Più di tre decenni fa, Red Hat ha visto il potenziale dello sviluppo e delle licenze open source per creare software migliori e promuovere l'innovazione IT. Trentamilioni di linee di codice dopo, Linux non solo si è sviluppato fino a diventare il software open source di maggior successo, ma mantiene ancora oggi questa posizione. L'impegno con i principi open source continua, non solo nel modello di business aziendale, ma anche come parte della cultura del lavoro. Nella valutazione dell'azienda, questi concetti hanno lo stesso impatto sull'intelligenza artificiale (IA) se fatti nel modo giusto, ma il mondo della tecnologia è diviso su quale sia la "maniera corretta".
L'IA, in particolare i grandi modelli di linguaggio (LLMs) dietro l'IA generativa (gen AI), non può essere vista allo stesso modo di un programma aperto. A differenza del software, i modelli di IA consistono principalmente in modelli di parametri numerici che determinano come un modello elabora gli input, così come la connessione che stabilisce tra vari punti dati. I parametri dei modelli addestrati sono il risultato di un lungo processo che coinvolge grandi quantità di dati di addestramento che vengono accuratamente preparati, mescolati e processati.
Benché i parametri del modello non siano software, in alcuni aspetti svolgono una funzione simile al codice. È facile fare la comparazione che i dati sono il codice sorgente del modello, o sarebbero molto vicini ad esso. Nel open source, il codice sorgente è comunemente definito come la "forma preferita" per apportare modifiche al software. I dati di addestramento da soli non si adattano a questa funzione, dato che la loro dimensione differisce e al suo complicato processo di pre-addestramento che porta a una connessione tenue e indiretta tra qualsiasi elemento dei dati usati nell'addestramento, i parametri addestrati e il comportamento risultante del modello.
La maggior parte dei miglioramenti e perfezionamenti nei modelli di IA che stanno avvenendo ora nella comunità non coinvolgono l'accesso o la manipolazione dei dati originali di addestramento. Invece, sono il risultato di modifiche ai parametri del modello o a un processo o aggiustamento che può anche servire a regolare le prestazioni del modello. La libertà di apportare queste migliorie al modello richiede che i parametri siano rilasciati con tutte le autorizzazioni che gli utenti ricevono sotto licenze open source.
Visione di Red Hat per l'IA open source.
Red Hat crede che la base dell'IA open source si trovi neiparametri di modello concessi in licenza come open source combinati con componenti software open sourceQuesto è un punto di partenza dell'IA open source, ma non la destinazione finale della filosofia. Red Hat incoraggia la comunità open source, le autorità regolatorie e l'industria a continuare a impegnarsi per ottenere maggiore trasparenza e allineamento con i principi dello sviluppo open source addestrando e regolando modelli di IA.
Questa è la visione di Red Hat come azienda, che comprende un ecosistema di software open source, può coinvolgere in modo pratico con l'IA open source. Non è un tentativo di definizione formale, come quella che laIniziativa Open Source(OSI) sta sviluppando con la suaDefinizione di AI Open Source(OSAID). Questo è il punto di vista dell'azienda che rende l'IA open source fattibile e accessibile al più ampio insieme di comunità, organizzazioni e fornitori.
Questo punto di vista in pratica viene messo in atto attraverso il lavoro con le comunità open source, evidenziato dal progettoIstruisciLabguidato da Red Hat e dallo sforzo con IBM Researchnella famiglia Granite di modelli open source con licenzaO InstructLab reduz significativamente as barreiras para que pessoas que não são cientistas de dados contribuam com modelos de IA. Con InstructLab, esperti di dominio di tutti i settori possono aggiungere le proprie competenze e conoscenze, sia per uso interno che per contribuire a un modello open source di IA condiviso e ampiamente accessibile alle comunità upstream.
La famiglia di modelli Granite 3.0 affronta un'ampia gamma di casi d'uso dell'IA, dalla generazione di codice all'elaborazione del linguaggio naturale per estrarreapprofondimentigrandi dataset, tutto sotto una licenza open source permissiva. Abbiamo aiutato IBM Research a portare la famiglia di modelli Granite nel mondo open source e continuiamo a supportare la famiglia di modelli, sia dal punto di vista open source che come parte della nostra offerta Red Hat AI.
La ripercussione deirecenti annunci di DeepSeekmostra come l'innovazione open source può influenzare l'IA, sia a livello di modello che oltre. Ovviamente ci sono preoccupazioni riguardo all'approccio della piattaforma cinese, soprattutto perché la licenza del modello non spiega come sia stato prodotto, il che rafforza la necessità di trasparenza. Detto ciò, la disruption menzionata rafforza la visione di Red Hat sul futuro dell'IA: un futuro aperto, incentrato su modelli più piccoli, ottimizzati e aperti, che possono essere personalizzati per casi d'uso di dati aziendali specifici in qualsiasi punto del cloud ibrido.
Espandendo modelli di IA oltre l'open source
Il lavoro di Red Hat nello spazio dell'IA open source va ben oltre InstructLab e la famiglia di modelli Granite, includendo gli strumenti e le piattaforme necessari per effettivamente consumare e utilizzare produttivamente l'IA. L'azienda è diventata molto attiva nel promuovere progetti e comunità tecnologiche, come ad esempio (ma non solo):
● RamaLamaun progetto open source che mira a facilitare la gestione e la disponibilizzazione locale dei modelli di IA;
● TrustyAI, un toolkit open source per la costruzione di flussi di lavoro di IA più responsabili;
● Climatikun progetto incentrato sull'aiutare a rendere l'IA più sostenibile in termini di consumo energetico;
● Podman AI Lab, un toolkit per sviluppatori focalizzato a facilitare l'esperimento con LLM open source;
ILannuncio recentesu Neural Magic amplia la visione aziendale sull'IA, rendendo possibile alle organizzazioni allineare modelli di IA più piccoli e ottimizzati, inclusi sistemi open source con licenza, con i propri dati, ovunque si trovino nel cloud ibrido. Le organizzazioni IT possono quindi utilizzare il server di inferenzavLLMper potenziare le decisioni e la produzione di questi modelli, contribuendo a costruire una pila di IA basata su tecnologie trasparenti e supportate.
Per l'azienda, l'IA 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 IA, ottimizzando le prestazioni, i costi, la scalabilità e i requisiti di sicurezza. Le piattaforme, gli obiettivi e l'organizzazione di Red Hat supportano questi sforzi, insieme a partner del settore, clienti e alla comunità open source, mentre il codice aperto nell'intelligenza artificiale viene promosso.
C'è un enorme potenziale per ampliare questa collaborazione aperta nel campo dell'IA. Red Hat vede un futuro che comprende un lavoro trasparente nei modelli, così come nella formazione. Che la prossima settimana o il prossimo mese (o anche prima, data la rapidità dell'evoluzione dell'IA), l'azienda e la comunità aperta, nel suo insieme, continueranno a sostenere e adottare gli sforzi per democratizzare e aprire il mondo dell'IA.