艾伦人工智能研究所（简称Ai2）是一家501(c)(3)非营利科学研究机构，由已故微软联合创始人兼慈善家保罗·艾伦于2014年创立。该研究所致力于开展服务于公共利益的高影响力人工智能研究与工程。Ai2总部位于西雅图，并在以色列特拉维夫设有活跃的办公室。
该研究所以其对人工智能研究的贡献而闻名，包括开源大型语言模型、自然语言处理工具和计算机视觉平台的开发。其工作涵盖基础研究、应用系统和面向公众的工具，重点关注人工智能开发中的可复现性和透明度。
历史
奥伦·埃齐奥尼于2013年9月被保罗·艾伦任命为研究所研究主管。在领导该组织九年后，埃齐奥尼于2022年9月30日卸任首席执行官一职。他由公司Aristo项目的首席研究员彼得·克拉克临时接任。2023年6月20日，Ai2宣布阿里·法哈迪将于2023年7月31日起担任下一任首席执行官。2026年3月10日，Ai2宣布阿里·法哈迪将在任职2.5年后卸任首席执行官，由彼得·克拉克再次临时接任。
在其历任领导人的带领下，Ai2从专注于问答和推理扩展到涵盖大规模开放模型开发、具身人工智能和环境应用。该研究所的资助模式依赖于捐赠基金和拨款而非商业收入，使其能够优先考虑开放发布和公共利益。
Aristo与推理
Aristo是Ai2的旗舰项目。其最初项目目标是设计一个能够成功阅读、学习和推理文本的人工智能系统，并最终通过通过八年级科学考试来展示其知识，，团队于2018年实现了这一目标。该项目受到西雅图投资公司Vulcan开展的类似项目Project Halo的启发。该团队当前的重点是构建下一代系统，使其能够系统性地推理、解释并随时间持续改进。
Aristo系统将神经网络组件与符号推理和知识检索相结合。其在科学考试中的成功证明了混合方法在机器学习中的潜力。该项目的技术影响了后来基于Transformer的模型和生成式人工智能系统的工作。
计算机视觉与具身人工智能
PRIOR团队致力于通过创建能够看见、探索、学习和推理世界的AI系统来推动计算机视觉领域的发展。该团队于2016年发布了开放具身AI平台AI2-THOR，支持在模拟环境中训练AI代理。2018年2月，该团队发布了游戏Iconary，作为AI能够从有限图标集中理解和生成情境场景的演示。
AI2-THOR提供具有交互对象的光照逼真3D环境，支持导航、操作和任务规划方面的研究。该平台已被深度学习社区广泛采用，用于具身代理的基准测试和训练。Iconary与游戏公司合作开发，测试AI使用绘图和猜测进行沟通的能力，需要常识和视觉理解。
Semantic Scholar与AllenNLP
Semantic Scholar工具是一个基于人工智能的学术出版物搜索引擎，于2015年11月公开发布。它利用自然语言处理的进展提供学术论文摘要、行内引用的上下文信息以及创建论文库和接收论文推荐等功能。
AllenNLP团队致力于研究改进NLP系统的性能和问责性，并推进评估和理解NLP系统的科学方法论。该团队既产出自己的研究，也提供开源工具以加速NLP研究。
AllenNLP于2017年首次发布，成为在PyTorch上构建深度学习模型的流行库（尽管未列出，但它是常见框架）。它提供用于命名实体识别、语义角色标注和文本蕴含等任务的模块化组件。Semantic Scholar现已索引数百万篇论文，并使用大型语言模型提供TLDR摘要和引文图谱等功能。
MOSAIC与常识
Mosaic项目专注于为AI系统定义和构建常识知识及推理能力。这项工作解决了人工智能中的一个长期挑战：使机器能够理解人类视为理所当然的日常物理和社会概念。
Mosaic建立在早期常识倡议（如Cyc）的基础上，但使用现代机器学习技术来获取知识并进行推理。该项目旨在创建可集成到大型语言模型中的资源，以提高其推理能力和鲁棒性。截至2020年代中期，Mosaic已发布用于评估AI系统常识的数据集和基准。
人工智能用于环境
这些团队致力于将人工智能解决方案应用于防止全球各地的偷猎和非法捕捞活动，以及气候建模和野火管理等环境问题。该组的团队包括EarthRanger、Skylight、气候建模和Wildlands。
EarthRanger是一个软件平台，集成传感器、摄像头和护林员报告的数据，为保护区管理者提供实时态势感知。Skylight使用卫星图像和机器学习来检测可能从事非法捕捞的船只。气候建模应用深度学习来提高气候模拟的准确性和速度，而Wildlands则专注于预测和减轻野火。
生成式人工智能与开放模型
Ai2一直积极参与开源人工智能的开发，通过发布完全开放的大型语言模型、数据集和模型训练资产。
Olmo模型系列
2023年5月11日，Ai2宣布正在开发OLMo，一个旨在匹配其他最先进语言模型性能的开放语言模型。2024年2月，该模型的1B和7B参数变体被开源，包括代码、带有中间快照和日志的模型权重，以及其Dolma训练数据集的内容（一个三万亿token的英语语料库，来源于网络文本、学术出版物、代码、书籍、社交媒体和百科全书来源），使其成为可用的最开放的最先进模型。
2024年9月，Ai2发布了OLMoE，这是OLMo系列中首个混合专家模型，与Contextual AI联合开发。该稀疏模型总参数约70亿，其中每个输入token约激活10亿参数，并在5万亿token上进行了训练。与其他OLMo版本一样，模型权重附带训练数据、代码、日志和中间训练检查点。
2024年11月，Ai2发布了Olmo的第二代版本OLMo 2，初始发布包括7B和13B参数模型。2025年3月，Ai2发布了OLMo 2的32B变体，声称发布了“首个完全开放模型（所有数据、代码、权重和细节均可自由获取），性能超越GPT3.5-Turbo和GPT-4o mini”。
2025年11月，Ai2发布了其Olmo 3系列模型（现在样式为小写“L”和“M”）。这些包括Olmo 3 Think（7和32B）、Olmo 3 Base（7和32B）、Olmo 3 Instruct（7B）和Olmo 3 RL Zero（7B）。2025年12月，Ai2宣布对32B模型进行更新，即Olmo 3.1。
OLMo系列发布在OpenAI和Anthropic生态系统中具有影响力，为研究人员提供了对训练数据和流程的完全访问权限。它们还引发了关于AI开发透明度的讨论，与商业实验室的封闭方法形成对比。
Tulu模型与后训练配方
除了完全开放的Olmo模型系列外，Ai2还开发了Tulu，这是一个指令微调模型系列和开放后训练配方，基于开放权重基础模型（如Meta的Llama）构建，为专有指令微调方法提供完全透明的替代方案。AI2于2023年6月发布了Tulu的第一个迭代版本，后续迭代于2023年11月（Tulu 2）和2024年11月（Tulu 3）发布。
Tulu模型设计用于与RLHF和课程学习等技术配合使用，配方包括超参数和数据处理的详细文档。这项工作旨在使最先进的指令微调民主化，而指令微调在商业模型中往往是一个黑盒。
另见
- 艾伦脑科学研究所
- 艾伦细胞科学研究所
- 人工智能
- 人工智能术语表
- 大型语言模型列表
参考文献
- 美国国税局申报文件。ProPublica非营利探索者。
- 官方网站。