ایده هوش مصنوعی (AI) چیز جدیدی نیست، اما پیشرفتهای اخیر در فناوریهای مرتبط، آن را به ابزاری تبدیل کرده است که روزانه توسط همه ما مورد استفاده قرار میگیرد. اهمیت و گسترش روزافزون هوش مصنوعی هم هیجانانگیز و هم بالقوه نگرانکننده است، زیرا پایههای بسیاری از پلتفرمها و قابلیتهای هوش مصنوعی اساساً جعبههای سیاهی هستند که توسط تعداد کمی از شرکتهای قدرتمند کنترل میشوند.
سازمانهای بزرگی مانند رد هت معتقدند که همه باید توانایی مشارکت در هوش مصنوعی را داشته باشند . نوآوری در هوش مصنوعی نباید محدود به شرکتهایی باشد که میتوانند از عهدهی حجم عظیم قدرت پردازش و دانشمندان دادهی مورد نیاز برای آموزش این مدلهای زبان بزرگ (LLM) برآیند.
در عوض، دههها تجربه در توسعه نرمافزار متنباز و همکاریهای اجتماعی به همه اجازه میدهد تا در هوش مصنوعی مشارکت داشته باشند و از آن بهرهمند شوند، در عین حال به شکلگیری آیندهای که نیازهای ما را برآورده میکند، کمک میکنند. شکی نیست که یک رویکرد متنباز تنها راه برای دستیابی به پتانسیل کامل هوش مصنوعی است و آن را ایمنتر، در دسترستر و دموکراتیکتر میکند.
متن باز چیست؟
اگرچه اصطلاح «متنباز» در ابتدا به یک روش توسعه نرمافزار اشاره داشت، اما گسترش یافته و شامل یک روش کلیتر کار است که باز، غیرمتمرکز و عمیقاً مشارکتی است. جنبش متنباز اکنون فراتر از دنیای نرمافزار گسترش یافته است و شیوه متنباز بودن توسط تلاشهای مشارکتی در سراسر جهان، از جمله بخشهایی مانند علم، آموزش، دولت، تولید، مراقبتهای بهداشتی و موارد دیگر، پذیرفته شده است.
فرهنگ متنباز اصول و ارزشهای اساسی که آن را مؤثر و معنادار میکند، برای مثال:
- مشارکت مشارکتی
- مسئولیت مشترک
- برای معاملات باز است
- شایستهسالاری و شمول
- توسعه جامعه محور
- همکاری باز
- خودسازماندهی
- احترام و عمل متقابل
وقتی اصول متنباز اساس تلاشهای مشترک را تشکیل میدهند، تاریخ نشان میدهد که اتفاقات باورنکردنی ممکن میشوند. برخی از نمونههای مهم از توسعه و گسترش لینوکس به عنوان قدرتمندترین و فراگیرترین سیستم عامل جهان گرفته تا ظهور و رشد کوبرنتیز و کانتینرها و همچنین توسعه و گسترش خود اینترنت را میتوان نام برد.
شش مزیت متنباز در عصر هوش مصنوعی
مزایای بیشماری برای توسعه فناوریها از طریق متنباز وجود دارد، اما شش مزیت از بقیه برجستهتر هستند.
۱. افزایش سرعت نوآوری
وقتی فناوری به صورت مشارکتی و آشکار توسعه یابد، برخلاف سازمانهای بسته و راهحلهای اختصاصی، نوآوری و کشف میتواند بسیار سریعتر اتفاق بیفتد.
وقتی کار به صورت آزاد به اشتراک گذاشته میشود و دیگران توانایی توسعه بر اساس آن را دارند، تیمها مقدار زیادی در زمان و تلاش صرفهجویی میکنند زیرا مجبور نیستند از ابتدا شروع کنند. ایدههای جدید میتوانند بر اساس پروژههای قبلی توسعه یابند. این نه تنها باعث صرفهجویی در زمان و هزینه میشود، بلکه نتایج را نیز تقویت میکند زیرا افراد بیشتری برای حل مشکلات، به اشتراک گذاشتن بینشها و بررسی کار یکدیگر با هم همکاری میکنند.
یک جامعه وسیعتر و مشارکتیتر، به سادگی قادر به دستیابی به دستاوردهای بیشتری است: توانمندسازی افراد و ارتباط تخصصها برای حل مشکلات پیچیده و نوآوری سریعتر و مؤثرتر از گروههای کوچک و منزوی.
۲. دسترسی را همگانی کنید
متنباز همچنین دسترسی به فناوریهای جدید هوش مصنوعی را دموکراتیک میکند. وقتی تحقیقات، کدها و ابزارها به صورت آزاد به اشتراک گذاشته میشوند، به از بین بردن برخی از موانعی که معمولاً دسترسی به نوآوریهای پیشرفته را محدود میکنند، کمک میکند.
InstructLab ابتکار ، یک پروژهی هوش مصنوعی متنباز و مستقل از مدل است که فرآیند ارائه مهارتها و دانش به LLMها را ساده میکند. هدف از این تلاش، توانمندسازی هر کسی برای کمک به شکلدهی هوش مصنوعی مولد (gen AI) است، از جمله کسانی که مهارتها و آموزشهای معمول مورد نیاز در علوم داده را ندارند. این امر به افراد و سازمانهای بیشتری اجازه میدهد تا به طور قابل اعتمادی در آموزش و اصلاح LLMها مشارکت کنند.
۳. امنیت و حریم خصوصی پیشرفته
از آنجا که پروژههای متنباز موانع ورود را کاهش میدهند، گروه بزرگتر و متنوعتری از مشارکتکنندگان میتوانند به شناسایی و حل چالشهای امنیتی بالقوه موجود در مدلهای هوش مصنوعی در حین توسعه کمک کنند.
بیشتر دادهها و روشهای مورد استفاده برای آموزش و تنظیم مدلهای هوش مصنوعی، بسته و با منطق اختصاصی نگهداری میشوند. افراد خارج از این سازمانها به ندرت در مورد نحوه کار این الگوریتمها و اینکه آیا حاوی دادههای بالقوه خطرناک یا سوگیریهای ذاتی هستند یا خیر، بینشی کسب میکنند.
با این حال، اگر یک مدل و دادههای مورد استفاده برای آموزش آن باز باشند، هر کسی که علاقهمند باشد میتواند آنها را بررسی کند، خطرات امنیتی را کاهش دهد و سوگیریهای پلتفرم را به حداقل برساند. علاوه بر این، مشارکتکنندگان در فلسفه باز میتوانند ابزارها و فرآیندهایی را برای ردیابی و حسابرسی توسعه آینده مدلها و برنامهها ایجاد کنند و امکان نظارت بر توسعه راهحلهای مختلف را فراهم کنند.
این باز بودن و شفافیت همچنین باعث ایجاد اعتماد میشود ، زیرا کاربران این امکان را دارند که مستقیماً نحوه استفاده و پردازش دادههای خود را بررسی کنند، بنابراین میتوانند تأیید کنند که آیا به حریم خصوصی و حاکمیت دادههای آنها احترام گذاشته میشود یا خیر. علاوه بر این، شرکتها همچنین میتوانند با استفاده از پروژههای منبع باز مانند InstructLab از اطلاعات خصوصی، محرمانه یا اختصاصی خود محافظت کنند تا مدلهای متناسب خود را ایجاد کنند و بر آنها کنترل دقیقی داشته باشند.
۴. انعطافپذیری و آزادی انتخاب را فراهم میکند
اگرچه LLM های یکپارچه، اختصاصی و جعبه سیاه همان چیزی هستند که اکثر مردم در مورد هوش مصنوعی مولد میبینند و در مورد آنها فکر میکنند، اما ما شاهد افزایش فشار به سمت مدلهای هوش مصنوعی کوچکتر و مستقل هستیم که برای یک هدف خاص توسعه داده میشوند.
این مدلهای زبانی کوچک (SLM) معمولاً روی مجموعه دادههای بسیار کوچکتر آموزش داده میشوند تا قابلیتهای اولیه خود را به دست آورند و سپس برای موارد استفاده خاص با دادهها و دانش خاص دامنه، بیشتر تنظیم میشوند.
این SLMها به طور قابل توجهی کارآمدتر از همتایان بزرگتر خود هستند و عملکردی به خوبی (اگر نگوییم بهتر) از هدف مورد نظر خود نشان دادهاند. آموزش و استقرار آنها سریعتر و کارآمدتر است و میتوان آنها را در صورت نیاز سفارشی و تطبیق داد.
و به همین دلیل است که پروژه InstructLab ایجاد شد. با استفاده از آن، میتوانید یک مدل هوش مصنوعی کوچکتر و متنباز را بردارید و آن را با دادهها و آموزشهای اضافی مورد نظر خود گسترش دهید.
برای مثال، میتوانید از InstructLab برای ایجاد یک چتبات خدمات مشتری بسیار سفارشی و هدفمند استفاده کنید و از بهترین شیوهها در سراسر سازمان خود بهره ببرید. این روش به شما امکان میدهد بهترین تجربه ممکن خدمات مشتری را به همه، در همه جا و در زمان واقعی ارائه دهید.
و از همه مهمتر، این به شما امکان میدهد از محدود شدن به یک فروشنده واحد جلوگیری کنید و از نظر مکان و نحوه پیادهسازی مدل هوش مصنوعی و هرگونه برنامه کاربردی ساخته شده بر روی آن، انعطافپذیری ایجاد میکند.
۵. یک اکوسیستم پویا را ممکن میسازد
در جامعهی باز، « هیچکس به تنهایی نوآوری نمیکند » و این باور از زمان تأسیس جامعه در ماههای اولیهی آن حفظ شده است.
این ایده در عصر هوش مصنوعی در شرکت رد هت، پیشرو در راهکارهای باز، معتبر خواهد ماند. این شرکت ابزارها و چارچوبهای متنباز مختلفی را در قالب رد هت هوش مصنوعی ، راهکاری که شرکا با آن ارزش بیشتری برای مشتریان نهایی ایجاد میکنند.
یک فروشنده به تنهایی نمیتواند همه نیازهای یک سازمان را ارائه دهد، یا حتی نمیتواند با سرعت فعلی تکامل فناوری همگام شود. اصول و شیوههای متنباز، نوآوری را تسریع میکنند و با تقویت مشارکتها و فرصتهای همکاری در پروژهها و صنایع، یک اکوسیستم پویا را فعال میکنند.
۶. کاهش هزینهها
تا اوایل سال ۲۰۲۵، میانگین حقوق پایه برای یک دانشمند داده در ایالات متحده تخمین زده
بدیهی است که تقاضای زیاد و رو به رشدی برای دانشمندان داده با مهارتهای هوش مصنوعی وجود دارد، اما شرکتهای کمی امید زیادی به جذب و حفظ استعدادهای تخصصی مورد نیاز خود دارند.
و LLM های واقعاً بزرگ برای ساخت، آموزش، نگهداری و استقرار بسیار گران هستند و به انبارهای کاملی پر از تجهیزات محاسباتی بسیار بهینه (و بسیار گران) و حجم عظیمی از فضای ذخیرهسازی نیاز دارند.
مدلهای باز و کوچکتری که برای اهداف خاص و کاربردهای هوش مصنوعی ساخته شدهاند، به طور قابل توجهی در ساخت، آموزش و استقرار کارآمدتر هستند. آنها نه تنها به کسری از قدرت محاسباتی LLMها نیاز دارند، بلکه پروژههایی مانند InstructLab افراد بدون مهارت و تجربه تخصصی را قادر میسازد تا به طور فعال و مؤثر در آموزش و تنظیم دقیق مدلهای هوش مصنوعی مشارکت کنند.
واضح است که صرفهجویی در هزینه و انعطافپذیری که متنباز برای توسعه هوش مصنوعی به ارمغان میآورد، برای شرکتهای کوچک و متوسطی که امیدوارند از برنامههای هوش مصنوعی که میتوانند ارائه دهند، مزیت رقابتی کسب کنند، مفید است.
خلاصه
برای ساختن یک هوش مصنوعی دموکراتیک و باز، استفاده از اصول متنباز که رایانش ابری، اینترنت، لینوکس و بسیاری دیگر از فناوریهای باز، قدرتمند و عمیقاً نوآورانه را ممکن ساختهاند، بسیار مهم است.
این مسیری است که رد هت برای توانمندسازی هوش مصنوعی و سایر ابزارهای مرتبط دنبال میکند. همه باید از توسعه هوش مصنوعی بهرهمند شوند؛ بنابراین، همه باید بتوانند به تعیین و شکلدهی مسیر آن کمک کنند و در توسعه آن سهیم باشند. نوآوری مشارکتی و متنباز برای آینده این رشته ضروری نیستند، اما اجتنابناپذیرند.
