Quem controla os modelos abertos de IA?

O futuro desta tecnologia não será determinado apenas pelos algoritmos, mas também pelo impulso para democratizar o acesso e criar uma inovação mais inclusiva e aberta. O ritmo da mudança é rápido, mas uma coisa permanece constante: uma abordagem aberta à IA é fundamental para o seu desenvolvimento responsável e sustentável.

Na Red Hat, acreditamos que aplicar os princípios de inclusão, acessibilidade e colaboração das comunidades no desenvolvimento da IA, pode torná-la mais responsável e menos propensa a anomalias. Embora a IA não deva ser tratada do mesmo modo que o software de código aberto, existem muitos paralelismos entre ambos. O denominador comum é a abordagem aberta e as oportunidades de co-desenvolvimento por parte das comunidades de código aberto.

Afinação da Inteligência Artificial

Os modelos de IA baseiam-se em ponderações, conjuntos de números que determinam a forma como o sistema analisa os dados e gera respostas. São criados através de um longo processo de treino do modelo com enormes lotes de informação.

No mundo do código-fonte aberto, o código-fonte é o principal meio de compreender e efetuar alterações ao software. Na IA, os dados de treino, por si só, não são suficientes. O seu processamento e treino são complexos que uma mono amostra de dados tem apenas um efeito indireto no resultado final. Além disso, a maioria das evoluções destes modelos não exige o acesso aos dados de treino originais. Ao invés, as alterações são feitas com base em modificações dos pesos do modelo, através de um processo de afinação que permite que a IA seja refinada para aplicações específicas.

A fase de adaptação de modelos de IA às necessidades da empresa pode ser potencialmente dispendiosa. A tecnologia vLLM otimiza recursos informáticos, gere memória eficientemente e paraleliza consultas, tornando a afinação mais rápida, barata e eficaz.

IA aberta, ou que tipo de IA?

Para podermos falar de IA aberta, os modelos devem cumprir duas condições:

• as suas camadas devem estar disponíveis sob uma licença de código aberto, que proporcione os mesmos direitos e princípios de funcionamento que regem o software de código aberto clássico
• os mecanismos do seu funcionamento devem basear-se em tecnologias abertas. Também é importante lutar por uma maior transparência no processo de formação e aperfeiçoamento da IA, assim como por uma cooperação mais estreita entre a comunidade informática, as instituições reguladoras e as empresas.

Um dos desafios do desenvolvimento de sistemas de IA é que frequentemente, apenas um grupo restrito de profissionais de dados participa na sua melhoria. Entretanto, especialistas de diversos sectores (desde a medicina ao direito), podem aportar conhecimentos valiosos aos processos de formação dos modelos. Por isso, é crucial que a IA seja acessível e esteja aberta ao maior número possível de participantes.

Um exemplo desta abordagem é o projeto InstructLab, criado pela Red Hat e IBM, que permite a especialistas externos ao mundo da ciência de dados, contribuir ativamente para os modelos de IA,. Deste modo, representantes de diferentes indústrias e empresas podem influenciar o desenvolvimento da tecnologia, o que facilita a progressão transparente e inclusiva da IA, e fomenta a criação de modelos mais pequenos e especializados para aplicações específicas.

Infraestrutura e otimização

O desenvolvimento de IA de código aberto exige infraestrutura flexível para construir, implementar e gerir modelos em diversos ambientes. Tecnologias abertas como Kubernetes e KubeFlow são cruciais para escalabilidade e integração. A nuvem híbrida oferece flexibilidade na escolha de recursos, permitindo otimizar desempenho e custos, adaptando modelos às necessidades empresariais, independentemente da implementação.

Conteúdo co-produzido pela MediaNext e pela Red Hat