ഓപ്പൺ സോഴ്‌സ് AI: റെഡ് ഹാറ്റിന്റെ വീക്ഷണം

മൂന്ന് പതിറ്റാണ്ടുകൾക്ക് മുമ്പ്, മികച്ച സോഫ്റ്റ്‌വെയർ സൃഷ്ടിക്കുന്നതിനും ഐടി നവീകരണം വളർത്തുന്നതിനുമുള്ള ഓപ്പൺ സോഴ്‌സ് വികസനത്തിന്റെയും ലൈസൻസിംഗിന്റെയും സാധ്യതകൾ Red Hat കണ്ടു. മുപ്പത് ദശലക്ഷം കോഡ് ലൈനുകൾ പിന്നീട്, ലിനക്സ് ഏറ്റവും വിജയകരമായ ഓപ്പൺ സോഴ്‌സ് സോഫ്റ്റ്‌വെയറായി മാറാൻ മാത്രമല്ല, ഇന്നും ആ സ്ഥാനം നിലനിർത്താനും കഴിഞ്ഞു. കോർപ്പറേറ്റ് ബിസിനസ് മോഡലിൽ മാത്രമല്ല, തൊഴിൽ സംസ്കാരത്തിന്റെ ഭാഗമായും ഓപ്പൺ സോഴ്‌സ് തത്വങ്ങളോടുള്ള പ്രതിബദ്ധത തുടരുന്നു. കമ്പനിയുടെ വിലയിരുത്തലിൽ, ഈ ആശയങ്ങൾ ശരിയായി ചെയ്താൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിൽ (AI) സമാനമായ സ്വാധീനം ചെലുത്തുന്നു, എന്നാൽ "ശരിയായ വഴി" എന്തായിരിക്കുമെന്ന് സാങ്കേതിക ലോകം വിഭജിക്കപ്പെട്ടിരിക്കുന്നു.

AI, പ്രത്യേകിച്ച് ജനറേറ്റീവ് AI (gen AI) ന് പിന്നിലുള്ള വലിയ ഭാഷാ മോഡലുകൾ (LLM-കൾ) ഒരു ഓപ്പൺ സോഴ്‌സ് പ്രോഗ്രാമിന്റെ അതേ രീതിയിൽ കാണാൻ കഴിയില്ല. സോഫ്റ്റ്‌വെയറിൽ നിന്ന് വ്യത്യസ്തമായി, AI മോഡലുകളിൽ പ്രധാനമായും സംഖ്യാ പാരാമീറ്റർ മോഡലുകൾ അടങ്ങിയിരിക്കുന്നു, അത് ഒരു മോഡൽ ഇൻപുട്ടുകൾ എങ്ങനെ പ്രോസസ്സ് ചെയ്യുന്നുവെന്നും വിവിധ ഡാറ്റ പോയിന്റുകൾ തമ്മിലുള്ള ബന്ധം നിർണ്ണയിക്കുന്നു. പരിശീലനം ലഭിച്ച മോഡലുകളുടെ പാരാമീറ്ററുകൾ ശ്രദ്ധാപൂർവ്വം തയ്യാറാക്കുകയും, മിശ്രിതമാക്കുകയും, പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്ന വലിയ അളവിലുള്ള പരിശീലന ഡാറ്റ ഉൾപ്പെടുന്ന ഒരു നീണ്ട പ്രക്രിയയുടെ ഫലമാണ്.

മോഡൽ പാരാമീറ്ററുകൾ സോഫ്റ്റ്‌വെയർ അല്ലെങ്കിലും, ചില കാര്യങ്ങളിൽ അവയ്ക്ക് കോഡിന് സമാനമായ ഒരു ഫംഗ്ഷൻ ഉണ്ട്. മോഡലിന്റെ സോഴ്‌സ് കോഡുമായോ അല്ലെങ്കിൽ അതിനോട് വളരെ അടുത്തുള്ള മറ്റെന്തെങ്കിലുമായോ ഡാറ്റ താരതമ്യം ചെയ്യുന്നത് എളുപ്പമാണ്. ഓപ്പൺ സോഴ്‌സിൽ, സോഴ്‌സ് കോഡിനെ സാധാരണയായി സോഫ്റ്റ്‌വെയറിൽ മാറ്റങ്ങൾ വരുത്തുന്നതിനുള്ള "ഇഷ്ടപ്പെട്ട മാർഗം" എന്ന് നിർവചിക്കുന്നു. പരിശീലന ഡാറ്റ മാത്രം ഈ ഫംഗ്ഷന് അനുയോജ്യമല്ല, കാരണം അതിന്റെ വ്യത്യസ്ത വലുപ്പവും സങ്കീർണ്ണമായ പ്രീ-പരിശീലന പ്രക്രിയയും പരിശീലനത്തിൽ ഉപയോഗിക്കുന്ന ഏതെങ്കിലും ഡാറ്റ ഇനത്തിന് പരിശീലനം ലഭിച്ച പാരാമീറ്ററുകളുമായും മോഡലിന്റെ ഫലമായുണ്ടാകുന്ന പെരുമാറ്റവുമായും ദുർബലവും പരോക്ഷവുമായ ബന്ധത്തിൽ കലാശിക്കുന്നു.

കമ്മ്യൂണിറ്റിയിൽ നിലവിൽ നടക്കുന്ന AI മോഡലുകളുടെ മിക്ക മെച്ചപ്പെടുത്തലുകളും മെച്ചപ്പെടുത്തലുകളും യഥാർത്ഥ പരിശീലന ഡാറ്റ ആക്‌സസ് ചെയ്യുന്നതോ കൈകാര്യം ചെയ്യുന്നതോ ഉൾപ്പെടുന്നില്ല. പകരം, അവ മോഡൽ പാരാമീറ്ററുകളിലെ പരിഷ്കാരങ്ങളുടെ ഫലമായോ അല്ലെങ്കിൽ മോഡൽ പ്രകടനത്തെ മികച്ചതാക്കാൻ സഹായിക്കുന്ന ഒരു പ്രക്രിയയുടെയോ ക്രമീകരണത്തിന്റെയോ ഫലമായോ ഉണ്ടാകുന്നു. ഈ മോഡൽ മെച്ചപ്പെടുത്തലുകൾ നടത്താനുള്ള സ്വാതന്ത്ര്യം, ഓപ്പൺ സോഴ്‌സ് ലൈസൻസുകൾക്ക് കീഴിൽ ഉപയോക്താക്കൾക്ക് ലഭിക്കുന്ന എല്ലാ അനുമതികളോടും കൂടി പാരാമീറ്ററുകൾ പുറത്തിറക്കേണ്ടതുണ്ട്.

ഓപ്പൺ സോഴ്‌സ് AI-യെക്കുറിച്ചുള്ള റെഡ് ഹാറ്റിന്റെ ദർശനം.

ഓപ്പൺ സോഴ്‌സ് AI യുടെ അടിസ്ഥാനം ഓപ്പൺ സോഴ്‌സ് സോഫ്റ്റ്‌വെയർ ഘടകങ്ങളുമായി സംയോജിപ്പിച്ച ഓപ്പൺ സോഴ്‌സ് ലൈസൻസുള്ള മോഡൽ പാരാമീറ്ററുകളിലാണ് . ഇത് ഓപ്പൺ സോഴ്‌സ് AI-യുടെ ഒരു ആരംഭ പോയിന്റാണ്, പക്ഷേ തത്ത്വചിന്തയുടെ ആത്യന്തിക ലക്ഷ്യസ്ഥാനമല്ല. AI മോഡലുകൾ പരിശീലിപ്പിക്കുകയും ട്യൂൺ ചെയ്യുകയും ചെയ്യുമ്പോൾ ഓപ്പൺ സോഴ്‌സ് വികസന തത്വങ്ങളുമായി കൂടുതൽ സുതാര്യതയും വിന്യാസവും ഉറപ്പാക്കാൻ ഓപ്പൺ സോഴ്‌സ് കമ്മ്യൂണിറ്റി, റെഗുലേറ്ററി അതോറിറ്റികൾ, വ്യവസായം എന്നിവ തുടർന്നും പരിശ്രമിക്കാൻ Red Hat പ്രോത്സാഹിപ്പിക്കുന്നു.

ഒരു ഓപ്പൺ സോഴ്‌സ് സോഫ്റ്റ്‌വെയർ ഇക്കോസിസ്റ്റം ഉൾക്കൊള്ളുന്നതും ഓപ്പൺ സോഴ്‌സ് AI-യുമായി പ്രായോഗികമായി ഇടപഴകാൻ കഴിയുന്നതുമായ ഒരു കമ്പനി എന്ന നിലയിൽ Red Hat-ന്റെ ദർശനമാണിത്. ഓപ്പൺ സോഴ്‌സ് ഇനിഷ്യേറ്റീവ് ഓപ്പൺ സോഴ്‌സ് AI ഡെഫനിഷൻ ഉപയോഗിച്ച് വികസിപ്പിച്ചുകൊണ്ടിരിക്കുന്നത് . ഓപ്പൺ സോഴ്‌സ് AI എങ്ങനെ സാധ്യമാക്കാമെന്നും സാധ്യമായ ഏറ്റവും വിശാലമായ കമ്മ്യൂണിറ്റികൾ, ഓർഗനൈസേഷനുകൾ, വെണ്ടർമാർ എന്നിവർക്ക് ആക്‌സസ് ചെയ്യാമെന്നും കോർപ്പറേഷന്റെ കാഴ്ചപ്പാടാണിത്.

InstructLab ലൈസൻസുള്ള ഓപ്പൺ സോഴ്‌സ് മോഡലുകളുടെ ഗ്രാനൈറ്റ് കുടുംബത്തെക്കുറിച്ചുള്ള IBM റിസർച്ചുമായുള്ള പരിശ്രമം എന്നിവയിലൂടെ ഓപ്പൺ സോഴ്‌സ് കമ്മ്യൂണിറ്റികളുമായുള്ള പ്രവർത്തനത്തിലൂടെയാണ് ഈ കാഴ്ചപ്പാട് പ്രായോഗികമാക്കുന്നത് . ഡാറ്റാ ഇതര ശാസ്ത്രജ്ഞർക്ക് AI മോഡലുകൾ സംഭാവന ചെയ്യുന്നതിനുള്ള തടസ്സങ്ങൾ InstructLab ഗണ്യമായി കുറയ്ക്കുന്നു. InstructLab ഉപയോഗിച്ച്, എല്ലാ മേഖലകളിൽ നിന്നുമുള്ള ഡൊമെയ്ൻ വിദഗ്ധർക്ക് ആന്തരിക ഉപയോഗത്തിനും അപ്‌സ്ട്രീം കമ്മ്യൂണിറ്റികൾക്കായി പങ്കിട്ടതും വ്യാപകമായി ആക്‌സസ് ചെയ്യാവുന്നതുമായ ഒരു ഓപ്പൺ സോഴ്‌സ് AI മോഡൽ സൃഷ്ടിക്കാൻ സഹായിക്കുന്നതിനും അവരുടെ കഴിവുകളും അറിവും ചേർക്കാൻ കഴിയും.

ഉൾക്കാഴ്ചകൾ വേർതിരിച്ചെടുക്കൽ വരെയുള്ള വിപുലമായ AI ഉപയോഗ കേസുകളെ അഭിസംബോധന ചെയ്യുന്നു , എല്ലാം അനുവദനീയമായ ഓപ്പൺ സോഴ്‌സ് ലൈസൻസിന് കീഴിലാണ്. ഗ്രാനൈറ്റ് കോഡ് മോഡലുകളുടെ കുടുംബത്തെ ഓപ്പൺ സോഴ്‌സ് ലോകത്തേക്ക് കൊണ്ടുവരാനും ഓപ്പൺ സോഴ്‌സ് വീക്ഷണകോണിൽ നിന്നും ഞങ്ങളുടെ Red Hat AI ഓഫറിന്റെ ഭാഗമായും മോഡലുകളുടെ കുടുംബത്തെ പിന്തുണയ്ക്കുന്നത് തുടരാനും ഞങ്ങൾ IBM റിസർച്ചിനെ സഹായിച്ചു.

ഡീപ്‌സീക്കിന്റെ സമീപകാല പ്രഖ്യാപനങ്ങളുടെ പ്രത്യാഘാതങ്ങൾ, ഓപ്പൺ സോഴ്‌സ് നവീകരണം മോഡൽ തലത്തിലും അതിനുമപ്പുറത്തും AI-യെ എങ്ങനെ സ്വാധീനിക്കുമെന്ന് കാണിക്കുന്നു. ചൈനീസ് പ്ലാറ്റ്‌ഫോമിന്റെ സമീപനത്തെക്കുറിച്ച് ആശങ്കകളുണ്ട്, പ്രത്യേകിച്ച് മോഡലിന്റെ ലൈസൻസ് അത് എങ്ങനെ നിർമ്മിച്ചുവെന്ന് വിശദീകരിക്കുന്നില്ല, ഇത് സുതാര്യതയുടെ ആവശ്യകതയെ ശക്തിപ്പെടുത്തുന്നു. എന്നിരുന്നാലും, മുകളിൽ പറഞ്ഞ തടസ്സം AI-യുടെ ഭാവിയെക്കുറിച്ചുള്ള Red Hat-ന്റെ കാഴ്ചപ്പാടിനെ ശക്തിപ്പെടുത്തുന്നു: ഹൈബ്രിഡ് ക്ലൗഡിനുള്ളിലെ ഏത് സ്ഥലത്തും നിർദ്ദിഷ്ട എന്റർപ്രൈസ് ഡാറ്റ ഉപയോഗ കേസുകൾക്കായി ഇഷ്ടാനുസൃതമാക്കാൻ കഴിയുന്ന ചെറുതും ഒപ്റ്റിമൈസ് ചെയ്തതും തുറന്നതുമായ മോഡലുകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഒരു തുറന്ന ഭാവി.

ഓപ്പൺ സോഴ്‌സിനപ്പുറം AI മോഡലുകൾ വികസിപ്പിക്കുന്നു.

ഓപ്പൺ സോഴ്‌സ് AI സ്‌പെയ്‌സിൽ Red Hat-ന്റെ പ്രവർത്തനം InstructLab, Granite മോഡലുകളുടെ കുടുംബങ്ങൾ എന്നിവയ്‌ക്കപ്പുറം, AI യഥാർത്ഥത്തിൽ ഉപയോഗിക്കുന്നതിനും ഉൽപ്പാദനപരമായി ഉപയോഗിക്കുന്നതിനും ആവശ്യമായ ഉപകരണങ്ങളിലേക്കും പ്ലാറ്റ്‌ഫോമുകളിലേക്കും വ്യാപിക്കുന്നു. (എന്നാൽ ഇവയിൽ മാത്രം പരിമിതപ്പെടുന്നില്ല) പോലുള്ള സാങ്കേതിക പദ്ധതികളും കമ്മ്യൂണിറ്റികളും വളർത്തുന്നതിൽ കമ്പനി വളരെ സജീവമായി മാറിയിരിക്കുന്നു:

● AI മോഡലുകളുടെ പ്രാദേശിക മാനേജ്മെന്റും വിന്യാസവും സുഗമമാക്കാൻ ലക്ഷ്യമിടുന്ന ഒരു ഓപ്പൺ സോഴ്‌സ് പ്രോജക്റ്റായ രാമലാമ

● കൂടുതൽ ഉത്തരവാദിത്തമുള്ള AI വർക്ക്ഫ്ലോകൾ നിർമ്മിക്കുന്നതിനുള്ള ഒരു ഓപ്പൺ സോഴ്‌സ് ടൂൾകിറ്റ്, TrustyAI

● ഊർജ്ജ ഉപഭോഗത്തിന്റെ കാര്യത്തിൽ AI കൂടുതൽ സുസ്ഥിരമാക്കാൻ സഹായിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചുള്ള ഒരു പ്രോജക്റ്റ്, ക്ലൈമാറ്റിക്

● ഓപ്പൺ സോഴ്‌സ് എൽഎൽഎമ്മുകളിൽ പരീക്ഷണം സുഗമമാക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ച ഒരു ഡെവലപ്പർ ടൂൾകിറ്റ് ആയ പോഡ്മാൻ എഐ ലാബ്

സമീപകാല പ്രഖ്യാപനം AI-യുടെ കോർപ്പറേറ്റ് കാഴ്ചപ്പാടിനെ വിശാലമാക്കുന്നു, ഇത് ഹൈബ്രിഡ് ക്ലൗഡിൽ എവിടെയായിരുന്നാലും ലൈസൻസുള്ള ഓപ്പൺ സോഴ്‌സ് സിസ്റ്റങ്ങൾ ഉൾപ്പെടെയുള്ള ചെറുതും ഒപ്റ്റിമൈസ് ചെയ്തതുമായ AI മോഡലുകളെ അവയുടെ ഡാറ്റയുമായി വിന്യസിക്കാൻ സ്ഥാപനങ്ങൾക്ക് സാധ്യമാക്കുന്നു. തുടർന്ന് ഐടി സ്ഥാപനങ്ങൾക്ക് vLLM ഈ മോഡലുകളിൽ നിന്നുള്ള തീരുമാനങ്ങളും ഉൽപ്പാദനവും നയിക്കാൻ കഴിയും, ഇത് സുതാര്യവും പിന്തുണയ്ക്കുന്നതുമായ സാങ്കേതികവിദ്യകളെ അടിസ്ഥാനമാക്കി ഒരു AI സ്റ്റാക്ക് നിർമ്മിക്കാൻ സഹായിക്കുന്നു.

കോർപ്പറേഷനെ സംബന്ധിച്ചിടത്തോളം, ഓപ്പൺ സോഴ്‌സ് AI ഹൈബ്രിഡ് ക്ലൗഡിൽ ജീവിക്കുകയും ശ്വസിക്കുകയും ചെയ്യുന്നു. ഓരോ AI വർക്ക്‌ലോഡിനും ഏറ്റവും മികച്ച അന്തരീക്ഷം തിരഞ്ഞെടുക്കുന്നതിന് ആവശ്യമായ വഴക്കം ഹൈബ്രിഡ് ക്ലൗഡ് നൽകുന്നു, പ്രകടനം, ചെലവ്, സ്കെയിൽ, സുരക്ഷാ ആവശ്യകതകൾ എന്നിവ ഒപ്റ്റിമൈസ് ചെയ്യുന്നു. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിൽ ഓപ്പൺ സോഴ്‌സ് മുന്നോട്ട് കൊണ്ടുപോകുന്നതിനാൽ, വ്യവസായ പങ്കാളികൾ, ഉപഭോക്താക്കൾ, ഓപ്പൺ സോഴ്‌സ് കമ്മ്യൂണിറ്റി എന്നിവയ്‌ക്കൊപ്പം Red Hat-ന്റെ പ്ലാറ്റ്‌ഫോമുകളും ലക്ഷ്യങ്ങളും ഓർഗനൈസേഷനും ഈ ശ്രമങ്ങളെ പിന്തുണയ്ക്കുന്നു.

AI മേഖലയിൽ ഈ തുറന്ന സഹകരണം വികസിപ്പിക്കുന്നതിന് വളരെയധികം സാധ്യതകളുണ്ട്. മോഡലുകളിലെ സുതാര്യമായ പ്രവർത്തനങ്ങളും പരിശീലനവും ഉൾക്കൊള്ളുന്ന ഒരു ഭാവിയാണ് Red Hat വിഭാവനം ചെയ്യുന്നത്. അടുത്ത ആഴ്ചയോ അടുത്ത മാസമോ (അല്ലെങ്കിൽ AI യുടെ ദ്രുതഗതിയിലുള്ള പരിണാമം കണക്കിലെടുക്കുമ്പോൾ, അതിലും നേരത്തെ), കമ്പനിയും തുറന്ന സമൂഹവും AI യുടെ ലോകത്തെ ജനാധിപത്യവൽക്കരിക്കാനും തുറക്കാനുമുള്ള ശ്രമങ്ങളെ പിന്തുണയ്ക്കുകയും സ്വീകരിക്കുകയും ചെയ്യുന്നത് തുടരും.