L'IA n'est-elle pas adaptée à l'open source ? Vice-président de MongoDB : Le code open source n'est pas adapté à l'intelligence artificielle

​Il est temps de parler de l’IA open source.

C'est évidemment un problème auquel les développeurs doivent faire face. Depuis 2006, la question de l'open source est devenue l'un des principaux enjeux.

Matt Asay est responsable du marketing chez MongoDB. Avant cela, il était responsable d'Amazon Web Services et responsable de l'écosystème de développeurs chez Adobe.

Avant de rejoindre Adobe, Asay a occupé divers postes dans des sociétés open source. Vice-président du développement commercial, du marketing et de la communauté chez MongoDB, vice-président du développement commercial de la société d'analyse en temps réel Nodeable (acquise plus tard par Appcelerator), vice-président du développement commercial et PDG par intérim de la startup mobile HTML5 Strobe (acquise plus tard par Facebook) et Ubuntu. COO Linux de la société Canonical et responsable des Amériques pour la startup de gestion de contenu Alfresco.

Finalement, Asay est devenu directeur honoraire de l'Open Source Initiative (OSI) et a reçu un J.D. de l'Université de Stanford. ​

Auparavant, Matt Asay avait accusé Google et Yahoo d'avoir des réserves sur le code open source, puis il a été réprimandé.

Maintenant que j'y pense, cela a du sens.

Tim O'Reilly a déclaré qu'à l'ère du cloud open source, la motivation des développeurs à partager du code est de laisser les autres exécuter leurs propres programmes, fournissant ainsi une copie du code source. Et cette nécessité a lentement disparu.

Reilly poursuit en soulignant que non seulement ce n'est pas nécessaire, mais que ce n'est plus possible en ce qui concerne les plus grandes applications.

Au cours de la dernière décennie, cette impossibilité de partager a bouleversé la définition originale de l'open source. Aujourd’hui, de nouvelles définitions ont un impact sur notre façon de penser l’intelligence artificielle.

Comme l'a souligné Mike Loukides, la collaboration dans le domaine de l'IA n'a jamais été aussi importante, ni aussi difficile.

Tout comme le cloud computing en 2006, les entreprises réalisant les travaux les plus intéressants en matière d'intelligence artificielle s'efforceront probablement d'ouvrir le source de manière traditionnelle.

Mais même si leur approche open source est traditionnelle, cela ne signifie pas qu'ils ne peuvent pas l'ouvrir de manière plus significative.

Open Infrastructure

Loukides estime : « Bien que de nombreuses entreprises déclarent désormais faire de l'IA, seules trois entreprises font réellement avancer le secteur : Meta, OpenAI et Google. »

Les trois d’entre eux ont une chose en commun : ils ont tous la capacité d’exécuter de grands modèles à grande échelle. Derrière cette capacité, nous avons besoin d’infrastructures et de moyens techniques solides, dont de nombreux particuliers et entreprises ne disposent souvent pas.

Il est vrai que vous pouvez télécharger le code source de l'OPT-175B depuis Meta, mais le matériel dont vous disposez ne peut pas l'entraîner. Même pour les universités ou autres instituts de recherche, l'OPT-175B est trop grand.

D'un autre côté, même Google et OpenAI, qui disposent de ressources informatiques suffisantes, ne peuvent pas facilement reproduire l'OPT-175B.

La raison est également simple : l'OPT-175B est trop étroitement connecté à la propre infrastructure de Meta (y compris le matériel personnalisé) et est difficile à transplanter ailleurs.

En d’autres termes, Meta n’essaie pas de cacher quoi que ce soit à propos de l’OPT-175B, mais il est vraiment difficile de construire une infrastructure similaire. Même pour ceux qui disposent de l’argent et de la technologie, le résultat final sera une version différente.

Et c’est exactement ce que Jeremy Zawodny de Yahoo et Chris DiBona de Google ont fait à OSCON 2006.

Mais là encore, il est difficile de faire confiance à une IA si vous ne comprenez pas les principes scientifiques à l’intérieur de la machine.

Nous devons donc trouver un moyen de rendre l'infrastructure ouverte à l'utilisation.

Loukides estime qu'un accès gratuit devrait être fourni aux chercheurs externes et aux premiers utilisateurs. Cependant, il ne s’agit pas de leur donner une clé principale pour accéder aux centres de données de Meta, Google ou OpenAI, mais via une API publique.

Ce n'est peut-être pas "l'open source" auquel la plupart des gens s'attendent, mais il reste acceptable.

Regardez l'open source d'une manière différente

Maintenant, les accusations de Matt Asay contre Google et Yahoo n'ont plus aucun sens.

Depuis 2006, Google propose des infrastructures critiques packagées et open source pour répondre aux besoins stratégiques.

Pour Matt Asay, TensorFlow est l'entrée de l'open source, et Kubernetes est la sortie vers l'open source. Ces normes open source du secteur de l'apprentissage automatique devraient améliorer les charges de travail de Google Cloud ou garantir la portabilité entre Google Clouds, attribuant ainsi davantage de charges de travail à Google Cloud.

Celui qui a proposé cela est intelligent, mais ce n'est pas open source au sens de Pollyanna.

Google n'est pas le seul à être comme ça. Il fait simplement mieux avec l’open source que d’autres sociétés. L’open source est intrinsèquement égoïste, et les entreprises et les particuliers ouvriront toujours du code qui profite à eux-mêmes ou à leurs clients.

Cela a toujours été et le sera toujours.

Loukides estime que l'IA devrait être ouverte de manière significative (malgré les différences entre les trois principaux géants de l'IA et les autres entreprises), mais l'open source auquel il fait référence n'est pas open source dans notre sens général. Pourquoi?

La raison en est que, même si l'open source traditionnel est formidable, tant pour les créateurs que pour les consommateurs de logiciels, il n'a jamais résolu avec succès l'énigme de l'open source cloud posée par DiBona et Zawodny à l'OSCON en 2006.

Plus de dix ans se sont écoulés et nous ne sommes toujours pas plus près de la réponse.

Là encore, nous sommes effectivement un peu plus proches.

Matt Asay estime que nous devons considérer l'open source d'une nouvelle manière.

Il est proche de la pensée de Loukides : la clé est de donner aux chercheurs un accès suffisant pour qu’ils puissent reproduire la réussite ou l’échec d’un modèle d’IA particulier.

"Ils n'ont pas besoin d'un accès complet à tout le code et à l'infrastructure pour exécuter ces modèles." Comme il le dit, l’accès complet au code n’a de sens que si les développeurs peuvent exécuter des programmes open source sur leurs ordinateurs portables et créer des œuvres dérivées.

Compte tenu de l'ampleur et de la complexité unique du code exécuté par Google ou Microsoft aujourd'hui, cela n'a plus de sens : il est impossible d'accéder pleinement au code cloud à grande échelle.

Nous devons comprendre : l'open source n'est pas une lentille à travers laquelle voir le monde open source. Et étant donné l’ère du cloud dans laquelle nous vivons aujourd’hui, l’open source est de moins en moins utilisé.

En tant qu'entreprise et en tant qu'individus, notre objectif devrait être d'ouvrir l'accès aux logiciels d'une manière qui profite aux clients et aux développeurs tiers, en les rendant plus faciles à comprendre, plutôt que d'essayer de transformer des concepts open source vieux de plusieurs décennies en nuage . Cela ne s’applique pas à l’open source, tout comme à l’IA.

Il est temps de changer d’avis.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!