Il y a plus de trois décennies, Red Hat a vu le potentiel du développement et des licences open source pour créer de meilleurs logiciels et favoriser l'innovation en TI. Trente millions de lignes de code plus tard, Linux ne s'est pas seulement développé au point de devenir le logiciel open source le plus réussi, comme elle maintient cette position jusqu'à aujourd'hui. L'engagement envers les principes open source se poursuit, pas seulement dans le modèle d'affaires corporatif, comme c'est aussi une partie de la culture de travail. Dans l'évaluation de l'entreprise, ces concepts ont le même impact sur l'intelligence artificielle (IA) s'ils sont réalisés de la bonne manière, mais le monde de la technologie est divisé sur ce que serait la "bonne manière"
L'IA, en particulier les grands modèles de langage (LLMs) derrière l'IA générative (gen AI), ne peut pas être vue de la même manière qu'un programme ouvert. Contrairement au logiciel, les modèles d'IA consistent principalement en des modèles de paramètres numériques qui déterminent comment un modèle traite les entrées, ainsi que la connexion qui se fait entre plusieurs points de données. Les paramètres des modèles entraînés sont le résultat d'un long processus impliquant d'énormes quantités de données d'entraînement qui sont soigneusement préparées, mélangés et transformés
Bien que les paramètres du modèle ne soient pas des logiciels, dans certains aspects, ils ont une fonction similaire au code. Il est facile de faire la comparaison selon laquelle les données sont le code source du modèle, vous seriez très proches de lui. Pas de source ouverte, le code source est communément défini comme la "forme préférée" pour apporter des modifications au logiciel. Les données d'entraînement à elles seules ne correspondent pas à cette fonction, étant donné que sa taille diffère et de son processus de pré-entraînement compliqué qui entraîne une connexion faible et indirecte que tout élément des données utilisées dans l'entraînement a avec les paramètres entraînés et le comportement résultant du modèle
La plupart des améliorations et des perfectionnements des modèles d'IA qui se produisent actuellement dans la communauté n'impliquent pas l'accès ou la manipulation des données d'entraînement originales. Au lieu de cela, ils sont le résultat de modifications des paramètres du modèle ou d'un processus ou ajustement qui peut également servir à ajuster la performance du modèle. La liberté d'apporter ces améliorations au modèle exige que les paramètres soient publiés avec toutes les autorisations que les utilisateurs reçoivent sous des licences open source
Vision de Red Hat pour l'IA open source
Red Hat croit que la base de l'IA open source se trouve dans lesparamètres de modèle licenciés en open source combinés avec des composants de logiciel open source. Ceci est un point de départ de l'IA open source, mais pas la dernière destination de la philosophie. Red Hat encourage la communauté open source, les autorités de régulation et l'industrie continuent de s'efforcer d'obtenir une plus grande transparence et un alignement avec les principes de développement open source lors de l'entraînement et de l'ajustement des modèles d'IA
Ceci est la vision de Red Hat en tant qu'entreprise, qui englobe un écosystème de logiciels open source, vous pouvez vous engager de manière pratique avec l'IA open source. Ce n'est pas une tentative de définition formelle, comme à quoi àInitiative Open Source(OSI) est en train de développer avec saDéfinition de l'IA open source(OSAID). C'est le point de vue de la corporation qui rend l'IA open source réalisable et accessible au plus grand nombre de communautés, organisations et fournisseurs
Ce point de vue en pratique est mis en œuvre par le travail avec les communautés open source, mis en avant par le projetInstructLab, dirigé par Red Hat et l'effort avec IBM Researchdans la famille Granite de modèles open source sous licence. InstructLab réduit considérablement les barrières pour que des personnes qui ne sont pas des scientifiques des données contribuent aux modèles d'IA. Avec InstructLab, des spécialistes de domaine de tous les secteurs peuvent ajouter leurs compétences et leurs connaissances, tant pour un usage interne que pour aider un modèle d'IA open source partagé et largement accessible pour les communautés en amont
La famille de modèles Granite 3.0 traite une large gamme de cas d'utilisation de l'IA, de la génération de code à la traitement du langage naturel pour extraireaperçusde grands ensembles de données, tout sous une licence open source permissive. Nous avons aidé IBM Research à introduire la famille de modèles de code Granite dans le monde open source et continuons à soutenir la famille de modèles, tant du point de vue open source que dans le cadre de notre offre Red Hat AI
La répercussion desannonces récents de DeepSeekmontre comment l'innovation open source peut impacter l'IA, tant au niveau du modèle qu'au-delà. Il y a évidemment des préoccupations concernant l'approche de la plateforme chinoise, principalement que la licence du modèle n'explique pas comment il a été produit, ce qui renforce la nécessité de transparence. Cela dit, la disruption mentionnée renforce la vision de Red Hat sur l'avenir de l'IA : un avenir ouvert, axé sur des modèles plus petits, optimisés et ouverts, qui peuvent être personnalisés pour des cas d'utilisation de données d'entreprise spécifiques dans n'importe quel endroit du cloud hybride.
Élargir les modèles d'IA au-delà de l'open source
Le travail de Red Hat dans le domaine de l'IA open source va bien au-delà d'InstructLab et de la famille de modèles Granite, allant jusqu'aux outils et plateformes nécessaires pour réellement consommer et utiliser l'IA de manière productive. L'entreprise est devenue très active dans le soutien de projets et de communautés technologiques, comme par exemple (mais pas seulement)
● RamaLama, un projet open source qui vise à faciliter la gestion et la mise à disposition locale de modèles d'IA
● TrustyAI, un outil open source pour la construction de flux de travail d'IA plus responsables
● Climatik, un projet axé sur l'aide à rendre l'IA plus durable en ce qui concerne la consommation d'énergie
● Laboratoire d'IA Podman, un toolkit de développeurs axé sur la facilitation de l'expérimentation avec des LLM open source
Leannonce récentesur Neural Magic élargit la vision d'entreprise sur l'IA, permettant aux organisations d'aligner des modèles d'IA plus petits et optimisés, y compris les systèmes open source sous licence, avec vos données, où qu'ils vivent dans le cloud hybride. Les organisations informatiques peuvent, alors, utiliser le serveur d'inférencevLLMpour stimuler les décisions et la production de ces modèles, aidant à construire une pile d'IA basée sur des technologies transparentes et avec support
Pour la corporation, l'IA open source vit et respire dans le cloud hybride. Le cloud hybride offre la flexibilité nécessaire pour choisir le meilleur environnement pour chaque charge de travail d'IA, optimiser la performance, coût, échelle et exigences de sécurité. Les plateformes, les objectifs et l'organisation de Red Hat soutiennent ces efforts, ensemble avec des partenaires du secteur, clients et la communauté open source, à mesure que le code ouvert dans l'intelligence artificielle soit encouragé
Il existe un immense potentiel pour élargir cette collaboration ouverte dans le domaine de l'IA. Red Hat envisage un avenir qui englobe un travail transparent dans des modèles, tout comme sa formation. Que ce soit la semaine prochaine ou le mois prochain (ou même avant, étant donné la rapidité de l'évolution de l'IA, l'entreprise est une communauté ouverte, dans l'ensemble, ils continueront à soutenir et à adopter les efforts pour démocratiser et ouvrir le monde de l'IA
