Ավելի քան երեք տասնամյակ առաջ Red Hat-ը տեսավ բաց կոդով մշակման և լիցենզավորման ներուժը՝ ավելի լավ ծրագրային ապահովում ստեղծելու և ՏՏ նորարարությունը խթանելու համար: Երեսուն միլիոն տող կոդից հետո Linux-ը ոչ միայն զարգացել է՝ դառնալով ամենահաջողակ բաց կոդով ծրագրային ապահովումը, այլև պահպանում է այդ դիրքը մինչ օրս: Բաց կոդով սկզբունքներին նվիրվածությունը շարունակվում է ոչ միայն կորպորատիվ բիզնես մոդելում, այլև որպես աշխատանքային մշակույթի մաս: Ընկերության գնահատմամբ, այս հասկացությունները նույն ազդեցությունն ունեն արհեստական բանականության (ԱԲ) վրա, եթե դրանք ճիշտ արվեն, բայց տեխնոլոգիական աշխարհը բաժանված է այն հարցում, թե որն է «ճիշտ ճանապարհը»:
Արհեստական բանականությունը, մասնավորապես գեներատիվ արհեստական բանականության (գեներատիվ արհեստական բանականություն) հիմքում ընկած մեծ լեզվական մոդելները (LLM), չեն կարող դիտարկվել որպես բաց կոդով ծրագիր: Ծրագրային ապահովումից տարբերվող արհեստական բանականության մոդելները հիմնականում բաղկացած են թվային պարամետրերի մոդելներից, որոնք որոշում են, թե ինչպես է մոդելը մշակում մուտքային տվյալները, ինչպես նաև կապը տարբեր տվյալների կետերի միջև: Մարզված մոդելների պարամետրերը երկարատև գործընթացի արդյունք են, որը ներառում է մեծ քանակությամբ մարզման տվյալներ, որոնք ուշադիր պատրաստվում, խառնվում և մշակվում են:
Չնայած մոդելի պարամետրերը ծրագրային չեն, որոշ առումներով դրանք ունեն կոդին նման գործառույթ: Հեշտ է համեմատել տվյալները մոդելի սկզբնական կոդի կամ դրան շատ մոտ ինչ-որ բանի հետ: Բաց կոդով կոդում սկզբնական կոդը սովորաբար սահմանվում է որպես ծրագրային ապահովման մեջ փոփոխություններ կատարելու «նախընտրելի եղանակ»: Միայն մարզման տվյալները չեն համապատասխանում այս գործառույթին՝ հաշվի առնելով դրանց տարբեր չափերը և բարդ նախնական մարզման գործընթացը, որը հանգեցնում է մարզման մեջ օգտագործված ցանկացած տվյալների թույլ և անուղղակի կապի՝ մարզված պարամետրերի և մոդելի արդյունքում առաջացող վարքագծի հետ:
Համայնքում արհեստական բանականության մոդելների ներկայումս իրականացվող բարելավումների և կատարելագործումների մեծ մասը չի ենթադրում սկզբնական մարզման տվյալներին մուտք գործելը կամ դրանց մանիպուլյացիան։ Դրա փոխարեն, դրանք առաջանում են մոդելի պարամետրերի փոփոխություններից կամ գործընթացից կամ ճշգրտումից, որը կարող է նաև ծառայել մոդելի աշխատանքի կատարելագործմանը։ Այս մոդելի բարելավումները կատարելու ազատությունը պահանջում է, որ պարամետրերը թողարկվեն բոլոր այն թույլտվություններով, որոնք օգտատերերը ստանում են բաց կոդով լիցենզիաների ներքո։
Red Hat-ի տեսլականը բաց կոդով արհեստական բանականության համար։
Red Hat-ը կարծում է, որ բաց կոդով արհեստական ինտելեկտի հիմքը գտնվում է բաց կոդով լիցենզավորված մոդելի պարամետրերի և բաց կոդով ծրագրային ապահովման բաղադրիչների համադրությամբ ։ Սա բաց կոդով արհեստական ինտելեկտի մեկնարկային կետն է, բայց ոչ փիլիսոփայության վերջնական նպատակակետը։ Red Hat-ը խրախուսում է բաց կոդով համայնքին, կարգավորող մարմիններին և արդյունաբերությանը շարունակել ձգտել ավելի մեծ թափանցիկության և բաց կոդով մշակման սկզբունքների հետ համապատասխանության՝ արհեստական ինտելեկտի մոդելները մարզելիս և կարգավորելիս։
Սա Red Hat-ի տեսլականն է որպես բաց կոդով ծրագրային ապահովման էկոհամակարգ ներառող ընկերություն, որը կարող է գործնականում համագործակցել բաց կոդով արհեստական բանականության հետ։ Սա պաշտոնական սահմանման փորձ չէ, ինչպես այն, որը Բաց կոդով նախաձեռնությունը (OSI) մշակում է իր Բաց կոդով արհեստական բանականության սահմանմամբ (OSAID): Սա կորպորացիայի տեսակետն է այն մասին, թե ինչպես կարելի է բաց կոդով արհեստական բանականությունը դարձնել իրագործելի և հասանելի համայնքների, կազմակերպությունների և մատակարարների հնարավորինս լայն շրջանակի համար։
Այս հեռանկարը գործնականում կիրառվում է բաց կոդով համայնքների հետ աշխատանքի միջոցով, որը ընդգծվում է InstructLab և IBM Research-ի հետ համատեղ լիցենզավորված բաց կոդով մոդելների Granite ընտանիքի վրա : InstructLab-ը զգալիորեն նվազեցնում է ոչ տվյալագետների համար արհեստական բանականության մոդելների ներդրման խոչընդոտները: InstructLab-ի միջոցով բոլոր ոլորտների մասնագետները կարող են ավելացնել իրենց հմտություններն ու գիտելիքները՝ ինչպես ներքին օգտագործման, այնպես էլ վերին հոսանքի համայնքների համար համատեղ և լայնորեն մատչելի բաց կոդով արհեստական բանականության մոդել ստեղծելուն նպաստելու համար:
Granite 3.0 մոդելների ընտանիքը լուծում է արհեստական բանականության լայն շրջանակ՝ կոդի ստեղծումից մինչև բնական լեզվի մշակում և վերլուծությունների , այս ամենը թույլատրելի բաց կոդով լիցենզիայի ներքո: Մենք օգնեցինք IBM Research-ին Granite կոդային մոդելների ընտանիքը բերել բաց կոդով աշխարհ և շարունակել աջակցել մոդելների ընտանիքին, թե՛ բաց կոդով տեսանկյունից, թե՛ մեր Red Hat արհեստական բանականության առաջարկի շրջանակներում:
DeepSeek-ի վերջին հայտարարությունների հետևանքները ցույց են տալիս, թե ինչպես կարող է բաց կոդով նորարարությունը ազդել արհեստական բանականության վրա՝ թե՛ մոդելի մակարդակում, թե՛ դրանից դուրս: Ակնհայտ է, որ կան մտահոգություններ չինական հարթակի մոտեցման վերաբերյալ, մասնավորապես՝ որ մոդելի լիցենզիան չի բացատրում, թե ինչպես է այն ստեղծվել, ինչը ամրապնդում է թափանցիկության անհրաժեշտությունը: Այնուամենայնիվ, վերոնշյալ խափանումը ամրապնդում է Red Hat-ի տեսլականը արհեստական բանականության ապագայի վերաբերյալ. բաց ապագա, որը կենտրոնացած է ավելի փոքր, օպտիմիզացված և բաց մոդելների վրա, որոնք կարող են հարմարեցվել որոշակի ձեռնարկությունների տվյալների օգտագործման դեպքերի համար՝ հիբրիդային ամպի ցանկացած վայրում:
Արհեստական բանականության մոդելների ընդլայնում բաց կոդովից այն կողմ։
Բաց կոդով արհեստական ինտելեկտի ոլորտում Red Hat-ի աշխատանքը շատ ավելի լայն է, քան InstructLab-ը և Granite մոդելների ընտանիքը՝ տարածվելով արհեստական ինտելեկտը իրականում սպառելու և արդյունավետորեն օգտագործելու համար անհրաժեշտ գործիքների և հարթակների վրա: Ընկերությունը շատ ակտիվ է դարձել տեխնոլոգիական նախագծերի և համայնքների խթանման գործում, ինչպիսիք են (բայց ոչ միայն).
● RamaLama , բաց կոդով նախագիծ, որի նպատակն է հեշտացնել արհեստական բանականության մոդելների տեղական կառավարումը և տեղակայումը։
● TrustyAI ՝ բաց կոդով գործիքակազմ՝ ավելի պատասխանատու արհեստական բանականության աշխատանքային հոսքեր կառուցելու համար։
● Climatik , նախագիծ, որը կենտրոնացած է արհեստական բանականության ավելի կայուն դառնալուն օգնելու վրա էներգիայի սպառման հարցում։
● Podman AI Lab , մշակողների գործիքակազմ, որը կենտրոնացած է բաց կոդով իրավունքի մագիստրոսական ծրագրերի (LLM) հետ փորձարկումները հեշտացնելու վրա։
վերջերս արված հայտարարությունը ընդլայնում է արհեստական բանականության կորպորատիվ տեսլականը՝ հնարավորություն տալով կազմակերպություններին իրենց տվյալների հետ համապատասխանեցնել ավելի փոքր, օպտիմիզացված արհեստական բանականության մոդելները, այդ թվում՝ լիցենզավորված բաց կոդով համակարգերը, որտեղ էլ որ դրանք գտնվեն հիբրիդային ամպում: Այնուհետև ՏՏ կազմակերպությունները կարող են օգտագործել vLLM ՝ այդ մոդելներից որոշումներ կայացնելու և արտադրություն իրականացնելու համար, ինչը կօգնի կառուցել թափանցիկ և աջակցվող տեխնոլոգիաների վրա հիմնված արհեստական բանականության կույտ:
Կորպորացիայի համար բաց կոդով արհեստական բանականությունը ապրում և շնչում է հիբրիդային ամպում: Հիբրիդային ամպը ապահովում է արհեստական բանականության յուրաքանչյուր աշխատանքային բեռի համար լավագույն միջավայրը ընտրելու համար անհրաժեշտ ճկունությունը՝ օպտիմալացնելով կատարողականը, արժեքը, մասշտաբը և անվտանգության պահանջները: Red Hat-ի հարթակները, նպատակները և կազմակերպությունը, ինչպես նաև արդյունաբերական գործընկերները, հաճախորդները և բաց կոդով համայնքը, աջակցում են այս ջանքերին, քանի որ արհեստական բանականության մեջ բաց կոդը առաջ է մղվում:
Արհեստական բանականության ոլորտում այս բաց համագործակցությունը ընդլայնելու հսկայական ներուժ կա: Red Hat-ը պատկերացնում է մի ապագա, որը կներառի մոդելների վրա թափանցիկ աշխատանք, ինչպես նաև նրանց վերապատրաստում: Անկախ նրանից, թե հաջորդ շաբաթ է, թե հաջորդ ամիս (կամ նույնիսկ ավելի շուտ՝ հաշվի առնելով արհեստական բանականության արագ զարգացումը), ընկերությունը և բաց համայնքը որպես ամբողջություն կշարունակեն աջակցել և ընդունել արհեստական բանականության աշխարհը ժողովրդավարացնելու և բացելու ջանքերը:
