Open-Source: ຂັ້ນຕອນຕໍ່ໄປໃນການປະຕິວັດ AI

ຈິນຕະນາການອະນາຄົດທີ່ AI ບໍ່ໄດ້ຖືກປິດລ້ອມຢູ່ໃນຫ້ອງຮັບແຂກຂອງບໍລິສັດ, ແຕ່ກໍ່ສ້າງຢູ່ໃນບ່ອນເປີດ, ດ້ວຍດິນຈີ່, ໂດຍຊຸມຊົນຜູ້ປະດິດສ້າງທົ່ວໂລກ. ບ່ອນທີ່ການຮ່ວມມື, ບໍ່ແມ່ນການແຂ່ງຂັນ, ຊຸກຍູ້ຄວາມກ້າວຫນ້າ, ແລະການພິຈາລະນາດ້ານຈັນຍາບັນມີນ້ໍາຫນັກເທົ່າທຽມກັນກັບການປະຕິບັດວັດຖຸດິບ. ນີ້ບໍ່ແມ່ນເລື່ອງນິຍາຍວິທະຍາສາດ, ມັນເປັນການປະຕິວັດ ໃນຫົວໃຈຂອງການພັດທະນາ AI. ແຕ່ Big Tech ມີວາລະຂອງຕົນເອງ, ການສ້າງແບບຈໍາລອງທີ່ຖືກຈໍາກັດເປັນແຫຼ່ງເປີດໃນຂະນະທີ່ພະຍາຍາມເກັບກ່ຽວຜົນປະໂຫຍດຂອງຊຸມຊົນທີ່ເປີດຢ່າງແທ້ຈິງ. ແຫຼ່ງເປີດ ໃຫ້ພວກເຮົາລອກລອກຊັ້ນຂອງລະຫັດຄືນແລະເປີດເຜີຍຄວາມຈິງທີ່ຢູ່ເບື້ອງຫລັງຄວາມພະຍາຍາມເຫຼົ່ານີ້. ການສໍາຫຼວດອະນາຄົດຂອງ AI ແຫຼ່ງເປີດນີ້ຈະທໍາລາຍ "ຜູ້ລ່ວງລະເມີດ" ແລະຊະນະ "ຕົວຈິງ" ໃນການພັດທະນາ AI ເພື່ອເປີດເຜີຍເຄື່ອງຈັກນະວັດກໍາທີ່ເປັນຊອບແວ open-source humming ພາຍໃຕ້ມັນທັງຫມົດ. ເສັ້ນທາງລຸ່ມແມ່ນວ່າ open-source AI ຈະໄດ້ຮັບ stack ຂໍ້ມູນ open-source. ຄວາມຕ້ອງການ ບົດຄວາມທີ່ຜ່ານມາໂດຍ Matteo Wong ໃນ Atlantic, ' ' ອະທິບາຍເຖິງທ່າອ່ຽງການຂະຫຍາຍຕົວຂອງນັກວິຊາການ ແລະຊຸມຊົນຊອບແວສຳລັບ AI ແຫຼ່ງເປີດຢ່າງແທ້ຈິງ. "ແນວຄວາມຄິດແມ່ນເພື່ອສ້າງຕົວແບບທີ່ມີຄວາມໂປ່ງໃສທີ່ປະຊາຊົນສາມາດນໍາໃຊ້ໄດ້ງ່າຍແລະລາຄາຖືກກວ່າ, ການສຶກສາ, ແລະການແຜ່ພັນ, ຄວາມພະຍາຍາມເພື່ອປະຊາທິປະໄຕທີ່ມີເຕັກໂນໂລຢີທີ່ມີຄວາມເຂັ້ມຂົ້ນສູງທີ່ອາດມີທ່າແຮງທີ່ຈະຫັນປ່ຽນການເຮັດວຽກ, ຕໍາຫຼວດ, ການພັກຜ່ອນແລະສາສະຫນາ." Atlantic ດຽວກັນນີ້ແນະນໍາວ່າບໍລິສັດເຕັກໂນໂລຢີໃຫຍ່ເຊັ່ນ Meta ກໍາລັງພະຍາຍາມຕື່ມຂໍ້ມູນໃສ່ຄວາມຕ້ອງການນີ້ໃນຕະຫຼາດໂດຍການ 'ເປີດລ້າງ' ຜະລິດຕະພັນຂອງພວກເຂົາ. ພວກເຂົາກໍາລັງສົມມຸດວ່າຄຸນນະພາບແລະຊື່ສຽງໃນທາງບວກຂອງຊຸມຊົນແຫຼ່ງເປີດໂດຍບໍ່ມີການເປີດເຜີຍຢ່າງແທ້ຈິງຜະລິດຕະພັນຂອງພວກເຂົາ. ແຕ່, ບໍ່ມີການທົດແທນສໍາລັບສິ່ງທີ່ແທ້ຈິງ. ນີ້ແມ່ນຍ້ອນວ່າຊອບແວ open-source ທີ່ແທ້ຈິງຂັບເຄື່ອນການປະດິດສ້າງແລະການຮ່ວມມື: ສອງຄຸນນະພາບທີ່ຈໍາເປັນຢ່າງຈິງຈັງເພື່ອກ້າວໄປຂ້າງຫນ້າດ້ວຍ AI ທີ່ມີຄວາມຮັບຜິດຊອບ. ບໍ່ເຄີຍມີສິ່ງດັ່ງກ່າວເປັນ 'ເປີດ' AI ຜູ້ທຳນາຍ 2, ເປັນຕົວແບບພາສາຂະຫນາດໃຫຍ່ທີ່ສ້າງຂຶ້ນໂດຍ ທີ່ສາມາດໃຊ້ໄດ້ຟຣີສໍາລັບທັງການຄົ້ນຄວ້າແລະການນໍາໃຊ້ທາງການຄ້າ. ບາງຄົນແນະນໍາ LLaMA 2 ແມ່ນແຫຼ່ງເປີດ. ຢ່າງໃດກໍ່ຕາມ, Meta ໄດ້ປະຕິບັດບາງຂໍ້ຈໍາກັດທີ່ຮ້າຍແຮງກ່ຽວກັບການນໍາໃຊ້ຕົວແບບຂອງພວກເຂົາ. ຕົວຢ່າງ, LLaMA 2 ບໍ່ສາມາດໃຊ້ເພື່ອປັບປຸງຮູບແບບພາສາຂະຫນາດໃຫຍ່ອື່ນໆ. ຕໍາແຫນ່ງທີ່ກົງກັນຂ້າມກັບປະເພນີ ຂອງຊອບແວເປີດທີ່ສົ່ງເສີມການເປີດເຜີຍຟຣີແລະເປີດຂອງນະວັດຕະກໍາເພື່ອຜົນປະໂຫຍດຂອງທຸກຄົນໃນຊຸມຊົນຊອບແວ. LLaMA Meta ຮູບແບບການປະດິດສ້າງລວມເອກະຊົນ Meta ເພີ່ມເຕີມເຮັດໃຫ້ການນໍາໃຊ້ຕົວແບບຂອງພວກເຂົາໂດຍການບໍ່ອະນຸຍາດໃຫ້ປະສົມປະສານຂອງ LLaMA 2 ກັບຜະລິດຕະພັນທີ່ມີຜູ້ໃຊ້ປະຈໍາເດືອນ 700 ລ້ານຄົນແລະໂດຍບໍ່ເປີດເຜີຍຂໍ້ມູນໃດໆທີ່ຮູບແບບຂອງພວກເຂົາໄດ້ຮັບການຝຶກອົບຮົມຫຼືລະຫັດທີ່ພວກເຂົາໃຊ້ເພື່ອສ້າງມັນ. ໂດຍການບໍ່ເປີດເຜີຍ, Meta ກໍາລັງເປີດຕົວເອງຕໍ່ກັບຄໍາຖາມກ່ຽວກັບຄວາມລໍາອຽງທີ່ປະກົດຂຶ້ນແລະການຈໍາແນກໂດຍບັງເອີນ. ແບບຈໍາລອງທີ່ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຂໍ້ມູນຈໍາແນກຈະ . ໂດຍບໍ່ມີຊຸມຊົນຊໍແວຢູ່ໃນຂະຫນາດໃຫຍ່ສາມາດເບິ່ງລະຫັດທີ່ໃຊ້ໃນການສ້າງຕົວແບບເພື່ອເບິ່ງວ່າມີການປ້ອງກັນໃດໆທີ່ສ້າງຂຶ້ນໃນຫຼືຂໍ້ມູນທີ່ໃຊ້ໃນການຝຶກອົບຮົມມັນ, ພວກເຮົາຖືກປະໄວ້ໃນຄວາມມືດໃນຄໍາຖາມດ້ານສິນທໍາເຫຼົ່ານີ້. ໃນເວລາທີ່ ມີຄວາມກັງວົນກ່ຽວກັບການປະຕິບັດຫຼາຍກ່ວາຄວາມຍຸຕິທໍາແລະການເຄົາລົບຄວາມຫນ້າກຽດຊັງນີ້ແມ່ນເປັນການລົບກວນໂດຍສະເພາະ. ຕອບສະຫນອງຕໍ່ການຈໍາແນກ ເຜີຍແຜ່ການຄົ້ນຄວ້າກ່ຽວກັບ AI ໂຕຈິງ ໄດ້ຮັບການຮັບຮູ້ສໍາລັບຮູບແບບພາສາຂະຫນາດໃຫຍ່ແຫຼ່ງເປີດຂອງຕົນ, ໂດຍສະເພາະ Mistral 7B ແລະ Mixtral 8x7B. ບໍລິສັດພະຍາຍາມຮັບປະກັນການເຂົ້າເຖິງຢ່າງກວ້າງຂວາງກັບຕົວແບບ AI ຂອງຕົນ, ຊຸກຍູ້ໃຫ້ມີການທົບທວນຄືນ, ດັດແກ້, ແລະນໍາໃຊ້ຄືນໃຫມ່ໂດຍຊຸມຊົນຊອບແວເປີດ. Mistral AI ຫຍໍ້ມາຈາກ "vectorized low-latency model serving" ແລະເປັນຫ້ອງສະໝຸດ open-source ທີ່ຖືກອອກແບບໂດຍສະເພາະເພື່ອເລັ່ງ ແລະປັບປຸງຕົວແບບພາສາຂະໜາດໃຫຍ່ (LLMs). ມັນເປັນເຄື່ອງມືທີ່ມີປະສິດທິພາບທີ່ສາມາດປັບປຸງປະສິດທິພາບແລະການນໍາໃຊ້ຂອງ LLMs ຢ່າງຫຼວງຫຼາຍ. ນີ້ເຮັດໃຫ້ມັນເປັນຊັບສິນທີ່ມີຄຸນຄ່າສໍາລັບນັກພັດທະນາທີ່ເຮັດວຽກໃນຫຼາຍໆແອັບພລິເຄຊັນ AI, ຈາກ chatbots ແລະຜູ້ຊ່ວຍ virtual ຈົນເຖິງການສ້າງເນື້ອຫາແລະການສ້າງລະຫັດ. ຫຼາຍດັ່ງນັ້ນ, Mistral ແນະນໍາໃຫ້ໃຊ້ vLLM ເປັນເຄື່ອງແມ່ຂ່າຍ inference ສໍາລັບແບບ 7B ແລະ 8x7B. vLLM ເປັນຫ້ອງທົດລອງການຄົ້ນຄວ້າ AI ທີ່ບໍ່ຫວັງຜົນກໍາໄລທີ່ເພີ່ມຂຶ້ນຈາກເຄື່ອງແມ່ຂ່າຍຂອງ Discord ເພື່ອປຶກສາຫາລືກ່ຽວກັບ GPT-3 ກັບອົງການຄົ້ນຄ້ວາທີ່ບໍ່ຫວັງຜົນກໍາໄລຊັ້ນນໍາ. ກຸ່ມດັ່ງກ່າວແມ່ນເປັນທີ່ຮູ້ຈັກສໍາລັບການເຮັດວຽກຂອງຕົນໃນການຝຶກອົບຮົມແລະການສົ່ງເສີມການເປີດມາດຕະຖານວິທະຍາສາດໃນການປຸງແຕ່ງພາສາທໍາມະຊາດ. ພວກເຂົາເຈົ້າໄດ້ປ່ອຍຕົວແບບພາສາຂະຫນາດໃຫຍ່ແບບເປີດແຫຼ່ງຕ່າງໆແລະມີສ່ວນຮ່ວມໃນໂຄງການຄົ້ນຄ້ວາທີ່ກ່ຽວຂ້ອງກັບການຈັດລໍາດັບ AI ແລະການຕີຄວາມຫມາຍ. ຂອງພວກເຂົາ ໂຄງການແມ່ນອາດຈະເປັນເຄື່ອງມືການປະເມີນແຫຼ່ງເປີດຊັ້ນນໍາສໍາລັບຮູບແບບພາສາ. EleutherAI LM-Harness ແມ່ນ LLM ຂອງ Microsoft ທີ່ດີໃຈຫລາຍກວ່ານ້ໍາຫນັກຂອງມັນ. ການຝຶກອົບຮົມກ່ຽວກັບການຜະສົມຜະສານຂອງບົດເລື່ອງສັງເຄາະແລະເວັບໄຊທ໌ທີ່ຖືກກັ່ນຕອງ, ຮູບແບບຂະຫນາດນ້ອຍ, ແຕ່ມີອໍານາດນີ້ດີເລີດໃນຫນ້າວຽກເຊັ່ນ: ການຕອບຄໍາຖາມ, ສະຫຼຸບ, ແລະການແປພາສາ. ສິ່ງທີ່ເຮັດໃຫ້ Phi-2 ແຍກອອກຈາກກັນຢ່າງແທ້ຈິງແມ່ນການສຸມໃສ່ການສົມເຫດສົມຜົນແລະຄວາມເຂົ້າໃຈພາສາ, ນໍາໄປສູ່ການປະຕິບັດທີ່ຫນ້າປະທັບໃຈເຖິງແມ່ນວ່າບໍ່ມີເຕັກນິກການຈັດຕໍາແຫນ່ງທີ່ກ້າວຫນ້າ. ຟີ-2 ແບບຈໍາລອງການຝັງ open-source ທີ່ມີຄວາມສາມາດຫຼາຍອັນແມ່ນກໍາລັງເສີມສ້າງພື້ນທີ່ AI ທົ່ວໄປທີ່ສ້າງມາແບບເປີດ. ເຫຼົ່ານີ້ແມ່ນປັດຈຸບັນທີ່ທັນສະໄຫມສໍາລັບແຫຼ່ງເປີດແລະປະກອບມີ ແລະ . UAE-Large-V1 multilingual-e5-largel ມີຫຼາຍຫຼາຍໃນພາກສະຫນາມທີ່ເຄີຍຈະເລີນເຕີບໂຕນີ້. ບັນຊີລາຍຊື່ຈໍາກັດນີ້ແມ່ນພຽງແຕ່ການເລີ່ມຕົ້ນ. Open Source Drives Innovation ການຮັບເອົາປັດຊະຍາຂອງນະວັດຕະກໍາທີ່ເປີດກວ້າງທີ່ສຸດ, ບໍລິສັດທີ່ເຂົ້າຮ່ວມຢ່າງແທ້ຈິງໃນການພັດທະນາຊອບແວ open-source ທ້າທາຍແນວຄິດແບບດັ້ງເດີມຂອງຜົນປະໂຫຍດດ້ານການແຂ່ງຂັນໂດຍການຍອມຮັບວ່າ . ການປ່ຽນແປງນີ້ສະຫນັບສະຫນູນ ວ່າການປະດິດສ້າງຮ່ວມກັນພາຍໃນລະບົບນິເວດແຫຼ່ງເປີດເຮັດໃຫ້ການຂະຫຍາຍຕົວຂອງຕະຫຼາດໄວຂຶ້ນ, ສະຫນອງບໍລິສັດຊອບແວຂະຫນາດນ້ອຍກວ່າດ້ວຍທຶນ R&D ທີ່ຈໍາກັດຫຼາຍ. ຈາກ R&D spillovers ທີ່ມີຢູ່ໃນຊອບແວ open-source. ນີ້ແມ່ນຍ້ອນວ່າ, ກົງກັນຂ້າມກັບ outsourcing ແບບດັ້ງເດີມ, ການປະດິດສ້າງທີ່ເປີດ ໂດຍການນຳໃຊ້ຄວາມສະຫລາດລວມຂອງຊຸມຊົນ, ໂດຍບໍ່ມີການຫຼຸດຜ່ອນຄວາມພະຍາຍາມ R&D ພາຍໃນ. ຫມາຍຄວາມວ່າບໍລິສັດຊອຟແວ open-source ບໍ່ຈໍາເປັນຕ້ອງເສຍສະລະງົບປະມານຂອງພວກເຂົາເພື່ອຕິດຕາມຄວາມເປັນຜູ້ນໍາທາງຄວາມຄິດແລະລະຫັດພາຍນອກອົງການຈັດຕັ້ງຂອງພວກເຂົາ. ບໍ່ແມ່ນລະຫັດທີ່ດີ ຫຼືແນວຄວາມຄິດທີ່ດີທັງໝົດຢູ່ໃນອົງກອນຂອງພວກເຂົາ ການໂຕ້ຖຽງ ໂອກາດທີ່ຈະໄດ້ຮັບຜົນປະໂຫຍດ ເສີມຂະຫຍາຍຊັບພະຍາກອນພາຍໃນ ນອກຈາກນັ້ນ, ບໍລິສັດຊອຟແວທີ່ເປີດແຫຼ່ງຍຸດທະສາດຊຸກຍູ້ການປະດິດສ້າງໂດຍ , ການຮັບຮູ້ລັກສະນະສະສົມຂອງຂະບວນການປະດິດສ້າງໃນຊຸມຊົນຊອບແວ. ທັງຫມົດທີ່ຈະເວົ້າບາງສິ່ງບາງຢ່າງທີ່ຫຼາຍໄດ້ຮັບຮູ້ແລ້ວ: ຊອບແວແຫຼ່ງເປີດຂັບເຄື່ອນນະວັດຕະກໍາ. ປ່ອຍລະຫັດກ່ອນໄວແລະເລື້ອຍໆ Open Source ການຮ່ວມມືອຸປະຖໍາ ຜ່ານ ໃນຊຸມຊົນຊອບແວທີ່ເປີດ, ຜູ້ປະກອບການສາມາດປະຕິບັດເປົ້າຫມາຍທັງໄລຍະສັ້ນແລະໄລຍະຍາວ. ເປົ້າໝາຍກຳໄລໄລຍະສັ້ນສ້າງບໍລິສັດ ແລະເປົ້າໝາຍກຳໄລໄລຍະຍາວຍືນຍົງຄົງຕົວ. ໃນເວລາດຽວກັນ, ຄວາມພະຍາຍາມສ້າງເຄືອຂ່າຍນີ້ເຮັດໃຫ້ເຄືອຂ່າຍຕົນເອງ perpetuates - ການຂະຫຍາຍຕົວມັນສໍາລັບຜູ້ປະກອບການຕໍ່ໄປ. ມັນເປັນທີ່ຮູ້ຈັກກັນດີວ່າແພລະຕະຟອມ open-source ສະຫນອງການເຂົ້າເຖິງລະຫັດແຫຼ່ງ, ເຮັດໃຫ້ນັກພັດທະນາສາມາດສ້າງການຍົກລະດັບ, plug-ins ແລະຊິ້ນສ່ວນອື່ນໆຂອງຊອບແວແລະນໍາໃຊ້ພວກມັນຕາມຄວາມຕ້ອງການຂອງພວກເຂົາ. ການຮ່ວມມືແບບພິເສດນີ້ປະສົບກັບການຂະຫຍາຍຕົວດ້ວຍການຮັບຮອງເອົາ Kubernetes ຢ່າງກວ້າງຂວາງໂດຍຊຸມຊົນຊອບແວທີ່ກວ້າງຂວາງ. ໃນປັດຈຸບັນຫຼາຍກ່ວາເຄີຍ, ເຕັກໂນໂລຊີທີ່ທັນສະໄຫມເຮັດວຽກຮ່ວມກັນກັບ friction ພຽງເລັກນ້ອຍຫຼາຍແລະສາມາດຢູ່ໃນນາທີຮ່ວມກັນເກືອບທຸກບ່ອນ. ເຄືອຂ່າຍ ບໍລິສັດເທັກໂນໂລຍີໃຫຍ່ຮັບຮູ້ການຮ່ວມມືອັນເລິກເຊິ່ງນີ້ເກີດຂຶ້ນກັບຊຸມຊົນແຫຼ່ງເປີດເມື່ອພວກເຂົາປ່ອຍກອບວຽກ, ຫ້ອງສະໝຸດ ແລະພາສາທີ່ເຂົາເຈົ້າສ້າງໄວ້ຢ່າງເສລີເພື່ອຮັກສາ ແລະພັດທະນາເຄື່ອງມືພາຍໃນ. ການເຮັດດັ່ງນັ້ນເຮັດໃຫ້ຜູ້ພັດທະນາທີ່ມີຄວາມສາມາດເຮັດວຽກຢູ່ໃນຜະລິດຕະພັນຂອງພວກເຂົາຢ່າງເລິກເຊິ່ງແລະເລີ່ມກໍານົດມາດຕະຖານສໍາລັບວິທີການທີ່ເຕັກໂນໂລຢີທີ່ຄ້າຍຄືກັນຄວນປະຕິບັດ. ບົດຄວາມ Atlantic ດຽວກັນນີ້ອ້າງເຖິງຜູ້ກໍ່ຕັ້ງ Meta Mark Zuckerberg ໂດຍກ່າວວ່າມັນ "ມີຄຸນຄ່າຫຼາຍສໍາລັບພວກເຮົາທີ່ຈະສະຫນອງສິ່ງນັ້ນເພາະວ່າຕອນນີ້ຜູ້ພັດທະນາທີ່ດີທີ່ສຸດໃນທົ່ວອຸດສາຫະກໍາກໍາລັງໃຊ້ເຄື່ອງມືທີ່ພວກເຮົາໃຊ້ພາຍໃນ". Open Source Begets Open Source ເຫຼົ່ານີ້ແມ່ນປັດໃຈທີ່ວ່າເປັນຫຍັງພວກເຮົາມັກຈະເຫັນການປະສານງານລະຫວ່າງບໍລິສັດແຫຼ່ງເປີດ. ບໍລິສັດ Open-source AI ແລະ ML ຈະພັດທະນາການແກ້ໄຂບັນຫາແບບທໍາມະຊາດກັບຜະລິດຕະພັນໂອເພນຊອດອື່ນໆຈາກຜະລິດຕະພັນພື້ນຖານເຊັ່ນ: ການເກັບຮັກສາວັດຖຸຈົນເຖິງທຸກຂັ້ນຕອນໄປຫາເຄື່ອງມືການເບິ່ງເຫັນ. ເມື່ອບໍລິສັດແຫຼ່ງເປີດຫນຶ່ງກ້າວໄປຂ້າງຫນ້າ, ພວກເຮົາທຸກຄົນເຮັດ. ວິທີການທີ່ສອດຄ່ອງ ແລະປະສົມກັນນີ້ອາດຈະເປັນການເດີມພັນທີ່ດີທີ່ສຸດຂອງພວກເຮົາສໍາລັບການພັດທະນາ AI ທີ່ໃຊ້ວິທີການທີ່ມະນຸດເປັນສູນກາງ. ກໍາລັງທໍາມະຊາດເຫຼົ່ານີ້ປະກົດຢູ່ໃນຕະຫຼາດຕ້ອງການ AI ແຫຼ່ງເປີດລວມກັບຄຸນນະພາບຂອງຊອບແວແຫຼ່ງເປີດຂອງນະວັດຕະກໍາແລະການຮ່ວມມືຈະຂັບລົດແຫຼ່ງເປີດ AI stack ຂໍ້ມູນ. ກະລຸນາເຂົ້າຮ່ວມແລະປະກອບສ່ວນເຂົ້າໃນການສົນທະນານີ້ແລະຊຸມຊົນຂອງພວກເຮົາໂດຍການສົ່ງອີເມວຫາພວກເຮົາທີ່ ຫຼືສົ່ງຂໍ້ຄວາມຫາພວກເຮົາໃນ ຂອງພວກເຮົາ. ສະບາຍດີ@min.io ຊ່ອງ Slack ຍັງໄດ້ເຜີຍແຜ່ . ຢູ່ທີ່ນີ້