AI的未来来说,开源是必不可少的

的想法 人工智能 (IA)并不新鲜,但相关技术的最新进展使其成为我们所有人日常使用的工具,AI日益增长的重要性和扩散既令人兴奋,又可能令人震惊,因为许多AI平台和功能的基础本质上是由少数强大公司控制的黑匣子。.

红帽等大型组织认为 AI,每个人都应该有能力做出贡献. AI创新不应局限于能够负担巨额处理能力的公司,以及培训这些能力所需的数据科学家 伟大的语言模型 (LLM)

相反,数十年的软件开发和社区协作开源经验使每个人都能为人工智能做出贡献并从中受益,同时帮助塑造满足我们需求的未来。.

什么是开源?

尽管术语“”开源”最初指的是软件开发方法,但它已经扩展到涵盖一种更普遍的工作形式,即开放、分散和深度协作。开源运动现在远远超出了软件世界,并且 开源的方式 它得到了世界各地合作努力的认可,包括科学、教育、政府、制造业、医疗保健等领域。.

开源文化有一些 核心原则和价值观 这使其有效且有意义,例如:

• 协作参与
• 共同责任
• 开放交易所
• 精英政治和包容性
• 以社区为导向的发展
• 开放协作
• 自组织
• 尊重与互惠

当开源原则构成协作努力的基础时,历史表明令人难以置信的事情是可能的。一些重要的例子包括开发和扩散 Linux 作为世界上最强大、最普遍的操作系统,直到出现和发展 库贝内特斯 和容器,此外还有互联网本身的发展和扩展。.

AI时代开源的六大优势

开发开源技术有很多好处,但其中六个优势脱颖而出。. 

1、提高创新速度

当技术协作和公开开发时,与封闭组织和专有解决方案不同,创新和发现可以更快地发生。. 

Work公开分享,别人有基于它创造的能力时,团队节省了巨大的时间和精力,因为他们不必从头开始,新的想法可以拓宽之前的项目,这不仅节省了时间和金钱,而且随着更多的人一起解决问题,加强了成果,分享 见解 并回顾彼此的工作。.

一个更广泛的协作社区只能够取得更多成就:通过培养人才和连接专业知识来解决复杂的问题,并比小型、孤立的群体更快、更有效地创新。. 

2。民主化准入

开源还使新人工智能技术的访问民主化。当研究、代码和工具公开共享时,它有助于消除一些通常限制获取尖端创新的障碍。.

这 将以下文本从葡萄牙语翻译为中文： InstructLab 翻译： InstructLab 该计划是一个独立于模型的开源人工智能项目,简化了向法学硕士贡献技能和知识的过程。这项工作的目标是让任何人能够帮助塑造 生成式人工智能 (gen AI),包括那些不具备通常需要的数据科学技能和培训的人。这使得更多的个人和组织能够可靠地为LLM的培训和完善做出贡献。.

3。增强了安全性和隐私性 

由于开源项目减少了进入壁垒,因此更大、更多样化的贡献者群体能够帮助识别和解决正在开发的人工智能模型中存在的潜在安全挑战。.

用于训练和调整人工智能模型的大多数数据和方法都是由专有逻辑封闭和维护的。这些组织之外的人很少能够深入了解这些算法的工作原理以及它们是否包含任何潜在危险的数据或固有的偏见。.

然而,如果模型和用于训练模型的数据是开放的,任何感兴趣的人都可以检查它们,从而降低安全风险并最大限度地减少平台偏差。此外,开放理念的贡献者可以创建工具和流程来跟踪和审核未来的模型和应用程序开发,使他们能够监控不同解决方案的开发。. 

这种开放性和透明度也是如此 产生信任, ,由于用户有可能直接检查他们的数据是如何被使用和处理的,这样他们就可以验证自己的隐私和数据主权是否得到尊重,而且,公司也可以通过使用开源项目(如InstructLab)来保护他们的私人、机密或专有信息,从而创建自己的调整模型,对此他们保持严格的控制。.

4。提供灵活性和选择的自由

虽然单片、专有和黑盒 LLM 是大多数人对生成式人工智能的看法和思考,但我们开始看到越来越多的推动力转向更小、独立、专门的人工智能模型。.

这些 小语言模型 (SLM)通常在小得多的数据集上进行训练,以赋予它们基本的功能,然后进一步适应特定领域特定数据和知识的特定用例。.

这些 SLM 比其较大的表兄弟姐妹高效得多,并且已被证明在用于其预期目的时性能也同样好(如果不是更好)。.

InstructLab 项目就是为了这个项目而创建的,有了它,你就可以采用更小的开源 AI 模型,并利用你想要的额外数据和训练来扩展它。.

例如,您可以使用 InstructLab 创建一个高度调整、专门构建的客户服务聊天机器人,该聊天机器人利用整个组织的最佳实践。这种实践使您可以实时向每个人、世界各地提供最好的客户服务体验。. 

而且,最重要的是,这可以让您避免陷入供应商的困境,并在实施人工智能模型及其构建的任何应用程序的位置和方式方面提供灵活性。.

5。实现充满活力的生态系统

在开放社区中,“没有人独自创新“,而且这种信念自社区成立的第一个月以来就一直持有。. 

AI时代,这一想法将继续在开放解决方案领导者红帽内部保持不变,红帽将以以下形式提供各种开源工具和框架 红帽人工智能,的,合作伙伴将为最终客户创造更多价值的解决方案。. 

单一供应商无法提供组织所需的一切,甚至无法跟上当前技术发展的速度。开源原则和实践通过促进项目和行业之间的伙伴关系和协作机会来加速创新并实现充满活力的生态系统。.

6、降低成本

2025年初, 受人尊敬 美国数据科学家的平均底薪高于 US$ 125,000,更有经验的数据科学家可以赚取更多的收入。.

AI的数据科学家显然有巨大且不断增长的需求,但很少有公司有很大的希望吸引和留住他们需要的专业人才。.

真正大型的 LLM 的建造、培训、维护和部署成本极高,需要整个仓库充满高度优化(且非常昂贵)的计算机设备和大量的存储空间。.

Open、更小、专门构建的模型和 AI 应用程序在构建、训练和实施方面明显更高效,它们不仅需要 LLM 的一小部分计算能力,像 InstructLab 这样的项目使没有专门技能和经验的人能够积极有效地为 AI 模型的培训和微调做出贡献。.

显然,开源为人工智能开发带来的成本节约和灵活性对于希望通过人工智能应用程序实现竞争优势的中小型企业来说是有益的。.

总结起来

为了构建民主和开放的人工智能,使用开放源代码原则至关重要,这些原则支持云计算、互联网、Linux 和许多其他开放、强大和深度创新的技术。.

Red Hat为启用AI等相关工具所遵循的路径就是这样,每个人都应该从人工智能的发展中受益,所以每个人都应该能够帮助确定和塑造它的轨迹,并为它的发展贡献协作创新和开源,这对于学科的未来来说并不是不可避免的必不可少的。.