Ide tentangkecerdasan buatan(IA) tidak baru, tetapi kemajuan terbaru dalam teknologi terkait telah menjadikannya alat yang digunakan oleh kita semua setiap hari.Pentingnya yang semakin meningkat dan proliferasi AI adalah, pada saat yang sama, menarik dan berpotensi mengkhawatirkan, karena dasar dari banyak platform dan sumber daya AI pada dasarnya adalah kotak hitam yang dikendalikan oleh sejumlah kecil korporasi yang kuat
Organisasi besar, seperti Red Hat, percaya bahwasetiap orang harus memiliki kemampuan untuk berkontribusi pada AI. Inovasi dalam IA tidak boleh dibatasi pada perusahaan yang dapat membayar untuk jumlah besar kapasitas pemrosesan dan untuk ilmuwan data yang diperlukan untuk melatih inimodel bahasa besar(S1)
Sebagai gantinya, puluhan tahun pengalaman dalam kode sumber terbuka untuk pengembangan perangkat lunak dan kolaborasi dengan komunitas memungkinkan semua orang untuk berkontribusi dan mendapatkan manfaat dari AI, sambil membantu membentuk masa depan yang memenuhi kebutuhan kita. Tidak ada keraguan bahwa pendekatan open source adalah satu-satunya cara untuk mencapai potensi penuh dari AI, menjadikannya lebih aman, terjangkau dan terdemokratisasi
Apa itu open source
Meskipun istilah "open source" awalnya merujuk pada metodologi pengembangan perangkat lunak, dia berkembang untuk mencakup bentuk kerja yang lebih umum yang terbuka, desentralisasi dan sangat kolaboratif. Gerakan open source sekarang melampaui dunia perangkat lunak, Dancara sumber terbukatelah dipeluk oleh upaya kolaboratif di seluruh dunia, termasuk sektor seperti sains, pendidikan, pemerintah, manufaktur, kesehatan dan lebih banyak
Budaya sumber terbuka memiliki beberapaprinsip dan nilai fundamentalyang membuatnya efektif dan berarti, misalnya
- Partisipasi kolaboratif
- Tanggung jawab bersama
- Bursa terbuka
- Meritokrasi dan inklusi
- Pembangunan berbasis masyarakat
- Kolaborasi terbuka
- Pengorganisasian diri
- Saling menghormati dan timbal balik
Ketika prinsip open source menjadi dasar dari upaya kolaboratif, sejarah menunjukkan bahwa hal-hal luar biasa adalah mungkin. Beberapa contoh penting mulai dari pengembangan dan proliferasiBahasa Indonesia: Sistem Operasi Linuxsebagai sistem operasi terkuat dan paling umum di dunia hingga kemunculan dan pertumbuhanBahasa Inggris Kubernetesdan kontainer, selain pengembangan dan perluasan Internet itu sendiri
Enam keuntungan open source di era AI
Ada banyak manfaat untuk pengembangan teknologi melalui kode sumber terbuka, tetapi enam keuntungan menonjol di antara yang lainnya.
1. Peningkatan kecepatan inovasi
Ketika teknologi dikembangkan secara kolaboratif dan terbuka, inovasi dan penemuan dapat terjadi jauh lebih cepat, berlawanan dengan organisasi tertutup dan solusi kepemilikan.
Ketika pekerjaan dibagikan secara terbuka dan orang lain memiliki kemampuan untuk menciptakan berdasarkan itu, tim-tim menghemat sejumlah besar waktu dan usaha karena tidak perlu memulai dari awal. Ide-ide baru dapat memperluas proyek yang datang sebelumnya. Ini tidak hanya menghemat waktu dan uang, tetapi juga memperkuat hasil karena lebih banyak orang bekerja sama untuk menyelesaikan masalah, berbagiwawasandan meninjau pekerjaan satu sama lain
Komunitas yang lebih luas dan kolaboratif mampu mencapai lebih banyak: memberdayakan orang dan menghubungkan keahlian untuk menyelesaikan masalah kompleks dan berinovasi dengan cara yang lebih cepat dan efektif daripada kelompok kecil dan terisolasi.
2. Mendemokrasikan akses
Open source juga mendemokratisasi akses ke teknologi AI baru. Ketika Anda mencari, kode dan alat dibagikan secara terbuka, ini membantu menghilangkan beberapa hambatan yang biasanya membatasi akses ke inovasi terdepan
ITUInstrukturLabmerupakan contoh yang sangat baik dari premis ini. Inisiatif ini adalah proyek AI open source independen model yang menyederhanakan proses kontribusi keterampilan dan pengetahuan untuk LLMs. Tujuan dari upaya ini adalah untuk memungkinkan siapa pun membantu membentukAI Generatif(gen AI), termasuk mereka yang tidak memiliki keterampilan dan pelatihan dalam ilmu data yang biasanya diperlukan. Ini memungkinkan lebih banyak individu dan organisasi untuk berkontribusi pada pelatihan dan penyempurnaan LLM secara andal
3. Keamanan dan privasi yang ditingkatkan
Bagaimana proyek open source mengurangi hambatan masuk, sekelompok kolaborator yang lebih besar dan lebih beragam dapat membantu mengidentifikasi dan menyelesaikan tantangan keamanan potensial yang ada dalam model AI saat mereka sedang dikembangkan
Sebagian besar data dan metode yang digunakan untuk melatih dan menyesuaikan model AI bersifat tertutup dan dikelola oleh logika kepemilikan. Jarang orang dari luar organisasi ini dapat memperoleh wawasan tentang bagaimana algoritma ini berfungsi dan apakah mereka menyimpan data yang berpotensi berbahaya atau bias yang melekat
Jika sebuah model dan data yang digunakan untuk melatihnya terbuka, namun, siapa pun yang berminat dapat memeriksanya, mengurangi risiko keamanan dan meminimalkan bias platform.Selain itu, kontributor filosofi terbuka dapat membuat alat dan proses untuk melacak dan mengaudit pengembangan masa depan model dan aplikasi, memungkinkan untuk memantau pengembangan berbagai solusi.
Keterbukaan dan transparansi ini jugamembangun kepercayaan, karena pengguna memiliki kemungkinan untuk memeriksa secara langsung bagaimana data mereka digunakan dan diproses, agar agar mereka dapat memeriksa apakah privasi dan kedaulatan data mereka dihormati. Selain itu, perusahaan juga dapat melindungi informasi pribadi mereka, rahasia atau milik menggunakan proyek open source seperti InstructLab untuk membuat model yang disesuaikan sendiri, tentang yang mereka kendalikan dengan ketat
4. Memberikan fleksibilitas dan kebebasan memilih
Meskipun LLM monolitik, pemilik dan kotak hitam adalah apa yang dilihat dan dipikirkan oleh sebagian besar orang tentang IA generatif, kami mulai melihat dorongan yang meningkat menuju model AI yang lebih kecil, mandiri dan dikembangkan untuk tujuan tertentu
Itumodel bahasa kecil(SLM) biasanya dilatih pada kumpulan data yang jauh lebih kecil untuk memberikan fungsionalitas dasar mereka, dan mereka bahkan lebih disesuaikan untuk kasus penggunaan spesifik dengan data dan pengetahuan spesifik domain
SLM ini jauh lebih efisien dibandingkan dengan saudara-saudaranya yang lebih besar, dan dan menunjukkan kinerja yang sangat baik (jika tidak lebih baik) ketika digunakan untuk tujuan yang dimaksudkan. Mereka lebih cepat dan lebih efisien untuk dilatih dan diterapkan, dan dapat dipersonalisasi dan disesuaikan sesuai kebutuhan
Dan itu sebagian besar adalah alasan mengapa proyek InstructLab dibuat. Dengan dia, anda dapat mengambil model AI open source yang lebih kecil dan mengembangkannya dengan data dan pelatihan tambahan yang Anda inginkan
Misalnya, anda dapat menggunakan InstructLab untuk membuat chatbot layanan pelanggan yang sangat disesuaikan dan dikembangkan untuk tujuan tertentu, memperkuat praktik terbaik dalam organisasi. Praktik ini memungkinkan Anda memberikan yang terbaik dari pengalaman layanan pelanggan Anda kepada semua orang, di mana-mana, secara langsung.
E, lebih penting, ini memungkinkan Anda untuk menghindari terjebak pada satu penyedia dan memberikan fleksibilitas dalam hal di mana dan bagaimana Anda menerapkan model AI Anda dan aplikasi apa pun yang dibuat berdasarkan itu
5. Memungkinkan ekosistem yang dinamis
Di komunitas terbuka, “tidak ada seorang pun yang berinovasi sendirian“, dan keyakinan ini telah ada sejak bulan-bulan pertama pendirian komunitas.
Ide ini akan tetap berlaku di era AI dalam Red Hat, pemimpin solusi terbuka, yang akan menyediakan berbagai alat dan struktur kode sumber terbuka dalam bentukTopi Merah AI,solusi di mana mitra akan menghasilkan lebih banyak nilai bagi pelanggan akhir.
Satu pemasok tidak dapat menawarkan semua yang dibutuhkan oleh sebuah organisasi, atau bahkan mengikuti kecepatan perkembangan teknologi saat ini. Prinsip dan praktik kode terbuka mempercepat inovasi dan memungkinkan ekosistem yang dinamis dengan mempromosikan kemitraan dan peluang kolaborasi antara proyek dan industri
6. Mengurangi biaya
Pada awal tahun 2025, diperkirakanbahwa gaji pokok rata-rata seorang ilmuwan data di Amerika Serikat lebih dari US$ 125.000, dengan ilmuwan data yang lebih berpengalaman dapat menghasilkan lebih banyak secara signifikan
Jelasnya, ada permintaan yang sangat besar dan terus meningkat untuk ilmuwan data dengan AI, tetapi sedikit perusahaan yang memiliki harapan besar untuk menarik dan mempertahankan bakat khusus yang mereka butuhkan
Dan LLM yang benar-benar besar sangat mahal untuk dibangun, melatih, memelihara dan menerapkan, memerlukan gudang-gudang penuh yang dipenuhi dengan peralatan komputer yang sangat dioptimalkan (dan sangat mahal) serta jumlah penyimpanan yang sangat besar
Model terbuka, lebih kecil dan dibangun untuk tujuan spesifik dan aplikasi AI jauh lebih efisien untuk dibangun, melatih dan menerapkan. Mereka tidak hanya membutuhkan sebagian dari daya komputasi LLMs, proyek-proyek seperti InstructLab memungkinkan orang tanpa keterampilan dan pengalaman khusus untuk berkontribusi secara aktif dan efektif dalam pelatihan dan penyempurnaan model AI
Jelas, ekonomi biaya dan fleksibilitas yang dibawa oleh open source dalam pengembangan AI sangat menguntungkan bagi usaha kecil dan menengah yang berharap mencapai keunggulan kompetitif dengan aplikasi AI yang dapat dibawa
Singkatnya
Untuk membangun IA yang demokratis dan terbuka, adalah penting untuk menggunakan prinsip open source yang memungkinkan komputasi awan, internet, Linux dan banyak teknologi terbuka lainnya, kuat dan sangat inovatif
Ini adalah jalan yang diambil oleh Red Hat untuk mewujudkan AI dan alat terkait lainnya. Semua orang harus mendapatkan manfaat dari pengembangan kecerdasan buatan, begitu, semua orang harus dapat membantu menentukan dan membentuk jalur mereka, dan dan berkontribusi untuk pengembangannya. Inovasi kolaboratif dan open source tidak esensial tetapi tak terhindarkan untuk masa depan disiplin tersebut
