ความคิดของ ปัญญาประดิษฐ์ (IA) ไม่ใช่เรื่องใหม่ แต่ความก้าวหน้าล่าสุดในเทคโนโลยีที่เกี่ยวข้องได้กลายเป็นเครื่องมือที่เราทุกคนใช้ทุกวัน ความสำคัญที่เพิ่มขึ้นและการแพร่กระจายของ AI นั้นทั้งน่าตื่นเต้นและอาจน่าตกใจ เนื่องจากรากฐานของแพลตฟอร์มและทรัพยากร AI จำนวนมากนั้นโดยพื้นฐานแล้วจะเป็นกล่องดำที่ควบคุมโดยองค์กรที่มีอำนาจจำนวนเล็กน้อย.
องค์กรขนาดใหญ่อย่างเร้ดแฮทเชื่อว่า ทุกคนควรมีความสามารถในการมีส่วนร่วมใน AI. นวัตกรรม AI ไม่ควรจำกัดเฉพาะบริษัทที่สามารถจัดหาความสามารถในการประมวลผลจำนวนมากและนักวิทยาศาสตร์ด้านข้อมูลที่จำเป็นในการฝึกอบรมสิ่งเหล่านี้ โมเดลภาษาที่ยอดเยี่ยม (LLMs)
ในทางกลับกัน ประสบการณ์โอเพ่นซอร์สหลายทศวรรษสำหรับการพัฒนาซอฟต์แวร์และการร่วมมือกับชุมชนทำให้ทุกคนมีส่วนร่วมและได้รับประโยชน์จาก AI ในขณะที่ช่วยกำหนดอนาคตที่ตรงกับความต้องการของเรา ไม่ต้องสงสัยเลยว่าแนวทางโอเพ่นซอร์สเป็นวิธีเดียวที่จะเข้าถึงศักยภาพของ AI ได้อย่างเต็มที่ ทำให้ปลอดภัย เข้าถึงได้และเป็นประชาธิปไตยมากขึ้น.
โอเพ่นซอร์สคืออะไร?
แม้ว่าคำว่า “โอเพ่นซอร์ส” เดิมหมายถึงวิธีการพัฒนาซอฟต์แวร์ แต่ก็ได้ขยายไปสู่รูปแบบทั่วไปของงานที่เปิดกว้าง กระจายอำนาจ และทำงานร่วมกันอย่างลึกซึ้ง การเคลื่อนไหวของโอเพ่นซอร์สตอนนี้ไปไกลกว่าโลกของซอฟต์แวร์และ ทางที่จะเป็นโอเพ่นซอร์ส ได้รับการยอมรับจากความพยายามในการทำงานร่วมกันทั่วโลก รวมถึงภาคส่วนต่างๆ เช่น วิทยาศาสตร์ การศึกษา รัฐบาล การผลิต สุขภาพ และอื่นๆ.
วัฒนธรรมโอเพ่นซอร์สมีบางส่วน หลักการพื้นฐาน ที่ทำให้มีประสิทธิภาพและมีความหมาย ตัวอย่างเช่น:
- การมีส่วนร่วมร่วมกัน
- ความรับผิดชอบร่วมกัน
- เปิดการแลกเปลี่ยน
- ความดีความชอบธรรม
- การพัฒนาเชิงชุมชน
- เปิดการทำงานร่วมกัน
- การจัดระเบียบตนเอง
- ความเคารพและการแลกเปลี่ยน
เมื่อหลักการโอเพ่นซอร์สเป็นพื้นฐานของความพยายามในการทำงานร่วมกัน ประวัติศาสตร์แสดงให้เห็นว่าสิ่งมหัศจรรย์เป็นไปได้ ตัวอย่างที่สำคัญมีตั้งแต่การพัฒนาและการเพิ่มจำนวนของ ลินุกซ์ เป็นระบบปฏิบัติการที่ทรงพลังและอยู่ทั่วไปทุกหนทุกแห่งในโลกจนกระทั่งเกิดและเติบโตของ คูเบอร์เน็ต และคอนเทนเนอร์นอกจากการพัฒนาและขยายตัวของอินเทอร์เน็ตเองแล้ว.
ข้อดีของโอเพ่นซอร์สหกประการในยุคไอเอไอ
มีประโยชน์มากมายสำหรับการพัฒนาเทคโนโลยีโดยโอเพ่นซอร์ส แต่ข้อดีหกประการที่โดดเด่นกว่าคนอื่นๆ.
1. ความเร็วที่เพิ่มขึ้นของนวัตกรรม
เมื่อเทคโนโลยีได้รับการพัฒนาในลักษณะการทำงานร่วมกันและเปิดกว้าง นวัตกรรมและการค้นพบสามารถเกิดขึ้นได้เร็วกว่ามาก ซึ่งแตกต่างจากองค์กรแบบปิดและโซลูชันที่เป็นกรรมสิทธิ์.
เมื่องานถูกแบ่งปันอย่างเปิดเผยและคนอื่นๆ มีความสามารถในการสร้างโดยอิงจากงานนั้น ทีมจะประหยัดเวลาและความพยายามอย่างมากเพราะพวกเขาไม่ต้องเริ่มต้นจากศูนย์ ความคิดใหม่สามารถขยายโครงการที่มาก่อนได้ สิ่งนี้ไม่เพียงช่วยประหยัดเวลาและเงิน แต่ยังช่วยเสริมผลลัพธ์เมื่อผู้คนจำนวนมากขึ้นทำงานร่วมกันเพื่อแก้ปัญหาแบ่งปัน ข้อมูลเชิงลึก และทบทวนงานของกันและกัน.
ชุมชนที่กว้างขึ้นและทำงานร่วมกันมากขึ้นสามารถบรรลุผลสำเร็จมากขึ้น: การส่งเสริมผู้คนและการเชื่อมต่อความเชี่ยวชาญเพื่อแก้ปัญหาที่ซับซ้อนและสร้างสรรค์นวัตกรรมได้อย่างรวดเร็วและมีประสิทธิภาพมากกว่ากลุ่มเล็กและกลุ่มที่แยกตัว.
2 . เข้าถึงประชาธิปไตย
โอเพ่นซอร์สยังทำให้การเข้าถึงเทคโนโลยี AI ใหม่เป็นประชาธิปไตย เมื่อใช้แบบสำรวจ รหัส และเครื่องมือร่วมกันอย่างเปิดเผย จะช่วยขจัดอุปสรรคบางอย่างที่ปกติแล้วจะจำกัดการเข้าถึงนวัตกรรมล้ำสมัย.
โอ้ อินสทรูทแล็บ เป็นตัวอย่างที่ดีของหลักฐานนี้ ความคิดริเริ่มนี้เป็นโครงการ AI โอเพ่นซอร์สที่ไม่ขึ้นกับแบบจำลองซึ่งทำให้กระบวนการของทักษะและความรู้ที่ง่ายขึ้นแก่ LLMs จุดมุ่งหมายของความพยายามคือการให้ทุกคนช่วยกำหนดรูปแบบ กำเนิด ai (Gen AI) รวมถึงผู้ที่ไม่มีทักษะและการฝึกอบรมด้าน Data Science ตามปกติที่จำเป็น สิ่งนี้ทำให้บุคคลและองค์กรจำนวนมากขึ้นสามารถมีส่วนร่วมในการฝึกอบรมและการกลั่น LLM ได้อย่างน่าเชื่อถือ.
3. ความปลอดภัยและความเป็นส่วนตัวที่เพิ่มขึ้น
เนื่องจากโครงการโอเพ่นซอร์สลดอุปสรรคในการเข้า กลุ่มพนักงานที่ใหญ่ขึ้นและมีความหลากหลายมากขึ้นสามารถช่วยระบุและจัดการกับความท้าทายด้านความปลอดภัยที่อาจเกิดขึ้นในแบบจำลอง AI ที่กำลังพัฒนา.
ข้อมูลและวิธีการส่วนใหญ่ที่ใช้ในการฝึกอบรมและปรับแบบจำลอง AI ถูกปิดและบำรุงรักษาโดยตรรกะที่เป็นกรรมสิทธิ์ บุคคลภายนอกที่ไม่ค่อยได้รับรู้ในองค์กรเหล่านี้จะได้รับข้อมูลเชิงลึกว่าอัลกอริธึมเหล่านี้ทำงานอย่างไร และไม่ว่าจะมีข้อมูลที่อาจเป็นอันตรายหรืออคติโดยธรรมชาติหรือไม่.
หากแบบจำลองและข้อมูลที่ใช้ในการฝึกนั้นถูกเปิด ผู้มีส่วนได้ส่วนเสียสามารถตรวจสอบได้ ลดความเสี่ยงด้านความปลอดภัยและลดอคติของแพลตฟอร์ม นอกจากนี้ ผู้ร่วมให้ข้อมูลปรัชญาแบบเปิดสามารถสร้างเครื่องมือและกระบวนการเพื่อติดตามและตรวจสอบการพัฒนาแบบจำลองและแอปพลิเคชันในอนาคต ซึ่งช่วยให้สามารถตรวจสอบการพัฒนาโซลูชันต่างๆ.
การเปิดกว้างและความโปร่งใสนี้ด้วย สร้างความไว้วางใจ, เนื่องจากผู้ใช้มีความเป็นไปได้ที่จะตรวจสอบโดยตรงว่าข้อมูลของพวกเขาถูกใช้และประมวลผลอย่างไร เพื่อให้พวกเขาสามารถตรวจสอบได้ว่ามีการเคารพความเป็นส่วนตัวและอำนาจอธิปไตยของข้อมูลหรือไม่ นอกจากนี้ บริษัทต่างๆ ยังสามารถปกป้องข้อมูลที่เป็นความลับหรือเป็นกรรมสิทธิ์ของตนได้โดยใช้โครงการโอเพ่นซอร์ส เช่น Instruclab เพื่อสร้างแบบจำลองที่ปรับแล้วของตนเอง ซึ่งพวกเขายังคงควบคุมอย่างเข้มงวด.
4. ให้ความยืดหยุ่นและอิสระในการเลือก
แม้ว่า LLM แบบเสาหิน กรรมสิทธิ์ และกล่องดำเป็นสิ่งที่คนส่วนใหญ่เห็นและคิดเกี่ยวกับ AI กำเนิด แต่เราเริ่มเห็นการส่งเสริมโมเดล AI ที่มีขนาดเล็กลง เป็นอิสระ และพัฒนาขึ้นเพื่อวัตถุประสงค์เฉพาะ.
พวกนี้ โมเดลภาษาขนาดเล็ก (SLM) มักจะได้รับการฝึกอบรมในชุดข้อมูลที่มีขนาดเล็กกว่ามากเพื่อให้ฟังก์ชันพื้นฐาน และปรับให้เข้ากับกรณีการใช้งานเฉพาะด้วยข้อมูลและความรู้เฉพาะโดเมน.
SLM เหล่านี้มีประสิทธิภาพมากกว่าลูกพี่ลูกน้องที่ใหญ่กว่าอย่างมีนัยสำคัญ และแสดงให้เห็นว่าทำงานได้ดี (ถ้าไม่ดีกว่า) เมื่อใช้เพื่อวัตถุประสงค์ที่ตั้งใจไว้ พวกมันเร็วกว่าและมีประสิทธิภาพมากขึ้นในการฝึกอบรมและปรับใช้ และสามารถปรับแต่งและปรับแต่งได้ตามต้องการ.
และนั่นคือสิ่งที่โครงการ Instruclab สร้างขึ้นเพื่อ ด้วยสิ่งนี้ คุณสามารถนำโมเดลโอเพ่นซอร์ส AI ที่มีขนาดเล็กลงและขยายด้วยข้อมูลเพิ่มเติมและการฝึกอบรมที่คุณต้องการ.
ตัวอย่างเช่น คุณสามารถใช้ InstructLab เพื่อสร้าง Service Chatbot สำหรับลูกค้าที่ปรับแล้วสูง และพัฒนาเพื่อวัตถุประสงค์เฉพาะ ปรับปรุงแนวทางปฏิบัติที่ดีที่สุดในองค์กร แนวทางปฏิบัตินี้ช่วยให้คุณมอบประสบการณ์การบริการลูกค้าที่ดีที่สุดให้กับทุกคน ทุกที่ แบบเรียลไทม์.
และที่สำคัญกว่านั้น วิธีนี้ช่วยให้คุณหลีกเลี่ยงการติดอยู่กับผู้ขายและให้ความยืดหยุ่นในแง่ของสถานที่และวิธีที่คุณใช้โมเดล AI และแอปพลิเคชันที่สร้างขึ้นบนนั้น.
5. เปิดใช้งานระบบนิเวศที่มีชีวิตชีวา
ในชุมชนเปิด “ไม่มีใครคิดค้นคนเดียว“ และความเชื่อนี้ได้รับการรักษาไว้ตั้งแต่เดือนแรกของการก่อตั้งชุมชน.
แนวคิดนี้จะยังคงใช้ได้ในยุค AI ภายใน Red Hat ซึ่งเป็นผู้นำในการแก้ปัญหาแบบเปิด ซึ่งจะจัดหาเครื่องมือและโครงสร้างต่างๆ ของโอเพ่นซอร์สในรูปแบบของ หมวกแดงนั่น, โซลูชันที่พันธมิตรจะสร้างมูลค่าเพิ่มให้กับลูกค้าปลายทาง.
ซัพพลายเออร์รายเดียวไม่สามารถเสนอทุกสิ่งที่องค์กรต้องการ หรือแม้แต่ติดตามความเร็วในปัจจุบันของวิวัฒนาการทางเทคโนโลยี หลักการและแนวทางปฏิบัติของโอเพ่นซอร์สช่วยเร่งนวัตกรรมและเปิดใช้งานระบบนิเวศที่มีชีวิตชีวาโดยการส่งเสริมความร่วมมือและโอกาสในการทำงานร่วมกันระหว่างโครงการและอุตสาหกรรม.
6. ลดต้นทุน
ในต้นปี 2568, เป็นประมาณ ว่าเงินเดือนพื้นฐานเฉลี่ยของนักวิทยาศาสตร์ด้านข้อมูลในสหรัฐอเมริกานั้นสูงกว่า US$ 125,000 โดยที่นักวิทยาศาสตร์ด้านข้อมูลที่มีประสบการณ์มากกว่าสามารถมีรายได้เพิ่มขึ้นอย่างมาก.
เห็นได้ชัดว่ามีความต้องการนักวิทยาศาสตร์ด้านข้อมูลจำนวนมากและเพิ่มขึ้นเรื่อยๆ แต่มีเพียงไม่กี่บริษัทที่มีความหวังสูงในการดึงดูดและรักษาความสามารถเฉพาะทางที่พวกเขาต้องการ.
และ LLM ขนาดใหญ่จริงๆ นั้นมีราคาแพงมากในการสร้าง ฝึกอบรม บำรุงรักษา และปรับใช้ โดยต้องใช้คลังสินค้าทั้งหมดที่เต็มไปด้วยอุปกรณ์คอมพิวเตอร์ที่ปรับให้เหมาะสม (และมีราคาแพงมาก) และพื้นที่จัดเก็บจำนวนมาก.
โมเดลแบบเปิด ขนาดเล็ก และในตัวเพื่อวัตถุประสงค์เฉพาะ และแอปพลิเคชัน AI นั้นมีประสิทธิภาพมากขึ้นสำหรับการสร้าง การฝึกอบรม และการใช้งาน พวกเขาไม่เพียงแต่ต้องการเพียงเศษเสี้ยวของพลังการประมวลผลของ LLM เท่านั้น โครงการต่างๆ เช่น Instruclab ช่วยให้ผู้คนที่ไม่มีทักษะและประสบการณ์เฉพาะทางสามารถมีส่วนร่วมอย่างแข็งขันและมีประสิทธิภาพในการฝึกอบรมและปรับแต่งโมเดล AI.
เห็นได้ชัดว่าการประหยัดต้นทุนและความยืดหยุ่นที่โอเพ่นซอร์สนำมาสู่การพัฒนา AI นั้นเป็นประโยชน์สำหรับบริษัทขนาดเล็กและขนาดกลางที่หวังว่าจะบรรลุความได้เปรียบในการแข่งขันด้วยแอปพลิเคชัน AI ที่สามารถนำมาได้.
โดยสังเขป
ในการสร้าง AI ที่เป็นประชาธิปไตยและเปิดกว้าง เป็นสิ่งสำคัญที่จะใช้หลักการโอเพ่นซอร์สที่เปิดใช้งานคลาวด์คอมพิวติ้ง อินเทอร์เน็ต ลินุกซ์ และเทคโนโลยีที่เปิดกว้าง ทรงพลัง และล้ำสมัยอื่นๆ อีกมากมาย.
นี่คือเส้นทางที่ Red Hat กำลังติดตามเพื่อให้ AI ใช้งานได้และเครื่องมืออื่นๆ ที่เกี่ยวข้อง ทุกคนควรได้รับประโยชน์จากการพัฒนาปัญญาประดิษฐ์ ดังนั้นทุกคนควรสามารถช่วยกำหนดและกำหนดวิถีวิถีของตน และมีส่วนสนับสนุนในการพัฒนา นวัตกรรมการทำงานร่วมกันและโอเพ่นซอร์สไม่จำเป็นที่หลีกเลี่ยงไม่ได้สำหรับอนาคตของวินัย.
