het idee van artificial intelligence (IA) is niet nieuw, maar recente ontwikkelingen in gerelateerde technologieën zijn een instrument geworden dat dagelijks door ons allemaal wordt gebruikt. Het groeiende belang en de verspreiding van AI is zowel opwindend als potentieel alarmerend, aangezien de basis van veel AI-platforms en -bronnen in wezen zwarte dozen zijn die worden gecontroleerd door een klein aantal krachtige bedrijven.
Grote organisaties, zoals Red Hat, geloven dat Iedereen zou het vermogen moeten hebben om bij te dragen aan AI. AI-innovatie mag niet worden beperkt tot bedrijven die zich enorme hoeveelheden verwerkingscapaciteit kunnen veroorloven en datawetenschappers die nodig zijn om deze te trainen Geweldige taalmodellen (lms)
In plaats daarvan stellen tientallen jaren van open source-ervaring voor softwareontwikkeling en samenwerking met gemeenschappen iedereen in staat om bij te dragen en te profiteren van AI, terwijl ze helpen een toekomst vorm te geven die aan onze behoeften voldoet. Het lijdt geen twijfel dat open source-aanpak de enige manier is om het volledige potentieel van AI te bereiken, waardoor het veiliger, toegankelijker en gedemocratiseerder wordt.
Wat is open source?
Hoewel de term “open source” oorspronkelijk verwijst naar een softwareontwikkelingsmethodologie, is deze uitgebreid met een meer algemene vorm van werk die open, gedecentraliseerd en diep samenwerkend is. De open source beweging gaat nu veel verder dan de softwarewereld, en De manier om open source te zijn Het is omarmd door gezamenlijke inspanningen over de hele wereld, waaronder sectoren zoals wetenschap, onderwijs, overheid, productie, gezondheid en meer.
De open source cultuur heeft een aantal grondbeginselen Dat maakt het effectief en zinvol, bijvoorbeeld:
- Samenwerkingsparticipatie
- Gedeelde verantwoordelijkheid
- Open beurzen
- Meritocratie en inclusie
- Communitygerichte ontwikkeling
- Open samenwerking
- zelforganisatie
- Respect en wederkerigheid
Wanneer open source-principes de basis vormen van samenwerkingsinspanningen, laat de geschiedenis zien dat verbazingwekkende dingen mogelijk zijn. Enkele belangrijke voorbeelden variëren van de ontwikkeling en verspreiding van de Linux als het krachtigste en meest aanwezige besturingssysteem ter wereld tot de opkomst en groei van Kubernetes en containers, naast de ontwikkeling en uitbreiding van het internet zelf.
Zes voordelen van open source in het AI-tijdperk
Er zijn tal van voordelen voor de ontwikkeling van technologieën door open source, maar zes voordelen vallen op tussen de andere.
1. Verhoogde snelheid van innovatie
Wanneer technologie op een collaboratieve en open manier wordt ontwikkeld, kunnen innovatie en ontdekking veel sneller gebeuren, in tegenstelling tot gesloten organisaties en eigen oplossingen.
Wanneer het werk openlijk wordt gedeeld en anderen de mogelijkheid hebben om op basis daarvan te maken, besparen teams enorm veel tijd en moeite omdat ze niet helemaal opnieuw hoeven te beginnen. Nieuwe ideeën kunnen de projecten die eerder kwamen uitbreiden. Dit bespaart niet alleen tijd en geld, maar versterkt ook de resultaten naarmate meer mensen samenwerken om problemen op te lossen, te delen insights en elkaars werk bekijken.
Een bredere en meer samenwerkende gemeenschap is gewoon in staat om meer te bereiken: het promoten van mensen en het verbinden van expertise om complexe problemen op te lossen en sneller en effectiever te innoveren dan kleine en geïsoleerde groepen.
2 De toegang democratiseren
Open source democratiseert ook de toegang tot nieuwe AI-technologieën. Wanneer enquêtes, codes en tools openlijk worden gedeeld, helpt het om enkele van de barrières te elimineren die normaal gesproken de toegang tot geavanceerde innovaties beperken.
O instructie Het is een mooi voorbeeld van dit uitgangspunt. Het initiatief is een model-onafhankelijk open source AI-project dat het proces van het bijdragen van vaardigheden en kennis aan LLM's vereenvoudigt. Het doel van de inspanning is om iedereen in staat te stellen de vorm te geven aan de generatieve AI (Gen AI), inclusief degenen die niet over de vaardigheden en training in datawetenschap beschikken die normaal gesproken nodig zijn. Hierdoor kunnen meer individuen en organisaties op betrouwbare wijze bijdragen aan de training en raffinage van LLMS.
3. Verbeterde beveiliging en privacy
Aangezien open source-projecten toegangsbarrières verminderen, kan een grotere en meer diverse groep werknemers helpen bij het identificeren en aanpakken van potentiële beveiligingsuitdagingen in AI-modellen terwijl ze worden ontwikkeld.
De meeste gegevens en methoden die worden gebruikt om AI-modellen te trainen en aan te passen, worden gesloten en onderhouden door eigen logica. Zelden buitenstaanders van deze organisaties kunnen enig inzicht krijgen in hoe deze algoritmen werken en of ze potentieel gevaarlijke gegevens of inherente vooroordelen herbergen.
Als een model en de gegevens die worden gebruikt om het te trainen, echter worden geopend, kan elke geïnteresseerde dit onderzoeken, waardoor de beveiligingsrisico's worden verminderd en vooroordelen over platforms worden geminimaliseerd. Daarnaast kunnen bijdragers aan de Open Filosofie tools en processen creëren om toekomstige ontwikkeling van modellen en applicaties te volgen en te controleren, zodat de ontwikkeling van verschillende oplossingen kan worden gevolgd.
Ook deze openheid en transparantie vertrouwen genereren, omdat gebruikers de mogelijkheid hebben om direct te onderzoeken hoe hun gegevens worden gebruikt en verwerkt, zodat ze kunnen controleren of hun privacy en gegevenssoevereiniteit wordt gerespecteerd. Daarnaast kunnen bedrijven hun privé-, vertrouwelijke of bedrijfseigen informatie ook beschermen met open source-projecten zoals InstructLab om hun eigen aangepaste modellen te maken, waarover ze strikte controle houden.
4. Biedt flexibiliteit en keuzevrijheid
Hoewel monolithische, eigen en black-box LLM's zijn wat de meeste mensen zien en denken over generatieve AI, beginnen we een groeiende boost te zien naar kleinere, onafhankelijke en ontwikkelde AI-modellen die voor een specifiek doel zijn ontwikkeld.
die Modellen met kleine taal (SLM's) worden meestal getraind in veel kleinere datasets om ze hun basisfunctionaliteit te geven, en worden verder aangepast aan specifieke gebruiksscenario's met domeinspecifieke gegevens en kennis.
Deze SLM's zijn aanzienlijk efficiënter dan hun grotere neven en nichten, en hebben aangetoond dat ze ook (zo niet beter) presteren wanneer ze voor het beoogde doel worden gebruikt. Ze zijn sneller en efficiënter om te trainen en in te zetten, en kunnen worden aangepast en naar behoefte worden aangepast.
En daar is het InstructLab-project voor gemaakt. Hiermee kunt u een kleiner model van open source AI nemen en het uitbreiden met de aanvullende gegevens en training die u wilt.
U kunt bijvoorbeeld InstructLab gebruiken om een servicechatbot te maken voor de sterk aangepaste klant en ontwikkeld voor een specifiek doel, waardoor de beste praktijken in de organisatie worden verbeterd. Deze praktijk stelt u in staat om het beste van uw klantenservice te bieden voor iedereen, overal, in realtime.
En, belangrijker nog, u kunt hierdoor voorkomen dat u vast komt te zitten met een leverancier en biedt flexibiliteit in termen van waar en hoe u uw AI-model implementeert en alle applicaties die erop zijn gebouwd.
5. Maakt een levendig ecosysteem mogelijk
in de open community,“Niemand innoveert alleen“, en dit geloof is gehandhaafd sinds de eerste maanden van de oprichting van de gemeenschap.
Dit idee blijft geldig in het AI-tijdperk binnen Red Hat, een leider in open oplossingen, die verschillende tools en structuren van open source zal bieden in de vorm van rode hoed daar, Oplossing waarmee partners meer waarde genereren voor eindklanten.
Een enkele leverancier kan niet alles bieden wat een organisatie nodig heeft, of zelfs de huidige snelheid van technologische evolutie bijhouden. Open source principes en praktijken versnellen innovatie en maken een levendig ecosysteem mogelijk door partnerschappen en samenwerkingsmogelijkheden tussen projecten en industrieën te bevorderen.
6. Verlaag de kosten
Begin 2025 heeft, het wordt geschat Dat het gemiddelde basissalaris van een datawetenschapper in de Verenigde Staten hoger is dan US$ 125.000, waarbij meer ervaren datawetenschappers aanzienlijk meer kunnen verdienen.
Het is duidelijk dat er een enorme en groeiende vraag is naar datawetenschappers met AI, maar weinig bedrijven hebben de hoop om de gespecialiseerde talenten aan te trekken en te behouden die ze nodig hebben.
En de echt grote LLM's zijn exorbitant duur om te bouwen, trainen, onderhouden en inzetten, waarbij hele magazijnen gevuld zijn met zeer geoptimaliseerde (en zeer dure) computerapparatuur en een enorme hoeveelheid opslagruimte.
Open, kleinere en ingebouwde modellen voor specifieke doeleinden en AI-toepassingen zijn aanzienlijk efficiënter voor het bouwen, trainen en implementeren. Ze vereisen niet alleen een fractie van de rekenkracht van de LLM's, projecten zoals InstructLab stellen mensen zonder gespecialiseerde vaardigheden en ervaring in staat om actief en effectief bij te dragen aan de training en verfijning van AI-modellen.
Het is duidelijk dat de kostenbesparingen en flexibiliteit die open source biedt voor de ontwikkeling van AI, gunstig zijn voor kleine en middelgrote bedrijven die hopen een concurrentievoordeel te behalen met AI-toepassingen.
samenvattend
Om een democratische en open AI te bouwen, is het cruciaal om de open source-principes te gebruiken die cloud computing, internet, Linux en zoveel andere open, krachtige en diepgaande innovatieve technologieën mogelijk maken.
Dit is het pad dat Red Hat volgt om AI levensvatbare en andere gerelateerde tools te maken. Iedereen zou moeten profiteren van de ontwikkeling van kunstmatige intelligentie, dus iedereen zou in staat moeten zijn om te helpen bij het bepalen en vormgeven van hun traject, en bij te dragen aan hun ontwikkeling. Samenwerkingsvernieuwing en open source zijn niet essentieel omdat het onvermijdelijk is voor de toekomst van de discipline.
