Es ist Zeit, über KI-Open-Source zu sprechen.
Offensichtlich ist dies ein Problem, mit dem sich Entwickler auseinandersetzen müssen. Grundsätzlich ist das Thema Open Source seit 2006 zu einem der Top-Themen geworden.
Matt Asay ist für das Marketing bei MongoDB verantwortlich. Zuvor war er Leiter von Amazon Web Services und Leiter des Entwickler-Ökosystems bei Adobe.
Bevor Asay zu Adobe kam, hatte er eine Reihe von Positionen bei Open-Source-Unternehmen inne. Vizepräsident für Geschäftsentwicklung, Marketing und Community bei MongoDB, Vizepräsident für Geschäftsentwicklung beim Echtzeitanalyseunternehmen Nodeable (später von Appcelerator übernommen), Vizepräsident für Geschäftsentwicklung und Interims-CEO beim mobilen HTML5-Startup Strobe (später von Facebook übernommen) und Ubuntu Linux-COO des Unternehmens Canonical und Leiter Amerikas für das Content-Management-Startup Alfresco.
Schließlich wurde Asay Ehrendirektor der Open Source Initiative (OSI) und erhielt einen J.D. von der Stanford University.
Zuvor hatte Matt Asay Google und Yahoo Vorbehalte gegenüber Open-Source-Code vorgeworfen und wurde dann beschimpft.
Jetzt, wo ich darüber nachdenke, macht es Sinn.
Tim O'Reilly sagte, dass im Open-Source-Cloud-Zeitalter die Motivation für Entwickler, Code zu teilen, darin besteht, anderen die Möglichkeit zu geben, ihre eigenen Programme auszuführen und so eine Kopie des Quellcodes bereitzustellen. Und die Notwendigkeit dafür ist langsam verschwunden.
Reilly weist weiter darauf hin, dass dies nicht nur nicht notwendig, sondern für die größten Apps auch nicht mehr möglich sei.
Im letzten Jahrzehnt hat diese Unmöglichkeit des Teilens die ursprüngliche Definition von Open Source auf den Kopf gestellt. Heutzutage beeinflussen neue Definitionen die Art und Weise, wie wir über künstliche Intelligenz denken.
Wie Mike Loukides betonte, war die Zusammenarbeit in der KI noch nie so wichtig und auch nie schwieriger.
Genau wie beim Cloud Computing im Jahr 2006 werden die Unternehmen, die die interessanteste Arbeit im Bereich der künstlichen Intelligenz leisten, wahrscheinlich danach streben, Open Source auf traditionelle Weise zu nutzen.
Aber auch wenn ihr Open-Source-Ansatz traditionell ist, heißt das nicht, dass sie ihn nicht auf sinnvollere Weise öffnen können.
Offene Infrastruktur
Loukides glaubt: „Obwohl viele Unternehmen inzwischen sagen, dass sie KI betreiben, gibt es nur drei Unternehmen, die die Branche wirklich vorantreiben – Meta, OpenAI und Google.“
Die drei Eines haben sie alle gemeinsam: Sie alle verfügen über die Fähigkeit, große Modelle im großen Maßstab laufen zu lassen. Hinter dieser Fähigkeit brauchen wir eine starke Infrastruktur und technische Mittel, über die viele Einzelpersonen und Unternehmen oft nicht verfügen.
Es stimmt, dass Sie den Quellcode von OPT-175B von Meta herunterladen können, aber die Hardware, die Sie zur Verfügung haben, kann ihn nicht trainieren. Selbst für Universitäten oder andere Forschungseinrichtungen ist der OPT-175B zu groß.
Andererseits können selbst Google und OpenAI, die über ausreichende Rechenressourcen verfügen, OPT-175B nicht einfach reproduzieren.
Der Grund ist ebenfalls einfach: OPT-175B ist zu eng mit Metas eigener Infrastruktur (einschließlich kundenspezifischer Hardware) verbunden und lässt sich nur schwer woanders verpflanzen.
Mit anderen Worten: Meta versucht nicht, etwas über OPT-175B zu verbergen, aber es ist wirklich schwierig, eine ähnliche Infrastruktur aufzubauen. Selbst für diejenigen, die über das Geld und die Technologie verfügen, wird das Endergebnis eine andere Version sein.
Und genau das haben Jeremy Zawodny von Yahoo und Chris DiBona von Google auf der OSCON 2006 gemacht.
Aber andererseits ist es schwer, einer KI zu vertrauen, wenn man die Wissenschaft hinter der Maschine nicht versteht.
Wir müssen also einen Weg finden, die Infrastruktur für die Nutzung freizugeben.
Loukides ist der Ansicht, dass externen Forschern und Early Adopters freier Zugang gewährt werden sollte. Es geht jedoch nicht darum, ihnen einen Hauptschlüssel für den Zugriff auf die Rechenzentren von Meta, Google oder OpenAI zu geben, sondern über eine öffentliche API.
Dies ist vielleicht nicht die „Open Source“, die die meisten Leute erwarten, aber es ist immer noch akzeptabel.
Betrachten Sie Open Source anders.
Matt Asays Vorwürfe gegen Google und Yahoo sind jetzt bedeutungslos.
Seit 2006 hat Google kritische Infrastrukturen gebündelt und als Open-Source-Lösungen bereitgestellt, um strategische Anforderungen zu erfüllen.
Nach Ansicht von Matt Asay ist TensorFlow der Eingang zu Open Source und Kubernetes der Ausgang zu Open Source. Es wird erwartet, dass diese Open-Source-Industriestandards für maschinelles Lernen die Google Cloud-Arbeitslasten verbessern oder die Portabilität zwischen Google Clouds gewährleisten und dadurch mehr Arbeitslasten für Google Cloud gewinnen.
Wer auch immer sich das ausgedacht hat, ist schlau, aber es ist kein Open Source im Sinne von Pollyanna.
Es ist nicht nur Google. Es macht Open Source einfach besser als andere Unternehmen. Open Source ist von Natur aus egoistisch und Unternehmen und Einzelpersonen werden immer Code veröffentlichen, der ihnen selbst oder ihren Kunden zugute kommt.
Das war schon immer so und wird auch immer so sein.
Loukides glaubt, dass KI sinnvoll offen sein sollte (trotz der Unterschiede zwischen den drei KI-Giganten und anderen Unternehmen), aber er meint nicht Open Source in unserem allgemeinen Sinne. Open Source verstehen. Warum?
Der Grund dafür ist, dass traditionelles Open Source zwar großartig ist, das Problem, das DiBona und Zawodny 2006 festgestellt haben, jedoch nie erfolgreich gelöst hat, sowohl für die Entwickler als auch für die Verbraucher der Software. Cloud-Open-Source-Herausforderungen auf der OSCON vorgestellt.
Mehr als zehn Jahre sind vergangen und wir sind der Antwort immer noch nicht näher gekommen.
Andererseits sind wir tatsächlich ein Stück näher dran.
Matt Asay glaubt, dass wir Open Source aus einer neuen Perspektive betrachten müssen.
Er steht Loukides nahe: Der Schlüssel liegt darin, Forschern ausreichend zur Verfügung zu stellen Zugriff, der es ihnen ermöglicht, zu reproduzieren, wie ein bestimmtes KI-Modell erfolgreich war oder fehlschlug.
„Sie benötigen keinen vollständigen Zugriff auf den gesamten Code und die gesamte Infrastruktur, um diese Modelle auszuführen.“ Ein vollständiger Zugriff auf den Code mache seiner Meinung nach nur dann Sinn, wenn Entwickler Open-Source-Programme auf ihren Laptops ausführen und daraus abgeleitete Werke erstellen können.
Dies macht angesichts des Umfangs und der einzigartigen Komplexität des Codes, der heute von Google oder Microsoft ausgeführt wird, keinen Sinn – es ist unmöglich, in großem Maßstab vollständig auf Cloud-Code zuzugreifen.
Wir müssen verstehen: Open Source ist keine Linse, durch die man die Open-Source-Welt betrachten kann. Und angesichts des Cloud-Zeitalters, in dem wir heute leben, wird Open Source immer weniger genutzt.
Sowohl als Unternehmen als auch als Einzelpersonen sollte unser Ziel darin bestehen, den Zugang zu Software auf eine Weise zu öffnen, die Kunden und Drittentwicklern zugute kommt und sie leichter verständlich zu machen, anstatt zu versuchen, jahrzehntealte Open-Source-Konzepte in die umzuwandeln Wolke . Es gilt nicht für Open Source, genauso wenig wie es für KI gilt.
Es ist Zeit, Ihre Meinung zu ändern.
Das obige ist der detaillierte Inhalt vonIst KI nicht für Open Source geeignet? MongoDB-Vizepräsident: Open-Source-Code ist nicht für künstliche Intelligenz geeignet. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
