Red Hat-ის ღია კოდის AI: პრაგმატიზმი უტოპიურ ოცნებებზე

Linux გიგანტი ითვალისწინებს AI განვითარებას, რომელიც ასახავს ღია კოდის პროგრამული უზრუნველყოფის თანამშრომლობით ეთოსს. რჲგა ნწმა ეა ვ ლვჟნჲ.

ღია კოდის AI ცვლის ყველაფერს, რაც ხალხს ეგონა, რომ მათ იცოდნენ ხელოვნური ინტელექტის შესახებ. უბრალოდ შეხედეთDeepSeek- ს, ჩინეთის ღია კოდის პროგრამას, რომელმაც ფინანსური კარი გააფუჭა AI ინდუსტრიიდან. Red Hat, მსოფლიოს წამყვანი Linux კომპანია, უკეთ ესმის ღია წყაროსა და AI- ის ძალას.

Red Hat-ის პრაგმატული მიდგომა ღია კოდის AI-ის მიმართ ასახავს მის ათწლეულების განმავლობაში ერთგულებას ღია წყაროს პრინციპების მიმართ, ხოლო თანამედროვე ხელოვნური ინტელექტის სისტემების უნიკალურ სირთულეებთან ერთად. იმის ნაცვლად, რომ დაედევნა ზოგადი ინტელექტი (AGI) ოცნებები, Red Hat აბალანსებს პრაქტიკულ საწარმოს საჭიროებებს იმით, რაც AI- ს შეუძლია დღეს.

პარალელურად, Red Hat აღიარებს ბუნდოვანებას "ღია კოდის AI"."-ის გარშემო Linux Foundation-ის წევრების სამიტზე 2024 წლის ნოემბერში, რიჩარდ ფონტანამ, Red Hat-ის მთავარმა კომერციულმა რჩევამ, ხაზი გაუსვა, რომ მიუხედავად იმისა, რომ ტრადიციული ღია კოდის პროგრამული უზრუნველყოფა ეყრდნობა ხელმისაწვდომი წყაროს კოდს, AI წარმოგიდგენთ გამოწვევებს გაუმჭვირვალე ტრენინგის მონაცემებით და მოდელის წონით.

პანელური დისკუსიის დროს ფონტანამ თქვა: "რა არის ანალოგი [წყაროს კოდი] AI- სთვის? ეს არ არის ნათელი. ზოგი ფიქრობს, რომ ტრენინგის მონაცემები უნდა იყოს ღია, მაგრამ ეს ძალიან არაპრაქტიკულია LLM- ებისთვის [დიდი ენის მოდელები]. ეს ვარაუდობს, რომ ღია კოდის AI შეიძლება იყოს უტოპიური მიზანი ამ ეტაპზე.

ეს დაძაბულობა აშკარაა ლიცენზიების ქვეშ გამოქვეყნებულ მოდელებში, რომლებიც შემზღუდველია, მაგრამ "ღია წყარო". ეს ყალბი ღია კოდის პროგრამები მოიცავს Meta's LLama- ს და ფონტანა აკრიტიკებს ამ ტენდენციას და აღნიშნა, რომ ბევრი ლიცენზია დისკრიმინაციას უწევს მცდელობის ან ჯგუფების წინააღმდეგ, ხოლო ჯერ კიდევ აცხადებს გახსნილობას.

მთავარი გამოწვევაა გამჭვირვალობის შერიგება კონკურენტულ და სამართლებრივ რეალობასთან. მიუხედავად იმისა, რომ Red Hat მხარს უჭერს გახსნილობას, ფონტანა აფრთხილებს მკაცრი განმარტებების წინააღმდეგ, რომლებიც მოითხოვს ტრენინგის მონაცემების სრულ გამჟღავნებას: ტრენინგის დეტალური მონაცემების გამჟღავნება, რომელიც მიზნად ისახავს მოდელის შემქმნელებს დღევანდელ სასამართლო გარემოში. საჯაროდ ხელმისაწვდომი მონაცემების სამართლიანი გამოყენება ართულებს გამჭვირვალობის მოლოდინს.

Red Hat CTO Chris Wright ხაზს უსვამს პრაგმატულ ნაბიჯებს რეპროდუცირებისკენ, ადვოკატირება ღია მოდელებისთვის, როგორიცაა Granite LLM და ინსტრუმენტები, როგორიცაა InstructLab, რაც საშუალებას აძლევს საზოგადოებაზე ორიენტირებულ დახვეწას. რაიტი წერს: "InstructLab საშუალებას აძლევს ნებისმიერს წვლილი შეიტანოს მოდელებში, რაც AI- ს ნამდვილად კოლაბორაციულად აქცევს. ეს არის ის, თუ როგორ მოიგო ღია წყარომ პროგრამულ უზრუნველყოფაში - ახლა ჩვენ ამას ვაკეთებთ AI- სთვის.

Wright ამას აყალიბებს, როგორც Red Hat-ის Linux-ის მემკვიდრეობის ევოლუციას: "ისევე, როგორც Linux სტანდარტიზებული IT ინფრასტრუქტურა, RHEL AI უზრუნველყოფს საფუძველს საწარმოს AI -- ღია, მოქნილი და ჰიბრიდი დიზაინის მიხედვით."

Red Hat ითვალისწინებს AI განვითარების სარკისებური ღია კოდის პროგრამული უზრუნველყოფის ერთობლივ ეთოსს. რაიტი ამტკიცებს: "მოდელები უნდა იყოს ღია კოდის არტეფაქტები. ცოდნის გაზიარება არის Red Hat-ის მისია - ასე მოვერიდებით გამყიდველის ჩაკეტვას და უზრუნველვყოფთ AI სარგებელს ყველას."

რჲგა ნწმა ეა ვ ლვჟნჲ. რაიტი აღიარებს, რომ "AI, განსაკუთრებით დიდი ენის მოდელები, რომლებიც მართავენ გენერაციულ AI- ს, არ შეიძლება ჩაითვალოს ისე, როგორც ღია კოდის პროგრამული უზრუნველყოფა. პროგრამული უზრუნველყოფისგან განსხვავებით, AI მოდელები ძირითადად შედგება მოდელის წონისგან, რომლებიც რიცხვითი პარამეტრებია, რომლებიც განსაზღვრავენ, თუ როგორ ახდენს მოდელის პროცესები შეყვანას, ასევე მის კავშირებს სხვადასხვა მონაცემთა წერტილებს შორის. გაწვრთნილი მოდელის წონა არის ფართო სასწავლო პროცესის შედეგი, რომელიც მოიცავს დიდი რაოდენობით სასწავლო მონაცემებს, რომლებიც საგულდაგულოდ არის მომზადებული, შერეული და დამუშავებული.

მიუხედავად იმისა, რომ მოდელები არ არის პროგრამული უზრუნველყოფა, Wright გრძელდება:

"გარკვეულწილად, ისინი ემსახურებიან კოდის მსგავს ფუნქციას. ადვილია შედარების დახატვა, რომ მონაცემები არის, ან ანალოგიურია მოდელის წყაროს კოდი. მხოლოდ ტრენინგის მონაცემები არ შეესაბამება ამ როლს. ხელოვნური ინტელექტის მოდელების გაუმჯობესებისა და გაუმჯობესების უმრავლესობა, რომელიც ახლა საზოგადოებაში მიმდინარეობს, არ გულისხმობს ორიგინალური ტრენინგის მონაცემებზე წვდომას ან მანიპულირებას. უფრო მეტიც, ეს არის მოდელის წონის მოდიფიკაციების ან ჯარიმის რეგულირების პროცესის მოდიფიკაციის შედეგი, რაც ასევე შეიძლება ემსახურებოდეს მოდელის მუშაობის რეგულირებას. ამ მოდელის გაუმჯობესების თავისუფლება მოითხოვს, რომ წონა გათავისუფლდეს ყველა იმ ნებართვით, რომელსაც მომხმარებლები იღებენ ღია კოდის ლიცენზიით.

ამასთან, ფონტანა ასევე აფრთხილებს ღიაობის განსაზღვრაში გადაჭარბების წინააღმდეგ, მინიმალური სტანდარტების ადვოკატირებას და არა უტოპიურ იდეალებს. "ღია წყაროს განმარტება (OSD) მუშაობდა, რადგან მან დააწესა იატაკი და არა ჭერი. AI განმარტებები პირველ რიგში უნდა ფოკუსირდეს ლიცენზირების სიცხადეზე და არა ტვირთების დეველოპერებზე არაპრაქტიკული გამჭვირვალობის მანდატებით.

ეს მიდგომა მსგავსია ღია წყაროს ინიციატივის (OSI) ღია წყაროს AI განმარტება (OSAID) 1.0, მაგრამ ეს არ არის იგივე. მიუხედავად იმისა, რომ Mozilla Foundation-მა, OpenInfra Foundation-მა, Bloomberg Engineering-მა და SUSE-მა OSAID-ს მხარი დაუჭირეს, Red Hat-ს ჯერ კიდევ არ მიუღია დოკუმენტი კურთხევა. ამის ნაცვლად, რაიტი ამბობს: "ჩვენი შეხედულება დღემდე არის უბრალოდ ჩვენი მიღება, რაც ღია კოდის AI მიღწევად და ხელმისაწვდომს ხდის თემების, ორგანიზაციებისა და მოვაჭრეების ფართო სპექტრისთვის".

რაიტი ასკვნის: "ხელოვნური ინტელექტის მომავალი ღიაა, მაგრამ ეს მოგზაურობაა. ჩვენ ვუმკლავდებით გამჭვირვალობას, მდგრადობას და ნდობას - ერთ დროს ღია კოდის პროექტს." ფონტანას სიფრთხილის პერსპექტივა საფუძველს უყენებს ამ ხედვას, რაც არის ის, რომ ღია კოდის AI უნდა პატივი სცეს კონკურენტულ და სამართლებრივ რეალობას. საზოგადოებამ თანდათანობით უნდა დახვეწოს განმარტებები და არა ძალისმიერი იდეალები გაუაზრებელ ტექნოლოგიაზე.

OSI, განმარტებაზე ფოკუსირებისას, თანახმაა. OSAID 1.0 მხოლოდ პირველი არასრულყოფილი ვერსიაა. ჯგუფი უკვე მუშაობს სხვა ვერსიისკენ. იმავდროულად, Red Hat გააგრძელებს მუშაობას AI-ის ღია მომავლის ჩამოყალიბებაში, დეველოპერულ თემებსა და საწარმოებს შორის ხიდების შექმნით, ხოლო ხელოვნური ინტელექტის გამჭვირვალობის ეკლიანი ეთიკის ნავიგაციისას.