Come adottare l'approccio open source nell'IA

Con i vari acronimi e abbreviazioni che ruotano attorno all'IA, da GP e GenAI a RAG e altri, c'è una domanda specifica da porsi: l'intelligenza artificiale può essere davvero open source?

In che modo i principi dell'open source, ovvero licenze con autorizzazioni permissive, dati e carichi per il training trasparenti e, forse più di tutto, la capacità di contribuire a un modello open source, influiscono sul progetto finale?

Esistono modelli aperti per molti dei più importanti attori nell'ambito dell'IA, ma non sono open source o impongono determinate restrizioni... e questa è una sfida. Per creare modelli che funzionino davvero per specifici scenari di utilizzo aziendali, le organizzazioni tecnologiche devono comprendere l'intero ambito di un modello, ovvero come è stato eseguito il training, su quali ambiti, chi se ne è occupato e così via. Il tutto prima ancora di pensare a come, ottimizzandolo con i propri dati interni.

Al Red Hat Summit 2023 abbiamo presentato Red Hat OpenShift AI, che fornisce le basi per l'esecuzione di modelli di IA su larga scala. Una piattaforma potente, scalabile e ottimizzata per i carichi di lavoro dell'IA, ma non incentrata sulla distribuzione di modelli effettivi. Oggi, abbiamo chiarito che la strategia di Red Hat non consiste solo nel fornire la spina dorsale per le applicazioni basate sull'intelligenza artificiale, ma anche nell'offrire il contributo determinante della community e dell'open source ai modelli stessi.

In collaborazione con IBM Research, stiamo rendendo open source diversi modelli sia per il linguaggio che per l'assistenza al codice. Ma ciò che rende tutto questo ancora più interessante è InstructLab, un nuovo progetto open source che consente alle singole persone di migliorare un modello, attraverso una semplice interfaccia utente. Di fatto, puoi contribuire a un modello LLM come faresti con le richieste pull a un qualsiasi altro progetto open source.

Anziché creare un modello LLM da un altro, entrando in un vicolo cieco a cui nessun altro può contribuire, InstructLab consente a chiunque di aggiungere conoscenze e competenze. Questi contributi possono quindi essere incorporati nelle versioni future del modello. Insomma, non devi essere un data scientist per contribuire a InstructLab. Gli esperti in materia e del settore, oltre ai data scientist, possono utilizzare InstructLab per offrire contributi a vantaggio di tutti. È una soluzione con potenzialità davvero enormi, sia per la community che per le aziende.

RHEL AI combina i componenti chiave della piattaforma Linux enterprise leader a livello mondiale (nella modalità immagine per Red Hat Enterprise Linux appena annunciata), i modelli Granite con licenza open source e una distribuzione supportata con ciclo di vita del progetto InstructLab. InstructLab estende ulteriormente il ruolo dell'open source nell'IA, semplificando la collaborazione o il contributo al modello open source alla base di qualsiasi altro progetto della community.

L'innovazione dell'IA non dovrebbe limitarsi alle organizzazioni che possono permettersi enormi GPU farm o grandi gruppi di data scientist. Tutti, dagli sviluppatori ai team operativi IT fino alle linee di business, hanno bisogno della capacità di contribuire in qualche modo all'IA, nel modo che preferiscono. Ecco il bello di InstructLab e il potenziale di RHEL AI: portare l'accessibilità dell'open source nel mondo spesso chiuso dell'IA.

È questa la strategia di Red Hat per i propri prodotti legati all'AI. La nostra storia rispecchia la nostra filosofia. Abbiamo applicato le potenzialità dell'open source a Linux, Kubernetes e al cloud computing ibrido per le aziende.

Ora, stiamo facendo lo stesso per l'IA. Tutti possono trarre vantaggio dall'IA, quindi tutti dovrebbero potervi accedere e dare un contributo. L'open source è l'approccio giusto per riuscirci.