การเปลี่ยนแปลงครั้งสำคัญใน Open Source AI
ในอดีต การพัฒนา AI แบบโอเพนซอร์สมักเป็นไปอย่างกระจัดกระจาย ทำให้เกิดโมเดลที่มีประสิทธิภาพต่ำ ก่อนปี 2023 มีองค์กรไม่แสวงหาผลกำไรเพียงไม่กี่แห่งที่มีทรัพยากรเพียงพอในการฝึกอบรมโมเดล AI ที่มีความสามารถใกล้เคียงกับ GPT-2 บริษัทเทคโนโลยีขนาดใหญ่ครองตลาด AI แบบมีกรรมสิทธิ์ ในขณะที่ AI แบบโอเพนซอร์สส่วนใหญ่ถูกจำกัดอยู่ในการใช้งานเฉพาะกลุ่ม
ปี 2023 ถือเป็นจุดเปลี่ยน มีการเปิดตัวโมเดลพื้นฐานใหม่หลายรุ่นพร้อมใบอนุญาตที่อนุญาต ตามมาด้วยการเปิดตัว Llama 2 โมเดลโอเพนซอร์สของ Meta โดยร่วมมือกับ Microsoft เหตุการณ์นี้จุดประกายให้เกิดกิจกรรมมากมาย โดยมีโมเดลที่พัฒนาต่อยอดกว่า 10,000 โมเดลภายในหกเดือน ยุคใหม่ของการพัฒนา AI แบบโอเพนซอร์สได้เริ่มต้นขึ้น
เป้าหมายที่ทะเยอทะยานและคณะกรรมการกำกับดูแลที่โดดเด่น
ภายใต้สถานการณ์นี้ AI Alliance ได้กำหนดเป้าหมายที่น่าประทับใจตั้งแต่เริ่มก่อตั้ง เป้าหมายเหล่านี้รวมถึง:
- ส่งเสริมความร่วมมือแบบเปิด
- กำหนดธรรมาภิบาลและมาตรการป้องกันสำหรับ AI
- พัฒนาเครื่องมือเปรียบเทียบและจุดยืนเชิงนโยบายที่ชัดเจน
- จัดลำดับความสำคัญของโครงการริเริ่มด้านการศึกษาที่ครอบคลุม
- ส่งเสริมระบบนิเวศฮาร์ดแวร์ที่แข็งแกร่ง
ความแข็งแกร่งของ Alliance ยังได้รับการเน้นย้ำด้วยความสามารถของคณะกรรมการกำกับดูแล ซึ่งประกอบด้วยองค์กรเชิงพาณิชย์และมหาวิทยาลัยที่มีชื่อเสียง
เกณฑ์การเป็นสมาชิก: ความมุ่งมั่นต่อความเปิดกว้างและความร่วมมือ
ในการเป็นสมาชิกของ AI Alliance องค์กรจะต้องมีคุณสมบัติตรงตามเกณฑ์สำคัญสี่ประการ:
- สอดคล้องกับพันธกิจ: สมาชิกที่มีศักยภาพต้องสอดคล้องกับพันธกิจในการปลูกฝังความปลอดภัย วิทยาศาสตร์แบบเปิด และนวัตกรรม
- ความมุ่งมั่นต่อโครงการ: สมาชิกต้องทุ่มเทให้กับการทำงานในโครงการที่สำคัญซึ่งสอดคล้องกับพันธกิจของ Alliance
- ความหลากหลายของมุมมอง: สมาชิกที่คาดหวังจะต้องเต็มใจที่จะมีส่วนร่วมในความหลากหลายของมุมมองและวัฒนธรรมภายในสมาชิกทั่วโลก ซึ่งปัจจุบันมีมากกว่า 140 องค์กรและคาดว่าจะเติบโตต่อไป
- ชื่อเสียง: AI Alliance แสวงหาสมาชิกที่มีชื่อเสียงเป็นที่ยอมรับในฐานะนักการศึกษา ผู้สร้าง หรือผู้สนับสนุนภายในชุมชนโอเพนซอร์ส AI
การจัดหมวดหมู่สมาชิก: ผู้สร้าง ผู้สนับสนุน และผู้ให้การสนับสนุน
สมาชิก Alliance มักจะอยู่ในหนึ่งในสามประเภท:
- ผู้สร้าง (Builders): สมาชิกเหล่านี้มีหน้าที่รับผิดชอบในการสร้างโมเดล ชุดข้อมูล เครื่องมือ และแอปพลิเคชันที่ใช้ AI
- ผู้สนับสนุน (Enablers): สมาชิกเหล่านี้ส่งเสริมการนำเทคโนโลยี AI แบบเปิดมาใช้ผ่านบทช่วยสอน กรณีการใช้งาน และการสนับสนุนชุมชนทั่วไป
- ผู้ให้การสนับสนุน (Advocates): สมาชิกเหล่านี้เน้นย้ำถึงประโยชน์ของระบบนิเวศ AI Alliance และส่งเสริมความไว้วางใจและความปลอดภัยของสาธารณชนในหมู่ผู้นำองค์กร ผู้มีส่วนได้ส่วนเสียทางสังคม และหน่วยงานกำกับดูแล
หกประเด็นหลักที่มุ่งเน้น: แนวทางแบบองค์รวมต่อระบบนิเวศ AI
AI Alliance กำหนดลำดับความสำคัญระยะยาวในหกประเด็นหลักที่มุ่งเน้น อย่างไรก็ตาม สิ่งสำคัญคือต้องทราบว่า Alliance ใช้แนวทางแบบองค์รวมกับระบบนิเวศ AI ทั้งหมด โดยสนับสนุนให้สมาชิกชุมชนและนักพัฒนามีส่วนร่วมในหนึ่งหรือหลายด้าน และปรับเปลี่ยนตามความสนใจหรือลำดับความสำคัญที่เปลี่ยนแปลงไป
ต่อไปนี้เป็นรายละเอียดของหกประเด็นหลักที่มุ่งเน้น:
ทักษะและการศึกษา
ด้านนี้มีวัตถุประสงค์เพื่อให้ความรู้เกี่ยวกับ AI แก่ผู้ชมในวงกว้าง รวมถึงผู้บริโภคและผู้นำธุรกิจที่ประเมินความเสี่ยงของ AI ตลอดจนนักเรียนและนักพัฒนาที่สร้างแอปพลิเคชัน AI มีเป้าหมายเพื่อลดความซับซ้อนของกระบวนการค้นหาคำแนะนำจากผู้เชี่ยวชาญในสาขาเฉพาะ และรวมถึงโครงการริเริ่มการประเมินแบบจำลอง
ในปี 2024 Alliance ได้เผยแพร่ Guide to Essential Competencies for AI ซึ่งเป็นแหล่งข้อมูลที่ครอบคลุมซึ่งเป็นผลมาจากการสำรวจอย่างกว้างขวางเพื่อระบุบทบาทสำคัญใน AI และทักษะที่จำเป็นสำหรับบทบาทเหล่านั้น แม้ว่าจะเพิ่งเผยแพร่เมื่อเร็วๆ นี้ แต่คู่มือก็ได้รับการแก้ไขไปแล้วเก้าครั้ง และมีการวางแผนการสำรวจติดตามผลเพื่อแก้ไขปัญหาที่ระบุในการสำรวจครั้งแรก
ความไว้วางใจและความปลอดภัย
ด้านที่สำคัญนี้จะสำรวจองค์ประกอบสำคัญของความไว้วางใจและความปลอดภัยที่จำเป็นต่อความสำเร็จของแอปพลิเคชัน AI ทั้งหมด มีการใช้เกณฑ์มาตรฐาน เครื่องมือ และวิธีการเพื่อให้แน่ใจว่าแบบจำลองและแอปพลิเคชันมีคุณภาพสูง ปลอดภัย และเชื่อถือได้ ซึ่งรวมถึงการสนับสนุนมาตรฐานการปฏิบัติที่กำลังพัฒนาและการตอบสนองต่อความเสี่ยงอย่างมีประสิทธิภาพ
คณะทำงานในด้านนี้รวบรวมแนวคิดที่ดีที่สุดที่เกี่ยวข้องกับความไว้วางใจและความปลอดภัย และเชื่อมโยงผู้ใช้กับความเชี่ยวชาญที่พวกเขาต้องการ การสำรวจ State of Open Source AI Trust and Safety — End of 2024 Edition ซึ่งเผยแพร่บนเว็บไซต์ AI Alliance ได้เน้นย้ำถึงความต้องการและความสำเร็จในโดเมนนี้ ช่องว่างด้านการวิจัยและสิ่งแวดล้อมกำลังได้รับการแก้ไขผ่านความพยายามในการวิจัยและพัฒนาโดยสมาชิก AI Alliance จำนวนมาก
แอปพลิเคชันและเครื่องมือ
กลุ่มนี้มุ่งเน้นไปที่การสำรวจเครื่องมือและเทคนิคสำหรับการสร้างแอปพลิเคชันที่เปิดใช้งาน AI ที่มีประสิทธิภาพและแข็งแกร่ง นอกจากนี้ยังกำลังพัฒนาห้องปฏิบัติการ AI เพื่ออำนวยความสะดวกในการทดลองและทดสอบแอปพลิเคชัน AI ซึ่งจะช่วยเร่งนวัตกรรม
การเปิดใช้งานฮาร์ดแวร์
ด้านนี้มีวัตถุประสงค์เพื่อส่งเสริมระบบนิเวศตัวเร่งฮาร์ดแวร์ AI ที่แข็งแกร่ง โดยทำให้มั่นใจว่าสแต็กซอฟต์แวร์ AI ไม่ขึ้นกับฮาร์ดแวร์ เทคโนโลยีเช่น MLIR และ Triton เป็นเครื่องมือซอฟต์แวร์ที่สำคัญสำหรับการพกพาฮาร์ดแวร์ประสิทธิภาพสูง เครื่องมือเหล่านี้ช่วยให้องค์กรสามารถใช้ประโยชน์จากฮาร์ดแวร์ที่ต้องการ เพิ่มความยืดหยุ่นและประสิทธิภาพในขณะที่ลดการพึ่งพาระบบที่เป็นกรรมสิทธิ์
โมเดลพื้นฐานและชุดข้อมูล
ด้านนี้มุ่งเน้นไปที่แบบจำลองสำหรับพื้นที่ด้อยโอกาส รวมถึงหลายภาษา หลายรูปแบบ ชุดข้อมูลอนุกรมเวลา วิทยาศาสตร์ และโดเมนอื่นๆ ตัวอย่างเช่น แบบจำลองเฉพาะทางวิทยาศาสตร์และโดเมนมีเป้าหมายที่การเปลี่ยนแปลงสภาพภูมิอากาศ การค้นพบโมเลกุล และอุตสาหกรรมเซมิคอนดักเตอร์
แบบจำลองที่มีประสิทธิภาพและสถาปัตยกรรมแอปพลิเคชัน AI ต้องการชุดข้อมูลที่มีประโยชน์พร้อมธรรมาภิบาลและสิทธิ์การใช้งานที่ชัดเจน Open Trusted Data Initiative กำลังชี้แจงข้อกำหนดสำหรับชุดข้อมูลดังกล่าวและสร้างแคตตาล็อกของชุดข้อมูลที่เป็นไปตามข้อกำหนด ความพยายามนี้มีเป้าหมายเพื่อขจัดข้อกังวลเกี่ยวกับปัญหาทางกฎหมาย ลิขสิทธิ์ และความเป็นส่วนตัว
การสนับสนุน
การสนับสนุนนโยบายด้านกฎระเบียบเป็นสิ่งจำเป็นสำหรับการสร้างระบบนิเวศ AI ที่เปิดกว้างและดีต่อสุขภาพ นโยบายและกฎระเบียบ AI ทั้งหมดควรแสดงถึงมุมมองที่สมดุลมากกว่าที่จะมีอคติ
เจาะลึกความไว้วางใจและความปลอดภัย: โครงการริเริ่มปี 2025
ความไว้วางใจและความปลอดภัยเป็นสาขาที่สำคัญและกว้างขวางภายใน AI Alliance โดยมีผู้เชี่ยวชาญจำนวนมากทำงานเกี่ยวกับเครื่องมือในการตรวจจับและลดคำพูดแสดงความเกลียดชัง อคติ และเนื้อหาที่เป็นอันตรายอื่นๆ Trust and Safety Evaluation Initiative เป็นโครงการสำคัญสำหรับปี 2025 โดยให้มุมมองที่เป็นหนึ่งเดียวของสเปกตรัมการประเมินทั้งหมด ไม่ใช่แค่เพื่อความปลอดภัย แต่ยังรวมถึงประสิทธิภาพและด้านอื่นๆ ที่การประเมินประสิทธิผลของแบบจำลองและแอปพลิเคชัน AI เป็นสิ่งสำคัญ โครงการย่อยกำลังสำรวจลำดับความสำคัญด้านความปลอดภัยเฉพาะตามโดเมน เช่น สุขภาพ กฎหมาย และการเงิน
ในช่วงกลางปี 2025 AI Alliance วางแผนที่จะเปิดตัวลีดเดอร์บอร์ด Hugging Face ซึ่งจะช่วยให้นักพัฒนาสามารถ:
- ค้นหาการประเมินที่ตรงกับความต้องการของพวกเขามากที่สุด
- เปรียบเทียบประสิทธิภาพของแบบจำลองแบบเปิดกับการประเมินเหล่านั้น
- ดาวน์โหลดและปรับใช้การประเมินเหล่านั้นเพื่อตรวจสอบแบบจำลองส่วนตัวและแอปพลิเคชัน AI ของตนเอง
โครงการริเริ่มนี้จะให้คำแนะนำเกี่ยวกับแง่มุมด้านความปลอดภัยและการปฏิบัติตามข้อกำหนดที่สำคัญของกรณีการใช้งานต่างๆ
การสนับสนุน AI ในองค์กร: สแต็กซอฟต์แวร์ที่ไม่ขึ้นกับฮาร์ดแวร์
การเรียกใช้แบบจำลอง AI ทั้งหมดจะไม่ขึ้นอยู่กับบริการเชิงพาณิชย์ที่โฮสต์ สถานการณ์บางอย่างจำเป็นต้องมีโซลูชันแบบ air-gapped อุปกรณ์ edge อัจฉริยะที่เปิดใช้งาน AI กำลังขับเคลื่อนการปรับใช้แบบจำลองใหม่ ขนาดเล็ก และทรงพลังในองค์กร ซึ่งมักจะไม่มีการเชื่อมต่ออินเทอร์เน็ต เพื่อสนับสนุนกรณีการใช้งานเหล่านี้และอำนวยความสะดวกในการให้บริการแบบจำลองขนาดใหญ่ด้วยการกำหนดค่าฮาร์ดแวร์ที่ยืดหยุ่น AI Alliance กำลังพัฒนาสแต็กซอฟต์แวร์ที่ไม่ขึ้นกับฮาร์ดแวร์
ตัวอย่างจริงของความร่วมมือ: SemiKong และ DANA
ตัวอย่างสองตัวอย่างแสดงให้เห็นว่าความร่วมมือแบบเปิดระหว่างสมาชิก Alliance กำลังให้ประโยชน์ที่สำคัญแก่ทุกคนอย่างไร:
SemiKong
SemiKong เป็นความพยายามร่วมกันระหว่างสมาชิก Alliance สามคน พวกเขาสร้างแบบจำลองภาษาขนาดใหญ่แบบโอเพนซอร์สสำหรับโดเมนกระบวนการผลิตเซมิคอนดักเตอร์โดยเฉพาะ ผู้ผลิตสามารถใช้ประโยชน์จากแบบจำลองนี้เพื่อเร่งการพัฒนาอุปกรณ์และกระบวนการใหม่ SemiKong มีความรู้เฉพาะทางเกี่ยวกับฟิสิกส์และเคมีของอุปกรณ์เซมิคอนดักเตอร์ ในเวลาเพียงหกเดือน SemiKong ได้รับความสนใจจากอุตสาหกรรมเซมิคอนดักเตอร์ทั่วโลก
SemiKong ได้รับการพัฒนาโดยการปรับแต่งแบบจำลองพื้นฐาน Llama 3 โดยใช้ชุดข้อมูลที่ดูแลจัดการโดย Tokyo Electron กระบวนการปรับแต่งนี้ส่งผลให้เกิดแบบจำลอง AI เชิงสร้างสรรค์เฉพาะอุตสาหกรรมที่มีความรู้ที่เหนือกว่าเกี่ยวกับกระบวนการกัดเซมิคอนดักเตอร์เมื่อเทียบกับแบบจำลองพื้นฐานทั่วไป มีรายงานทางเทคนิคเกี่ยวกับ SemiKong
DANA (Domain-Aware Neurosymbolic Agents)
DANA เป็นการพัฒนาร่วมกันของ Aitomatic Inc. (อยู่ใน Silicon Valley) และ Fenrir Inc. (อยู่ในญี่ปุ่น) เป็นตัวอย่างแรกๆ ของสถาปัตยกรรมเอเจนต์ที่ได้รับความนิยมในขณะนี้ ซึ่งมีการรวมแบบจำลองเข้ากับเครื่องมืออื่นๆ เพื่อให้ความสามารถเสริม ในขณะที่แบบจำลองเพียงอย่างเดียวสามารถบรรลุผลลัพธ์ที่น่าประทับใจ แต่การศึกษาจำนวนมากแสดงให้เห็นว่า LLM มักจะสร้างคำตอบที่ไม่ถูกต้อง การศึกษาในปี 2023 ที่อ้างถึงในเอกสาร SemiKong ได้วัดข้อผิดพลาด LLM ทั่วไปที่ 50% ในขณะที่การใช้เครื่องมือการให้เหตุผลและการวางแผนเสริมของ DANA เพิ่มความแม่นยำเป็น 90% สำหรับแอปพลิเคชันเป้าหมาย
DANA ใช้เอเจนต์ neurosymbolic ที่รวมความสามารถในการจดจำรูปแบบของโครงข่ายประสาทเทียมกับการให้เหตุผลเชิงสัญลักษณ์ ทำให้สามารถแก้ปัญหาด้วยตรรกะและกฎเกณฑ์ที่เข้มงวด การให้เหตุผลเชิงตรรกะ รวมกับเครื่องมือสำหรับการวางแผน (เช่น การออกแบบกระบวนการสายการประกอบ) ให้ผลลัพธ์ที่ถูกต้องและเชื่อถือได้ ซึ่งจำเป็นสำหรับระบบควบคุมคุณภาพทางอุตสาหกรรมและการวางแผนและการจัดตารางเวลาอัตโนมัติ
ความสามารถรอบด้านของ DANA ขยายไปสู่หลายโดเมน ตัวอย่างเช่น ในการคาดการณ์ทางการเงินและการตัดสินใจ DANA สามารถเข้าใจแนวโน้มของตลาดและทำการคาดการณ์ตามทฤษฎีที่ซับซ้อน โดยใช้ทั้งข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง ความสามารถเดียวกันนี้สามารถนำไปใช้กับการดึงข้อมูลและประเมินวรรณกรรมทางการแพทย์และข้อมูลการวิจัย เพื่อให้แน่ใจว่าการวินิจฉัยและการรักษาสอดคล้องกับระเบียบการและแนวทางปฏิบัติทางการแพทย์ที่กำหนดไว้ โดยพื้นฐานแล้ว DANA สามารถปรับปรุงผลลัพธ์ของผู้ป่วยและลดข้อผิดพลาดในการใช้งานผู้ป่วยที่สำคัญ
รากฐานที่แข็งแกร่งสำหรับการเติบโตอย่างต่อเนื่อง
AI Alliance เริ่มต้นปี 2025 ด้วยตำแหน่งที่แข็งแกร่ง โดยมีสมาชิกครอบคลุม 23 ประเทศและคณะทำงานจำนวนมากมุ่งเน้นไปที่ความท้าทาย AI ที่สำคัญ Alliance มีผู้ทำงานร่วมกันในคณะทำงานมากกว่า 1,200 คน ซึ่งมีส่วนร่วมในโครงการที่ใช้งานอยู่มากกว่า 90 โครงการ ในระดับสากล AI Alliance ได้เข้าร่วมในกิจกรรมที่จัดขึ้นใน 10 ประเทศ เข้าถึงผู้คนมากกว่า 20,000 คน และได้เผยแพร่คู่มือวิธีการ 5 ฉบับในหัวข้อ AI ที่สำคัญเพื่อช่วยเหลือนักวิจัยและนักพัฒนาในการสร้างและใช้ประโยชน์จาก AI
AI Alliance ได้เผยแพร่ตัวอย่างสำหรับการใช้ AI กับแบบจำลอง เช่น ตระกูล Granite ของ IBM และแบบจำลอง Llama ของ Meta “สูตรอาหาร” ที่กำลังเติบโตขึ้นเรื่อยๆ ใช้ประโยชน์จากไลบรารีและแบบจำลองแบบเปิดที่ได้รับความนิยมสูงสุดสำหรับรูปแบบแอปพลิเคชันทั่วไป รวมถึง RAG, กราฟความรู้, ระบบ neurosymbolic และสถาปัตยกรรมการวางแผนและการให้เหตุผลของเอเจนต์ที่เกิดขึ้นใหม่
การขยายขนาด: แผนการที่ทะเยอทะยานสำหรับปี 2025 และปีต่อๆ ไป
ในปี 2025 AI Alliance มุ่งมั่นที่จะขยายขอบเขตและผลกระทบเพิ่มขึ้นสิบเท่า โครงการริเริ่มใหม่ที่สำคัญสองโครงการที่กล่าวถึงก่อนหน้านี้คือ Open Trusted Data Initiative และ Trust and Safety Evaluation Initiative AI Alliance ยังวางแผนที่จะจัดตั้งห้องปฏิบัติการชุมชนมาตรฐานอุตสาหกรรมสำหรับการพัฒนาและทดสอบเทคโนโลยีแอปพลิเคชัน AI โครงการริเริ่มแบบจำลองเฉพาะโดเมนจะยังคงพัฒนาต่อไป ตัวอย่างเช่น คณะทำงานด้านสภาพภูมิอากาศและความยั่งยืนใหม่วางแผนที่จะพัฒนาแบบจำลองพื้นฐานหลายรูปแบบและเครื่องมือซอฟต์แวร์โอเพนซอร์สเพื่อจัดการกับความท้าทายที่สำคัญในการเปลี่ยนแปลงสภาพภูมิอากาศและการบรรเทาผลกระทบ
ภายในปี 2030 AI คาดว่าจะสร้างรายได้ประมาณ 20 ล้านล้านดอลลาร์ให้กับเศรษฐกิจโลก ภายในปีนั้น คาดการณ์ว่า 70% ของแอปพลิเคชัน AI ทางอุตสาหกรรมจะทำงานบน AI แบบโอเพนซอร์ส การขาดแคลนผู้เชี่ยวชาญด้าน AI คาดว่าจะรุนแรงยิ่งกว่าที่เป็นอยู่ในปัจจุบัน สมาชิก AI Alliance อาจสามารถบรรเทาความท้าทายนี้ได้โดยการร่วมมือกับสมาชิกรายอื่นเพื่อเข้าถึงความเชี่ยวชาญที่หลากหลายและการแบ่งปันทรัพยากร
AI Alliance กำลังดำเนินตามวิถีการเติบโตที่คล้ายคลึงกับองค์กรโอเพนซอร์สที่ประสบความสำเร็จอื่นๆ เช่น Linux Foundation, Apache Software Foundation และ Open Source Initiative ซึ่งรวมถึง:
- โปรแกรมการศึกษาและทักษะ AI ที่ครอบคลุม
- การสนับสนุนระดับโลกสำหรับ AI ที่มีความรับผิดชอบ
- การสร้างเครื่องมือเพื่อให้มั่นใจในความปลอดภัยและความน่าเชื่อถือของ AI ตลอดจนความสะดวกในการพัฒนาและการใช้งาน
- การวิจัยร่วมกับสถาบันการศึกษา
ความเป็นผู้นำของ AI Alliance จะยังคงดึงดูดนักพัฒนาและนักวิจัย ตลอดจนผู้นำทางธุรกิจและภาครัฐ ความเป็นผู้นำของ AI Alliance ได้กำหนดให้การขยายขนาดความร่วมมือระดับโลกเป็นภารกิจหลักสำหรับปี 2025 เมื่อพิจารณาทั้งหมดแล้ว AI Alliance มีรากฐานที่จะเติบโตเป็นพลังระดับโลกที่โดดเด่นซึ่งกำหนดรูปแบบ ปรับปรุง และสร้างสรรค์อนาคตของปัญญาประดิษฐ์