AI Alliantie Groei: Eerste Jaar

Een Transformatieve Verschuiving in Open Source AI

Historisch gezien was de ontwikkeling van open-source AI een gefragmenteerde onderneming, wat vaak resulteerde in ondermaats presterende modellen. Vóór 2023 beschikten maar weinig non-profitorganisaties over de middelen om AI-modellen te trainen met mogelijkheden die zelfs maar in de buurt kwamen van die van GPT-2. Grote technologiebedrijven domineerden het propriëtaire AI-landschap, terwijl open-source AI grotendeels was verbannen naar nichetoepassingen.

Het jaar 2023 markeerde een keerpunt. Er werden meerdere nieuwe basismodellen met permissieve licenties uitgebracht, gevolgd door Meta’s baanbrekende release van zijn open-source Llama 2-model in samenwerking met Microsoft. Deze gebeurtenis ontketende een golf van activiteit, met meer dan 10.000 afgeleide modellen die binnen zes maanden werden gecreëerd. Een nieuw tijdperk van open-source AI-ontwikkeling was begonnen.

Ambitieuze Doelen en een Vooraanstaande Stuurgroep

Tegen deze achtergrond stelde de AI Alliance vanaf het begin een indrukwekkende reeks doelen. Deze doelen omvatten:

• Het bevorderen van open samenwerking
• Het vaststellen van governance en waarborgen voor AI
• Het ontwikkelen van benchmarking tools en duidelijke beleidsstandpunten
• Het prioriteren van uitgebreide educatieve initiatieven
• Het koesteren van robuuste hardware-ecosystemen

De kracht van de Alliantie wordt verder onderstreept door het kaliber van haar stuurgroep, die kan bogen op een lijst van gerenommeerde commerciële organisaties en universiteiten.

Lidmaatschapscriteria: Een Toewijding aan Openheid en Samenwerking

Om lid te worden van de AI Alliance, moet een organisatie aan vier belangrijke criteria voldoen:

1. Afstemming op de Missie: Het potentiële lid moet zich aansluiten bij de missie van het cultiveren van veiligheid, open wetenschap en innovatie.
2. Toewijding aan Projecten: Leden moeten toegewijd zijn aan het werken aan belangrijke projecten die aansluiten bij de missie van de Alliantie.
3. Diversiteit van Perspectieven: Potentiële leden moeten bereid zijn om bij te dragen aan de diversiteit van perspectieven en culturen binnen het wereldwijde ledenbestand, dat momenteel meer dan 140 organisaties telt en naar verwachting verder zal groeien.
4. Reputatie: De AI Alliance zoekt leden met een erkende reputatie als opleiders, bouwers of pleitbezorgers binnen de AI open-source gemeenschap.

Categorisering van Leden: Bouwers, Enablers en Pleitbezorgers

Alliantieleden vallen doorgaans in een van de drie categorieën:

• Bouwers (Builders): Deze leden zijn verantwoordelijk voor het creëren van modellen, datasets, tools en applicaties die AI gebruiken.
• Enablers: Deze leden bevorderen de adoptie van open AI-technologieën door middel van tutorials, use cases en algemene community-ondersteuning.
• Pleitbezorgers (Advocates): Deze leden benadrukken de voordelen van het AI Alliance-ecosysteem en bevorderen het publieke vertrouwen en de veiligheid bij organisatieleiders, maatschappelijke belanghebbenden en regelgevende instanties.

Zes Belangrijkste Aandachtsgebieden: Een Holistische Benadering van het AI-Ecosysteem

De AI Alliance definieert haar langetermijnprioriteiten over zes belangrijke aandachtsgebieden. Het is echter belangrijk op te merken dat de Alliantie een holistische benadering hanteert van het gehele AI-ecosysteem, waarbij communityleden en ontwikkelaars worden aangemoedigd om deel te nemen aan een of meer gebieden en zich aan te passen naarmate interesses of prioriteiten veranderen.

Hier is een nadere blik op de zes belangrijkste aandachtsgebieden:

Vaardigheden en Onderwijs (Skills and Education)

Dit gebied is gewijd aan het verstrekken van AI-kennis aan een breed publiek, waaronder consumenten en bedrijfsleiders die de risico’s van AI evalueren, evenals studenten en ontwikkelaars die AI-toepassingen bouwen. Het doel is om het proces van het vinden van deskundige begeleiding op specifieke gebieden te vereenvoudigen en omvat een initiatief voor modelevaluatie.

In 2024 publiceerde de Alliantie de Guide to Essential Competencies for AI, een uitgebreide bron die het resultaat is van een uitgebreid onderzoek om sleutelrollen in AI en de vereiste vaardigheden voor die rollen te identificeren. Ondanks dat de gids recentelijk is gepubliceerd, heeft hij al negen revisies ondergaan en er is een vervolgonderzoek gepland om problemen aan te pakken die in het eerste onderzoek zijn geïdentificeerd.

Vertrouwen en Veiligheid (Trust and Safety)

Dit cruciale gebied onderzoekt de essentiële elementen van vertrouwen en veiligheid die nodig zijn voor het succes van alle AI-toepassingen. Benchmarks, tools en methodologieën worden gebruikt om ervoor te zorgen dat modellen en applicaties van hoge kwaliteit, veilig en betrouwbaar zijn. Dit omvat het ondersteunen van evoluerende gedragsnormen en effectieve reacties op risico’s.

De werkgroep op dit gebied verzamelt ‘best-of-breed’-concepten met betrekking tot vertrouwen en veiligheid en verbindt gebruikers met de expertise die ze nodig hebben. De State of Open Source AI Trust and Safety — End of 2024 Edition-enquête, gepubliceerd op de AI Alliance-website, benadrukte zowel behoeften als successen op dit gebied. Onderzoeks- en milieulacunes worden aangepakt door middel van onderzoeks- en ontwikkelingsinspanningen van talrijke AI Alliance-leden.

Applicaties en Tools (Applications and Tools)

Deze groep richt zich op het verkennen van tools en technieken voor het bouwen van efficiënte en robuuste AI-enabled applicaties. Het ontwikkelt ook een AI-lab om het experimenteren en testen van AI-toepassingen te vergemakkelijken, waardoor innovatie wordt versneld.

Hardware Enablement

Dit gebied is gewijd aan het bevorderen van een robuust AI-hardwareversneller-ecosysteem door ervoor te zorgen dat de AI-softwarestack hardware-agnostisch is. Technologieën zoals MLIR en Triton zijn cruciale softwaretools voor het bereiken van hoogwaardige hardwareportabiliteit. Deze tools stellen organisaties in staat om hun favoriete hardware te gebruiken, waardoor de flexibiliteit en prestaties toenemen en de afhankelijkheid van propriëtaire systemen wordt verminderd.

Fundatiemodellen en Datasets (Foundation Models and Datasets)

Dit gebied concentreert zich op modellen voor onderbediende gebieden, waaronder meertalige, multimodale, tijdreeksen, wetenschap en andere domeinen. Wetenschaps- en domeinspecifieke modellen richten zich bijvoorbeeld op klimaatverandering, moleculaire ontdekking en de halfgeleiderindustrie.

Effectieve modellen en AI-applicatiearchitecturen vereisen bruikbare datasets met duidelijke governance en gebruiksrechten. Het Open Trusted Data Initiative verduidelijkt de vereisten voor dergelijke datasets en bouwt catalogi van conforme datasets. Dit streven is erop gericht om zorgen over juridische, auteursrechtelijke en privacykwesties grotendeels weg te nemen.

Belangenbehartiging (Advocacy)

Belangenbehartiging van regelgevend beleid is essentieel voor het creëren van een gezond en open AI-ecosysteem. Alle AI-beleidsmaatregelen en -regelgeving moeten evenwichtige, in plaats van bevooroordeelde, standpunten vertegenwoordigen.

Een Diepgaande Duik in Vertrouwen en Veiligheid: Het 2025 Initiatief

Vertrouwen en Veiligheid is een belangrijk en uitgebreid gebied binnen de AI Alliance, met tal van specialisten die werken aan tools om haatzaaiende taal, vooroordelen en andere schadelijke inhoud te detecteren en te beperken. Het Trust and Safety Evaluation Initiative is een grote onderneming voor 2025, die een uniform beeld geeft van het hele spectrum van evaluatie – niet alleen voor veiligheid, maar ook voor prestaties en andere gebieden waar het beoordelen van de effectiviteit van AI-modellen en -toepassingen cruciaal is. Een subproject onderzoekt specifieke veiligheidsprioriteiten per domein, zoals gezondheid, recht en financiën.

Medio 2025 is de AI Alliance van plan een Hugging Face-leaderboard uit te brengen waarmee ontwikkelaars:

• Kunnen zoeken naar evaluaties die het beste bij hun behoeften passen
• Kunnen vergelijken hoe open modellen presteren ten opzichte van die evaluaties
• Die evaluaties kunnen downloaden en implementeren om hun eigen privémodellen en AI-toepassingen te onderzoeken

Dit initiatief zal ook richtlijnen bieden over belangrijke veiligheids- en compliance-aspecten van verschillende use cases.

Ondersteuning van On-Premise AI: Hardware-Agnostische Software Stacks

Niet alle AI-modelaanroepen zullen afhankelijk zijn van gehoste commerciële services. Bepaalde situaties vereisen ‘air-gapped’ oplossingen. AI-enabled slimme edge-apparaten stimuleren de implementatie van nieuwe, kleine en krachtige modellen on-premises, vaak zonder internetverbinding. Om deze use cases te ondersteunen en grootschalige model serving met flexibele hardwareconfiguraties te vergemakkelijken, ontwikkelt de AI Alliance hardware-agnostische software stacks.

Voorbeelden uit de Praktijk van Samenwerking: SemiKong en DANA

Twee voorbeelden laten zien hoe open samenwerking tussen Alliantieleden aanzienlijke voordelen oplevert voor iedereen:

SemiKong

SemiKong is een samenwerkingsverband tussen drie Alliantieleden. Ze creëerden een open-source groot taalmodel specifiek voor het domein van het halfgeleiderproductieproces. Fabrikanten kunnen dit model gebruiken om de ontwikkeling van nieuwe apparaten en processen te versnellen. SemiKong beschikt over gespecialiseerde kennis over de fysica en chemie van halfgeleiderapparaten. In slechts zes maanden trok SemiKong de aandacht van de wereldwijde halfgeleiderindustrie.

SemiKong werd ontwikkeld door een Llama 3-basismodel te finetunen met behulp van datasets die door Tokyo Electron zijn samengesteld. Dit afstemmingsproces resulteerde in een industriespecifiek generatief AI-model met superieure kennis van halfgeleider-etsprocessen in vergelijking met het generieke basismodel. Een technisch rapport over SemiKong is beschikbaar.

DANA (Domain-Aware Neurosymbolic Agents)

DANA is een gezamenlijke ontwikkeling van Aitomatic Inc. (gevestigd in Silicon Valley) en Fenrir Inc. (gevestigd in Japan). Het vertegenwoordigt een vroeg voorbeeld van de nu populaire agentarchitectuur, waarbij modellen worden geïntegreerd met andere tools om complementaire mogelijkheden te bieden. Hoewel modellen alleen al indrukwekkende resultaten kunnen bereiken, hebben talrijke studies aangetoond dat LLM’s vaak onjuiste antwoorden genereren. Een studie uit 2023, geciteerd in het SemiKong-artikel, mat typische LLM-fouten op 50%, terwijl DANA’s complementaire gebruik van redeneer- en planningstools de nauwkeurigheid verhoogde tot 90% voor de doeltoepassingen.

DANA maakt gebruik van neurosymbolische agenten die de patroonherkenningsmogelijkheden van neurale netwerken combineren met symbolisch redeneren, waardoor rigoureuze logica en op regels gebaseerde probleemoplossing mogelijk is. Logisch redeneren, gecombineerd met tools voor planning (zoals het ontwerpen van assemblagelijnprocessen), levert nauwkeurige en betrouwbare resultaten op die essentieel zijn voor industriële kwaliteitscontrolesystemen en geautomatiseerde planning en scheduling.

DANA’s veelzijdigheid strekt zich uit tot meerdere domeinen. In financiële prognoses en besluitvorming kan DANA bijvoorbeeld markttrends begrijpen en voorspellingen doen op basis van complexe theorieën, waarbij zowel gestructureerde als ongestructureerde gegevens worden gebruikt. Dezelfde mogelijkheid kan worden toegepast op het ophalen en evalueren van medische literatuur en onderzoeksinformatie, zodat diagnoses en behandelingen voldoen aan de vastgestelde medische protocollen en praktijken. In wezen kan DANA de patiëntresultaten verbeteren en fouten in kritieke patiënttoepassingen verminderen.

Een Sterke Basis voor Voortdurende Groei

De AI Alliance begon 2025 in een sterke positie, met leden in 23 landen en talrijke werkgroepen die zich richten op grote AI-uitdagingen. De Alliantie heeft meer dan 1.200 werkgroepmedewerkers die betrokken zijn bij meer dan 90 actieve projecten. Internationaal heeft de AI Alliance deelgenomen aan evenementen in 10 landen, waarbij meer dan 20.000 mensen werden bereikt, en heeft vijf how-to-gidsen gepubliceerd over belangrijke AI-onderwerpen om onderzoekers en ontwikkelaars te helpen bij het bouwen en gebruiken van AI.

De AI Alliance heeft voorbeelden gepubliceerd voor het gebruik van AI op modellen zoals IBM’s Granite-familie en Meta’s Llama-modellen. De groeiende collectie “recepten” maakt gebruik van de meest populaire open bibliotheken en modellen voor veelvoorkomende applicatiepatronen, waaronder RAG, knowledge graphs, neurosymbolische systemen en opkomende agentplanning- en redeneerarchitecturen.

Opschalen: Ambitieuze Plannen voor 2025 en Verder

In 2025 is de AI Alliance vastbesloten om haar bereik en impact te vertienvoudigen. Twee van haar nieuwe grote initiatieven, die eerder zijn besproken, zijn het Open Trusted Data Initiative en het Trust and Safety Evaluation Initiative. De AI Alliance is ook van plan een industriestandaard community lab op te richten voor het ontwikkelen en testen van AI-applicatietechnologieën. Haar domeinspecifieke modelinitiatieven zullen zich blijven ontwikkelen. De nieuwe Climate and Sustainability Working Group is bijvoorbeeld van plan multimodale fundatiemodellen en open-source software tooling te ontwikkelen om de belangrijkste uitdagingen op het gebied van klimaatverandering en de mitigatie ervan aan te pakken.

Tegen 2030 zal AI naar schatting $20 biljoen bijdragen aan de wereldeconomie. Tegen die tijd wordt voorspeld dat 70% van de industriële AI-toepassingen op open-source AI zal draaien. Het tekort aan AI-professionals zal naar verwachting ook nog acuter worden dan het nu is. AI Alliance-leden kunnen deze uitdaging mogelijk verzachten door samen te werken met andere leden om toegang te krijgen tot diverse expertise en het delen van middelen.

De AI Alliance volgt een groeitraject dat vergelijkbaar is met dat van andere succesvolle open-source organisaties, zoals de Linux Foundation, de Apache Software Foundation en het Open Source Initiative. Deze omvatten:

• Uitgebreide AI-onderwijs- en vaardigheidsprogramma’s
• Wereldwijde belangenbehartiging voor verantwoorde AI
• Het creëren van tools om AI-veiligheid en -betrouwbaarheid te waarborgen, evenals het gemak van ontwikkeling en gebruik
• Collaboratief onderzoek met academische instellingen

Het leiderschap van de AI Alliance zal ontwikkelaars en onderzoekers blijven aantrekken, evenals leiders uit het bedrijfsleven en de overheid. Het leiderschap van de AI Alliance heeft het opschalen van wereldwijde samenwerking als haar overkoepelende missie voor 2025 vastgesteld. Alles bij elkaar genomen heeft de AI Alliance de basis om uit te groeien tot een dominante wereldwijde kracht die de toekomst van Artificial Intelligence vormgeeft, verbetert en innoveert.