Mahigit tatlong dekada na ang nakalipas, nakita ng Red Hat ang potensyal ng open source development at paglilisensya upang lumikha ng mas mahusay na software at pagyamanin ang IT innovation. Tatlumpung milyong linya ng code sa ibang pagkakataon, hindi lamang nabuo ang Linux upang maging pinakamatagumpay na open source software, ngunit pinapanatili din nito ang posisyong iyon hanggang sa araw na ito. Ang pangako sa open source na mga prinsipyo ay nagpapatuloy, hindi lamang sa corporate business model, kundi bilang bahagi rin ng kultura ng trabaho. Sa pagtatasa ng kumpanya, ang mga konseptong ito ay may parehong epekto sa artificial intelligence (AI) kung gagawin nang tama, ngunit ang mundo ng teknolohiya ay nahahati sa kung ano ang magiging "tamang paraan".
Ang AI, lalo na ang malalaking language models (LLMs) sa likod ng generative AI (gen AI), ay hindi maaaring tingnan sa parehong paraan tulad ng isang open-source na programa. Hindi tulad ng software, ang mga modelo ng AI ay pangunahing binubuo ng mga modelo ng numerical parameter na tumutukoy kung paano nagpoproseso ang isang modelo ng mga input, pati na rin ang koneksyon na ginagawa nito sa pagitan ng iba't ibang mga punto ng data. Ang mga parameter ng mga sinanay na modelo ay resulta ng mahabang proseso na kinasasangkutan ng napakaraming data ng pagsasanay na maingat na inihanda, pinaghalo, at pinoproseso.
Bagama't hindi software ang mga parameter ng modelo, sa ilang aspeto mayroon silang function na katulad ng code. Madaling ihambing ang data sa source code ng modelo, o isang bagay na napakalapit dito. Sa open source, ang source code ay karaniwang tinutukoy bilang ang "ginustong paraan" upang gumawa ng mga pagbabago sa software. Ang data ng pagsasanay lamang ay hindi akma sa function na ito, dahil sa iba't ibang laki nito at sa kumplikadong proseso ng pre-training na nagreresulta sa isang mahina at hindi direktang koneksyon na mayroon ang anumang item ng data na ginamit sa pagsasanay sa mga sinanay na parameter at ang resultang pag-uugali ng modelo.
Karamihan sa mga pagpapahusay at pagpapahusay sa mga modelo ng AI na kasalukuyang nagaganap sa komunidad ay walang kinalaman sa pag-access o pagmamanipula sa orihinal na data ng pagsasanay. Sa halip, ang mga ito ay nagreresulta mula sa mga pagbabago sa mga parameter ng modelo o isang proseso o pagsasaayos na maaari ring magsilbi sa pag-fine-tune ng pagganap ng modelo. Ang kalayaang gawin ang mga pagpapahusay ng modelong ito ay nangangailangan na ilabas ang mga parameter kasama ang lahat ng mga pahintulot na natatanggap ng mga user sa ilalim ng mga lisensyang open source.
Ang pananaw ng Red Hat para sa open source AI.
Naniniwala ang Red Hat na ang pundasyon ng open source AI ay nakasalalay sa mga parameter ng modelong lisensyado ng open source na pinagsama sa mga bahagi ng open source na software . Ito ay isang panimulang punto para sa open source AI, ngunit hindi ang pinakahuling patutunguhan ng pilosopiya. Hinihikayat ng Red Hat ang open source na komunidad, mga awtoridad sa regulasyon, at industriya na patuloy na magsikap para sa higit na transparency at pagkakahanay sa mga prinsipyo ng open source na pagbuo kapag nagsasanay at nagtu-tune ng mga modelo ng AI.
Ito ang pananaw ng Red Hat bilang isang kumpanya na sumasaklaw sa isang open source software ecosystem at halos maaaring makipag-ugnayan sa open source AI. Ito ay hindi isang pagtatangka sa isang pormal na kahulugan, tulad ng isa na binuo Open Source Initiative Open Source AI Definition (OSAID) nito. Ito ang pananaw ng korporasyon sa kung paano gawing posible at naa-access ang open source AI sa pinakamalawak na posibleng hanay ng mga komunidad, organisasyon, at vendor.
Isinasagawa ang pananaw na ito sa pamamagitan ng pagtatrabaho sa mga open source na komunidad, na na-highlight ng ng InstructLab , na pinamumunuan ng Red Hat, at ang pagsisikap sa IBM Research sa Granite na pamilya ng mga lisensyadong open source na modelo . Malaking binabawasan ng InstructLab ang mga hadlang para sa mga non-data scientist na mag-ambag ng mga modelo ng AI. Sa InstructLab, ang mga eksperto sa domain mula sa lahat ng sektor ay maaaring magdagdag ng kanilang mga kasanayan at kaalaman, para sa panloob na paggamit at upang makatulong na lumikha ng isang nakabahagi at malawak na naa-access na open source na modelo ng AI para sa upstream na mga komunidad.
Ang Granite 3.0 na pamilya ng mga modelo ay tumutugon sa isang malawak na hanay ng mga kaso ng paggamit ng AI, mula sa pagbuo ng code hanggang sa natural na pagpoproseso ng wika hanggang sa pagkuha ng mga insight mula sa malalaking dataset, lahat ay nasa ilalim ng pinahihintulutang open source na lisensya. Tinulungan namin ang IBM Research na dalhin ang Granite na pamilya ng mga modelo ng code sa open source na mundo at patuloy na suportahan ang pamilya ng mga modelo, parehong mula sa isang open source na perspektibo at bilang bahagi ng aming pag-aalok ng Red Hat AI.
Ang mga epekto ng mga kamakailang anunsyo ng DeepSeek ay nagpapakita kung paano makakaapekto ang open-source na innovation sa AI, kapwa sa antas ng modelo at higit pa. Malinaw, may mga alalahanin tungkol sa diskarte ng platform ng China, partikular na ang lisensya ng modelo ay hindi nagpapaliwanag kung paano ito ginawa, na nagpapatibay sa pangangailangan para sa transparency. Iyon ay sinabi, ang nabanggit na pagkagambala ay nagpapatibay sa pananaw ng Red Hat para sa hinaharap ng AI: isang bukas na hinaharap na nakatuon sa mas maliit, na-optimize, at bukas na mga modelo na maaaring i-customize para sa mga partikular na kaso ng paggamit ng data ng enterprise sa anumang lokasyon sa loob ng hybrid cloud.
Pagpapalawak ng mga modelo ng AI na lampas sa open source.
Ang gawain ng Red Hat sa open source AI space ay higit pa sa InstructLab at sa Granite na pamilya ng mga modelo, na umaabot sa mga tool at platform na kailangan para aktwal na ubusin at produktibong gamitin ang AI. Ang kumpanya ay naging napakaaktibo sa pagpapaunlad ng mga proyekto at komunidad ng teknolohiya, tulad ng (ngunit hindi limitado sa):
● RamaLama , isang open-source na proyekto na naglalayong mapadali ang lokal na pamamahala at pag-deploy ng mga modelo ng AI;
● TrustyAI , isang open-source toolkit para sa pagbuo ng mas responsableng AI workflows;
● Climatik , isang proyektong nakatuon sa pagtulong na gawing mas sustainable ang AI pagdating sa pagkonsumo ng enerhiya;
● Podman AI Lab , isang toolkit ng developer na nakatuon sa pagpapadali ng pag-eeksperimento sa mga open source na LLM;
Ang kamakailang anunsyo tungkol sa Neural Magic ay nagpapalawak ng corporate vision para sa AI, na ginagawang posible para sa mga organisasyon na ihanay ang mas maliliit, na-optimize na mga modelo ng AI, kabilang ang mga lisensyadong open-source system, sa kanilang data, saanman sila nakatira sa hybrid cloud. Pagkatapos ay magagamit ng mga organisasyong IT ang vLLM para humimok ng mga desisyon at produksyon mula sa mga modelong ito, na tumutulong sa pagbuo ng AI stack batay sa transparent at suportadong mga teknolohiya.
Para sa korporasyon, ang open source na AI ay nabubuhay at humihinga sa hybrid cloud. Ang hybrid cloud ay nagbibigay ng flexibility na kailangan para piliin ang pinakamagandang environment para sa bawat AI workload, pag-optimize ng performance, cost, scale, at mga kinakailangan sa seguridad. Sinusuportahan ng mga platform, layunin, at organisasyon ng Red Hat ang mga pagsisikap na ito, kasama ang mga kasosyo sa industriya, mga customer, at ang open source na komunidad, dahil ang open source sa artificial intelligence ay itinutulak pasulong.
Mayroong napakalaking potensyal na palawakin ang bukas na pakikipagtulungan sa AI space. Iniisip ng Red Hat ang isang hinaharap na sumasaklaw sa transparent na trabaho sa mga modelo, pati na rin ang kanilang pagsasanay. Sa susunod man na linggo o sa susunod na buwan (o mas maaga pa, dahil sa mabilis na ebolusyon ng AI), ang kumpanya at ang bukas na komunidad sa kabuuan ay patuloy na susuportahan at yayakapin ang mga pagsisikap na i-demokratize at buksan ang mundo ng AI.
