Matt Hicks
Un año atrás, estuve presente en el escenario del Red Hat Summit y hablé sobre el momento IA que estaba teniendo nuestra industria. Habían pasado solo unos meses desde que el mundo había comenzado a ver el potencial de las tecnologías de IA generativas, como ChatGPT.
Desde entonces, la especulación sobre las posibilidades de la IA generativa ha aumentado rápidamente en las salas de juntas ejecutivas, en las comunidades de ingenieros, e incluso en la mesa con amigos y familiares. ¿Realmente puede incrementar diez veces la productividad de mi fuerza laboral? ¿Es mucho un trillón de parámetros? ¿Es correcto dejar que cree los gráficos para mi clase de estadística?
Mi experiencia personal con la experimentación de la IA generativa me ha consumido bastantes noches . Descargué modelos en mi computadora portátil. La utilicé para escribir algunos códigos, escribir algunos emails, y resumir algunos reportes. Me entusiasma lo que puede lograrse cuando se combina la curiosidad propia con toda la información del mundo y una asistente de IA que trae experiencia a todo tipo de situaciones. Llamemos a ese nivel de emoción un 8/10.
Pero al recordar esos experimentos tempranos, sé que faltaba algo. Me haría preguntas como:
- “¿Por qué no puedo personalizar más esta IA?”
- “¿Dónde podría utilizarse está IA para ayudar más a mis equipos?”
- “¿Qué pasaría si las comunidades pudieran mejorarla como lo hacen con el software de código abierto?”
- “¿Seguirá la IA los patrones del código abierto o volveremos a lo propietario?”
Como líder empresarial, se espera que obtenga lo mejor de nuestros equipos. El desafío radica en que somos una organización dinámica, con asociados distribuidos alrededor del mundo. Tenemos diferentes conocimientos que son necesitados en diferentes lugares al mismo tiempo. ¿Cómo aprovechamos las habilidades y el conocimiento de nuestra gente para mejorar la mayor cantidad posible de partes de nuestro negocio? Así que desafié a los Red Hatters con esta nota:
En algún lugar de nuestra compañía, hay un experto en la materia con habilidades y conocimientos sobre un aspecto único de nuestro negocio. Y en alguna otra parte de la compañía, hay un manager que quisiera tener en su equipo decenas o miles de clones de ese experto. En un mundo perfecto, habría una forma sencilla de transferir las habilidades y conocimientos de un individuo a un equipo más amplio u otros equipos. Esto permitiría que los negocios crecieran más rápido. Reduciría la complejidad de la incorporación de nuevos empleados. Fomentaría la generación de nuevas ideas porque la base de experiencia estaría disponible para quien quisiera aprovecharla. E incluso le permitiría a ese experto disfrutar un poco más de sus próximas vacaciones, sabiendo que su teléfono no va a sonar mientras se relaja en la playa.
Nuestro liderazgo se dio cuenta que si esto era posible, no solo mejoraría a Red Hat, pero también tendría el potencia de mejorar significativamente los negocios de nuestros clientes. Y si pudiéramos hacerlo de manera colaborativa, también le permitiría a nuestros partners traer su experiencia.
Así que, mientras me preparo para dirigirme esta semana al Red Hat Summit, me complace anunciar que hemos convertido ese potencial en una realidad. En colaboración con IBM, estámos dando el siguiente paso en acercar el código abierto a la IA. Durante las últimas dos semanas, hemos abierto el código fuente de dos elementos importantes que brindarán una experiencia verdaderamente abierta al mundo de LLMs a la IA generativa.
En primer lugar, Red Hat e IBM han abierto Granite, el lenguaje y asistente de código de LLMs. Esto se suma a los esfuerzos que Meta y Mistral han hecho para llevar el modelo abierto a los mercados. Estamos dando un paso más allá no solo al crear el modelo abierto (con licencia) pero también las ponderaciones y la fuente de datos.
En segundo lugar, hemos abierto el código fuente de InstructLab, que utiliza el noveodoso método de ajuste de alineación sintético basado en datos para modelos de lenguaje grandes. InstructLab le permite a cualquier persona, no solo a los científicos de datos, ser el experto en la materia que puede ayudar a entrenar y ajustar el modelo.
Combinados, estos dos anuncios le permite a las comunidades de personas enseñar a los LLMs a aprender de la misma manera que aprenden los humanos.
Al traer un conjunto de modelos abiertos a la comunidad, podemos colaborar abiertamente para habilitar modelos que aporten valor a los individuos, equipos y negocios. Al habilitar esos modelos con un conjunto de herramientas que le permiten a cualquiera contribuir a un modelo, y ajustarlo de nuevas formas, podemos realmente liberar el potencial de la experiencia en cualquier lugar.
Creemos que estos anuncios marcarán los siguientes pasos para llevar la riqueza de las comunidades abiertas, los colaboradores abiertos y las ideas abiertas a la IA. Al reducir las barreras para participar abiertasmente en la creación de una IA que funcione para SUS trabajos, SUS equipos y SUS negocios, creemos que la próxima generación de IA para negocios está a la vuelta de la esquina.
Así que, en nombre de Red Hat, esperamos colaborar con todos ustedes para llevar todos las bases del código abierto a la IA. ¡Veamos qué es posible!
