ओपन सोर्स एआई के भविष्य के लिए आवश्यक है

एक विचारकृत्रिम बुद्धिमत्ता(IA) नई नहीं है, लेकिन हाल के प्रगति ने संबंधित प्रौद्योगिकियों को एक ऐसा उपकरण बना दिया है जिसका हम सभी रोजाना उपयोग करते हैं.कृत्रिम बुद्धिमत्ता का बढ़ता महत्व और प्रसार है, एक ही समय में, भावनात्मक और संभावित रूप से चिंताजनक, क्योंकि कई प्लेटफार्मों और एआई संसाधनों की नींव मूल रूप से एक छोटे से संख्या में शक्तिशाली कंपनियों द्वारा नियंत्रित काले बक्से हैं

बड़ी संगठन, जैसे रेड हैट, वे मानते हैं किसभी को एआई में योगदान देने की क्षमता होनी चाहिए. आईए में नवाचार उन कंपनियों तक सीमित नहीं होना चाहिए जो विशाल प्रसंस्करण क्षमता और उन डेटा वैज्ञानिकों के लिए भुगतान कर सकती हैं जो इनका प्रशिक्षण देने के लिए आवश्यक हैंबड़े भाषा मॉडल(एलएलएम)

इसके बजाय, दशकों का ओपन सोर्स अनुभव सॉफ़्टवेयर विकास और समुदायों के साथ सहयोग में सभी को योगदान देने और एआई से लाभ उठाने की अनुमति देता है, साथ ही यह एक ऐसा भविष्य बनाने में मदद करें जो हमारी आवश्यकताओं को पूरा करे. कोई संदेह नहीं है कि ओपन सोर्स दृष्टिकोण ही एआई की पूरी क्षमता तक पहुँचने का एकमात्र तरीका है, इसे अधिक सुरक्षित बनाना, सुलभ और लोकतांत्रिक

ओपन सोर्स क्या है

हालांकि "ओपन सोर्स" शब्द मूल रूप से सॉफ़्टवेयर विकास की एक पद्धति को संदर्भित करता है, वह एक अधिक सामान्य कार्य रूप में विस्तारित हो गया है जो खुला है, विकेंद्रीकृत और गहराई से सहयोगात्मक. ओपन सोर्स आंदोलन अब सॉफ़्टवेयर की दुनिया से कहीं आगे बढ़ गया है, औरओपन सोर्स होने का तरीकादुनिया भर में सहयोगी प्रयासों द्वारा गले लगाया गया, विज्ञान जैसे क्षेत्रों को शामिल करते हुए, शिक्षा, सरकार, निर्माण, स्वास्थ्य और अधिक

ओपन सोर्स संस्कृति में कुछमूलभूत सिद्धांत और मूल्यजो इसे प्रभावी और महत्वपूर्ण बनाती है, उदाहरण के लिए

• सहयोगात्मक भागीदारी
• साझा जिम्मेदारी
• खुले आदान-प्रदान
• मेरिटोक्रेसी और समावेशन
• समुदाय-उन्मुख विकास
• खुला सहयोग
• स्व-संगठन
• सम्मान और आपसीता

जब ओपन सोर्स के सिद्धांत सहयोगात्मक प्रयासों की नींव बनते हैं, कहानी दिखाती है कि अद्भुत चीजें संभव हैं. कुछ महत्वपूर्ण उदाहरण विकास और प्रसार से शुरू होते हैंलिनक्सदुनिया में सबसे शक्तिशाली और सर्वव्यापी ऑपरेटिंग सिस्टम के रूप में उभरने और बढ़ने तककुबरनेट्सऔर कंटेनरों के, इंटरनेट के विकास और विस्तार के अलावा

ओपन सोर्स के छह फायदे एआई के युग में

ओपन सोर्स कोड द्वारा प्रौद्योगिकियों के विकास के लिए अनगिनत लाभ हैं, लेकिन छह फायदे अन्य के बीच में प्रमुख हैं. 

1. नवाचार की गति में वृद्धि

जब प्रौद्योगिकी को सहयोगात्मक और खुला तरीके से विकसित किया जाता है, नवाचार और खोज बहुत तेजी से हो सकते हैं, बंद संगठनों और स्वामित्व समाधानों के विपरीत. 

जब काम को खुलकर साझा किया जाता है और दूसरों के पास इसके आधार पर बनाने की क्षमता होती है, टीमों को एक विशाल मात्रा में समय और प्रयास की बचत होती है क्योंकि उन्हें शून्य से शुरू करने की आवश्यकता नहीं होती. नए विचार पिछले आए परियोजनाओं को बढ़ा सकते हैं. यह न केवल समय और पैसे की बचत करता है, लेकिन यह परिणामों को भी मजबूत करता है क्योंकि अधिक लोग मिलकर समस्याओं को हल करने के लिए काम करते हैं, साझा करनाअवबोधनऔर एक-दूसरे के काम की समीक्षा करना

एक व्यापक और सहयोगी समुदाय बस अधिक हासिल करने में सक्षम है: लोगों को बढ़ावा देकर और विशेषज्ञताओं को जोड़कर जटिल समस्याओं को हल करने और छोटे और अलग-थलग समूहों की तुलना में तेजी से और प्रभावी ढंग से नवाचार करने के लिए. 

2. सアクセス को लोकतांत्रिक बनाना

ओपन सोर्स नई एआई तकनीकों तक पहुंच को भी लोकतांत्रिक बनाता है. जब आप खोजते हैं, कोड और उपकरण खुले तौर पर साझा किए जाते हैं, यह कुछ बाधाओं को समाप्त करने में मदद करता है जो सामान्यतः उच्च तकनीक नवाचारों तक पहुँच को सीमित करती हैं

ओइंस्ट्रक्टलैबयह इस सिद्धांत का एक उत्कृष्ट उदाहरण है. यह पहल एक स्वतंत्र ओपन सोर्स एआई प्रोजेक्ट है जो LLMs के लिए कौशल और ज्ञान के योगदान की प्रक्रिया को सरल बनाता है. उद्देश्य इस प्रयास का यह है कि कोई भी व्यक्ति आकार देने में मदद कर सकेजनरेटिव एआई(जेन एआई), उनमें से भी शामिल हैं जिनके पास सामान्यतः आवश्यक डेटा विज्ञान कौशल और प्रशिक्षण नहीं है. यह अधिक व्यक्तियों और संगठनों को विश्वसनीय तरीके से LLMs के प्रशिक्षण और सुधार में योगदान करने की अनुमति देता है

3. सुरक्षा और गोपनीयता में सुधार

कैसे ओपन सोर्स प्रोजेक्ट्स प्रवेश की बाधाओं को कम करते हैं, एक बड़ा और अधिक विविध सहयोगियों का समूह संभावित सुरक्षा चुनौतियों की पहचान करने और उन्हें हल करने में मदद कर सकता है जो आईए मॉडल के विकास के दौरान मौजूद होती हैं

अधिकांश डेटा और विधियाँ जो एआई मॉडल को प्रशिक्षित और समायोजित करने के लिए उपयोग की जाती हैं, बंद हैं और स्वामित्व वाली तर्कों द्वारा रखी जाती हैं. बाहरी लोगों के लिए इन संगठनों के बारे में यह जानना बहुत मुश्किल है कि ये एल्गोरिदम कैसे काम करते हैं और क्या इनमें कोई संभावित खतरनाक डेटा या अंतर्निहित पूर्वाग्रह हैं

यदि एक मॉडल और इसे प्रशिक्षित करने के लिए उपयोग किए गए डेटा खुले हैं, हालांकि, कोई भी व्यक्ति जो रुचि रखता है, उन्हें देख सकता है, सुरक्षा जोखिमों को कम करना और प्लेटफार्मों के पूर्वाग्रहों को न्यूनतम करना.इसके अलावा, खुले दर्शन के योगदानकर्ता भविष्य के मॉडलों और अनुप्रयोगों के विकास को ट्रैक और ऑडिट करने के लिए उपकरण और प्रक्रियाएँ बना सकते हैं, विभिन्न समाधानों के विकास की निगरानी करने की अनुमति देना. 

यह उद्घाटन और पारदर्शिता भीग़ुस्सा विश्वास, एक बार जब उपयोगकर्ताओं के पास यह देखने की संभावना होती है कि उनके डेटा का उपयोग और प्रोसेस कैसे किया जा रहा है, ताकि वे यह जांच सकें कि उनकी गोपनीयता और डेटा की संप्रभुता का सम्मान किया जा रहा है. इसके अलावा, कंपनियाँ भी अपनी निजी जानकारी की सुरक्षा कर सकती हैं, गोपनीय या स्वामित्व वाले अपने अनुकूलित मॉडल बनाने के लिए ओपन सोर्स प्रोजेक्ट्स जैसे InstructLab का उपयोग करना, जिन पर वे कड़ी निगरानी रखते हैं

4. लचीलापन और चयन की स्वतंत्रता प्रदान करता है

हालांकि एकल-खंड LLMs, स्वामियों और काले बक्से को वह होना चाहिए जो अधिकांश लोग जनरेटिव एआई के बारे में देखते और सोचते हैं, हम छोटे आईए मॉडल की ओर बढ़ते हुए एक बढ़ती हुई प्रेरणा देखना शुरू कर रहे हैं, स्वतंत्र और एक विशिष्ट उद्देश्य के लिए विकसित

येछोटे भाषा मॉडल(SLMs) आमतौर पर अपनी मूल कार्यक्षमता देने के लिए बहुत छोटे डेटा सेट पर प्रशिक्षित होते हैं, और फिर वे विशेष डोमेन के डेटा और ज्ञान के साथ विशिष्ट उपयोग के मामलों के लिए और भी अधिक अनुकूलित होते हैं

ये SLMs अपने बड़े रिश्तेदारों की तुलना में काफी अधिक कुशल हैं, और उन्होंने दिखाया कि जब उन्हें निर्धारित उद्देश्य के लिए उपयोग किया गया तो उनका प्रदर्शन इतना अच्छा (यदि बेहतर नहीं) था. वे प्रशिक्षण और तैनाती के लिए अधिक तेज़ और अधिक कुशल हैं, और इन्हें आवश्यकतानुसार अनुकूलित और अनुकूलित किया जा सकता है

और यही मुख्य रूप से कारण है कि InstructLab परियोजना बनाई गई थी. उसके साथ, आप एक छोटे ओपन सोर्स आईए मॉडल को ले सकते हैं और उसे अपनी इच्छानुसार डेटा और अतिरिक्त प्रशिक्षण के साथ विस्तारित कर सकते हैं

उदाहरण के लिए, आप InstructLab का उपयोग करके एक अत्यधिक अनुकूलित और विशिष्ट उद्देश्य के लिए विकसित ग्राहक सेवा चैटबॉट बना सकते हैं, संगठन में बेहतर प्रथाओं को सशक्त बनाना. यह प्रथा आपको अपने ग्राहक सेवा के अनुभव का सर्वश्रेष्ठ सभी को प्रदान करने की अनुमति देती है, हर जगह, वास्तविक समय में. 

और, अधिक महत्वपूर्ण, यह आपको एक प्रदाता के साथ फंसे रहने से बचने की अनुमति देता है और यह आपको अपने एआई मॉडल और इसके आधार पर बनाए गए किसी भी अनुप्रयोग को लागू करने के स्थान और तरीके के संदर्भ में लचीलापन प्रदान करता है

5. एक जीवंत पारिस्थितिकी तंत्र की संभावना बनाता है

खुले समुदाय में,  “कोई भी अकेले नवाचार नहीं करता“, और यह विश्वास समुदाय की स्थापना के पहले महीनों से बना हुआ है. 

यह विचार रेड हैट के भीतर एआई के युग में भी मान्य रहेगा, ओपन सॉल्यूशंस के नेता, जो कई उपकरणों और ओपन-सोर्स कोड ढांचों के रूप में प्रदान करेगारेड हैट एआई,सॉल्यूशन जिसके साथ साझेदार अंतिम ग्राहकों को अधिक मूल्य प्रदान करेंगे. 

एक ही आपूर्तिकर्ता एक संगठन की सभी आवश्यकताओं को पूरा नहीं कर सकता, आप स्वयं वर्तमान तकनीकी विकास की गति का पालन कर सकते हैं. ओपन-सोर्स के सिद्धांत और प्रथाएँ नवाचार को तेज़ करती हैं और परियोजनाओं और उद्योगों के बीच साझेदारी और सहयोग के अवसरों को बढ़ावा देकर एक जीवंत पारिस्थितिकी तंत्र की अनुमति देती हैं

6. लागत कम करना

2025 की शुरुआत में, अनुमानित हैकि अमेरिका में एक डेटा वैज्ञानिक का औसत बेस वेतन 125 अमेरिकी डॉलर से अधिक है.000, अधिक अनुभवी डेटा वैज्ञानिकों के साथ जो काफी अधिक कमा सकते हैं

स्पष्ट रूप से, डेटा वैज्ञानिकों की एआई के साथ एक विशाल और बढ़ती हुई मांग है, लेकिन बहुत कम कंपनियों को उन विशेष प्रतिभाओं को आकर्षित करने और बनाए रखने की बहुत उम्मीद है जिनकी उन्हें आवश्यकता है

और वास्तव में बड़े LLMs को बनाना अत्यधिक महंगा है, प्रशिक्षण देना, रखना और लागू करना, पूरी तरह से अनुकूलित (और बहुत महंगे) कंप्यूटर उपकरणों से भरे पूरे गोदामों की मांग करना और विशाल मात्रा में भंडारण

खुले मॉडल, विशिष्ट उद्देश्यों और एआई अनुप्रयोगों के लिए छोटे और निर्मित होना बनाना काफी अधिक कुशल है, प्रशिक्षण और कार्यान्वयन. वे न केवल LLMs की कंप्यूटिंग शक्ति का एक अंश मांगते हैं, प्रोजेक्ट्स जैसे InstructLab लोगों को बिना विशेष कौशल और अनुभव के सक्रिय और प्रभावी रूप से AI मॉडल के प्रशिक्षण और फाइन-ट्यूनिंग में योगदान करने की अनुमति देते हैं

स्पष्ट रूप से, लागत की अर्थव्यवस्था और ओपन सोर्स द्वारा एआई विकास में लाए गए लचीलापन छोटे और मध्यम उद्यमों के लिए फायदेमंद हैं जो एआई अनुप्रयोगों के साथ प्रतिस्पर्धात्मक लाभ प्राप्त करने की उम्मीद करते हैं

संक्षेप में

एक लोकतांत्रिक और खुली एआई के निर्माण के लिए, यह महत्वपूर्ण है कि उन ओपन सोर्स सिद्धांतों का उपयोग किया जाए जिन्होंने क्लाउड कंप्यूटिंग को संभव बनाया, इंटरनेट, लिनक्स और tantas अन्य ओपन टेक्नोलॉजीज, शक्तिशाली और गहराई से नवोन्मेषी

यह वह रास्ता है जिसे रेड हैट आर्टिफिशियल इंटेलिजेंस और अन्य संबंधित उपकरणों को सक्षम करने के लिए अपना रहा है. सभी को कृत्रिम बुद्धिमत्ता के विकास से लाभ उठाना चाहिए, इस प्रकार, सभी को अपनी यात्रा को निर्धारित करने और आकार देने में मदद करने का अवसर मिलना चाहिए, और इसके विकास में योगदान देना. सहयोगात्मक नवाचार और ओपन सोर्स भविष्य के लिए अनिवार्य नहीं हैं