AI의 미래를 위해 오픈소스가 필수적인

의 아이디어 인공지능 (IA)는 새로운 것이 아니지만 최근 관련 기술의 발전은 우리 모두가 매일 사용하는 도구가 되었습니다.  많은 AI 플랫폼과 리소스의 기반이 본질적으로 소수의 강력한 기업에 의해 제어되는 블랙박스이기 때문에 AI의 중요성과 확산은 흥미롭고 잠재적으로 놀라운 일입니다.

Red Hat과 같은 대규모 조직은 다음과 같이 믿습니다. 모든 사람은 AI에 기여할 수 있는 능력이 있어야 합니다.. AI 혁신은 엄청난 양의 처리 능력을 감당할 수 있는 기업과 이를 훈련하는 데 필요한 데이터 과학자에게만 제한되어서는 안 됩니다. 훌륭한 언어 모델 (LLM)

대신 수십 년간의 소프트웨어 개발 및 커뮤니티와의 협업을 위한 오픈 소스 경험을 통해 모든 사람이 AI에 기여하고 혜택을 받을 수 있으며, 우리의 요구를 충족시키는 미래를 형성하는 데 도움을 줄 수 있습니다. 오픈 소스 접근 방식이 AI의 잠재력을 최대한 발휘하여 보다 안전하고 접근 가능하며 민주화할 수 있는 유일한 방법이라는 데는 의심의 여지가 없습니다.

오픈소스란?

“오픈 소스”라는 용어는 원래 소프트웨어 개발 방법론을 의미하지만 개방적이고 분산적이며 깊이 협력하는 보다 일반적인 형태의 작업을 포함하도록 확장되었습니다. 오픈소스 운동은 이제 소프트웨어 세계를 훨씬 뛰어넘어 오픈소스의 길 과학, 교육, 정부, 제조, 건강 등과 같은 분야를 포함하여 전 세계의 협력 노력으로 수용되었습니다.

오픈소스 문화는 어느 정도 기본 원칙 예를 들어, 효과적이고 의미 있는 것으로 만듭니다.

• 협력적 참여
• 공동 책임
• 열린 거래소
• 능력주의와 포용
• 커뮤니티 중심의 개발
• 열린 협업
• 자급 조직
• 존중과 상호주의

오픈소스 원칙이 협력적 노력의 기초가 되면 역사는 놀라운 일들이 가능하다는 것을 보여줍니다. 몇 가지 중요한 예는 개발 및 확산에 이르기까지 다양합니다. 리눅스 세계에서 가장 강력하고 편재하는 운영 체제로, 쿠버네티스 및 컨테이너, 인터넷 자체의 개발 및 확장 외에도.

AI 시대의 오픈소스의 6가지 장점

오픈 소스에 의한 기술 개발에는 수많은 이점이 있지만, 그 중에서도 6가지 장점이 두드러집니다. 

1. 혁신 속도 향상

기술이 협업적이고 개방적인 방식으로 개발될 때, 폐쇄된 조직 및 독점 솔루션과 달리 혁신과 발견이 훨씬 더 빠르게 이루어질 수 있습니다. 

작업이 공개적으로 공유되고 다른 사람들이 이를 기반으로 만들 수 있는 경우 팀은 처음부터 시작할 필요가 없기 때문에 엄청난 시간과 노력을 절약합니다. 새로운 아이디어는 이전에 나온 프로젝트를 확장할 수 있습니다. 이것은 시간과 돈을 절약할 뿐만 아니라 더 많은 사람들이 문제를 해결하고 공유하기 위해 함께 노력함에 따라 결과를 강화합니다. 인사이트 그리고 서로의 작업을 검토합니다.

더 광범위하고 보다 협업적인 커뮤니티는 단순히 더 많은 것을 달성할 수 있습니다. 사람을 홍보하고 전문 지식을 연결하여 복잡한 문제를 해결하고 소규모 및 고립된 그룹보다 더 빠르고 효과적으로 혁신합니다. 

2 액세스 민주화

오픈소스는 또한 새로운 AI 기술에 대한 접근을 민주화합니다. 설문조사, 코드 및 도구를 공개적으로 공유할 때 일반적으로 최첨단 혁신에 대한 액세스를 제한하는 몇 가지 장벽을 제거하는 데 도움이 됩니다.

오 지시학습 (Jisihakseup) or 지시실험 (Jisisilheom) Both translations are appropriate, depending on the nuance you want to convey. * **지시학습 (Jisihakseup):** This translates more literally to "instructional learning" and emphasizes the learning aspect. * **지시실험 (Jisisilheom):** This translates to "instructional experiment" and emphasizes the experimental aspect, suggesting a more hands-on, practical approach. The best choice depends on the specific context of "InstructLab." If it's a platform for learning through instructions, 지시학습 is better. If it's a platform for conducting experiments guided by instructions, 지시실험 is more suitable. 이 전제의 좋은 예입니다. 이 이니셔티브는 LLMS에 기술과 지식을 기여하는 프로세스를 단순화하는 모델 독립적인 오픈 소스 AI 프로젝트입니다. 노력의 목적은 누구나 형성할 수 있도록 하는 것입니다. IA generativa (Gen AI), 일반적으로 필요한 데이터 과학에 대한 기술과 훈련이 없는 사람을 포함합니다. 이를 통해 더 많은 개인과 조직이 LLM의 교육 및 개선에 안정적으로 기여할 수 있습니다.

3. 보안 및 개인 정보 보호 강화 

오픈소스 프로젝트가 진입장벽을 줄임으로써, 더 크고 다양한 직원들이 개발 중인 AI 모델의 잠재적인 보안 문제를 파악하고 해결할 수 있다.

AI 모델을 학습하고 조정하는 데 사용되는 대부분의 데이터와 방법은 독점 논리에 의해 폐쇄되고 유지됩니다. 이러한 조직의 외부인은 이러한 알고리즘이 어떻게 작동하는지, 잠재적으로 위험한 데이터나 고유한 편향이 있는지 여부에 대한 통찰력을 얻을 수 있는 경우가 거의 없습니다.

그러나 모델과 이를 훈련하는 데 사용된 데이터를 열면 관심 있는 사람이 이를 검토하여 보안 위험을 줄이고 플랫폼 편향을 최소화할 수 있습니다. 또한 Open Philosophy 기여자는 모델 및 애플리케이션의 향후 개발을 추적하고 감사하는 도구와 프로세스를 만들어 다양한 솔루션의 개발을 모니터링할 수 있습니다. 

이러한 개방성과 투명성 또한 신뢰를 생성하다, 사용자는 자신의 데이터가 어떻게 사용되고 처리되는지 직접 조사할 수 있으므로 개인 정보 및 데이터 주권이 존중되는지 확인할 수 있습니다. 또한 기업은 InstructLab과 같은 오픈 소스 프로젝트를 사용하여 개인, 기밀 또는 독점 정보를 보호하여 엄격한 통제를 유지하는 자체 조정 모델을 만들 수 있습니다.

4. 유연성과 선택의 자유 제공

모놀리식, 독점 및 블랙박스 LLM은 대부분의 사람들이 생성적 AI에 대해 보고 생각하는 것이지만, 우리는 특정 목적을 위해 개발된 더 작고 독립적이며 개발된 AI 모델에 대한 증가하는 증가를 보기 시작했습니다.

어떤 몇 사람의 작은 언어 모델 (SLM)은 일반적으로 훨씬 더 작은 데이터 세트에서 기본 기능을 제공하도록 훈련되며 도메인별 데이터와 지식이 있는 특정 사용 사례에 추가로 적용됩니다.

이러한 SLM은 더 큰 사촌보다 훨씬 더 효율적이며 의도한 목적으로 사용하면 더 나은 성능을 발휘하는 것으로 나타났습니다. 교육 및 배포가 더 빠르고 효율적이며 필요에 따라 맞춤화 및 맞춤화할 수 있습니다.

그리고 그것이 IntriptLab 프로젝트가 만들어진 이유입니다. 이를 통해 더 작은 오픈 소스 AI 모델을 사용하여 원하는 추가 데이터와 교육을 통해 확장할 수 있습니다.

예를 들어, InstructLab을 사용하여 고도로 조정된 고객을 위한 서비스 챗봇을 만들고 특정 목적을 위해 개발하여 조직의 모범 사례를 향상시킬 수 있습니다. 이 관행을 통해 모든 사람에게 실시간으로 모든 사람에게 최고의 고객 서비스 경험을 제공할 수 있습니다. 

그리고 더 중요한 것은 이를 통해 공급업체와 얽매이지 않고 AI 모델과 그 기반에 구축된 모든 애플리케이션을 구현하는 위치와 방법에 대한 유연성을 제공합니다.

5. 활기찬 생태계를 가능하게 합니다.

공개 커뮤니티에서 “아무도 혼자 혁신하지 않는다“, 그리고 이 믿음은 공동체 설립 첫 달부터 유지되었습니다. 

이 아이디어는 오픈 소스의 다양한 도구와 구조를 제공할 오픈 솔루션의 리더인 Red Hat의 AI 시대에도 유효할 것입니다. 거기 빨간 모자, 파트너가 최종 고객에게 더 많은 가치를 창출할 솔루션입니다. 

단일 공급업체는 조직이 필요로 하는 모든 것을 제공하거나 현재의 기술 발전 속도를 따라갈 수 없습니다. 오픈소스 원칙과 관행은 프로젝트와 산업 간의 파트너십과 협업 기회를 촉진하여 혁신을 가속화하고 활기찬 생태계를 가능하게 합니다.

6. 비용 절감

2025년 초, 그것은 추정된다 미국 데이터 과학자의 평균 기본 급여가 US$ 125,000보다 높으며 경험이 풍부한 데이터 과학자가 훨씬 더 많은 수익을 올릴 수 있습니다.

AI에 대한 데이터 과학자에 대한 수요가 엄청나고 증가하고 있지만, 필요한 전문 인재를 유치하고 유지할 수 있는 높은 희망을 가진 기업은 거의 없습니다.

그리고 정말 큰 LLM은 구축, 훈련, 유지 관리 및 배포 비용이 엄청나게 비싸며 전체 창고는 고도로 최적화된(매우 비싼) 컴퓨터 장비와 엄청난 양의 스토리지로 채워져 있어야 합니다.

특정 목적과 AI 애플리케이션을 위한 개방형, 더 작은, 내장형 모델은 구축, 교육 및 구현에 훨씬 더 효율적입니다. LLMS의 컴퓨팅 성능의 극히 일부만을 필요로 하는 것이 아니라 InstructLab과 같은 프로젝트를 통해 전문 기술과 경험이 없는 사람들이 AI 모델의 교육 및 미세 조정에 적극적이고 효과적으로 기여할 수 있습니다.

오픈소스가 AI 개발에 가져다주는 비용 절감과 유연성은 AI 애플리케이션으로 경쟁력을 확보하기를 희망하는 중소기업에게 유익한 것이다.

요약하면

민주적이고 개방적인 AI를 구축하려면 클라우드 컴퓨팅, 인터넷, 리눅스 및 기타 많은 개방적이고 강력하고 혁신적인 기술을 가능하게 한 오픈 소스 원칙을 사용하는 것이 중요합니다.

이것은 AI를 실행 가능하게 만드는 Red Hat과 기타 관련 도구를 만들기 위해 따라가는 경로입니다. 모든 사람이 인공 지능의 개발로부터 혜택을 받아야 하므로 모든 사람이 자신의 궤적을 결정하고 형성하고 발전에 기여할 수 있어야 합니다. 협업 혁신과 오픈 소스는 해당 분야의 미래를 위해 불가피한 것이 아닙니다.