Viru méi wéi dräi Joerzéngten huet Red Hat de Potenzial vun der Open-Source-Entwécklung a Lizenzéierung erkannt, fir besser Software ze kreéieren an d'IT-Innovatioun ze fërderen. Drësseg Millioune Zeilen Code méi spéit huet sech Linux net nëmmen zu der erfollegräichster Open-Source-Software entwéckelt, mä et behält dës Positioun bis haut. D'Engagement fir Open-Source-Prinzipien geet weider, net nëmmen am Geschäftsmodell vun der Firma, mä och als Deel vun der Aarbechtskultur. No der Bewäertung vun der Firma hunn dës Konzepter deeselwechten Impakt op d'kënschtlech Intelligenz (KI), wa se richteg ëmgesat ginn, awer d'Technologiewelt ass gespléckt iwwer wat de "richtege Wee" wier.
KI, besonnesch déi grouss Sproochmodeller (LLMs), déi hannert generativer KI (Gen AI) stinn, kënnen net op déiselwecht Aart a Weis wéi en Open-Source-Programm ugesi ginn. Am Géigesaz zu Software bestinn KI-Modeller haaptsächlech aus numeresche Parametermodeller, déi bestëmmen, wéi e Modell Inputen veraarbecht, souwéi d'Verbindung, déi et tëscht verschiddenen Datenpunkten mécht. Parameter vun trainéierte Modeller sinn d'Resultat vun engem laange Prozess, deen enorm Quantitéiten un Trainingsdaten involvéiert, déi virsiichteg virbereet, gemëscht a veraarbecht ginn.
Och wann Modellparameter keng Software sinn, hunn se a verschiddene Hisiichten eng Funktioun, déi dem Code ähnlech ass. Et ass einfach, d'Donnéeën mam Quellcode vum Modell ze vergläichen, oder eppes ganz ähnleches drun. An Open Source gëtt Quellcode allgemeng als de "bevorzugten Wee" definéiert, fir Modifikatiounen un der Software ze maachen. Trainingsdaten eleng passen net zu dëser Funktioun, wéinst hirer variéierender Gréisst an dem komplizéierte Virtrainingsprozess, deen zu enger schwaacher an indirekter Verbindung féiert, déi all Datenelement, dat am Training benotzt gëtt, mat den trainéierte Parameteren an dem resultéierende Verhalen vum Modell huet.
Déi meescht Verbesserungen an Erweiderungen un KI-Modeller, déi aktuell an der Communautéit stattfannen, betreffen net den Zougang zu oder d'Manipulatioun vun den ursprénglechen Trainingsdaten. Si resultéieren amplaz aus Modifikatioune vun de Modellparameteren oder engem Prozess oder enger Upassung, déi och d'Modellperformance feinjustéiere kann. D'Fräiheet, dës Modellverbesserungen ze maachen, erfuerdert, datt d'Parameteren mat all de Rechter verëffentlecht ginn, déi d'Benotzer ënner Open-Source-Lizenzen kréien.
D'Visioun vu Red Hat fir Open-Source-KI.
Red Hat gleeft, datt d'Grondlag vun der Open-Source-KI an den Open-Source-lizenzéierte Modellparameteren a Kombinatioun mat Open-Source-Softwarekomponenten . Dëst ass en Ausgangspunkt fir Open-Source-KI, awer net den ultimativen Zil vun der Philosophie. Red Hat encouragéiert d'Open-Source-Gemeinschaft, d'Reguléierungsautoritéiten an d'Industrie, sech weiderhin fir méi Transparenz an Upassung un d'Prinzipie vun der Open-Source-Entwécklung ze beméien, wa se KI-Modeller trainéieren an upassen.
Dëst ass d'Visioun vu Red Hat als eng Firma, déi en Open-Source-Software-Ökosystem ëmfaasst a praktesch mat Open-Source-KI ëmgoe kann. Et ass kee Versuch vun enger formeller Definitioun, wéi déi, déi d' Open Source Initiative Open Source AI Definition entwéckelt . Dëst ass d'Perspektiv vun der Firma, wéi Open-Source-KI fir eng méiglechst breet Palette vu Gemeinschaften, Organisatiounen a Fournisseuren machbar a zougänglech gemaach ka ginn.
Dës Perspektiv gëtt duerch d'Aarbecht mat Open-Source-Gemeinschaften an d'Praxis ëmgesat, ervirgehuewen duerch den InstructLab , dee vu Red Hat geleet gëtt, an d'Aarbecht mat IBM Research iwwer d'Granite-Famill vu lizenzéierte Open-Source-Modeller . InstructLab reduzéiert d'Barrièren fir Net-Datenwëssenschaftler däitlech, fir KI-Modeller bäizedroen. Mat InstructLab kënnen Domainexperten aus alle Secteuren hir Fäegkeeten a Wëssen bäidroen, souwuel fir intern Notzung wéi och fir e gemeinsamt an wäit zougänglecht Open-Source-KI-Modell fir Upstream-Gemeinschaften ze schafen.
D'Granite 3.0-Modellfamill adresséiert eng breet Palette vun KI-Benotzungsfäll, vun der Codegeneratioun iwwer d'Veraarbechtung vun natierlecher Sprooch bis hin zur Extraktioun vun Ablécker aus grousse Datensätz, alles ënner enger permissiver Open-Source-Lizenz. Mir hunn IBM Research gehollef, d'Granite-Codemodellfamill an d'Open-Source-Welt ze bréngen an ënnerstëtzen d'Modellfamill weiderhin, souwuel aus enger Open-Source-Perspektiv wéi och als Deel vun eisem Red Hat AI-Offer.
D'Konsequenze vun de rezenten Ukënnegunge vun DeepSeek weisen, wéi Open-Source-Innovatioun d'KI beaflosse kann, souwuel op Modellniveau wéi och doriwwer eraus. Et gëtt natierlech Bedenken iwwer den Usaz vun der chinesescher Plattform, besonnesch well d'Lizenz vum Modell net erkläert, wéi et produzéiert gouf, wat d'Noutwennegkeet vun Transparenz verstäerkt. Trotzdeem verstäerkt déi uewe genannte Stéierung d'Visioun vu Red Hat fir d'Zukunft vun der KI: eng oppe Zukunft, déi sech op méi kleng, optiméiert an oppe Modeller konzentréiert, déi fir spezifesch Benotzungsfäll vun Entreprisedaten op all Plaz an der Hybrid Cloud personaliséiert kënne ginn.
KI-Modeller iwwer Open Source eraus ausbauen.
D'Aarbecht vu Red Hat am Beräich vun der Open-Source-KI geet wäit iwwer InstructLab an d'Granite-Modellfamill eraus a geet och op d'Tools a Plattformen, déi néideg sinn, fir KI tatsächlech ze konsuméieren a produktiv ze benotzen. D'Firma ass ganz aktiv an der Fërderung vun Technologieprojeten a Gemeinschaften ginn, wéi zum Beispill (awer net limitéiert op):
● RamaLama , en Open-Source-Projet, deen d'lokal Gestioun an d'Aféierung vun KI-Modeller erliichtere soll;
● TrustyAI , en Open-Source-Toolkit fir méi verantwortungsvoll KI-Workflows opzebauen;
● Climatik , e Projet dee sech drop konzentréiert, d'KI méi nohalteg ze maachen, wann et ëm den Energieverbrauch geet;
● Podman AI Lab , en Toolkit fir Entwéckler, deen sech op d'Erliichterung vun Experimenter mat Open-Source LLMs konzentréiert;
Déi rezent Ukënnegung iwwer Neural Magic erweidert d'Entreprisevisioun fir KI, andeems et Organisatiounen erméiglecht, méi kleng, optiméiert KI-Modeller, dorënner lizenzéiert Open-Source-Systemer, mat hiren Donnéeën ofzestëmmen, egal wou se sech an der Hybrid-Cloud befannen. IT-Organisatiounen kënnen dann de vLLM , fir Entscheedungen an d'Produktioun aus dëse Modeller ze steieren an doduerch en KI-Stack op Basis vun transparenten an ënnerstëtzten Technologien opzebauen.
Fir d'Entreprise lieft an ootmet Open-Source-KI an der Hybrid-Cloud. D'Hybrid-Cloud bitt d'Flexibilitéit, déi néideg ass, fir déi bescht Ëmfeld fir all KI-Aarbechtslaascht ze wielen, andeems se d'Performance, d'Käschten, d'Skaléierung an d'Sécherheetsufuerderungen optimiséiert. D'Plattformen, d'Ziler an d'Organisatioun vu Red Hat ënnerstëtzen dës Efforten, zesumme mat Industriepartner, Clienten an der Open-Source-Gemeinschaft, well Open-Source an der kënschtlecher Intelligenz no vir geschubst gëtt.
Et gëtt en immens Potenzial fir dës oppe Kooperatioun am KI-Beräich auszebauen. Red Hat stellt sech eng Zukunft vir, déi transparent Aarbecht u Modeller, souwéi hir Ausbildung ëmfaasst. Egal ob nächste Woch oder nächste Mount (oder nach méi fréi, wéinst der schneller Entwécklung vun der KI), d'Firma an déi oppe Gemeinschaft als Ganzt wäerten d'Efforte fir d'Demokratiséierung an d'Ouverture vun der KI weiderhin ënnerstëtzen an akzeptéieren.
