Mere tre årtier siden, Red Hat så potentialet i udviklingen og open source-licenserne til at skabe bedre software og fremme innovation inden for IT. Tredive millioner linjer kode senere, Linux har ikke kun udviklet sig til at blive den mest succesfulde open source-software, som også opretholder denne position den dag i dag. Forpligtelsen til open source-principperne fortsætter, ikke kun i den virksomhedsmæssige forretningsmodel, som er også en del af arbejdskulturen. I vurderingen af virksomheden, disse begreber har den samme indvirkning på kunstig intelligens (AI), hvis de udføres korrekt, men verden af teknologi er delt i forhold til hvad der ville være den "rette måde"
AI, især de store sprogmodeller (LLMs) bag generativ AI, kan ikke ses på samme måde som et åbent program. I modsætning til softwaren, AI-modeller består hovedsageligt af modeller med numeriske parametre, der bestemmer, hvordan en model behandler input, sådan som forbindelsen der skaber mellem flere datapunkter. Parametre for trænede modeller er resultatet af en lang proces, der involverer store mængder af træningsdata, som er omhyggeligt forberedt, blandet og behandlet
Selvom modellens parametre ikke er software, i nogle henseender har de en funktion, der ligner koden. Det er nemt at sammenligne, at dataene er kildekoden til modellen, de ville være meget tætte på ham. Ingen open source, kildekoden defineres ofte som den "foretrukne form" til at foretage ændringer i softwaren. Træningsdataene alene passer ikke ind i denne funktion, da dets størrelse adskiller sig, og den komplicerede proces med forudtræning, der resulterer i en svag og indirekte forbindelse, som ethvert element af de data, der blev brugt til træning, har med de trænede parametre og den resulterende adfærd af modellen
De fleste forbedringer og opgraderinger af AI-modeller, der sker nu i samfundet, involverer ikke adgang til eller manipulation af de originale træningsdata. I stedet, de er resultatet af ændringer i modelparametre eller i en proces eller justering, der også kan bruges til at tilpasse modellens ydeevne. Friheden til at foretage disse forbedringer i modellen kræver, at parametrene frigives med alle de tilladelser, som brugerne modtager under open source-licenser
Red Hats vision for open source AI
Red Hat mener, at grundlaget for open source AI findes ilicenserede modelparametre i open source kombineret med open source softwarekomponenter. Dette er et udgangspunkt for open source AI, men men ikke den sidste destination for filosofien. Red Hat opfordrer open source fællesskabet, regulerende myndigheder og industrien fortsætter med at stræbe efter større gennemsigtighed og overensstemmelse med principperne for open source-udvikling, når de træner og justerer AI-modeller
Dette er Red Hats vision som virksomhed, som omfatter et økosystem af open source software, kan engagere praktisk med open source AI. Det er ikke et forsøg på en formel definition, som som aOpen Source Initiativ(OSI) er udvikler med sinÅben kilde AI definition(OSAID). Dette er virksomhedens synspunkt, der gør open source AI gennemførlig og tilgængelig for det største sæt af samfund, organisationer og leverandører
Dette synspunkt i praksis bliver sat i værk gennem arbejdet med open source-samfundene, fremhævet af projektetInstructLab, ledet af Red Hat og indsatsen med IBM Researchi Granite-familien af open source modeller med licens. InstructLab reducerer betydeligt barriererne for, at personer, der ikke er datavidenskabsfolk, kan bidrage til AI-modeller. Med InstructLab, domænespecialister fra alle sektorer kan bidrage med deres færdigheder og viden, både til intern brug og til at hjælpe en open source AI-model, der er delt og bredt tilgængelig for upstream-samfund
Granite 3 modelfamilien.0 håndterer en bred vifte af AI-brugsområder, fra fra koden til behandling af naturligt sprog for at udtrækkeindsigtaf store datasæt, alt sammen under en tilladende open source-licens. Vi hjælper IBM Research med at bringe Granite-kodemodelfamilien til open source-verdenen og fortsætter med at støtte modellen familien, både fra et open source perspektiv og som en del af vores Red Hat AI-tilbud
En konsekvensen afseneste annoncer fra DeepSeekvis viser hvordan open source innovation kan påvirke AI, både på modelniveau og derudover. Der er åbenlyse bekymringer om den kinesiske platforms tilgang, primært at modellicensen ikke forklarer, hvordan den blev produceret, hvad understreger behovet for gennemsigtighed. Det sagt, den nævnte disruption understøtter Red Hats syn på fremtiden for AI: en åben fremtid, fokuseret på mindre modeller, optimerede og åbne, der kan tilpasses til specifikke forretningsdatabrugssager overalt i den hybride sky.
Udvidelse af AI-modeller ud over open source
Red Hats arbejde inden for open source AI strækker sig langt ud over InstructLab og Granite-modelfamilien, går ind i de nødvendige værktøjer og platforme for faktisk at forbruge og produktivt bruge AI. Virksomheden er blevet meget aktiv i fremme af projekter og teknologiske fællesskaber, som som eksempler (men ikke kun):
● RamaLama, et open source projekt, der sigter mod at lette styring og lokal tilgængelighed af AI-modeller
● TrustyAI, et open source værktøj til opbygning af mere ansvarlige AI-arbejdsgange
● Klimatik, et projekt, der fokuserer på at gøre AI mere bæredygtig, når det kommer til energiforbrug
● Podman AI Lab, et udviklerværktøj, der fokuserer på at lette eksperimenteringen med open source LLM'er
DEnyligt annonceom Neural Magic udvider den virksomhedsmæssige forståelse af AI, gør det muligt for organisationer at tilpasse mindre og optimerede AI-modeller, inklusive open source licenserede systemer, med dine data, hvor som helst de lever i den hybride sky. IT-organisationer kan, så, bruge server til inferensvLLMfor at fremme beslutningerne og produktionen af disse modeller, hjælp med at opbygge en AI-stak baseret på gennemsigtige teknologier og med støtte
Til selskabet, den open source AI lever og ånder i den hybride sky. Den hybride sky giver den nødvendige fleksibilitet til at vælge det bedste miljø til hver AI-arbejdsbyrde, optimering af ydeevnen, omkostning, skala og sikkerhedskrav. Platformene, mål og organisationen hos Red Hat støtter disse bestræbelser, sammen med branchepartnere, kunder og open source-fællesskabet, i takt med at open source inden for kunstig intelligens bliver fremmet
Der er et enormt potentiale for at udvide dette åbne samarbejde inden for AI. Red Hat ser envisions en fremtid, der omfatter gennemsigtigt arbejde i modeller, ligesom din træning. Enten næste uge eller næste måned (eller endda før, givet hastigheden af AI-udviklingen, virksomheden er et åbent fællesskab, som samlet, vil fortsætte med at støtte og vedtage bestræbelserne på at demokratisere og åbne verden for AI
