开源如何推动创新

如果您正在寻找计算技术的下一个重大突破，请从开源社区开始搜索。

人们在哪里聚集在一起进行前沿的发明和创新？

公司实验室

一个可能的答案是公司研究实验室。与大多数公司产品开发工作相比，公司实验室更注重长期发展，历史悠久，可以追溯到托马斯·爱迪生在新泽西州门洛帕克的实验室。也许最著名的是贝尔实验室发明的晶体管——尽管软件人员可能更会将它与 Unix 和 C 编程语言联系起来。

但公司实验室往往与占据主导地位的公司联系更紧密，这些公司有能力让大量员工从事非常具有前瞻性和投机性的研究项目。毕竟，贝尔实验室是 AT&T 电话垄断的产物。公司实验室也不以与其他行业的同行合作而闻名。即使他们的重点是长期发展，他们最终也希望从他们的知识产权中获利，这也意味着他们的研究通常扎根于与其业务商业相关的技术中。

如果公司变得不那么有优势或盈利能力下降，长期关注也很难维持。一个常见的模式是，随着时间的推移，这些实验室的研发开始看起来像是更注重短期效益的产品开发过程的延伸。从历史上看，公司实验室的重点是开发可用的成果，并通过其专利组合的规模与其他行业公司进行基准测试——尽管最近发表的研究结果比过去几年更多。

学术界

另一个创新引擎是现代研究型大学。至少在美国，大学作为研究机构主要出现在 19 世纪后期，尽管一些此类学校具有殖民时期的根源，并且大学研究模型在第二次世界大战后真正加速发展。

学术界既是协作的又是孤立的：协作体现在教授们经常与全球各地的同事合作，孤立体现在即使是同一机构的同事，如果不在同一专业领域，也可能很少合作。尽管在大学环境中，知识产权的保护可能不如公司那样严格，但它仍然是一个需要考虑的因素。最著名的研究型大学从知识产权许可中赚取了大量资金。

学术界的主要产出是期刊论文。这种对发表的关注，有时偏向数量而不是质量，带有一个著名的短语：不发表就灭亡。此外，虽然论文的内容更多的是关于新颖的结果而不是商业潜力，但这也有其负面影响：研究最终可能会与现实世界的关注点和用例脱节。除其他后果外，如果从事该研究的学生毕业后进入工业界，这通常不是理想的选择。

开源软件

那么开源软件呢？当然，主要的开源项目是高度协作的。开源软件还支持知识传播，纵观历史，这种传播促进了至少在各个领域取得渐进式进步，从葡萄栽培到 19 世纪英国的鼓风炉设计。也就是说，从历史上看，开源软件主要以足够好且比专有软件便宜而闻名。这种情况已经发生了重大变化，尤其是在处理大量数据和整个云原生生态系统等领域。这种发展可能代表了在许多情况下协作胜过了渐进主义的趋势。知识产权问题主要在开源软件中处理——尽管偶尔会出现专利和许可证不兼容的问题。

开源模式在软件领域之外不太成功。也有例外。在数据方面取得了一些成功，例如开放政府数据集和 OpenStreetMap 等项目——尽管与许多商业机器学习项目相关的数据，例如，是一个严密保守的秘密。开放指令集架构规范 RISC-V 是另一个正在发展的成功案例。 RISC-V 采取了与早期开放硬件项目不同的方法，似乎在过去的项目未能成功的地方取得了成功。

当然，开源软件最关注的是交付代码。然而，相关的工件（例如文档和通过 GitOps 流程部署代码的经过验证的模式）正日益被认为是重要的。

问题

这就提出了一个重要的问题：如何采纳这些创新模式中的优点？具体来说，如何适当地应用开源的原则和实践？这就是我们试图通过红帽研究来实现的目标。

红帽研究

红帽研究的工作始于 2010 年代初捷克共和国的红帽布尔诺办事处。2018 年，该研究项目增加了与波士顿大学的一项重要的学术合作：红帽协作实验室。其目标是推进操作系统和混合云等共同感兴趣的领域的新兴技术研究。红帽及其学术合作伙伴合作的项目的范围此后已大大扩展，尽管基础设施仍然是主要重点。

协作实验室赞助由波士顿大学教职员工和红帽工程师组成的合作团队领导的研究项目。它还支持学生的研究金和实习计划，并组织联合讲座和研讨会。

除了与协作实验室相关的活动外，红帽研究现在还出版季刊（注册免费获取您的印刷版或 PDF 订阅！），举办红帽研究日活动，并设有区域性研究兴趣小组 (RIG)，向广泛的参与者开放。红帽工程师还授课，并与学生和教师合作制作原型、演示和共同撰写的研究论文以及代码。

更多 Linux 资源

哪些类型的开源研究项目？

红帽研究与世界各地的大学合作参与研究项目。这些只是来自北美合作伙伴关系的一些最新示例。

用于云运营的机器学习： 持续集成/持续开发 (CI/CD) 环境以极快的速度运行，使用各种组件。依靠人类专家来管理这些过程是不可靠的、成本高昂的，并且通常不具有可扩展性。 BU 协作实验室的 AI for Cloud Ops 项目旨在提供 AI 驱动的分析和高度自动化的“运营”功能，以提高云的性能、弹性和安全性，而不会产生高昂的运营成本。该项目的主要研究员、波士顿大学教授 Ayse Coskun 最近接受了红帽研究季刊的采访，介绍了该项目。
Rust 内存安全：Rust 是一种相对较新的语言，旨在适用于低级编程任务，同时解决像 C 这样的语言所面临的内存安全功能严重不足的问题。问题：Rust 有一个“unsafe”关键字，它会在指定的代码块中暂停编译器的一些内存检查。通常有充分的理由使用此关键字，但现在由开发人员来确保他们的代码是内存安全的，但有时效果不佳。哥伦比亚大学的研究人员和红帽工程师正在探索自动检测 Rust 漏洞的方法，然后可以用于帮助自动执行实际软件的开发、测试和调试。
基于 Linux 的 Unikernel：Unikernel 是一个可引导的单个镜像，由用户代码与提供内核级功能的其他组件链接而成，例如打开文件。生成的程序可以作为一个进程，在单个地址空间中，以更高的特权级别，在没有传统操作系统的情况下自行引导和运行。应用程序和内核组件的这种融合非常轻量级，并且可以具有性能和安全性优势。波士顿大学和红帽工程师的一个庞大的团队一直在努力将 unikernel 功能添加到与常规 Linux 相同的源代码树中。
图像溯源分析： 创建复合图像或以其他方式更改图像以传播旨在影响行为的恶意、不真实的信息变得越来越容易。圣母大学、洛约拉大学和红帽之间的研究合作正在使用图聚类和其他技术来开发用于检测这些图像的可扩展机制。该项目目标之一是看看是否还有可能查看元数据或其他信息来源。上游 pyIFD 项目由此研究产生。