Perché l'open source è fondamentale per il futuro dell'IA

L'idea di intelligenza artificiale (IA) non è nuova, ma i recenti progressi nelle tecnologie di questo tipo l'hanno trasformata da qualcosa di ipotetico a uno strumento che molti di noi usano ogni giorno. La crescente importanza e la diffusione dell'IA sono allo stesso tempo entusiasmanti e potenzialmente allarmanti, poiché le basi di molti strumenti di IA sono essenzialmente scatole nere di proprietà e controllate da un piccolo numero di aziende con molto potere.

Red Hat crede che tutti dovrebbero avere la possibilità di contribuire all'IA. L'innovazione dell'IA non dovrebbe essere unicamente nelle mani di aziende che possono permettersi un’enorme potenza di elaborazione e dei data scientist specializzati nell’addestramento di modelli linguistici di grandi dimensioni (LLM) sempre più estesi.

Scarica l'ebook "Definizione della strategia aziendale per l'IA: una guida introduttiva"

Al contrario, stiamo applicando decenni di esperienza nell’open source allo sviluppo di strumenti e framework di IA che consentiranno a tutti di contribuire e trarre vantaggio dall'IA, contribuendo al contempo a plasmarne il futuro e l'evoluzione. Riteniamo che l'approccio open source sia fondamentale per sfruttare appieno il potenziale dell'IA, rendendola più sicura, accessibile e democratizzata.

Cos'è l'open source?

Sebbene il termine "open source" originariamente si riferisse a una metodologia per lo sviluppo di software, da allora si è esteso a un modo più generale di lavorare che è aperto, decentralizzato e profondamente collaborativo. Oggi il movimento open source va ben oltre il mondo del software e il metodo open source è stato adottato attraverso iniziative di collaborazione in tutto il mondo, nella scienza, nell’istruzione, dai governi, dall’industria, dalla sanità e altri settori.

La cultura open source ha alcuni principi e valori fondamentali che la rendono efficace e di grande impatto, tra cui:

• partecipazione collaborativa;
• responsabilità condivisa;
• scambio aperto;
• meritocrazia e inclusività;
• sviluppo orientato alla community;
• collaborazione aperta;
• auto-organizzazione;
• rispetto e reciprocità.

La storia ha dimostrato che, quando i principi dell'open source sono alla base degli sforzi di collaborazione, è possibile fare cose incredibili. Esempi significativi sono lo sviluppo e la diffusione di Linux come sistema operativo più efficiente e utilizzato al mondo, la nascita e la crescita di Kubernetes e dei container, così come lo sviluppo e l'espansione di Internet.

Open source ed IA

Quindi, l'approccio open source ha qualche rilevanza in questa nuova era dell'IA?

A nostro avviso, la risposta breve è "assolutamente sì". Ma approfondiamo questo aspetto e scopriamo perché riteniamo che ciò sia vero.

Sei vantaggi dell'open source nell'era dell'IA

I vantaggi di cui potremmo parlare sono più di sei, ma inizieremo con quelli di maggiore rilevanza.

1. Innovazione più rapida

A differenza delle organizzazioni chiuse e delle soluzioni proprietarie, quando la tecnologia viene sviluppata in modo collaborativo e con approcci open source, l'innovazione e la scoperta possono avvenire molto più rapidamente.

Quando il lavoro viene condiviso apertamente e altri hanno la capacità di svilupparlo, i team risparmiano un'enorme quantità di tempo e fatica, evitando di partire dai principi iniziali ogni volta che si avvia un progetto. Le nuove idee possono basarsi sui progetti precedenti. Questo non solo consente di risparmiare tempo e denaro, ma migliora anche i risultati, poiché permette a più persone di collaborare per risolvere problemi, condividere informazioni e rivedere il lavoro degli altri.

Una community più ampia e collaborativa è semplicemente in grado di ottenere di più: più persone che lavorano insieme per risolvere problemi complessi sono in grado di innovare in modo più rapido ed efficace rispetto ai piccoli gruppi che lavorano in modo isolato.

Percorso di apprendimento su RHEL AI: Try out LLMs the easy way

2. Accesso più democratico

L'open source semplifica anche l'accesso alle tecnologie di IA nuove ed emergenti. La condivisione aperta di ricerca, codice e strumenti consente di eliminare alcune delle barriere che in genere limitano l'accesso alle innovazioni più all'avanguardia.

Il progetto InstructLab ne è un ottimo esempio. InstructLab è un progetto di IA open source indipendente dai modelli, che semplifica il processo di apporto di competenze e conoscenze agli LLM. L'obiettivo del progetto è consentire a chiunque di contribuire alla creazione dell'IA generativa (gen AI), incluse le persone che non dispongono delle competenze e della formazione in ambito di data science normalmente richieste. Ciò consente a più persone e organizzazioni di contribuire all'addestramento e al perfezionamento degli LLM in modo affidabile, il che porta al punto successivo.

3. Sicurezza, protezione e privacy migliorate

Poiché i progetti open source riducono le barriere all'ingresso, un gruppo più ampio e diversificato di contributori è in grado di aiutare a identificare e risolvere potenziali problemi di sicurezza e bias nei modelli di IA in fase di sviluppo.

I dati e i metodi utilizzati per addestrare e ottimizzare i modelli di IA chiusi sono proprietari e tenuti sotto stretta sorveglianza. Raramente gli estranei sono in grado di capire come funzionano questi modelli e se contengono dati potenzialmente pericolosi o pregiudizi intrinseci.

Tuttavia, se un modello e i dati utilizzati per l’addestramento sono aperti, chiunque desideri partecipare può esaminarli, in modo da ridurre i potenziali rischi e ridurre al minimo le distorsioni. Inoltre, i contributori dell'open source possono creare strumenti e processi per monitorare e controllare lo sviluppo futuro di modelli e app, contribuendo a migliorare e mantenere la sicurezza nel tempo.

L'apertura e la trasparenza creano fiducia in quanto gli utenti sono in grado di esaminare direttamente come vengono utilizzati ed elaborati i propri dati, in modo da verificare il rispetto della privacy e della sovranità dei dati.

Infine, le aziende sono in grado di proteggere i propri dati privati, sensibili o proprietari utilizzando progetti open source come InstructLab per creare i propri modelli ottimizzati su cui mantenere un controllo rigoroso.

4. Flessibilità e libertà di scelta

Mentre in generale, quando si parla di IA generativa, ci si immagina LLM monolitici, proprietari e di tipo black-box, stiamo iniziando a vedere una spinta crescente verso modelli di IA più piccoli, indipendenti e specifici.

Questi modelli linguistici di piccole dimensioni (SLM) vengono solitamente addestrati su set di dati molto più piccoli per fornire loro le funzionalità di base, quindi vengono ulteriormente personalizzati per scenari specifici utilizzando dati e conoscenze specifici del dominio.

Questi SLM sono significativamente più efficienti di quelli più grandi e hanno dimostrato di offrire prestazioni analoghe (se non migliori), se utilizzati per lo scopo previsto. Sono più veloci ed efficienti da addestrare e distribuire e possono essere personalizzati e adattati in base alle esigenze.

Il progetto InstructLab è progettato per consentire soprattutto questo. Puoi utilizzare un modello di IA open source più piccolo, come uno dei modelli open source Granite di IBM, e ampliarlo con i dati aggiuntivi e l’addestramento che preferisci.

Ad esempio, è possibile utilizzare InstructLab per creare un chat bot per l'assistenza clienti altamente ottimizzato e specifico, formato sulle conoscenze e sulle procedure interne, per offrire un servizio clienti di alta qualità a tutti, sempre e ovunque.

Inoltre, ciò consente di evitare il vendor lock-in e offre flessibilità in termini di dove e come distribuire il modello di IA e le applicazioni basate su di esso.

5. Ecosistema più dinamico

Noi di Red Hat siamo convinti che "l’innovazione si fa insieme" e siamo rimasti fedeli a questa convinzione sin dal lancio di Red Hat Enterprise Linux (RHEL). Gran parte di questa convinzione si basa sull'incredibile valore che i nostri partner apportano non solo a Red Hat, ma anche ai nostri clienti.

Ciò continuerà ad essere valido nell'era dell'IA, in cui forniamo una gamma di strumenti e framework open source attraverso Red Hat AI, su cui i nostri partner svilupperanno a loro volta soluzioni per apportare valore aggiunto ai nostri clienti. Tutto questo è possibile perché operiamo in modo aperto e in collaborazione con i nostri progetti upstream e altri ricercatori, aziende e partner in tutto il mondo.

Nessun singolo fornitore può offrire tutto ciò di cui un'organizzazione ha bisogno, né sperare di stare al passo con l'evoluzione tecnologica di oggi. I principi e le pratiche open source accelerano l'innovazione e creano un ecosistema dinamico, promuovendo partnership e opportunità di collaborazione tra progetti e settori.

6. Riduzione dei costi

All'inizio del 2025, si stima che lo stipendio base medio di un data scientist negli Stati Uniti fosse di oltre US$125.000. I data scientist con maggiore esperienza possono richiedere compensi notevolmente superiori.

Ovviamente, c'è una domanda massiccia e crescente di data scientist poiché l'IA è esplosa in termini di potenza e popolarità, ma poche aziende hanno molte speranze di attrarre e trattenere i talenti specializzati di cui hanno bisogno.

Inoltre, la realizzazione, l’addestramento, la manutenzione e il deployment di LLM di grandi dimensioni sono esorbitanti e richiedono interi magazzini pieni di apparecchiature informatiche altamente ottimizzate (e molto costose) e un'enorme quantità di storage.

I modelli aperti, più piccoli e specifici e le applicazioni di IA sono significativamente più efficienti al fine di creare, addestrare ed eseguire il deployment. Oltre a richiedere una frazione della potenza di elaborazione degli LLM, progetti come InstructLab consentono a persone senza competenze ed esperienza specializzate di contribuire attivamente ed efficacemente alla formazione e all'ottimizzazione dei modelli di IA.

Chiaramente, i risparmi sui costi e la flessibilità che l'open source offre allo sviluppo dell'IA sono vantaggiosi per le piccole e medie imprese che sperano di sfruttare il vantaggio competitivo offerto dalle applicazioni di IA.

Conclusione

Crediamo che sia essenziale sviluppare l'IA utilizzando i principi dell'open source e con la stessa community che ha creato il cloud computing, Internet, Linux e molte altre tecnologie open source potenti e profondamente innovative.

Questa è la strategia di prodotto di Red Hat per l'IA. Abbiamo sempre sfruttato il potenziale dell'open source nei nostri prodotti e progetti e stiamo facendo lo stesso con l'IA.

Tutti dovrebbero essere in grado di trarre vantaggio dall'IA, quindi tutti dovrebbero essere in grado di aiutare a determinarne e tracciarne la direzione e contribuire al suo sviluppo. L'innovazione open source e collaborativa è essenziale per il futuro dell'IA, affinché resti accessibile e vantaggiosa per tutti.