Mer än tre decennier sedan, Red Hat såg potentialen i utvecklingen och open source-licenser för att skapa bättre mjukvara och främja IT-innovation. Trettio miljoner rader kod senare, Linux har inte bara utvecklats till att bli den mest framgångsrika öppen källkodsprogramvaran, som också upprätthåller denna position än idag. Åtagandet till open source-principerna fortsätter, inte bara i den företagsinriktade affärsmodellen, som också är en del av arbetskulturen. I bedömningen av företaget, dessa koncept har samma påverkan på artificiell intelligens (AI) om de görs på rätt sätt, men världen av teknik är delad när det gäller vad som skulle vara det "rätta sättet"
AI, särskilt de stora språkmodellerna (LLMs) bakom generativ AI, kan inte ses på samma sätt som ett öppet program. Till skillnad från mjukvaran, AI-modeller består huvudsakligen av modeller med numeriska parametrar som avgör hur en modell bearbetar indata, likaså som anslutningen som gör mellan flera datapunkter. Parametrar av tränade modeller är resultatet av en lång process som involverar stora mängder träningsdata som noggrant förbereds, blandade och bearbetade
Även om modellens parametrar inte är mjukvara, i vissa avseenden har de en liknande funktion som koden. Det är lätt att göra jämförelsen att data är modellens källkod, ni skulle vara mycket nära honom. Ingen öppen källkod, källkoden definieras vanligtvis som den "föredragna formen" för att göra ändringar i programvaran. Träningsdata ensam passar inte in i denna funktion, eftersom dess storlek skiljer sig och på grund av den komplicerade förprocessen som resulterar i en svag och indirekt koppling som varje datapunkt som används i träningen har med de tränade parametrarna och det resulterande beteendet hos modellen
De flesta förbättringar och uppgraderingar av AI-modeller som sker nu i samhället involverar inte åtkomst till eller manipulation av de ursprungliga träningsdata. Istället, de är resultatet av modifieringar av modellparametrar eller i en process eller justering som också kan användas för att justera modellens prestanda. Friheten att göra dessa förbättringar i modellen kräver att parametrarna släpps med alla de behörigheter som användarna får under open source-licenser
Red Hats vision för öppen källkod AI
Red Hat tror att grunden för öppen källkod AI finns ilicensierade modellparametrar i kombination med öppen källkod programvarukomponenter. Detta är en utgångspunkt för öppen källkod AI, men inte den sista destinationen för filosofin. Red Hat uppmuntrar open source-gemenskapen, reglerande myndigheter och industrin fortsätter att sträva efter större transparens och överensstämmelse med principerna för öppen källkod vid träning och justering av AI-modeller
Detta är Red Hats vision som företag, som omfattar ett ekosystem av öppen källkod mjukvara, kan engagera sig praktiskt med öppen källkod AI. Det är inte ett försök till en formell definition, som som aÖppen källkodsinitiativ(OSI) utvecklar med sinÖppen källkod AI-definition(OSAID). Detta är företagets syn på att göra öppen källkod AI genomförbar och tillgänglig för den största uppsättningen av samhällen, organisationer och leverantörer
Denna synpunkt i praktiken sätts i praktiken genom arbete med open source-gemenskaperna, utvald av projektetInstructLab, ledd av Red Hat och insatsen med IBM Researchi familjen Granite av open source-modeller med licens. InstructLab minskar avsevärt barriärerna för att personer som inte är datavetare ska kunna bidra till AI-modeller. Med InstructLab, domänspecialister från alla sektorer kan bidra med sina färdigheter och kunskaper, både för intern användning och för att hjälpa en öppen källkod AI-modell som delas och är allmänt tillgänglig för upstream-gemenskaper
Granite 3-modellfamiljen.0 hanterar ett brett spektrum av användningsfall för AI, från kodgenerering till naturlig språkbehandling för att extraherainsikterav stora dataset, allt under en tillåtande öppen källkodslicens. Vi hjälper IBM Research att föra Granite-kodmodellerna till öppen källkod och fortsätter att stödja modellfamiljen, både ur ett open source-perspektiv och som en del av vårt Red Hat AI-erbjudande
Återverkan avsenaste annonser från DeepSeekvisa hur öppen källkodsinnovation kan påverka AI, både på modellnivå och bortom. Det finns uppenbarligen oro över den kinesiska plattformens tillvägagångssätt, främst att modellens licens inte förklarar hur den har producerats, vad som förstärker behovet av transparens. Detta sagt, den nämnda störningen förstärker Red Hats syn på AI:s framtid: en öppen framtid, fokuserad på mindre modeller, optimerade och öppna, som kan anpassas för specifika användningsfall av företagsdata var som helst i den hybrida molnmiljön.
Utvidga AI-modeller bortom öppen källkod
Red Hats arbete inom open source AI sträcker sig långt bortom InstructLab och Granite-modellfamiljen, går till de verktyg och plattformar som behövs för att faktiskt konsumera och produktivt använda AI. Företaget har blivit mycket aktivt i att främja teknikprojekt och -gemenskaper, som som exempel (men inte bara):
● RamaLama, ett open source-projekt som syftar till att underlätta hanteringen och tillgängliggörandet av lokala AI-modeller
● TrustyAI, ett open source-verktyg för att bygga mer ansvarsfulla AI-arbetsflöden
● Klimatik, ett projekt inriktat på att hjälpa till att göra AI mer hållbar när det gäller energiförbrukning
● Podman AI Lab, ett utvecklarverktyg som fokuserar på att underlätta experimentering med öppen källkod LLMs
DEnyligen tillkännagivandeom Neural Magic utökar företagsvisionen om AI, gör det möjligt för organisationer att anpassa mindre och optimerade AI-modeller, inkluderar licensierade öppen källkodssystem, med dina uppgifter, var de de bor de leva i moln hybrid. IT-organisationer kan, så, använda inferensservernvLLMför att driva besluten och produktionen av dessa modeller, hjälpa till att bygga en AI-stapel baserad på transparenta teknologier och med stöd
För företaget, öppen källkod AI lever och andas i den hybrida molnet. En hybridmoln ger den nödvändiga flexibiliteten för att välja den bästa miljön för varje AI-arbetsbelastning, optimera prestandan, kostnad, skala och säkerhetskrav. Plattformarna, mål och organisation av Red Hat stöder dessa insatser, tillsammans med branschpartners, kunder och open source-gemenskapen, i takt med att öppen källkod inom artificiell intelligens drivs
Det finns en enorm potential att utöka detta öppna samarbete inom AI-området. Red Hat ser envisions en framtid som omfattar transparent arbete i modeller, precis som din träning. Antingen nästa vecka eller nästa månad (eller till och med tidigare, med tanke på hastigheten av AI-utvecklingen, företaget är en öppen gemenskap, som somhelhet, de kommer att fortsätta stödja och anta ansträngningarna för att demokratisera och öppna världen av AI
