เหตุใดปัญญาประดิษฐ์โอเพนซอร์สจึงมีความสำคัญมากขึ้นกว่าเดิม ตามคำกล่าวของ Clem Delangue จาก Hugging Face

Anthropic พยายามที่จะควบคุม Fable release ของตน ซีอีโอของ Hugging Face สังเกตเห็น — และเขาไม่ได้นิ่งเงียบเกี่ยวกับเรื่องนี้ Clem Delangue ปรากฏตัวในพอดแคสต์ Equity ของ TechCrunch เพื่อแสดงให้เห็นว่าปัญญาประดิษฐ์โอเพนซอร์สมีความสำคัญมากขึ้นกว่าเดิม และข้อโต้แย้งของเขามีน้ำหนักจริงสำหรับนักพัฒนาทุกคนที่กำลังสร้างสรรค์ในเอเชียในขณะนี้

Hugging Face ได้กลายมาเป็นชั้นโครงสร้างพื้นฐานที่อยู่ใต้ส่วนสำคัญของการพัฒนา AI ของโลก ลองนึกถึงมันเป็น GitHub สำหรับ AI: แพลตฟอร์มที่ผู้สร้างแชร์และดาวน์โหลดโมเดลแบบเปิด ชุดข้อมูล และทุกอย่างระหว่างนั้น ตามที่ พอดแคสต์ Equity ของ TechCrunch กล่าว ประมาณครึ่งหนึ่งของ Fortune 500 ใช้ Hugging Face ในปัจจุบัน นี่ไม่ใช่โครงการโอเพนซอร์สเล็กน้อยอีกต่อไป — นี่คือโครงสร้างพื้นฐานที่สำคัญ และความกังวลของ Delangue นั้นตรงไปตรงมา: หากบริษัทที่มีอำนาจจำนวนน้อยจบลงด้วยการควบคุมโมเดล AI พื้นฐานที่ทุกคนพึ่งพา ระบบนิเวศทั้งหมดจะสูญเสียสิ่งที่ไม่สามารถกู้คืนได้ง่ายๆ

เกิดอะไรขึ้น

สาเหตุทันทีของการปรากฏตัวของ Delangue ใน Equity คือการปล่อย Fable ของ Anthropic ที่ถูกหยุดชั่วคราว แม้ว่ารายละเอียดทั้งหมดของสถานการณ์ Fable ยังคงจำกัด แต่รูปแบบที่กว้างขึ้นที่ Delangue อธิบายนั้นคุ้นเคยกับใครก็ตามที่ดูอุตสาหกรรม AI อย่างใกล้ชิด: บริษัทพัฒนาโมเดลที่มีประสิทธิภาพ จากนั้นตัดสินใจ — ด้วยเหตุผลที่ไม่ค่อยโปร่งใสเต็มที่ — ที่จะจำกัดหรือหน่วงเวลาการเข้าถึงสาธารณะ ไม่ว่าเหตุผลจะเป็นความปลอดภัย ข้อได้เปรียบในการแข่งขัน หรือความระมัดระวังด้านกฎระเบียบ ผลลัพธ์ก็เหมือนกัน นักพัฒนาที่สร้างเวิร์กโฟลว์รอบโมเดลนั้นจะมีการควบคุมน้อยลงเหนือสแต็กของตนเอง

การเล่าเรื่องตอบโต้ของ Delangue นั้นสร้างขึ้นจากรูปแบบที่เขาสังเกตเห็นซ้ำแล้วซ้ำเล่าในฐานผู้ใช้ของ Hugging Face บริษัทเริ่มต้นการเดินทาง AI ของพวกเขาบน API แบบปิดของชายแดน — นี่คือเส้นทางที่เร็วที่สุดไปยังต้นแบบที่ใช้งานได้ แต่เมื่อพวกเขาขยายขนาด เศรษฐศาสตร์จะเปลี่ยนแปลงอย่างมาก ต้นทุนการอนุมานจะสะสม ขีดจำกัดอัตราจะกลายเป็นข้อจำกัดการดำเนินการที่แท้จริง และความไม่สามารถในการปรับแต่งหรือตรวจสอบโมเดลสร้างเพดานสิ่งที่บรรลุได้จริง นั่นคือช่วงเวลา Delangue กล่าว เมื่อทีมย้ายไปยังโมเดลโอเพนซอร์ส API แบบปิดเป็นทางเข้าที่ยอดเยี่ยม มันเป็นรากฐานระยะยาวที่ไม่ดี

หนึ่งในจุดข้อมูลที่โดดเด่นที่สุดจากการสนทนา: ห้องแล็บจีนกำลังสร้างโมเดลแบบเปิดส่วนใหญ่ที่ถูกดาวน์โหลดใน Hugging Face ในขณะนี้ นั่นคือสัญญาณทางภูมิศาสตร์การเมืองเท่าที่เป็นสัญญาณทางเทคนิค ศูนย์กลางของแรงโน้มถ่วงในการพัฒนา AI แบบเปิดกำลังเปลี่ยนแปลง และมันกำลังเปลี่ยนไปยังเอเชีย

เหตุใดจึงสำคัญสำหรับเอเชีย

สำหรับนักพัฒนาและผู้ก่อตั้งทั่วเอเชียตะวันออกเฉียงใต้ เอเชียตะวันออก และเอเชียใต้ การเคลื่อนไหว AI แบบโอเพนซอร์สไม่ใช่เพียงแค่น่าสนใจทางปรัชญา — มันจำเป็นทางโครงสร้าง ระบบนิเวศเทคโนโลยีเอเชียดำเนินการภายใต้ชุดข้อจำกัดที่แตกต่างจากสตาร์ทอัพ Silicon Valley ที่มีการเข้าถึงทุนเสี่ยงจากสหรัฐฯ และไปป์ไลน์การขายองค์กรได้อย่างง่ายดาย

พิจารณาเศรษฐศาสตร์ก่อน สตาร์ทอัพใน Jakarta หรือ Ho Chi Minh City ที่เผาผลาญเครดิต OpenAI API ในระดับใหญ่กำลังทำงานกับอัตรากำไรที่ไม่มีอยู่ในลักษณะเดียวกันสำหรับคู่ตรงข้ามของสหรัฐฯ ที่ได้รับทุนดี โมเดลโอเพนซอร์ส — ปรับใช้บนโครงสร้างพื้นฐานท้องถิ่นหรือบนภูมิภาคคลาวด์ที่มีประสิทธิภาพด้านต้นทุน — เปลี่ยนสมการนั้นโดยพื้นฐาน ความสามารถในการเรียกใช้โมเดลที่มีความสามารถตามเงื่อนไขของคุณเอง ปรับแต่งให้เข้ากับข้อมูลของคุณเอง โดยไม่มีค่าธรรมเนียมต่อโทเค็นที่สะสมอย่างไม่มีที่สิ้นสุด คือการปลดล็อกการแข่งขันที่แท้จริง

จากนั้นมีมิติภาษา โมเดลแบบปิดที่โดดเด่นได้รับการปรับให้เหมาะสมสำหรับภาษาอังกฤษ พวกเขาจัดการกับภาษาจีนและญี่ปุ่นได้ค่อนข้างดี เนื่องจากปริมาณข้อมูลการฝึกอบรมที่มีอยู่ แต่ภาษาบาหاซาอินโดนีเซีย ไทย เวียดนาม ตากาล็อก เบงกาลี — ภาษาเหล่านี้ได้รับการให้บริการไม่เพียงพอโดยโมเดลชายแดนแบบปิดในลักษณะที่สำคัญมากสำหรับผลิตภัณฑ์ที่สร้างขึ้นสำหรับผู้ใช้ท้องถิ่น โมเดลโอเพนซอร์สสามารถปรับแต่งได้บนชุดข้อมูลภาษาท้องถิ่น API แบบปิดส่วนใหญ่ไม่สามารถทำได้ หรืออย่างน้อยก็ไม่ใช่ในลักษณะที่ให้นักพัฒนาการควบคุมที่มีความหมายเหนือผลลัพธ์

ข้อเท็จจริงที่ว่าห้องแล็บจีนนำหน้าในการปล่อยโมเดลแบบเปิดใน Hugging Face ก็คุ้มค่าที่จะอ่านอย่างระมัดระวัง มันบ่งชี้ว่าสมมติฐานของความเป็นเลิศทางเทคโนโลยีของตะวันตกใน AI ล้าสมัยแล้ว นักพัฒนาเอเชียไม่จำเป็นต้องรอให้ห้องแล็บของสหรัฐฯ ปล่อยโมเดลแบบเปิดที่มีความสามารถ — ห่วงโซ่อุปทานสำหรับ AI แบบเปิดเป็นภูมิภาคมากขึ้น นั่นคือข้อได้เปรียบทางโครงสร้างสำหรับผู้สร้างที่ให้ความสนใจ

จากมุมมอง แพลตฟอร์มการพัฒนา AI-native การเปลี่ยนแปลงนี้มีความสำคัญเพราะชั้นเครื่องมือต้องพัฒนาไปพร้อมกับชั้นโมเดล เมื่อนักพัฒนาย้ายจาก API แบบปิดไปยังโมเดลแบบเปิดที่โฮสต์เอง พวกเขาต้องการโครงสร้างพื้นฐานที่จัดการความซับซ้อนของการเลือกโมเดล การปรับใช้ และการรวมเข้าด้วยกันโดยไม่เพิ่มสัปดาห์ของค่าใช้จ่ายวิศวกรรม

ความหมายสำหรับนักพัฒนา

ข้อโต้แย้งของ Delangue มีความหมายในทางปฏิบัติที่ง่ายต่อการพลาดหากคุณมุ่งเน้นไปที่อุดมการณ์ของการเปิดเทียบกับการปิด: นักพัฒนาที่เรียนรู้ที่จะทำงานกับโมเดลแบบเปิดในตอนนี้จะมีข้อได้เปรียบทักษะที่ยั่งยืนเมื่ออุตสาหกรรมเติบโตขึ้น

การทำงานกับโมเดลแบบเปิดนั้นต้องการมากกว่าการเรียกใช้ API คุณต้องเข้าใจการหาปริมาณโมเดล การปรับให้เหมาะสมของการอนุมาน ความแตกต่างของการจัดรูปแบบพรอมต์ในตระกูลโมเดล และการแลกเปลี่ยนระหว่างขนาดโมเดลและเวลาแฝง นี่ไม่ใช่ความท้าทายที่ไม่สามารถเอาชนะได้ — ระบบนิเวศเครื่องมือรอบโมเดลแบบเปิดได้เติบโตขึ้นอย่างมีนัยสำคัญ — แต่พวกเขาต้องการการลงทุนทางเทคนิคที่แท้จริง

นี่คือสิ่งที่การลงทุนนั้นมีลักษณะในทางปฏิบัติ:

• การเลือกโมเดล: ไม่ใช่ทุกโมเดลแบบเปิดที่เหมาะสำหรับทุกงาน โมเดล 7B พารามิเตอร์ที่ปรับแต่งบนโค้ดจะมีประสิทธิภาพเหนือกว่าโมเดลทั่วไป 70B ในงานการเข้ารหัสเฉพาะ การเรียนรู้ที่จะประเมินโมเดลเทียบกับกรณีการใช้งานจริงของคุณ — ไม่ใช่บอร์ดอันดับ — เป็นทักษะหลัก
• การปรับแต่งบนข้อมูลท้องถิ่น: คุณประโยชน์ที่แท้จริงในโมเดลแบบเปิดคือความสามารถในการปรับแต่ง สำหรับนักพัฒนาเอเชียที่สร้างผลิตภัณฑ์สำหรับตลาดท้องถิ่น นี่หมายถึงการฝึกอบรมบนข้อมูลภาษาท้องถิ่น คำศัพท์เฉพาะโดเมน และตัวอย่างที่เกี่ยวข้องทางวัฒนธรรม บอทแชทอีคอมเมิร์สไทยที่ปรับแต่งบนการสนทนาบริการลูกค้าไทยจริงจะมีประสิทธิภาพเหนือกว่าโมเดลแบบปิดที่ไม่มีกล่องใดๆ ในงานเฉพาะนั้น
• สถาปัตยกรรมการปรับใช้: การเรียกใช้โมเดลแบบเปิดในระดับการผลิตต้องการการตัดสินใจเกี่ยวกับการหาปริมาณ (GGUF, AWQ, GPTQ) กรอบการให้บริการ (vLLM, Ollama, TGI) และการเลือกฮาร์ดแวร์ การตัดสินใจเหล่านี้มีผลกระทบต้นทุนที่มีนัยสำคัญ
• รูปแบบการรวม: โมเดลแบบเปิดต้องเชื่อมต่อกับส่วนที่เหลือของสแต็กของคุณ — ฐานข้อมูล API แอปพลิเคชันส่วนหน้า ตัวเชื่อมต่อ และรูปแบบการรวมที่คุณสร้างรอบโมเดลแบบเปิดมักจะเป็นที่ที่ความแตกต่างของผลิตภัณฑ์จริงอยู่

ประเด็นที่กว้างขึ้นคือ AI แบบโอเพนซอร์สสร้างคุณประโยชน์สำหรับนักพัฒนาที่ลงทุนในการทำความเข้าใจ API แบบปิดทำให้ชั้นโมเดลเป็นสินค้า — ทุกคนมีการเข้าถึง GPT-4 หรือ Claude เดียวกัน โมเดลแบบเปิดอนุญาตให้มีความแตกต่างผ่านการปรับแต่ง การปรับใช้แบบกำหนดเอง และการรวมเชิงลึกกับข้อมูลที่เป็นกรรมสิทธิ์ สำหรับผู้ก่อตั้งที่สร้างในเอเชีย โดยที่ความรู้ตลาดท้องถิ่นเป็นคุณสมบัติที่แท้จริง ความแตกต่างนั้นมีความสำคัญ

นอกจากนี้ยังมีข้อโต้แย้งเกี่ยวกับการจัดการความเสี่ยง ความกังวลของ Delangue เกี่ยวกับบริษัทจำนวนน้อยที่ควบคุมพื้นฐาน AI นั้นไม่ใช่สมมติฐาน — มันเป็นคำอธิบายของสถานะปัจจุบันของตลาดโมเดลแบบปิด สตาร์ทอัพใดๆ ที่สร้างผลิตภัณฑ์หลักของตนบน API แบบปิดเดียวมีความเสี่ยงการพึ่งพาที่ไม่ปรากฏ