Open Source AI: het perspectief van Red Hat

Meer dan drie decennia geleden zag Red Hat het potentieel van ontwikkeling en open source licenties om betere software te creëren en IT-innovatie te bevorderen Dertig miljoen regels code later ontwikkelde Linux zich niet alleen tot het punt dat het de meest succesvolle open source software werd, maar handhaaft dit standpunt ook tot op de dag van vandaag De toewijding aan open source principes blijft bestaan, niet alleen in het bedrijfsmodel, maar maakt ook deel uit van de werkcultuur, In de beoordeling van het bedrijf hebben deze concepten dezelfde impact op kunstmatige intelligentie (AI) als ze op de juiste manier worden gedaan, maar de wereld van technologie is verdeeld in relatie tot wat de juiste stofmanier” zou zijn.

AI, vooral de grote taalmodellen (LLM's) achter generatieve AI (gen AI), kunnen niet op dezelfde manier worden bekeken als een open programma, in tegenstelling tot software bestaan AI-modellen voornamelijk uit numerieke parametermodellen die bepalen hoe een model input verwerkt, evenals de verbinding die het maakt tussen meerdere datapunten.

Hoewel de modelparameters geen software zijn, hebben ze in sommige opzichten een functie die vergelijkbaar is met code. Het is gemakkelijk om de vergelijking te maken dat de gegevens de broncode van het model zijn, of er heel dicht bij zouden liggen. In open source wordt de broncode gewoonlijk gedefinieerd als de “ die de voorkeur heeft om wijzigingen aan de software aan te brengen. De trainingsgegevens alleen passen niet in deze functie, aangezien de omvang ervan verschilt en het ingewikkelde pre-trainingsproces dat resulteert in een zwakke en indirecte verbinding die elk item van de gegevens dat bij de training wordt gebruikt, heeft met de getrainde parameters en het resulterende gedrag van het model.

De meeste verbeteringen en verbeteringen aan AI-modellen die nu in de gemeenschap plaatsvinden, hebben geen betrekking op toegang tot of manipulatie van de originele trainingsgegevens.In plaats daarvan zijn ze het resultaat van wijzigingen aan de modelparameters of een proces of afstemming die ook kan dienen om de prestaties van het model aan te passen. De vrijheid om deze verbeteringen aan het model aan te brengen vereist dat de parameters worden vrijgegeven met alle machtigingen die gebruikers ontvangen onder open source-licenties.

Red Hat's visie voor open source AI.

Red Hat gelooft dat de basis van open source AI ligt in de open source gelicentieerde modelparameters gecombineerd met open source softwarecomponentendit is een startpunt voor open source AI, maar niet de ultieme filosofiebestemming.Red Hat moedigt de open source-gemeenschap, regelgevende instanties en de industrie aan om te blijven streven naar meer transparantie en afstemming op open source-ontwikkelingsprincipes bij het trainen en afstemmen van AI-modellen.

Dit is de visie van Red Hat als een bedrijf, dat een open source software-ecosysteem omvat, dat op een praktische manier kan samenwerken met open source AI. Het is geen poging om formeel te definiëren, zoals de Open Source Initiative (OSI) ontwikkelt zich met zijn Open Source AI-definitie (OSAID). Dit is het standpunt van het bedrijf dat open source AI haalbaar en toegankelijk maakt voor de grootste groep gemeenschappen, organisaties en leveranciers.

Dit standpunt wordt in de praktijk gebracht door samen te werken met open source-gemeenschappen, zoals benadrukt door het project InstruerenLabonder leiding van Red Hat en de inspanningen met IBM Research in de Granite-familie van gelicentieerde open source-modellen. InstructLab vermindert de barrières voor mensen die geen datawetenschapper zijn om bij te dragen aan AI-modellen aanzienlijk Met InstructLab kunnen domeinexperts uit alle sectoren hun vaardigheden en kennis toevoegen, zowel voor intern gebruik als om een gedeeld en breed toegankelijk open source AI-model voor upstream-gemeenschappen te helpen.

De Granite 3.0-modellenfamilie behandelt een breed scala aan AI-gebruiksscenario's, van het genereren van code tot natuurlijke taalverwerking tot extraheren insights vanuit grote datasets, allemaal onder een tolerante open source-licentie. We hebben IBM Research geholpen de Granite-familie van codesjablonen naar de open source-wereld te brengen en de familie van sjablonen te blijven ondersteunen, zowel vanuit een open source-perspectief als als onderdeel van onze Red Hat AI-aanbod.

De repercussie van recente aankondigingen van DeepSeek het laat zien hoe open source innovatie invloed kan hebben op AI, zowel op modelniveau als daarbuiten Uiteraard zijn er zorgen over de Chinese platformbenadering, vooral dat de modellicentie niet uitlegt hoe deze is geproduceerd, wat de behoefte aan transparantie versterkt. Dat gezegd hebbende, versterkt de genoemde verstoring Red Hat's visie op de toekomst van AI: een open toekomst, gericht op kleinere, geoptimaliseerde en open modellen, die kunnen worden aangepast voor specifieke business data-gebruiksscenario's overal en elke hybride cloudlocatie. 

AI-modellen uitbreiden tot buiten open source

Het werk van Red Hat in de open source AI-ruimte gaat veel verder dan InstructLab en de Granite-modelfamilie, naar de tools en platforms die nodig zijn om AI daadwerkelijk te consumeren en productief te gebruiken. Het bedrijf is zeer actief geworden in het bevorderen van technologieprojecten en gemeenschappen, zoals (maar niet alleen):

'''      RamaLama, een open source-project dat tot doel heeft het lokale beheer en de beschikbaarheid van AI-modellen te vergemakkelijken;

'''      TrustyAI, een open source toolkit voor het bouwen van meer verantwoorde AI-workflows;

'''      Climatik, een project gericht op het helpen verduurzamen van AI als het gaat om energieverbruik;

'''      Podman AI Lab, een ontwikkelaarstoolkit gericht op het faciliteren van experimenten met open source LLM's;

O recente aankondiging about Neural Magic breidt de bedrijfsvisie van AI uit, waardoor het voor organisaties mogelijk wordt om kleinere, geoptimaliseerde AI-modellen, inclusief gelicentieerde open source-systemen, op één lijn te brengen met hun data, waar ze ook wonen in de hybride cloud vllm om beslissingen en productie van deze modellen te stimuleren, en te helpen bij het bouwen van een AI-stack op basis van transparante en ondersteunde technologieën.

Voor de onderneming leeft en ademt open source AI in de hybride cloud. Hybride cloud biedt de flexibiliteit om de beste omgeving voor elke AI-werklast te kiezen, waarbij de prestaties, kosten, schaal en beveiligingsvereisten worden geoptimaliseerd. Red Hat-platforms, doelen en organisatie ondersteunen deze inspanningen, samen met industriële partners, klanten en de open source-gemeenschap, terwijl open source op het gebied van kunstmatige intelligentie wordt aangestuurd.

Er is een enorm potentieel om deze open samenwerking op AI-gebied uit te breiden. Red Hat ziet een toekomst die transparant werk aan modellen en hun training omvat. Of het nu volgende week of volgende maand is (of zelfs eerder, gezien de snelle evolutie van AI), de onderneming en de open gemeenschap als geheel zullen doorgaan met het balanceren en omarmen van inspanningen om de AI-wereld te democratiseren en open te stellen.