För mer än tre decennier sedan såg Red Hat potentialen i utveckling och open source-licenser för att skapa bättre programvara och främja IT-innovation. Trettio miljoner rader kod efter, har Linux inte bara utvecklats till att bli den mest framgångsrika open source-mjukvaran, utan behåller också denna position än idag. Engagemanget för open source-principerna fortsätter, inte bara i affärsmodellen utan också som en del av arbetskulturen. Vid företagsbedömningen har dessa koncept samma påverkan på artificiell intelligens (AI) om de görs på rätt sätt, men teknikvärlden är delad om vad som skulle vara det "rätta sättet".
AI, särskilt de stora språkmodellerna (LLMs) bakom den generativa AI:n (gen AI), kan inte ses på samma sätt som ett öppet program. Till skillnad från mjukvaran består AI-modeller huvudsakligen av numeriska parametrar som bestämmer hur en modell bearbetar indata, liksom kopplingarna mellan olika datapunkter. Tränade modeller parametrar är resultatet av en lång process som involverar stora mängder träningsdata som noggrant förbereds, blandas och bearbetas.
Även om modellens parametrar inte är programvara, har de i vissa avseenden en funktion som liknar koden. Det är lätt att jämföra att data är modellens källkod, eller att de är mycket nära den. I öppen källkod definieras källkoden ofta som det "föredragna sättet" att göra ändringar i programvaran. Träningsdata ensam räcker inte för denna funktion eftersom deras storlek skiljer sig åt och på grund av den komplicerade förträningsprocessen som resulterar i en svag och indirekt koppling mellan varje datainmatning som används vid träningen och de tränade parametrarna samt den resulterande modellbeteendet.
De flesta förbättringar och förbättringar av AI-modeller som sker nu i samhället involverar inte tillgång till eller manipulation av de ursprungliga träningsdata. Istället är de resultatet av modifieringar av modellparametrar eller en process eller justering som också kan användas för att justera modellens prestanda. Friheten att göra dessa förbättringar i modellen kräver att parametrarna släpps med alla behörigheter som användarna får under open source-licenser.
Red Hats vision för öppen källkod AI.
Red Hat tror att grunden för öppen källkod AI finns ilicensierade modellparametrar i kombination med öppen källkod programvarukomponenterDet här är en utgångspunkt för öppen källkod för AI, men inte det slutgiltiga målet för filosofin. Red Hat uppmuntrar open source-gemenskapen, reglerande myndigheter och industrin att fortsätta sträva efter större öppenhet och överensstämmelse med principerna för open source-utveckling genom att träna och justera AI-modeller.
Detta är Red Hats vision som företag, som omfattar ett ekosystem av öppen källkodsmjukvara, kan engagera sig praktiskt med öppen källkod AI. Det är inte ett försök till formell definition, som den somÖppen källkodsinitiativ(OSI) utvecklar med sinÖppen källkod AI-definition(OSAID). Det här är företagets synpunkt att göra öppen källkod för AI möjlig och tillgänglig för så många samhällen, organisationer och leverantörer som möjligt.
Denna synvinkel i praktiken omsätts genom arbete med open source-gemenskaper, framhävt av projektetInstructLab, ledd av Red Hat och insatsen med IBM Researchi familjen Granite av open source-modeller med licensInstructLab minskar avsevärt hindren för att personer som inte är datavetare ska kunna bidra med AI-modeller. Med InstructLab kan ämnesexperter från alla sektorer lägga till sina färdigheter och kunskaper, både för internt bruk och för att hjälpa en delad och allmänt tillgänglig öppen källkod AI-modell för upstream-gemenskaper.
Granite 3.0-modellfamiljen hanterar ett brett spektrum av AI-användningsfall, från kodgenerering till naturlig språkbehandling för att extraherainsikterstora dataset, allt under en permissiv öppen källkodslicens. Vi hjälper IBM Research att göra Granite-modellfamiljen tillgänglig som öppen källkod och fortsätter att stödja modellfamiljen, både som öppen källkod och som en del av vårt Red Hat AI-erbjudande.
Återverkan avsenaste annonser från DeepSeekvisa hur öppen källkodsintegration kan påverka AI, både på modellnivå och bortom. Det finns självklart oro kring den kinesiska plattformens tillvägagångssätt, främst att licensen för modellen inte förklarar hur den har producerats, vilket understryker behovet av transparens. Med detta i åtanke stärker den nämnda störningen Red Hats syn på framtiden för AI: en öppen framtid, fokuserad på mindre, optimerade och öppna modeller som kan anpassas för specifika företagsdataanvändningsfall överallt i den hybrida molnan.
Utvidga AI-modeller bortom öppen källkod
Red Hat:s arbete inom öppen källkod AI sträcker sig mycket längre än InstructLab och Granite-modellfamiljen, till de verktyg och plattformar som krävs för att faktiskt konsumera och produktivt använda AI. Företaget har blivit mycket aktivt i att främja teknikprojekt och samhällen, som till exempel (men inte bara):
● RamaLamaett open source-projekt som syftar till att underlätta lokal hantering och tillgängliggörande av AI-modeller;
● TrustyAIett open source-verktyg för att bygga mer ansvarsfulla AI-arbetsflöden;
● Klimatikett projekt som fokuserar på att göra AI mer hållbar när det gäller energiförbrukning;
● Podman AI Labett utvecklarverktygssats som fokuserar på att underlätta experimentering med open source LLMs;
DEnyligen tillkännagivandeom Neural Magic utökar företagsbilden av AI, vilket gör det möjligt för organisationer att anpassa mindre och optimerade AI-modeller, inklusive licensierade open source-system, med deras data, oavsett var de finns i den hybridmoln. IT-organisationer kan sedan använda inferensservernvLLMför att driva besluten och produktionen av dessa modeller, och hjälpa till att bygga en AI-stack baserad på transparenta teknologier och support.
För företaget lever och andas den öppna källkods-AI i molnmiljön hybrid. Den hybrida molnet ger den nödvändiga flexibiliteten för att välja den bästa miljön för varje AI-arbetsbelastning, vilket optimerar prestanda, kostnad, skalning och säkerhetskrav. Plattformarna, målen och organisationen hos Red Hat stöder dessa insatser, tillsammans med branschpartners, kunder och open source-gemenskapen, i takt med att öppen källkod inom artificiell intelligens främjas.
Det finns en enorm potential att utöka detta öppna samarbete inom AI-området. Red Hat ser ser framtiden som omfattar transparent arbete i modeller, liksom deras utbildning. Oavsett om det är nästa vecka eller nästa månad (eller till och med tidigare, med tanke på den snabba utvecklingen av AI), kommer företaget och den öppna gemenskapen som helhet att fortsätta stödja och anta insatser för att demokratisera och öppna AI-världen.
