Inteligencia artificial open source: el punto de vista de Red Hat

Resumen: Red Hat considera que los criterios mínimos para la inteligencia artificial open source son los pesos del modelo con licencia open source combinados con los elementos del software open source.

Hace más de tres décadas, Red Hat ya reconocía el potencial del desarrollo y las licencias open source para crear mejores sistemas de software que impulsaran la innovación en la TI. Treinta millones de líneas de código más tarde, Linux no solo se convirtió en el software open source más exitoso, sino también en el más exitoso en general hasta la fecha. Todavía mantenemos nuestro compromiso con los principios del open source en nuestro modelo de negocios y también en nuestra cultura corporativa. Creemos que estos conceptos pueden tener el mismo impacto en la inteligencia artificial si se aplican correctamente; sin embargo, el mundo de la tecnología presenta dos opiniones muy diferentes sobre cuál es la "forma correcta".

La inteligencia artificial, en especial los modelos de lenguaje de gran tamaño (LLM) que impulsan la inteligencia artificial generativa, no se puede considerar como software open source. A diferencia del software, los modelos de inteligencia artificial consisten principalmente en pesos de modelos, que son parámetros numéricos que determinan la manera en que un modelo procesa las entradas, así como las conexiones que establece entre diversos datos. Los pesos de los modelos entrenados son el resultado de un extenso proceso de entrenamiento que comprende grandes volúmenes de datos que se preparan, combinan y procesan minuciosamente. 

Si bien los pesos de los modelos no son sistemas de software, en algunos aspectos cumplen una función similar a la del código. Es fácil llegar a la conclusión de que los datos son comparables al código fuente del modelo. En el ámbito de la tecnología de open source, el código fuente suele definirse como la "forma preferida" para realizar modificaciones en el software. Los datos de entrenamiento por sí solos no cumplen esta función debido a su gran tamaño y el complicado proceso de preentrenamiento al que se someten. Este proceso da como resultado una conexión débil e indirecta que cualquier dato puede tener con los pesos entrenados y el comportamiento resultante del modelo. 

La mayoría de las mejoras en los modelos de inteligencia artificial que se realizan actualmente en la comunidad no implican el acceso a los datos de entrenamiento originales ni su manipulación. Más bien, son el resultado de modificaciones en los pesos del modelo o un proceso de perfeccionamiento que también puede ajustar el rendimiento del modelo. Para tener la libertad de realizar esas mejoras en el modelo, los pesos deben lanzarse con todos los permisos que los usuarios reciben con las licencias open source.

La visión de Red Hat sobre la inteligencia artificial open source

Red Hat considera que el criterio mínimo para la inteligencia artificial open source son los pesos de los modelos con licencia open source combinados con el software open source. Este es el punto de partida de la inteligencia artificial open source, no el destino final. Alentamos a la comunidad open source, a las autoridades reguladoras y al sector a que sigan esforzándose por ser más transparentes y cumplir los principios de desarrollo open source cuando entrenen y perfeccionen los modelos de inteligencia artificial. 

Esta es la visión de Red Hat de la forma en la que nosotros, como ecosistema de software open source, podemos implementar la inteligencia artificial open source de manera práctica. No se trata de una definición formal, como la Open Source AI Definition (OSAID) de Open Source Initiative (OSI). Esta es solo nuestra opinión actual sobre los aspectos que hacen que la inteligencia artificial open source sea viable y accesible para el grupo más amplio de comunidades, empresas y proveedores. 

Ponemos en práctica este punto de vista a través de nuestro trabajo en comunidades open source. Esto se observa más claramente en el proyecto InstructLab dirigido por Red Hat y nuestro trabajo en torno a los modelos open source Granite con IBM Research. InstructLab reduce en gran medida la barrera para las contribuciones a los modelos de inteligencia artificial realizadas por personas que no son analistas de datos. Con InstructLab, especialistas de todos los sectores pueden aportar sus habilidades y conocimientos al proyecto, tanto para uso interno como para ayudar a impulsar un modelo de inteligencia artificial open source compartido al que puedan acceder todas las comunidades upstream. 

La familia de modelos Granite 3.0 aborda distintos casos prácticos de inteligencia artificial, desde la generación de código hasta el procesamiento de lenguaje natural y la extracción de información de grandes conjuntos de datos, todo ello con una licencia open source permisiva. Ayudamos a IBM Research a introducir una familia de modelos de código Granite al mundo open source y a seguir brindando soporte para ella, desde el punto de vista del open source y como parte de nuestra oferta de Red Hat AI.

Las repercusiones de los anuncios recientes de DeepSeek demuestran el impacto de la innovación en tecnología de open source en la inteligencia artificial, tanto a nivel de modelo como en otros ámbitos. Obviamente, nos preocupamos por el enfoque de DeepSeek, es decir, que la licencia del modelo no aclara cómo se produjo, lo que reafirma aún más la necesidad de transparencia. Dicho esto, esta revolución confirma nuestra visión del futuro de la inteligencia artificial: un futuro open source que se centrará en modelos más pequeños, optimizados y abiertos que se puedan personalizar para casos prácticos específicos con datos empresariales en cualquier parte de la nube híbrida.

La expansión de la inteligencia artificial open source más allá de los modelos

La tecnología de open source y sus principios de desarrollo son aspectos fundamentales de nuestras ofertas de inteligencia artificial, así como de nuestra cartera de productos de Red Hat AI. Red Hat OpenShift AI se basa en Kubernetes, KubeFlow y contenedores que cumplen los estándares de Open Container Initiative (OCI), además de un grupo de otras tecnologías de open source desarrolladas en la nube. Red Hat Enterprise Linux AI (RHEL AI) incorpora la familia de LLM Granite con licencia open source de IBM y el proyecto open source InstructLab.

El trabajo de Red Hat en el ámbito de la inteligencia artificial open source no se limita a InstructLab y la familia de modelos Granite, ya que abarca las herramientas y las plataformas necesarias para consumir y utilizar la inteligencia artificial de manera productiva. Participamos cada vez en más proyectos y comunidades upstream, e iniciamos muchos más por nuestra cuenta. Estos son algunos ejemplos de proyectos en los que hemos trabajado:

• RamaLama, un proyecto open source que tiene como objetivo simplificar la gestión y la distribución local de modelos de inteligencia artificial;
• TrustyAI, un kit de herramientas open source para diseñar flujos de trabajo de inteligencia artificial más responsable;
• Climatik, un proyecto centrado en ayudar a que la inteligencia artificial sea más sostenible con relación al consumo de energía;
• Podman AI Lab, un kit de herramientas para desarrolladores que se centra en facilitar la experimentación con los LLM open source.

El anuncio reciente que hicimos sobre Neural Magic promueve nuestra visión en torno a la inteligencia artificial, ya que permite que las empresas adapten modelos de inteligencia artificial más pequeños y optimizados (incluidos los modelos con licencia open source) a sus datos, independientemente de dónde se encuentren en la nube híbrida. De este modo, las empresas de TI pueden usar el servidor de inferencia de vLLM para impulsar las decisiones y los resultados de estos modelos, lo que permite diseñar una stack de inteligencia artificial basada en tecnologías transparentes que cuentan con soporte.

Para Red Hat, la inteligencia artificial open source opera en la nube híbrida, la cual ofrece la flexibilidad necesaria para elegir el entorno más adecuado según cada carga de trabajo y, así, optimizar el rendimiento, los costos, la capacidad de ajuste y los requisitos de seguridad. Nuestras plataformas, objetivos y empresa respaldan esta iniciativa, y esperamos colaborar con los partners del sector, nuestros clientes y la comunidad open source en general para seguir impulsando la innovación en inteligencia artificial open source.

Esta colaboración abierta en el ámbito de la inteligencia artificial puede crecer mucho más. Prevemos un futuro en el que se trabajará con transparencia tanto en los modelos como en su entrenamiento. Ya sea la próxima semana o el próximo mes (o antes, dada la rapidez con la que evoluciona la inteligencia artificial), seguiremos respaldando y adoptando iniciativas que superen los límites de democratizar y abrir el mundo de la inteligencia artificial.