का विचार कृत्रिम बुद्धिमत्ता (IA) नया नहीं है, लेकिन संबंधित प्रौद्योगिकियों में हालिया प्रगति हम सभी द्वारा प्रतिदिन उपयोग किया जाने वाला उपकरण बन गया है। एआई का बढ़ता महत्व और प्रसार रोमांचक और संभावित रूप से खतरनाक दोनों है, क्योंकि कई एआई प्लेटफॉर्म और संसाधनों की नींव अनिवार्य रूप से शक्तिशाली निगमों की एक छोटी संख्या द्वारा नियंत्रित ब्लैक बॉक्स हैं।.
रेड हैट जैसे बड़े संगठन मानते हैं कि एआई में योगदान करने की क्षमता सभी में होनी चाहिए. । एआई नवाचार उन कंपनियों तक सीमित नहीं होना चाहिए जो बड़ी मात्रा में प्रसंस्करण क्षमता और डेटा वैज्ञानिकों को इन प्रशिक्षित करने के लिए आवश्यक हैं महान भाषा मॉडल (एलएलएमएस)
इसके बजाय, सॉफ्टवेयर विकास और समुदायों के साथ सहयोग के लिए दशकों के ओपन सोर्स अनुभव के दशकों के लिए सभी को एआई से योगदान और लाभ की अनुमति मिलती है, जबकि भविष्य को आकार देने में हमारी जरूरतों को पूरा करने में मदद मिलती है। इसमें कोई संदेह नहीं है कि ओपन सोर्स दृष्टिकोण एआई की पूरी क्षमता तक पहुंचने का एकमात्र तरीका है, जिससे यह अधिक सुरक्षित, सुलभ और लोकतांत्रिक हो जाता है।.
ओपन सोर्स क्या है?
जबकि शब्द “ओपन सोर्स” मूल रूप से एक सॉफ्टवेयर विकास पद्धति को संदर्भित करता है, यह काम के एक अधिक सामान्य रूप को शामिल करने के लिए विस्तारित हुआ है जो खुला, विकेंद्रीकृत और गहरा सहयोगी है। ओपन सोर्स मूवमेंट अब सॉफ्टवेयर की दुनिया से बहुत आगे निकल जाता है, और ओपन सोर्स होने का तरीका इसे दुनिया भर में सहयोगात्मक प्रयासों द्वारा अपनाया गया है, जिसमें विज्ञान, शिक्षा, सरकार, विनिर्माण, स्वास्थ्य और बहुत कुछ जैसे क्षेत्र शामिल हैं।.
ओपन सोर्स कल्चर में कुछ हैं मूल सिद्धांत उदाहरण के लिए, यह इसे प्रभावी और सार्थक बनाता है:
- सहयोगात्मक सहभागिता
- साझा जिम्मेदारी
- खुले विनिमय
- मेरिटोक्रेसी और समावेश
- समुदाय उन्मुख विकास
- खुला सहयोग
- स्व-संगठन
- सम्मान और पारस्परिकता
जब ओपन सोर्स सिद्धांत सहयोगी प्रयासों का आधार बनाते हैं, तो इतिहास दर्शाता है कि आश्चर्यजनक चीजें संभव हैं। कुछ महत्वपूर्ण उदाहरणों के विकास और प्रसार से लेकर लिनक्स के उद्भव और विकास तक दुनिया में सबसे शक्तिशाली और सर्वव्यापी ऑपरेटिंग सिस्टम के रूप में कुबेरनेट्स और कंटेनर, इंटरनेट के विकास और विस्तार के अलावा।.
एआई युग में ओपन सोर्स के छह फायदे
ओपन सोर्स द्वारा प्रौद्योगिकियों के विकास के लिए कई लाभ हैं, लेकिन छह फायदे अन्य में हैं।.
1. नवाचार की बढ़ी गति
जब प्रौद्योगिकी को एक सहयोगी और खुले तरीके से विकसित किया जाता है, तो बंद संगठनों और मालिकाना समाधानों के विपरीत, नवाचार और खोज बहुत तेजी से हो सकती है।.
जब काम को खुले तौर पर साझा किया जाता है और अन्य लोगों के पास इसके आधार पर बनाने की क्षमता होती है, तो टीमें बड़ी मात्रा में समय और प्रयास बचाती हैं क्योंकि उन्हें खरोंच से शुरू नहीं करना पड़ता है। नए विचार पहले आए परियोजनाओं का विस्तार कर सकते हैं। इससे न केवल समय और पैसा बचता है बल्कि परिणाम भी मजबूत होते हैं क्योंकि अधिक लोग समस्याओं को हल करने के लिए मिलकर काम करते हैं, साझा करते हैं अंतर्दृष्टि और एक दूसरे के काम की समीक्षा करें।.
एक व्यापक और अधिक सहयोगी समुदाय बस अधिक प्राप्त करने में सक्षम है: लोगों को बढ़ावा देना और जटिल समस्याओं को हल करने के लिए विशेषज्ञता को जोड़ना और छोटे और अलग-थलग समूहों की तुलना में अधिक तेज़ी से और प्रभावी ढंग से नवाचार करना।.
दो पहुंच का लोकतंत्रीकरण
ओपन सोर्स भी नई एआई प्रौद्योगिकियों तक पहुंच का लोकतंत्रीकरण करता है। जब सर्वेक्षण, कोड और उपकरण खुले तौर पर साझा किए जाते हैं, तो यह कुछ बाधाओं को खत्म करने में मदद करता है जो आम तौर पर अत्याधुनिक नवाचारों तक पहुंच को सीमित करते हैं।.
O इंस्ट्रक्टलैब यह इस आधार का एक बड़ा उदाहरण है। यह पहल एक मॉडल-स्वतंत्र ओपन सोर्स एआई प्रोजेक्ट है जो एलएलएम में कौशल और ज्ञान के योगदान की प्रक्रिया को सरल बनाती है। प्रयास का उद्देश्य किसी को भी आकार देने में मदद करना है जनरेटिव एआई (Gen AI), जिनमें वे भी शामिल हैं जिनके पास डेटा विज्ञान में कौशल और प्रशिक्षण नहीं है, सामान्य रूप से आवश्यक है। यह अधिक व्यक्तियों और संगठनों को एलएलएम के प्रशिक्षण और शोधन में मज़बूती से योगदान करने की अनुमति देता है।.
3. बढ़ी हुई सुरक्षा और गोपनीयता
चूंकि ओपन सोर्स प्रोजेक्ट प्रवेश बाधाओं को कम करते हैं, कर्मचारियों का एक बड़ा और अधिक विविध समूह एआई मॉडल में संभावित सुरक्षा चुनौतियों की पहचान करने और उन्हें संबोधित करने में मदद करने में सक्षम होता है क्योंकि उन्हें विकसित किया जा रहा है।.
एआई मॉडल को प्रशिक्षित और समायोजित करने के लिए उपयोग किए जाने वाले अधिकांश डेटा और विधियां मालिकाना तर्क द्वारा बंद और बनाए रखी जाती हैं। इन संगठनों के शायद ही कभी बाहरी लोग इस बात की कोई जानकारी प्राप्त कर सकें कि ये एल्गोरिदम कैसे काम करते हैं और क्या वे किसी संभावित खतरनाक डेटा या निहित पूर्वाग्रहों को बरकरार रखते हैं।.
यदि कोई मॉडल और उसे प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटा खोला जाता है, हालांकि, कोई भी इच्छुक व्यक्ति इसकी जांच कर सकता है, सुरक्षा जोखिमों को कम कर सकता है और प्लेटफ़ॉर्म पूर्वाग्रहों को कम कर सकता है। इसके अलावा, ओपन फिलॉसफी योगदानकर्ता मॉडल और अनुप्रयोगों के भविष्य के विकास को ट्रैक और ऑडिट करने के लिए उपकरण और प्रक्रियाएं बना सकते हैं, जिससे विभिन्न समाधानों के विकास की निगरानी की जा सके।.
यह खुलापन और पारदर्शिता भी विश्वास उत्पन्न करें, क्योंकि उपयोगकर्ताओं के पास सीधे यह जांचने की संभावना है कि उनके डेटा का उपयोग कैसे किया जा रहा है और संसाधित किया जा रहा है, ताकि वे जांच सकें कि उनकी गोपनीयता और डेटा संप्रभुता का सम्मान किया जा रहा है या नहीं। इसके अलावा, कंपनियां अपने स्वयं के समायोजित मॉडल बनाने के लिए इंस्ट्रक्टलैब जैसे ओपन सोर्स प्रोजेक्ट्स का उपयोग करके अपनी निजी, गोपनीय या मालिकाना जानकारी की रक्षा भी कर सकती हैं, जिस पर वे सख्त नियंत्रण बनाए रखते हैं।.
4. लचीलापन और पसंद की स्वतंत्रता प्रदान करता है
जबकि अखंड, मालिकाना, और ब्लैक-बॉक्स एलएलएम वे हैं जो ज्यादातर लोग जनरेटिव एआई के बारे में देखते हैं और सोचते हैं, हम एक विशिष्ट उद्देश्य के लिए विकसित छोटे, स्वतंत्र और विकसित एआई मॉडल की ओर बढ़ते हुए बढ़ावा देखना शुरू कर रहे हैं।.
इन छोटी भाषा मॉडल (एसएलएम) आमतौर पर उन्हें उनकी बुनियादी कार्यक्षमता देने के लिए बहुत छोटे डेटा सेट में प्रशिक्षित किया जाता है, और आगे डोमेन-विशिष्ट डेटा और ज्ञान के साथ विशिष्ट उपयोग के मामलों के लिए अनुकूलित किया जाता है।.
ये एसएलएम अपने बड़े चचेरे भाई की तुलना में काफी अधिक कुशल हैं, और इच्छित उद्देश्य के लिए उपयोग किए जाने पर प्रदर्शन (यदि बेहतर नहीं) के रूप में भी दिखाया गया है। वे प्रशिक्षित और तैनात करने के लिए तेज और अधिक कुशल हैं, और आवश्यकतानुसार अनुकूलित और सिलवाया जा सकता है।.
और यही वह है जिसके लिए इंस्ट्रक्टलैब प्रोजेक्ट बनाया गया था। इसके साथ, आप ओपन सोर्स एआई का एक छोटा मॉडल ले सकते हैं और अपने इच्छित अतिरिक्त डेटा और प्रशिक्षण के साथ इसका विस्तार कर सकते हैं।.
उदाहरण के लिए, आप अत्यधिक समायोजित ग्राहक के लिए सेवा चैटबॉट बनाने के लिए InstructionLab का उपयोग कर सकते हैं और एक विशिष्ट उद्देश्य के लिए विकसित कर सकते हैं, संगठन में सर्वोत्तम प्रथाओं को बढ़ा सकते हैं। यह अभ्यास आपको वास्तविक समय में हर जगह, हर किसी के लिए अपने सर्वोत्तम ग्राहक सेवा अनुभव प्रदान करने की अनुमति देता है।.
और, इससे भी महत्वपूर्ण बात यह है कि यह आपको एक विक्रेता के साथ फंसने से बचने की अनुमति देता है और इस बात पर लचीलापन प्रदान करता है कि आप अपने एआई मॉडल और उस पर निर्मित किसी भी एप्लिकेशन को कहां और कैसे लागू करते हैं।.
5. एक जीवंत पारिस्थितिकी तंत्र को सक्षम बनाता है
खुले समुदाय में, “कोई अकेला नवाचार नहीं करता“, और इस विश्वास को समुदाय की नींव के पहले महीनों से बनाए रखा गया है।.
यह विचार AI युग में Red Hat के भीतर मान्य रहेगा, जो खुले समाधान में एक नेता है, जो के रूप में खुले स्रोत के विभिन्न उपकरण और संरचना प्रदान करेगा लाल टोपी वहाँ, समाधान जिसके साथ भागीदार समाप्त ग्राहकों के लिए अधिक मूल्य उत्पन्न करेंगे।.
एक एकल आपूर्तिकर्ता वह सब कुछ प्रदान नहीं कर सकता जो एक संगठन की जरूरत है, या यहां तक कि तकनीकी विकास की वर्तमान गति को भी बनाए नहीं रख सकता है। ओपन सोर्स सिद्धांत और प्रथाएं नवाचार को तेज करती हैं और परियोजनाओं और उद्योगों के बीच साझेदारी और सहयोग के अवसरों को बढ़ावा देकर एक जीवंत पारिस्थितिकी तंत्र को सक्षम बनाती हैं।.
6. लागत कम करें
2025 की शुरुआत में, यह अनुमान है कि संयुक्त राज्य अमेरिका में एक डेटा वैज्ञानिक का औसत आधार वेतन US$ 125,000 से अधिक है, जिसमें अधिक अनुभवी डेटा वैज्ञानिक काफी अधिक कमा सकते हैं।.
जाहिर है, एआई के साथ डेटा वैज्ञानिकों की एक बड़ी और बढ़ती मांग है, लेकिन कुछ कंपनियों को अपनी विशेष प्रतिभाओं को आकर्षित करने और बनाए रखने की उच्च उम्मीद है।.
और वास्तव में बड़े एलएलएम का निर्माण, प्रशिक्षण, रखरखाव और तैनाती के लिए अत्यधिक महंगा है, जिसमें अत्यधिक अनुकूलित (और बहुत महंगे) कंप्यूटर उपकरण और बड़ी मात्रा में भंडारण से भरे पूरे गोदामों की आवश्यकता होती है।.
विशिष्ट उद्देश्यों के लिए खुले, छोटे और अंतर्निहित मॉडल और एआई अनुप्रयोग निर्माण, प्रशिक्षण और कार्यान्वयन के लिए काफी अधिक कुशल हैं। उन्हें न केवल एलएलएम की कंप्यूटिंग शक्ति के एक अंश की आवश्यकता होती है, इंस्ट्रक्शनलैब जैसी परियोजनाएं लोगों को एआई मॉडल के प्रशिक्षण और फाइन-ट्यूनिंग में सक्रिय और प्रभावी ढंग से योगदान करने के लिए विशेष कौशल और अनुभव के बिना लोगों को सक्षम बनाती हैं।.
स्पष्ट रूप से, ओपन सोर्स एआई के विकास में जो लागत बचत और लचीलापन लाता है, वह छोटी और मध्यम आकार की कंपनियों के लिए फायदेमंद है जो एआई अनुप्रयोगों के साथ प्रतिस्पर्धात्मक लाभ प्राप्त करने की उम्मीद कर सकते हैं।.
संक्षेप में
एक लोकतांत्रिक और खुले एआई का निर्माण करने के लिए, ओपन सोर्स सिद्धांतों का उपयोग करना महत्वपूर्ण है जो क्लाउड कंप्यूटिंग, इंटरनेट, लिनक्स और कई अन्य खुली, शक्तिशाली और गहन नवीन तकनीकों को सक्षम करते हैं।.
यह वह मार्ग है जिसका अनुसरण Red Hat AI को व्यवहार्य और अन्य संबंधित उपकरण बनाने के लिए कर रहा है। कृत्रिम बुद्धिमत्ता के विकास से सभी को लाभ होना चाहिए, इसलिए सभी को अपने प्रक्षेपवक्र को निर्धारित करने और आकार देने में मदद करनी चाहिए, और उनके विकास में योगदान देना चाहिए। सहयोगात्मक नवाचार और खुला स्रोत अनुशासन के भविष्य के लिए अपरिहार्य के रूप में आवश्यक नहीं हैं।.
