Lebih dari tiga dekade yang lalu, Red Hat melihat potensi pengembangan dan lisensi open source untuk menciptakan perangkat lunak yang lebih baik dan mendorong inovasi TI. Tiga puluh juta baris kode kemudian, Linux tidak hanya berkembang menjadi perangkat lunak sumber terbuka yang paling sukses, seperti juga mempertahankan posisi ini hingga hari ini. Komitmen terhadap prinsip open source terus berlanjut, tidak hanya dalam model bisnis korporat, sebagai bagian dari budaya kerja. Dalam penilaian perusahaan, konsep-konsep ini memiliki dampak yang sama pada kecerdasan buatan (IA) jika dilakukan dengan cara yang benar, tetapi dunia teknologi terpecah mengenai apa yang dianggap sebagai "cara yang benar"
AI, terutama model bahasa besar (LLM) di balik AI generatif (gen AI), tidak dapat dilihat dengan cara yang sama seperti program terbuka. Berlawanan dengan perangkat lunak, model-model IA terutama terdiri dari model parameter numerik yang menentukan bagaimana sebuah model memproses input, seperti halnya koneksi yang menghubungkan berbagai titik data. Parameter model yang dilatih adalah hasil dari proses panjang yang melibatkan sejumlah besar data pelatihan yang disiapkan dengan hati-hati, dicampur dan diproses
Meskipun parameter model bukan perangkat lunak, dalam beberapa aspek memiliki fungsi yang mirip dengan kode. Sangat mudah untuk membandingkan bahwa data adalah kode sumber dari model, atau akan sangat dekat dengannya. Tidak ada sumber terbuka, kode sumber umumnya didefinisikan sebagai "bentuk yang diinginkan" untuk melakukan modifikasi pada perangkat lunak. Data pelatihan saja tidak cocok untuk fungsi ini, mengingat bahwa ukurannya berbeda dan proses pra-pelatihannya yang rumit yang menghasilkan hubungan yang lemah dan tidak langsung antara item mana pun dari data yang digunakan dalam pelatihan dengan parameter yang dilatih dan perilaku yang dihasilkan dari model
Sebagian besar perbaikan dan peningkatan pada model AI yang sedang terjadi sekarang di komunitas tidak melibatkan akses atau manipulasi data pelatihan asli. Sebagai gantinya, mereka adalah hasil dari modifikasi pada parameter model atau dalam suatu proses atau penyesuaian yang juga dapat digunakan untuk menyesuaikan kinerja model. Kebebasan untuk melakukan perbaikan pada model ini mengharuskan parameter diluncurkan dengan semua izin yang diterima pengguna di bawah lisensi open source
Visi Red Hat untuk IA sumber terbuka
Red Hat percaya bahwa dasar dari IA open source terletak padaparameter model yang dilisensikan secara open source dikombinasikan dengan komponen perangkat lunak open source. Ini adalah titik awal dari IA sumber terbuka, tetapi bukan tujuan terakhir dari filsafat. Red Hat mendorong komunitas open source, otoritas regulasi dan industri terus berusaha untuk mendapatkan transparansi yang lebih besar dan keselarasan dengan prinsip pengembangan open source saat melatih dan menyesuaikan model AI
Ini adalah visi Red Hat sebagai perusahaan, yang mencakup ekosistem perangkat lunak sumber terbuka, dapat terlibat secara praktis dengan IA sumber terbuka. Ini bukan upaya untuk definisi formal, seperti apa aInisiatif Sumber Terbuka(OSI) sedang mengembangkan dengan AndaDefinisi AI Sumber Terbuka(OSAID). Ini adalah sudut pandang korporasi yang membuat IA sumber terbuka dapat dilakukan dan diakses untuk kumpulan komunitas yang lebih besar, organisasi dan pemasok
Pandangan ini diterapkan dalam praktik melalui kerja dengan komunitas open source, dikenal karena proyek tersebutInstrukturLab, dipimpin oleh Red Hat dan upaya bersama IBM Researchdi keluarga Granite dari model sumber terbuka yang dilisensikan. InstructLab secara signifikan mengurangi hambatan bagi orang-orang yang bukan ilmuwan data untuk berkontribusi pada model AI. Dengan InstructLab, spesialis domain dari semua sektor dapat menambahkan keterampilan dan pengetahuan mereka, baik untuk penggunaan internal maupun untuk membantu model open source IA yang dibagikan dan dapat diakses secara luas untuk komunitas hulu
Keluarga model Granite 3.0 menangani berbagai macam kasus penggunaan AI, dari generasi kode hingga pemrosesan bahasa alami untuk mengekstrakwawasandari dataset besar, semua di bawah lisensi open source yang permisif. Kami membantu IBM Research membawa keluarga model kode Granite ke dunia open source dan terus mendukung keluarga model tersebut, baik dari sudut pandang open source maupun sebagai bagian dari penawaran Red Hat AI
Dampak daripengumuman terbaru dari DeepSeektunjukkan bagaimana inovasi open source dapat mempengaruhi AI, baik di tingkat model maupun di luar itu. Jelas ada kekhawatiran tentang pendekatan platform Tiongkok, terutama bahwa lisensi model tidak menjelaskan bagaimana ia diproduksi, apa yang memperkuat kebutuhan akan transparansi. Dengan kata itu, disrupsi yang disebutkan memperkuat pandangan Red Hat tentang masa depan AI: masa depan yang terbuka, fokus pada model yang lebih kecil, dioptimalkan dan terbuka, yang dapat disesuaikan untuk kasus penggunaan data bisnis spesifik di mana saja di cloud hibrida.
Memperluas model AI di luar sumber terbuka
Pekerjaan Red Hat di ruang IA sumber terbuka jauh melampaui InstructLab dan keluarga model Granite, sampai ke alat dan platform yang diperlukan untuk benar-benar mengonsumsi dan menggunakan AI secara produktif. Perusahaan menjadi sangat aktif dalam mendorong proyek dan komunitas teknologi, seperti misalnya (tapi tidak hanya):
● RamaLama, sebuah proyek open source yang bertujuan untuk memudahkan pengelolaan dan penyediaan lokal model AI
● TrustyAI, sebuah toolkit sumber terbuka untuk membangun alur kerja AI yang lebih bertanggung jawab
● Climatik, sebuah proyek yang berfokus pada membantu menjadikan AI lebih berkelanjutan dalam hal konsumsi energi
● Laboratorium AI Podman, sebuah toolkit pengembang yang fokus pada memudahkan eksperimen dengan LLM open source
ITUpengumuman terbarutentang Neural Magic memperluas pandangan perusahaan tentang IA, memungkinkan organisasi untuk menyelaraskan model AI yang lebih kecil dan dioptimalkan, termasuk sistem open source yang dilisensikan, dengan data Anda, di mana pun mereka tinggal di awan hibrida. Organisasi TI dapat, maka, menggunakan server inferensivLLMuntuk mendorong keputusan dan produksi model-model ini, membantu membangun tumpukan AI yang berbasis pada teknologi yang transparan dan didukung
Untuk korporasi, AI open source hidup dan bernapas di awan hibrida. Cloud hybrid memberikan fleksibilitas yang diperlukan untuk memilih lingkungan terbaik untuk setiap beban kerja AI, mengoptimalkan kinerja, biaya, skala dan persyaratan keamanan. Platform-platform, tujuan dan organisasi Red Hat mendukung upaya ini, bersama dengan mitra dari sektor, klien dan komunitas open source, seiring dengan pengembangan kode sumber terbuka dalam kecerdasan buatan
Ada potensi besar untuk memperluas kolaborasi terbuka di ruang AI. Red Hat melihat masa depan yang mencakup kerja transparan dalam model, seperti pelatihannya. Baik minggu depan atau bulan depan (atau bahkan lebih awal, mengingat cepatnya evolusi AI, perusahaan dan komunitas terbuka, secara keseluruhan, akan terus mendukung dan mengadopsi upaya untuk mendemokratisasi dan membuka dunia AI
