A ideia de inteligência artificial (IA) não é nova, mas avanços recentes em tecnologias relacionadas a transformaram em um ferramenta utilizada por todos nós diariamente. A crescente importância e proliferação da IA é, ao mesmo tempo, emocionante e potencialmente alarmante, pois as bases de muitas plataformas e recursos de IA são essencialmente caixas-pretas controladas por um pequeno número de corporações poderosas.
Grandes organizações, como a Red Hat, acreditam que todos devem ter a capacidade de contribuir para a IA. A inovação em IA não deve ser restrita a empresas que podem pagar por quantidades enormes de capacidade de processamento e pelos cientistas de dados necessários para treinar esses grandes modelos de linguagem (LLMs)
Em vez disso, décadas de experiência em código aberto para desenvolvimento de software e colaboração com a comunidades permitem que todos contribuam e se beneficiem da IA, ao mesmo tempo em que ajudem a moldar um futuro que atenda às nossas necessidades. Não há dúvida que abordagem open source é a única maneira de atingir o potencial total da IA, tornando-a mais segura, acessível e democratizada.
O que é o open source?
Embora o termo “open source” originalmente se refira a uma metodologia de desenvolvimento de software, ele se expandiu para abranger uma forma mais geral de trabalho que é aberta, descentralizada e profundamente colaborativa. O movimento open source agora vai muito além do mundo do software, e o jeito de ser open source foi abraçado por esforços colaborativos no mundo todo, incluindo setores como ciência, educação, governo, manufatura, saúde e mais.
A cultura open source tem alguns princípios e valores fundamentais que a tornam efetiva e significativa, por exemplo:
- Participação colaborativa
- Responsabilidade compartilhada
- Trocas abertas
- Meritocracia e inclusão
- Desenvolvimento orientado à comunidade
- Colaboração aberta
- Auto-organização
- Respeito e reciprocidade
Quando os princípios open source formam a base de esforços colaborativos, a história mostra que coisas incríveis são possíveis. Alguns exemplos importantes vão desde o desenvolvimento e a proliferação do Linux como o sistema operacional mais poderoso e onipresente do mundo até o surgimento e o crescimento do Kubernetes e dos containers, além do desenvolvimento e a expansão da própria Internet.
Seis vantagens do open source na era da IA
Existem inúmeros benefícios para o desenvolvimento de tecnologias pelo código aberto, mas seis vantagens destacam-se entre as demais.
1. Aumento da velocidade da inovação
Quando a tecnologia é desenvolvida de forma colaborativa e aberta, a inovação e a descoberta podem acontecer muito mais rapidamente, ao contrário de organizações fechadas e soluções proprietárias.
Quando o trabalho é compartilhado abertamente e outros têm a capacidade de criar com base nele, as equipes economizam uma quantidade enorme de tempo e esforço porque não precisam começar do zero. Novas ideias podem ampliar os projetos que vieram antes. Isso não só economiza tempo e dinheiro, mas também fortalece os resultados pois mais pessoas trabalham juntas para resolver problemas, compartilhar insights e revisar o trabalho umas das outras.
Uma comunidade mais ampla e colaborativa é simplesmente capaz de alcançar mais: promovendo pessoas e conectando expertises para resolver problemas complexos e inovar de forma mais rápida e eficaz do que grupos pequenos e isolados.
2. Democratizar acesso
O open source também democratiza o acesso a novas tecnologias de IA. Quando pesquisas, códigos e ferramentas são compartilhados abertamente, isso ajuda a eliminar algumas das barreiras que normalmente limitam o acesso a inovações de ponta.
O InstructLab é um ótimo exemplo dessa premissa. A iniciativa é um projeto de IA open source independente de modelo que simplifica o processo de contribuição de habilidades e conhecimento para LLMs. O objetivo do esforço é permitir que qualquer pessoa ajude a moldar a IA generativa (gen AI), incluindo aquelas que não têm as habilidades e o treinamento em ciência de dados normalmente necessários. Isso permite que mais indivíduos e organizações contribuam para o treinamento e o refinamento de LLMs de forma confiável.
3. Segurança e privacidade aprimoradas
Como os projetos open source reduzem as barreiras de entrada, um grupo maior e mais diverso de colaboradores é capaz de ajudar a identificar e resolver potenciais desafios de segurança presentes nos modelos de IA à medida que eles estão sendo desenvolvidos.
A maioria dos dados e métodos usados para treinar e ajustar modelos de IA são fechados e mantidos por lógicas proprietárias. Raramente pessoas de fora dessas organizações conseguem obter qualquer insight sobre como esses algoritmos funcionam e se eles abrigam quaisquer dados potencialmente perigosos ou vieses inerentes.
Se um modelo e os dados usados para treiná-lo forem abertos, no entanto, qualquer pessoa interessada poderá examiná-los, reduzindo riscos de segurança e minimizando vieses de plataformas. Além disso, os contribuidores da filosofia aberta podem criar ferramentas e processos para rastrear e auditar o desenvolvimento futuro de modelos e aplicativos, permitindo monitorar o desenvolvimento de diferentes soluções.
Essa abertura e transparência também geram confiança, uma vez que usuários têm a possibilidade de examinar diretamente como seus dados estão sendo usados e processados, para que possam verificar se sua privacidade e soberania de dados estão sendo respeitadas. Ademais, empresas também podem proteger suas informações privadas, confidenciais ou proprietárias usando projetos open source como o InstructLab para criar seus próprios modelos ajustados, sobre os quais mantêm controle rigoroso.
4. Fornece flexibilidade e liberdade de escolha
Embora os LLMs monolíticos, proprietários e de caixa-preta sejam o que a maioria das pessoas vê e pensa sobre IA generativa, estamos começando a ver um impulso crescente em direção a modelos de IA menores, independentes e desenvolvidos para um propósito específico.
Esses pequenos modelos de linguagem (SLMs) são geralmente treinados em conjuntos de dados muito menores para dar a eles sua funcionalidade básica, e então são ainda mais adaptados para casos de uso específicos com dados e conhecimento específicos do domínio.
Esses SLMs são significativamente mais eficientes do que seus primos maiores, e demonstraram ter um desempenho tão bom (se não melhor) quando usados para o propósito pretendido. Eles são mais rápidos e mais eficientes para treinar e implantar, e podem ser personalizados e adaptados conforme necessário.
E é em grande parte para isso que o projeto InstructLab foi criado. Com ele, você pode pegar um modelo menor de IA open source e expandi-lo com os dados e treinamentos adicionais que você desejar.
Por exemplo, você pode usar o InstructLab para criar um chatbot de atendimento para o cliente altamente ajustado e desenvolvido para um fim específico, potencializando melhores práticas na organização. Essa prática permite que você forneça o melhor da sua experiência de atendimento ao cliente para todos, em todos os lugares, em tempo real.
E, mais importante, isso permite que você evite ficar preso a um fornecedor e fornece flexibilidade em termos de onde e como você implementa seu modelo de IA e quaisquer aplicações criadas com base nele.
5. Possibilita um ecossistema vibrante
Na comunidade aberta, “ninguém inova sozinho“, e essa crença se mantém desde os primeiros meses de fundação da comunidade.
Essa ideia continuará válida na era da IA dentro da Red Hat, líder de soluções abertas, que fornecerá várias ferramentas e estruturas de código aberto na forma do Red Hat AI, solução com a qual parceiros irão gerar mais valor a clientes finais.
Um único fornecedor não consegue oferecer tudo o que uma organização precisa, ou mesmo acompanhar a velocidade atual da evolução tecnológica. Os princípios e práticas de código aberto aceleram a inovação e permitem um ecossistema vibrante ao promover parcerias e oportunidades de colaboração entre projetos e indústrias.
6. Reduzir custos
No início de 2025, estima-se que o salário-base médio de um cientista de dados nos Estados Unidos seja superior a US$ 125.000, com cientistas de dados mais experientes podendo ganhar significativamente mais.
Obviamente, há uma demanda enorme e crescente por cientistas de dados com a IA, mas poucas empresas têm muita esperança de atrair e reter os talentos especializados de que precisam.
E os LLMs realmente grandes são exorbitantemente caros para construir, treinar, manter e implantar, exigindo armazéns inteiros cheios de equipamentos de informática altamente otimizados (e muito caros) e uma quantidade enorme de armazenamento.
Modelos abertos, menores e construídos para propósitos específicos e aplicações de IA são significativamente mais eficientes para construir, treinar e implementar. Eles não só exigem uma fração do poder de computação dos LLMs, projetos como o InstructLab possibilitam que pessoas sem habilidades e experiência especializadas contribuam ativa e efetivamente para o treinamento e ajuste fino de modelos de IA.
Claramente, a economia de custos e a flexibilidade que o open source traz ao desenvolvimento de IA são benéficas para pequenas e médias empresas que esperam atingir uma vantagem competitiva com as aplicações de IA podem trazer.
Em resumo
Para construção de uma IA democrática e aberta, é crucial utilizar os princípios open source que viabilizaram a computação em nuvem, a internet, o Linux e tantas outras tecnologias abertas, poderosas e profundamente inovadoras.
Esse é caminho que a Red Hat está seguindo para viabilizar a IA e outras ferramentas relacionadas. Todos devem se beneficiar com o desenvolvimento da inteligência artificial, assim, todos devem poder ajudar a determinar e moldar sua trajetória, e contribuir para seu desenvolvimento. A inovação colaborativa e o open source não são essenciais como incontornáveis para o futuro da disciplina.
