Più di trent'anni fa, Red Hat ha intuito il potenziale dello sviluppo e delle licenze open source per creare software migliori e promuovere l'innovazione IT. Trenta milioni di righe di codice dopo, Linux non solo si è evoluto fino a diventare il software open source di maggior successo, ma mantiene questa posizione ancora oggi. L'impegno verso i principi open source continua, non solo nel modello di business aziendale, ma anche come parte integrante della cultura aziendale. Secondo la valutazione dell'azienda, questi concetti hanno lo stesso impatto sull'intelligenza artificiale (IA) se applicati correttamente, ma il mondo della tecnologia è diviso su quale sia il "modo giusto".
L'intelligenza artificiale, in particolare i modelli linguistici di grandi dimensioni (LLM) alla base dell'intelligenza artificiale generativa (gen AI), non può essere considerata alla stregua di un programma open source. A differenza del software, i modelli di intelligenza artificiale consistono principalmente in modelli di parametri numerici che determinano il modo in cui un modello elabora gli input, nonché la connessione che stabilisce tra i vari punti dati. I parametri dei modelli addestrati sono il risultato di un lungo processo che coinvolge enormi quantità di dati di addestramento, accuratamente preparati, miscelati ed elaborati.
Sebbene i parametri del modello non siano software, per certi aspetti svolgono una funzione simile al codice. È facile confrontare i dati con il codice sorgente del modello, o qualcosa di molto simile. Nell'open source, il codice sorgente è comunemente definito come il "metodo preferito" per apportare modifiche al software. I dati di training da soli non soddisfano questa funzione, date le loro dimensioni variabili e il complicato processo di pre-training che si traduce in una connessione tenue e indiretta tra qualsiasi dato utilizzato nel training e i parametri addestrati e il comportamento risultante del modello.
La maggior parte dei miglioramenti e delle ottimizzazioni dei modelli di intelligenza artificiale attualmente in corso nella comunità non comportano l'accesso o la manipolazione dei dati di training originali. Sono invece il risultato di modifiche ai parametri del modello o di un processo o aggiustamento che può anche servire a perfezionare le prestazioni del modello. La libertà di apportare questi miglioramenti al modello richiede che i parametri siano rilasciati con tutte le autorizzazioni che gli utenti ricevono dalle licenze open source.
La visione di Red Hat per l'intelligenza artificiale open source.
Red Hat ritiene che il fondamento dell'intelligenza artificiale open source risieda nei parametri dei modelli con licenza open source, combinati con componenti software open source . Questo è un punto di partenza per l'intelligenza artificiale open source, ma non la destinazione finale della filosofia. Red Hat incoraggia la comunità open source, le autorità di regolamentazione e il settore a continuare a impegnarsi per una maggiore trasparenza e allineamento con i principi di sviluppo open source durante l'addestramento e l'ottimizzazione dei modelli di intelligenza artificiale.
Questa è la visione di Red Hat come azienda che abbraccia un ecosistema di software open source e può concretamente interagire con l'intelligenza artificiale open source. Non si tratta di un tentativo di definizione formale, come quella che l' Open Source Initiative (OSI) sta sviluppando con la sua Open Source AI Definition (OSAID). Questa è la prospettiva dell'azienda su come rendere l'intelligenza artificiale open source fattibile e accessibile al più ampio spettro possibile di comunità, organizzazioni e fornitori.
Questa prospettiva viene messa in pratica attraverso il lavoro con le comunità open source, evidenziato dal InstructLab , guidato da Red Hat, e dall'impegno con IBM Research sulla famiglia di modelli open source con licenza Granite . InstructLab riduce significativamente le barriere per i non data scientist che desiderano contribuire ai modelli di intelligenza artificiale. Con InstructLab, esperti di settore di tutti i settori possono contribuire con le proprie competenze e conoscenze, sia per uso interno sia per contribuire alla creazione di un modello di intelligenza artificiale open source condiviso e ampiamente accessibile per le comunità upstream.
La famiglia di modelli Granite 3.0 si rivolge a un'ampia gamma di casi d'uso dell'intelligenza artificiale, dalla generazione di codice all'elaborazione del linguaggio naturale fino all'estrazione di informazioni da grandi set di dati, il tutto con una licenza open source permissiva. Abbiamo aiutato IBM Research a introdurre la famiglia di modelli di codice Granite nel mondo open source e continuiamo a supportarla, sia da una prospettiva open source sia come parte della nostra offerta di intelligenza artificiale Red Hat.
Le ripercussioni dei recenti annunci di DeepSeek mostrano come l'innovazione open source possa avere un impatto sull'IA, sia a livello di modello che oltre. Ovviamente, ci sono preoccupazioni riguardo all'approccio della piattaforma cinese, in particolare per il fatto che la licenza del modello non spiega come è stato prodotto, rafforzando l'esigenza di trasparenza. Detto questo, la suddetta disruption rafforza la visione di Red Hat per il futuro dell'IA: un futuro aperto incentrato su modelli più piccoli, ottimizzati e aperti, personalizzabili per specifici casi d'uso dei dati aziendali in qualsiasi posizione all'interno del cloud ibrido.
Espansione dei modelli di intelligenza artificiale oltre l'open source
Il lavoro di Red Hat nel settore dell'intelligenza artificiale open source va ben oltre InstructLab e la famiglia di modelli Granite, estendendosi agli strumenti e alle piattaforme necessari per un utilizzo effettivo e produttivo dell'intelligenza artificiale. L'azienda è molto attiva nella promozione di progetti e community tecnologiche, tra cui (ma non solo):
● RamaLama , un progetto open source che mira a facilitare la gestione e l'implementazione locale di modelli di intelligenza artificiale;
● TrustyAI , un toolkit open source per creare flussi di lavoro di intelligenza artificiale più responsabili;
● Climatik , un progetto incentrato sul contribuire a rendere l'intelligenza artificiale più sostenibile in termini di consumo energetico;
● Podman AI Lab , un toolkit per sviluppatori focalizzato sulla facilitazione della sperimentazione con LLM open source;
Il recente annuncio di Neural Magic amplia la visione aziendale per l'intelligenza artificiale, consentendo alle organizzazioni di allineare modelli di intelligenza artificiale più piccoli e ottimizzati, inclusi sistemi open source con licenza, con i propri dati, ovunque risiedano nel cloud ibrido. Le organizzazioni IT possono quindi utilizzare il vLLM per guidare le decisioni e la produzione a partire da questi modelli, contribuendo a costruire uno stack di intelligenza artificiale basato su tecnologie trasparenti e supportate.
Per l'azienda, l'intelligenza artificiale open source vive e respira nel cloud ibrido. Il cloud ibrido offre la flessibilità necessaria per scegliere l'ambiente migliore per ogni carico di lavoro di intelligenza artificiale, ottimizzando prestazioni, costi, scalabilità e requisiti di sicurezza. Le piattaforme, gli obiettivi e l'organizzazione di Red Hat supportano questi sforzi, insieme ai partner del settore, ai clienti e alla community open source, con l'obiettivo di promuovere l'open source nell'intelligenza artificiale.
Esiste un immenso potenziale per espandere questa collaborazione aperta nel settore dell'intelligenza artificiale. Red Hat immagina un futuro che comprenda un lavoro trasparente sui modelli, così come la loro formazione. Che sia la prossima settimana o il prossimo mese (o anche prima, data la rapida evoluzione dell'intelligenza artificiale), l'azienda e la comunità aperta nel suo complesso continueranno a sostenere e ad abbracciare gli sforzi per democratizzare e aprire il mondo dell'intelligenza artificiale.
