Meer dan drie decennia geleden zag Red Hat het potentieel van open source ontwikkeling en licenties om betere software te creëren en IT-innovatie te stimuleren. Dertig miljoen regels code later is Linux niet alleen uitgegroeid tot de meest succesvolle open source software, maar behoudt deze positie tot op de dag van vandaag. De toewijding aan de open source-principes blijft bestaan, niet alleen in het bedrijfsmodel, maar ook als onderdeel van de werkcultuur. Bij de beoordeling van het bedrijf hebben deze concepten hetzelfde effect op kunstmatige intelligentie (AI) als ze op de juiste manier worden gedaan, maar de wereld van de technologie is verdeeld over wat de "juiste manier" zou zijn.
AI, vooral de grote taalmodellen (LLMs) achter generatieve AI (gen AI), kunnen niet worden gezien als hetzelfde als een open programma. In tegenstelling tot software bestaan AI-modellen voornamelijk uit numerieke parameters die bepalen hoe een model invoer verwerkt, evenals de verbinding die het maakt tussen verschillende datapunten. Parameters van getrainde modellen zijn het resultaat van een lang proces dat grote hoeveelheden trainingsgegevens omvat die zorgvuldig worden voorbereid, gemengd en verwerkt.
Hoewel de parameters van het model geen software zijn, vervullen ze in sommige opzichten een vergelijkbare functie als de code. Het is gemakkelijk om te vergelijken dat de gegevens de broncode van het model zijn, of er heel dicht bij zouden liggen. Open source, de broncode wordt algemeen beschouwd als de "voorkeursvorm" om wijzigingen in de software aan te brengen. De trainingsgegevens alleen passen niet bij deze functie, omdat hun grootte verschilt en vanwege het complexe voortrainingsproces dat leidt tot een zwakke en indirecte verbinding tussen elk item van de gebruikte trainingsgegevens en de getrainde parameters en het resulterende gedrag van het model.
De meeste verbeteringen en verfijningen in AI-modellen die momenteel plaatsvinden in de gemeenschap, betreffen geen toegang tot of manipulatie van de originele trainingsgegevens. In plaats daarvan zijn ze het resultaat van wijzigingen in de modelparameters of in een proces of afstemming dat ook kan dienen om de prestaties van het model aan te passen. De vrijheid om deze verbeteringen in het model aan te brengen, vereist dat de parameters worden vrijgegeven met alle permissies die gebruikers ontvangen onder open source-licenties.
Visie van Red Hat op open source AI.
Red Hat gelooft dat de basis van open source IA ligt in deopen source gelicentieerde modelparameters gecombineerd met open source softwarecomponentenDit is een startpunt van open source AI, maar niet de uiteindelijke bestemming van de filosofie. Red Hat moedigt de open source-gemeenschap, regelgevende instanties en de industrie aan om zich blijven inzetten voor meer transparantie en afstemming met de principes van open source-ontwikkeling door het trainen en aanpassen van AI-modellen.
Dit is de visie van Red Hat als bedrijf, die een ecosysteem van open source software omvat, en op een praktische manier kan betrokken raken bij open source AI. Het is geen poging tot een formele definitie, zoals die van deOpen Source Initiatief(OSI) is aan het ontwikkelen met zijnOpen Source AI Definitie(OSAID). Dit is het standpunt van de organisatie dat open source AI haalbaar en toegankelijk maakt voor de grootste groep gemeenschappen, organisaties en leveranciers.
Dit standpunt in de praktijk wordt in de praktijk gebracht door middel van het werken met open source gemeenschappen, benadrukt door het projectInstructLab, geleid door Red Hat en de inspanning met IBM Researchin de Granite-familie van open source modellen met licentieO InstructLab reduz significativamente as barreiras para que pessoas que não são cientistas de dados contribuam com modelos de IA. Met InstructLab kunnen domeinspecialisten uit alle sectoren hun vaardigheden en kennis toevoegen, zowel voor intern gebruik als om een gedeeld en breed toegankelijk open source AI-model te ondersteunen voor upstream gemeenschappen.
De Granite 3.0 modelfamilie behandelt een breed scala aan AI-gebruiksscenario's, van codegeneratie tot natuurlijke taalverwerking voor extractieinzichtengrote datasets, alles onder een permissieve open source-licentie. Wij helpen IBM Research om de Granite-codefamilie van modellen naar de open source-wereld te brengen en blijven de modelfamilie ondersteunen, zowel vanuit het oogpunt van open source als als onderdeel van ons Red Hat AI-aanbod.
De repercussie van derecente advertenties van DeepSeeklaat zien hoe open source-innovatie de AI kan beïnvloeden, zowel op modelniveau als daarbuiten. Natuurlijk zijn er zorgen over de aanpak van het Chinese platform, vooral omdat de licentie van het model niet uitlegt hoe het is geproduceerd, wat de noodzaak van transparantie versterkt. Hiermee versterkt de genoemde disruptie de visie van Red Hat op de toekomst van AI: een open toekomst, gericht op kleinere, geoptimaliseerde en open modellen, die kunnen worden aangepast voor specifieke zakelijke datagevallen overal in de hybride cloud.
Uitbreiden van AI-modellen buiten open source
Het werk van Red Hat op het gebied van open source AI gaat veel verder dan InstructLab en de Granite-modelfamilie, tot aan de tools en platforms die nodig zijn om AI daadwerkelijk te consumeren en productief te gebruiken. Het bedrijf is zeer actief geworden in het stimuleren van projecten en gemeenschappen op technologisch gebied, zoals bijvoorbeeld (maar niet uitsluitend):
● RamaLamaeen open-source project dat gericht is op het vergemakkelijken van het lokaal beheer en de beschikbaarstelling van AI-modellen;
● TrustyAIeen open-source toolkit voor het bouwen van meer verantwoorde AI-workflows;
● Climatikeen project gericht op het helpen maken van AI duurzamer wat energieverbruik betreft;
● Podman AI Labeen ontwikkelaarskit gericht op het vergemakkelijken van experimenten met open source LLMs;
DErecentelijke aankondigingOver Neural Magic verbreedt het bedrijfsinzicht in AI, waardoor organisaties kleinere en geoptimaliseerde AI-modellen kunnen afstemmen, inclusief gelicentieerde open source-systemen, met hun gegevens, waar ze zich ook bevinden in de hybride cloud. IT-organisaties kunnen vervolgens de inferentieserver gebruikenvLLMom de beslissingen en de productie van deze modellen te stimuleren, door te helpen bij het opbouwen van een AI-stack gebaseerd op transparante technologieën en ondersteuning.
Voor de organisatie leeft en ademt open source AI in de hybride cloud. De hybride cloud biedt de flexibiliteit die nodig is om de beste omgeving te kiezen voor elke AI-workload, waardoor de prestaties, kosten, schaal en beveiligingsvereisten worden geoptimaliseerd. De platforms, doelen en organisatie van Red Hat ondersteunen deze inspanningen, samen met sectorpartners, klanten en de open source-gemeenschap, terwijl open source in kunstmatige intelligentie wordt bevorderd.
Er is een enorm potentieel om deze open samenwerking op het gebied van AI uit te breiden. Red Hat ziet een toekomst waarin transparant werken in modellen, evenals training, centraal staan. Of het nu volgende week is of volgende maand (of zelfs eerder, gezien de snelheid van de evolutie van AI), het bedrijf en de open gemeenschap als geheel zullen blijven ondersteunen en de inspanningen om de wereld van AI te democratiseren en open te stellen, blijven omarmen.
