 LLMs，範圍從 111 億到 13 億個參數，專為研究和商業盈利用例而設計。根據 Apache 2.0 許可。

4. Eleuther AI 模型（Polyglot、GPT Neo、GPT NeoX、GPT-J、Pythia）：EleutherAI 已訓練並發布了多個 LLM及其訓練程式碼庫，廣泛應用於開源研究應用。

5. H2O GPT：大型 LLM 具有 20 億個參數，適合商業用途，在各種數據集上進行訓練並提供最先進的性能。

6. Google 的 FLAN：Google 的 FLAN-T5 模型（包括 FLAN-UL2）都是開源的，可以在 Apache 2.0 許可下用於商業用途。

7. StableLM：由 Stability AI 發布，StableLM 包括 StableLM-Alpha 和 StableVicuna 模型，基於 The Pile 資料集建構。基本模型檢查點根據 CC BY-SA-4.0 獲得許可，而微調檢查點根據 CC BY-NC-SA-4.0 獲得許可，符合史丹佛的 Alpaca 許可指南。

8. novita.ai: Novita AI LLM 透過強大的推理 API 為您提供不受限制的對話。憑藉最便宜的價格和可擴展的模型， Novita AI LLM 推理 API 增強您的 LLM 令人難以置信的穩定性和不到 2 秒的低延遲。 LLM 性能可以大大提高 Novita AI LLM 推理 API。

這些模型為希望利用 LLM適用於各種應用。

結語

總而言之，隨著企業探索大型語言模型（LLMs) 對於商業用途，必須考慮各種因素，包括許可、潛在利益和相關風險。儘管 LLM雖然它們在增強營運、吸引客戶和推動多個行業成長方面具有巨大潛力，但它們也帶來了法律複雜性、錯誤訊息傳播、偏見延續、隱私問題和工作流失等挑戰。

為了有效利用 LLM在降低風險的同時，企業必須採取積極主動的措施，例如徹底的內容驗證、偏見審計、嚴格的隱私協議和包容性的自動化策略。此外，開源 LLMs 為尋求透明度和客製化機會的公司提供了替代方案。

作為領域 LLM隨著技術的不斷發展，企業應該隨時了解授權協議、技術進步和最佳實踐，以便做出符合其目標和價值觀的明智決策。透過在創新和責任之間取得平衡，企業可以利用 LLM推動數位時代的永續成長和成功。

novita.ai，一站式無限創意平台，讓您可以存取 100 多個 API。從影像生成和語言處理到音訊增強和視訊處理，廉價的即用即付，讓您擺脫 GPU 在建立自己的產品時避免維護麻煩。免費試用。

推薦閱讀

是什麼區別 LLM 和 GPT

LLM 2024年排行榜預測揭曉

Novita AI LLM 推理引擎：最大的吞吐量和最便宜的推理