Понад три десятиліття тому Red Hat побачила потенціал розробки та ліцензування програмного забезпечення з відкритим вихідним кодом для створення кращого програмного забезпечення та сприяння ІТ-інноваціям. Тридцять мільйонів рядків коду пізніше, Linux не лише став найуспішнішим програмним забезпеченням з відкритим вихідним кодом, але й зберігає цю позицію донині. Відданість принципам відкритого вихідного коду продовжується не лише в корпоративній бізнес-моделі, але й як частина робочої культури. За оцінкою компанії, ці концепції мають такий самий вплив на штучний інтелект (ШІ), якщо їх використовувати правильно, але світ технологій розділився в думках щодо того, який був би «правильний шлях».
Штучний інтелект, особливо моделі великих мов програмування (LLM), що лежать в основі генеративного ШІ (gen AI), не можна розглядати так само, як програму з відкритим кодом. На відміну від програмного забезпечення, моделі ШІ складаються переважно з числових моделей параметрів, які визначають, як модель обробляє вхідні дані, а також зв'язок, який вона встановлює між різними точками даних. Параметри навчених моделей є результатом тривалого процесу, що включає величезні обсяги навчальних даних, які ретельно підготовлюються, змішуються та обробляються.
Хоча параметри моделі не є програмним забезпеченням, у деяких аспектах вони мають функцію, подібну до коду. Легко порівняти дані з вихідним кодом моделі або чимось дуже близьким до нього. У відкритому коді вихідний код зазвичай визначається як «бажаний спосіб» внесення змін до програмного забезпечення. Одних лише навчальних даних не відповідають цій функції, враховуючи їх різний розмір та складний процес попереднього навчання, який призводить до нечіткого та непрямого зв'язку будь-якого елемента даних, що використовується в навчанні, з навченими параметрами та результуючою поведінкою моделі.
Більшість удосконалень та покращень моделей штучного інтелекту, що зараз відбуваються в спільноті, не передбачають доступу до вихідних навчальних даних або маніпулювання ними. Натомість вони є результатом модифікацій параметрів моделі або процесу чи коригування, які також можуть служити для точного налаштування продуктивності моделі. Свобода вносити ці покращення моделі вимагає, щоб параметри були опубліковані з усіма дозволами, які користувачі отримують за ліцензіями з відкритим кодом.
Бачення Red Hat щодо штучного інтелекту з відкритим кодом.
Red Hat вважає, що основою відкритого штучного інтелекту (ШІ) є параметри ліцензованої моделі з відкритим кодом у поєднанні з компонентами програмного забезпечення з відкритим кодом . Це відправна точка для ШІ з відкритим кодом, але не кінцева мета філософії. Red Hat закликає спільноту відкритого коду, регуляторні органи та галузь продовжувати прагнути більшої прозорості та відповідності принципам розробки з відкритим кодом під час навчання та налаштування моделей ШІ.
Це бачення Red Hat як компанії, що охоплює екосистему програмного забезпечення з відкритим вихідним кодом і може практично взаємодіяти з відкритим вихідним штучним інтелектом. Це не спроба офіційного визначення, подібного до того, яке розробляє Ініціатива з відкритого вихідного коду Визначенні відкритого вихідного ШІ (OSAID). Це погляд корпорації на те, як зробити відкритий ШІ здійсненним та доступним для якомога ширшого кола спільнот, організацій та постачальників.
Ця перспектива втілюється на практиці через роботу зі спільнотами розробників програмного забезпечення з відкритим кодом, що підкреслюється InstructLab під керівництвом Red Hat, а також зусиллями IBM Research щодо сімейства ліцензованих моделей з відкритим кодом Granite . InstructLab значно зменшує бар'єри для тих, хто не є фахівцями з обробки даних, для внеску в розробку моделей штучного інтелекту. За допомогою InstructLab експерти з усіх секторів можуть додавати свої навички та знання як для внутрішнього використання, так і для створення спільної та широкодоступної моделі штучного інтелекту з відкритим кодом для спільнот, що розвиваються.
Сімейство моделей Granite 3.0 охоплює широкий спектр випадків використання штучного інтелекту, від генерації коду до обробки природної мови та вилучення аналітичних даних з великих наборів даних, і все це за ліцензією з відкритим кодом. Ми допомогли IBM Research вивести сімейство моделей коду Granite у світ відкритого коду та продовжуємо підтримувати сімейство моделей як з точки зору відкритого коду, так і в рамках нашої пропозиції Red Hat AI.
Наслідки нещодавніх оголошень DeepSeek показують, як інновації з відкритим кодом можуть вплинути на ШІ, як на рівні моделі, так і за її межами. Очевидно, що існують занепокоєння щодо підходу китайської платформи, зокрема, що ліцензія моделі не пояснює, як вона була створена, що підсилює потребу в прозорості. Проте, вищезгадане порушення підкріплює бачення Red Hat майбутнього ШІ: відкрите майбутнє, зосереджене на менших, оптимізованих та відкритих моделях, які можна налаштувати для конкретних випадків використання корпоративних даних у будь-якому місці в межах гібридної хмари.
Розширення моделей штучного інтелекту за межі відкритого коду.
Робота Red Hat у сфері штучного інтелекту з відкритим кодом виходить далеко за рамки InstructLab та сімейства моделей Granite, поширюючись на інструменти та платформи, необхідні для фактичного споживання та продуктивного використання штучного інтелекту. Компанія стала дуже активною у сприянні технологічним проектам та спільнотам, таким як (але не обмежуючись):
● RamaLama , проєкт з відкритим кодом, метою якого є сприяння локальному управлінню та розгортанню моделей штучного інтелекту;
● TrustyAI , набір інструментів з відкритим кодом для створення більш відповідальних робочих процесів зі штучним інтелектом;
● Climatik – проєкт, спрямований на те, щоб зробити штучний інтелект більш стійким у споживанні енергії;
● Podman AI Lab – інструментарій для розробників, спрямований на сприяння експериментам з LLM з відкритим кодом;
Нещодавнє оголошення про Neural Magic розширює корпоративне бачення ШІ, дозволяючи організаціям узгоджувати менші, оптимізовані моделі ШІ, включаючи ліцензовані системи з відкритим кодом, зі своїми даними, де б вони не знаходилися в гібридній хмарі. ІТ-організації можуть використовувати vLLM для прийняття рішень та управління виробництвом на основі цих моделей, допомагаючи створювати стек ШІ на основі прозорих та підтримуваних технологій.
Для корпорації, штучний інтелект з відкритим кодом живе і дихає в гібридній хмарі. Гібридна хмара забезпечує гнучкість, необхідну для вибору найкращого середовища для кожного робочого навантаження ШІ, оптимізуючи продуктивність, вартість, масштабування та вимоги безпеки. Платформи, цілі та організація Red Hat підтримують ці зусилля разом з галузевими партнерами, клієнтами та спільнотою відкритого коду, оскільки відкритий код у сфері штучного інтелекту просувається вперед.
Існує величезний потенціал для розширення цієї відкритої співпраці у сфері штучного інтелекту. Red Hat бачить майбутнє, яке охоплює прозору роботу над моделями, а також їхнє навчання. Чи то наступного тижня, чи наступного місяця (або навіть раніше, враховуючи швидку еволюцію ШІ), компанія та відкрита спільнота в цілому продовжуватимуть підтримувати та сприймати зусилля щодо демократизації та відкриття світу ШІ.
