For mer enn tre tiår siden så Red Hat potensialet i åpen kildekode-utvikling og -lisensiering for å skape bedre programvare og fremme IT-innovasjon. Tretti millioner kodelinjer senere har Linux ikke bare utviklet seg til å bli den mest suksessrike programvaren med åpen kildekode, men den opprettholder også denne posisjonen den dag i dag. Forpliktelsen til prinsippene om åpen kildekode fortsetter, ikke bare i bedriftens forretningsmodell, men også som en del av arbeidskulturen. Etter selskapets vurdering har disse konseptene samme innvirkning på kunstig intelligens (KI) hvis de gjøres riktig, men teknologiverdenen er delt i hva den «riktige måten» ville være.
AI, spesielt de store språkmodellene (LLM-ene) bak generativ AI (generativ AI), kan ikke sees på samme måte som et åpen kildekode-program. I motsetning til programvare består AI-modeller primært av numeriske parametermodeller som bestemmer hvordan en modell behandler input, samt forbindelsen den lager mellom ulike datapunkter. Parametre i trente modeller er resultatet av en lang prosess som involverer enorme mengder treningsdata som er nøye utarbeidet, blandet og behandlet.
Selv om modellparametere ikke er programvare, har de på noen måter en funksjon som ligner på kode. Det er enkelt å sammenligne dataene med modellens kildekode, eller noe som ligner på den. I åpen kildekode defineres kildekode ofte som den "foretrukne måten" å gjøre modifikasjoner i programvaren på. Treningsdata alene passer ikke til denne funksjonen, gitt den varierende størrelsen og den kompliserte fortreningsprosessen som resulterer i en svak og indirekte forbindelse som ethvert dataelement som brukes i trening har med de trente parameterne og den resulterende oppførselen til modellen.
De fleste forbedringene og forbedringene av AI-modeller som for tiden skjer i fellesskapet, innebærer ikke tilgang til eller manipulering av de opprinnelige treningsdataene. I stedet er de et resultat av modifikasjoner av modellparametere eller en prosess eller justering som også kan tjene til å finjustere modellens ytelse. Friheten til å gjøre disse modellforbedringene krever at parametere frigis med alle tillatelsene som brukere får under åpen kildekode-lisenser.
Red Hats visjon for åpen kildekode-AI.
Red Hat mener at grunnlaget for åpen kildekode-AI ligger i lisensierte modellparametere for åpen kildekode kombinert med programvarekomponenter med åpen kildekode . Dette er et utgangspunkt for åpen kildekode-AI, men ikke det endelige målet for filosofien. Red Hat oppfordrer åpen kildekode-miljøet, reguleringsmyndigheter og industrien til å fortsette å strebe etter større åpenhet og samsvar med prinsipper for utvikling av åpen kildekode når de trener og finjusterer AI-modeller.
Dette er Red Hats visjon som et selskap som omfatter et økosystem for åpen kildekode-programvare og praktisk kan bruke åpen kildekode-AI. Det er ikke et forsøk på en formell definisjon, slik som den Open Source Initiative (OSI) utvikler med sin Open Source AI Definition (OSAID). Dette er selskapets perspektiv på hvordan man kan gjøre åpen kildekode-AI mulig og tilgjengelig for et bredest mulig spekter av lokalsamfunn, organisasjoner og leverandører.
Dette perspektivet settes ut i livet gjennom arbeid med åpen kildekode-miljøer, fremhevet av InstructLab , ledet av Red Hat, og arbeidet med IBM Research på Granite-familien av lisensierte åpen kildekode-modeller . InstructLab reduserer barrierene betydelig for ikke-dataforskere å bidra med AI-modeller. Med InstructLab kan domeneeksperter fra alle sektorer bidra med sine ferdigheter og kunnskaper, både for intern bruk og for å bidra til å skape en delt og allment tilgjengelig åpen kildekode-AI-modell for oppstrømsmiljøer.
Granite 3.0-modellfamilien dekker et bredt spekter av bruksområder for kunstig intelligens, fra kodegenerering til naturlig språkbehandling til å utvinne innsikt fra store datasett, alt under en permissiv åpen kildekode-lisens. Vi hjalp IBM Research med å bringe Granite-familien av kodemodeller inn i åpen kildekode-verdenen og fortsetter å støtte modellfamilien, både fra et åpen kildekode-perspektiv og som en del av vårt Red Hat AI-tilbud.
Konsekvensene av DeepSeeks nylige kunngjøringer viser hvordan åpen kildekode-innovasjon kan påvirke AI, både på modellnivå og utover. Det er åpenbart bekymringer rundt den kinesiske plattformens tilnærming, spesielt at modellens lisens ikke forklarer hvordan den ble produsert, noe som forsterker behovet for åpenhet. Når det er sagt, forsterker den nevnte forstyrrelsen Red Hats visjon for fremtiden til AI: en åpen fremtid fokusert på mindre, optimaliserte og åpne modeller som kan tilpasses for spesifikke brukstilfeller for bedriftsdata på ethvert sted i hybridskyen.
Utvidelse av AI-modeller utover åpen kildekode.
Red Hats arbeid innen åpen kildekode for kunstig intelligens går langt utover InstructLab og Granite-familien av modeller, og strekker seg til verktøyene og plattformene som trengs for å faktisk konsumere og produktivt bruke kunstig intelligens. Selskapet har blitt svært aktivt i å fremme teknologiprosjekter og -fellesskap, som for eksempel (men ikke begrenset til):
● RamaLama , et åpen kildekode-prosjekt som har som mål å legge til rette for lokal administrasjon og utrulling av AI-modeller;
● TrustyAI , et verktøysett med åpen kildekode for å bygge mer ansvarlige AI-arbeidsflyter;
● Climatik , et prosjekt som fokuserer på å bidra til å gjøre AI mer bærekraftig når det gjelder energiforbruk;
● Podman AI Lab , et verktøysett for utviklere som fokuserer på å legge til rette for eksperimentering med åpen kildekode-LLM-er;
Den nylige kunngjøringen om Neural Magic utvider bedriftens visjon for AI, og gjør det mulig for organisasjoner å samkjøre mindre, optimaliserte AI-modeller, inkludert lisensierte systemer med åpen kildekode, med dataene sine, uansett hvor de befinner seg i hybridskyen. IT-organisasjoner kan deretter bruke vLLM til å drive beslutninger og produksjon fra disse modellene, noe som bidrar til å bygge en AI-stabel basert på transparente og støttede teknologier.
For selskapet lever og ånder åpen kildekode-AI i hybridskyen. Hybridskyen gir fleksibiliteten som trengs for å velge det beste miljøet for hver AI-arbeidsmengde, og optimaliserer ytelse, kostnader, skalering og sikkerhetskrav. Red Hats plattformer, mål og organisasjon støtter disse tiltakene, sammen med bransjepartnere, kunder og åpen kildekode-fellesskapet, etter hvert som åpen kildekode innen kunstig intelligens drives fremover.
Det er et enormt potensial for å utvide dette åpne samarbeidet innen AI-området. Red Hat ser for seg en fremtid som omfatter transparent arbeid med modeller, samt opplæring av disse. Enten det skjer neste uke eller neste måned (eller enda tidligere, gitt den raske utviklingen av AI), vil selskapet og det åpne fellesskapet som helhet fortsette å støtte og omfavne arbeidet med å demokratisere og åpne opp AI-verdenen.
