Het idee vankunstmatige intelligentie(IA) is niet nieuw, maar recente vooruitgangen in technologieën gerelateerd aan hebben het veranderd in een hulpmiddel dat we allemaal dagelijks gebruiken.De toenemende belangrijkheid en proliferatie van AI is, tegelijkertijd, emotioneel en potentieel verontrustend, want de basis van veel platforms en AI-hulpmiddelen zijn in wezen zwarte dozen die worden gecontroleerd door een klein aantal krachtige bedrijven
Grote organisaties, zoals Red Hat, geloven datiedereen moet de mogelijkheid hebben om bij te dragen aan AI. Innovatie in AI mag niet beperkt zijn tot bedrijven die zich enorme hoeveelheden verwerkingscapaciteit en de datawetenschappers die nodig zijn om deze te trainen kunnen veroorlovengrote taalmodellen(LLMs)
In plaats daarvan, decennia van ervaring met open source voor softwareontwikkeling en samenwerking met gemeenschappen stellen iedereen in staat bij te dragen en te profiteren van AI, tegelijkertijd helpen ze een toekomst te vormen die aan onze behoeften voldoet. Er is geen twijfel dat de open source benadering de enige manier is om het volledige potentieel van AI te bereiken, het veiliger maken, toegankelijk en gedemocratiseerd
Wat is open source
Hoewel de term "open source" oorspronkelijk verwijst naar een ontwikkelingsmethodologie voor software, hij heeft zich uitgebreid om een algemenere vorm van werk te omvatten die open is, gedecentraliseerd en diepgaand collaboratief. De open source-beweging gaat nu veel verder dan de wereld van software, Ende manier van open source zijnwerd omarmd door samenwerkingsinspanningen over de hele wereld, inclusief sectoren zoals wetenschap, onderwijs, regering, fabricage, gezondheid en meer
De open source cultuur heeft enkelefundamentele principes en waardendie het effectief en betekenisvol maken, bijvoorbeeld
- Samenwerkende deelname
- Gedeelde verantwoordelijkheid
- Open ruilen
- Meritocratie en inclusie
- Gemeenschapsgericht ontwikkeling
- Open samenwerking
- Zelforganisatie
- Respect en wederkerigheid
Wanneer de open source principes de basis vormen van collaboratieve inspanningen, de geschiedenis toont aan dat ongelooflijke dingen mogelijk zijn. Enkele belangrijke voorbeelden variëren van de ontwikkeling en de proliferatie van deLinuxals het krachtigste en alomtegenwoordige besturingssysteem ter wereld tot de opkomst en groei vanKubernetesen de containers, naast de ontwikkeling en de uitbreiding van het internet zelf
Zes voordelen van open source in het tijdperk van AI
Er zijn talloze voordelen voor de ontwikkeling van technologieën via open source code, maar zes voordelen steken boven de anderen uit.
1. Verhoogde snelheid van innovatie
Wanneer technologie op een collaboratieve en open manier wordt ontwikkeld, innovatie en ontdekking kunnen veel sneller plaatsvinden, in tegenstelling tot gesloten organisaties en eigen oplossingen.
Wanneer het werk openlijk wordt gedeeld en anderen de mogelijkheid hebben om daarop voort te bouwen, de teams besparen een enorme hoeveelheid tijd en moeite omdat ze niet vanaf nul hoeven te beginnen. Nieuwe ideeën kunnen de projecten die eerder zijn gekomen uitbreiden. Dit bespaart niet alleen tijd en geld, maar versterkt ook de resultaten omdat meer mensen samen werken om problemen op te lossen, deleninzichtenen elkaars werk te herzien
Een bredere en collaboratieve gemeenschap is simpelweg in staat om meer te bereiken: mensen te bevorderen en expertises te verbinden om complexe problemen op te lossen en sneller en effectiever te innoveren dan kleine en geïsoleerde groepen.
2. Democratiseren van toegang
Open source democratiseert ook de toegang tot nieuwe AI-technologieën. Wanneer je zoekt, codes en tools worden openlijk gedeeld, dit helpt enkele van de barrières te elimineren die normaal gesproken de toegang tot baanbrekende innovaties beperken
DEInstructLabhet is een geweldig voorbeeld van deze premisse. Het initiatief is een onafhankelijk open source AI-project dat het proces van bijdragen van vaardigheden en kennis aan LLM's vereenvoudigt. Het doel van de inspanning is om iedereen in staat te stellen te helpen bij het vormgeven van degeneratieve IA(gen AI), inclusief degenen die niet de vaardigheden en training in datawetenschap hebben die normaal nodig zijn. Dit stelt meer individuen en organisaties in staat om op een betrouwbare manier bij te dragen aan de training en verfijning van LLM's
3. Verbeterde veiligheid en privacy
Hoe open source projecten de toetredingsdrempels verlagen, een grotere en diversere groep medewerkers kan helpen bij het identificeren en oplossen van potentiële beveiligingsuitdagingen die aanwezig zijn in AI-modellen terwijl ze worden ontwikkeld
De meeste gegevens en methoden die worden gebruikt om AI-modellen te trainen en af te stemmen zijn gesloten en worden beheerd door eigendomslogica. Zelden kunnen mensen van buiten deze organisaties enige inzicht krijgen in hoe deze algoritmen werken en of ze mogelijk gevaarlijke gegevens of inherente vooroordelen bevatten
Als een model en de gegevens die gebruikt zijn om het te trainen open zijn, echter, iedereen die geïnteresseerd is, kan ze bekijken, risico's voor de veiligheid verminderen en vooroordelen van platforms minimaliseren.Bovendien, de bijdragers aan de open filosofie kunnen tools en processen creëren om de toekomstige ontwikkeling van modellen en applicaties te volgen en te auditen, het mogelijk maken om de ontwikkeling van verschillende oplossingen te monitoren.
Deze openheid en transparantie ookgeram vertrouwen, aangezien gebruikers de mogelijkheid hebben om direct te bekijken hoe hun gegevens worden gebruikt en verwerkt, zodat ze kunnen controleren of hun privacy en gegevenssoevereiniteit worden gerespecteerd. Bovendien, bedrijven kunnen ook hun privé-informatie beschermen, vertrouwelijke of eigendomsinformatie met open source-projecten zoals InstructLab om hun eigen aangepaste modellen te creëren, waarover zij strikte controle houden
4. Bied flexibiliteit en keuzevrijheid
Hoewel de monolithische LLM's, eigenaren en black box zijn wat de meeste mensen zien en denken over generatieve AI, we beginnen een toenemende impuls te zien richting kleinere AI-modellen, onafhankelijk en ontwikkeld voor een specifiek doel
Dezekleine taalmodellen(SLM's) worden doorgaans getraind op veel kleinere datasets om hen hun basisfunctionaliteit te geven, en zijn ze nog meer aangepast voor specifieke gebruiksgevallen met domeinspecifieke gegevens en kennis
Deze SLM's zijn aanzienlijk efficiënter dan hun grotere neven, en toonden een zo goede (zo niet betere) prestatie te hebben wanneer ze voor het beoogde doel werden gebruikt. Ze zijn sneller en efficiënter om te trainen en te implementeren, en kunnen worden gepersonaliseerd en aangepast waar nodig
En het is grotendeels daarvoor dat het InstructLab-project is opgericht. Met hem, je kunt een kleiner open source AI-model nemen en het uitbreiden met de gegevens en aanvullende trainingen die je wilt
Bijvoorbeeld, je kunt InstructLab gebruiken om een zeer aangepaste en voor een specifiek doel ontwikkelde klantenservicechatbot te maken, het potentieel van betere praktijken in de organisatie. Deze praktijk stelt je in staat om het beste van je klantenservice-ervaring aan iedereen te bieden, overal, in real time.
E, belangrijker, dit stelt je in staat om niet aan een leverancier vast te zitten en biedt flexibiliteit in termen van waar en hoe je je AI-model en eventuele toepassingen die daarop zijn gebaseerd implementeert
5. Maakt een levendig ecosysteem mogelijk
In de open gemeenschap, “niemand innoveert alleen“, en dit geloof bestaat sinds de eerste maanden na de oprichting van de gemeenschap.
Dit idee blijft geldig in het tijdperk van AI binnen Red Hat, leider van open oplossingen, die verschillende tools en open-source code structuren zal bieden in de vorm vanRed Hat AI,oplossing waarmee partners meer waarde voor eindklanten zullen genereren.
Een enkele leverancier kan niet alles bieden wat een organisatie nodig heeft, je kunt de huidige snelheid van technologische evolutie zelf volgen. De principes en praktijken van open source versnellen de innovatie en creëren een levendig ecosysteem door partnerschappen en samenwerkingsmogelijkheden tussen projecten en industrieën te bevorderen
6. Kosten verlagen
Begin 2025, het wordt geschatdat het gemiddelde basissalaris van een datawetenschapper in de Verenigde Staten hoger is dan US$ 125.000, met meer ervaren datawetenschappers die aanzienlijk meer kunnen verdienen
Vanzelfsprekend, er is een enorme en groeiende vraag naar datawetenschappers met AI, maar weinig bedrijven hebben veel 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 implementeren, vereiste volledige magazijnen vol met hooggeoptimaliseerde (en zeer dure) computerapparatuur en een enorme hoeveelheid opslag
Open modellen, kleinere en voor specifieke doeleinden en AI-toepassingen gebouwde systemen zijn aanzienlijk efficiënter om te 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 fine-tuning van AI-modellen
Duidelijk, de kostenbesparing en de flexibiliteit die open source biedt voor de ontwikkeling van AI zijn voordelig voor kleine en middelgrote bedrijven die een concurrentievoordeel willen behalen met de toepassingen die AI kan bieden
In samenvatting
Voor de bouw van een democratische en open AI, het is cruciaal om de open source principes te gebruiken die cloud computing mogelijk hebben gemaakt, het internet, Linux en zoveel andere open technologieën, krachtig en diep innovatief
Dit is het pad dat Red Hat volgt om AI en andere gerelateerde tools mogelijk te maken. Iedereen moet profiteren van de ontwikkeling van kunstmatige intelligentie, zo, iedereen moet in staat zijn om te helpen bij het bepalen en vormgeven van hun traject, en bijdragen aan zijn ontwikkeling. Collaboratieve innovatie en open source zijn niet essentieel maar onontkoombaar voor de toekomst van het vakgebied
