Dros dair degawd yn ôl, gwelodd Red Hat botensial datblygu a thrwyddedu ffynhonnell agored i greu meddalwedd gwell a meithrin arloesedd TG. Tri deg miliwn o linellau o god yn ddiweddarach, nid yn unig y mae Linux wedi datblygu i fod y feddalwedd ffynhonnell agored fwyaf llwyddiannus, ond mae hefyd yn cynnal y safle hwnnw hyd heddiw. Mae'r ymrwymiad i egwyddorion ffynhonnell agored yn parhau, nid yn unig yn y model busnes corfforaethol, ond hefyd fel rhan o'r diwylliant gwaith. Yng nghyd-destun asesiad y cwmni, mae'r cysyniadau hyn yn cael yr un effaith ar ddeallusrwydd artiffisial (AI) os cânt eu gwneud yn gywir, ond mae byd technoleg wedi'i rannu ynghylch beth fyddai'r "ffordd gywir".
Ni ellir ystyried AI, yn enwedig y modelau iaith mawr (LLMs) y tu ôl i AI cynhyrchiol (gen AI), yn yr un ffordd â rhaglen ffynhonnell agored. Yn wahanol i feddalwedd, mae modelau AI yn cynnwys modelau paramedr rhifiadol yn bennaf sy'n pennu sut mae model yn prosesu mewnbynnau, yn ogystal â'r cysylltiad y mae'n ei wneud rhwng gwahanol bwyntiau data. Mae paramedrau modelau hyfforddedig yn ganlyniad proses hir sy'n cynnwys symiau enfawr o ddata hyfforddi sy'n cael eu paratoi, eu cymysgu a'u prosesu'n ofalus.
Er nad meddalwedd yw paramedrau model, mewn rhai agweddau mae ganddynt swyddogaeth debyg i god. Mae'n hawdd cymharu'r data â chod ffynhonnell y model, neu rywbeth tebyg iawn iddo. Mewn cod agored, diffinnir cod ffynhonnell yn gyffredin fel y "ffordd a ffefrir" o wneud addasiadau i'r feddalwedd. Nid yw data hyfforddi ar ei ben ei hun yn ffitio'r swyddogaeth hon, o ystyried ei faint amrywiol a'r broses gymhleth cyn-hyfforddi sy'n arwain at gysylltiad tenau ac anuniongyrchol sydd gan unrhyw eitem o ddata a ddefnyddir mewn hyfforddiant â'r paramedrau hyfforddedig ac ymddygiad canlyniadol y model.
Nid yw'r rhan fwyaf o'r gwelliannau a'r gwelliannau i fodelau AI sy'n digwydd yn y gymuned ar hyn o bryd yn cynnwys cael mynediad at y data hyfforddi gwreiddiol na'i drin. Yn hytrach, maent yn deillio o addasiadau i baramedrau model neu broses neu addasiad a all hefyd wasanaethu i fireinio perfformiad model. Mae'r rhyddid i wneud y gwelliannau model hyn yn ei gwneud yn ofynnol i baramedrau gael eu rhyddhau gyda'r holl ganiatâd y mae defnyddwyr yn ei dderbyn o dan drwyddedau ffynhonnell agored.
Gweledigaeth Red Hat ar gyfer deallusrwydd artiffisial ffynhonnell agored.
Mae Red Hat yn credu bod sylfaen AI ffynhonnell agored yn gorwedd mewn paramedrau model trwyddedig ffynhonnell agored ynghyd â chydrannau meddalwedd ffynhonnell agored . Dyma fan cychwyn ar gyfer AI ffynhonnell agored, ond nid pen draw'r athroniaeth. Mae Red Hat yn annog y gymuned ffynhonnell agored, awdurdodau rheoleiddio, a'r diwydiant i barhau i ymdrechu am fwy o dryloywder ac aliniad ag egwyddorion datblygu ffynhonnell agored wrth hyfforddi a thiwnio modelau AI.
Dyma weledigaeth Red Hat fel cwmni sy'n cwmpasu ecosystem meddalwedd ffynhonnell agored ac sy'n gallu ymgysylltu'n ymarferol â deallusrwydd artiffisial ffynhonnell agored. Nid ymgais yw hon ar ddiffiniad ffurfiol, fel yr un y mae'r Fenter Ffynhonnell Agored (OSI) yn ei datblygu gyda'i Ddiffiniad Deallusrwydd artiffisial Ffynhonnell Agored (OSAID). Dyma safbwynt y gorfforaeth ar sut i wneud deallusrwydd artiffisial ffynhonnell agored yn ymarferol ac yn hygyrch i'r ystod ehangaf bosibl o gymunedau, sefydliadau a gwerthwyr.
Mae'r persbectif hwn yn cael ei roi ar waith trwy waith gyda chymunedau ffynhonnell agored, a amlygwyd gan InstructLab , dan arweiniad Red Hat, a'r ymdrech gydag IBM Research ar deulu Granite o fodelau ffynhonnell agored trwyddedig . Mae InstructLab yn lleihau'r rhwystrau i bobl nad ydynt yn wyddonwyr data gyfrannu at fodelau AI yn sylweddol. Gyda InstructLab, gall arbenigwyr maes o bob sector ychwanegu eu sgiliau a'u gwybodaeth, ar gyfer defnydd mewnol ac i helpu i greu model AI ffynhonnell agored a rennir ac sydd ar gael yn eang ar gyfer cymunedau i fyny'r afon.
Mae teulu modelau Granite 3.0 yn mynd i'r afael ag ystod eang o achosion defnydd AI, o gynhyrchu cod i brosesu iaith naturiol i echdynnu mewnwelediadau o setiau data mawr, i gyd o dan drwydded ffynhonnell agored ganiataol. Fe wnaethon ni helpu IBM Research i ddod â theulu modelau cod Granite i'r byd ffynhonnell agored a pharhau i gefnogi'r teulu modelau, o safbwynt ffynhonnell agored ac fel rhan o'n cynnig AI Red Hat.
Mae canlyniadau cyhoeddiadau diweddar DeepSeek yn dangos sut y gall arloesedd ffynhonnell agored effeithio ar AI, ar lefel y model a thu hwnt. Yn amlwg, mae pryderon ynghylch dull y platfform Tsieineaidd, yn enwedig nad yw trwydded y model yn egluro sut y cafodd ei gynhyrchu, gan atgyfnerthu'r angen am dryloywder. Wedi dweud hynny, mae'r aflonyddwch uchod yn atgyfnerthu gweledigaeth Red Hat ar gyfer dyfodol AI: dyfodol agored sy'n canolbwyntio ar fodelau llai, wedi'u optimeiddio, ac agored y gellir eu haddasu ar gyfer achosion defnydd data menter penodol mewn unrhyw leoliad o fewn y cwmwl hybrid.
Ehangu modelau AI y tu hwnt i ffynhonnell agored.
Mae gwaith Red Hat ym maes AI ffynhonnell agored yn mynd ymhell y tu hwnt i InstructLab a theulu modelau Granite, gan ymestyn i'r offer a'r llwyfannau sydd eu hangen i ddefnyddio AI yn gynhyrchiol mewn gwirionedd. Mae'r cwmni wedi dod yn weithgar iawn wrth feithrin prosiectau a chymunedau technoleg, megis (ond heb fod yn gyfyngedig i):
● RamaLama , prosiect ffynhonnell agored sy'n anelu at hwyluso rheolaeth a defnydd lleol o fodelau AI;
● TrustyAI , pecyn cymorth ffynhonnell agored ar gyfer adeiladu llif gwaith AI mwy cyfrifol;
● Climatik , prosiect sy'n canolbwyntio ar helpu i wneud deallusrwydd artiffisial yn fwy cynaliadwy o ran defnyddio ynni;
● Podman AI Lab , pecyn cymorth i ddatblygwyr sy'n canolbwyntio ar hwyluso arbrofi gyda LLMs ffynhonnell agored;
Mae'r cyhoeddiad diweddar am Neural Magic yn ehangu'r weledigaeth gorfforaethol ar gyfer AI, gan ei gwneud hi'n bosibl i sefydliadau alinio modelau AI llai, wedi'u optimeiddio, gan gynnwys systemau ffynhonnell agored trwyddedig, â'u data, lle bynnag y maent yn byw yn y cwmwl hybrid. Yna gall sefydliadau TG ddefnyddio'r vLLM i yrru penderfyniadau a chynhyrchu o'r modelau hyn, gan helpu i adeiladu pentwr AI yn seiliedig ar dechnolegau tryloyw a chefnogol.
I'r gorfforaeth, mae deallusrwydd artiffisial ffynhonnell agored yn byw ac yn anadlu yn y cwmwl hybrid. Mae'r cwmwl hybrid yn darparu'r hyblygrwydd sydd ei angen i ddewis yr amgylchedd gorau ar gyfer pob llwyth gwaith deallusrwydd artiffisial, gan optimeiddio perfformiad, cost, graddfa a gofynion diogelwch. Mae llwyfannau, nodau a threfniadaeth Red Hat yn cefnogi'r ymdrechion hyn, ynghyd â phartneriaid yn y diwydiant, cwsmeriaid a'r gymuned ffynhonnell agored, wrth i ffynhonnell agored mewn deallusrwydd artiffisial gael ei gwthio ymlaen.
Mae potensial aruthrol i ehangu'r cydweithio agored hwn ym maes AI. Mae Red Hat yn rhagweld dyfodol sy'n cwmpasu gwaith tryloyw ar fodelau, yn ogystal â'u hyfforddiant. Boed yr wythnos nesaf neu'r mis nesaf (neu hyd yn oed yn gynt, o ystyried esblygiad cyflym AI), bydd y cwmni a'r gymuned agored gyfan yn parhau i gefnogi a chofleidio ymdrechion i ddemocrateiddio ac agor byd AI.
