Hoy, nuestro método probado nos ayuda a planificar y crear el futuro: las comunidades y los proyectos de código abierto.
Eso nos ayuda no sólo a responder a los retos de TI de la actualidad sino a enfrentar los enigmas tecnológicos que aún no se han materializado.
Hoy en día, son muchas las personas que ven la IA/ML como tecnologías del futuro.
Es algo aún incipiente en muchas empresas, donde falta el protagonismo a las implementaciones y la producción.
Pero, en el universo del código abierto, esto no es así.
Ya estamos pensando en cómo responder a la próxima oleada de preguntas relacionadas con la IA.
Y, quiero enfocarme en tres áreas distintas de las que ya se están ocupando proyectos de código abierto:
- Democratización
- Sostenibilidad
- Confianza
Democratización
Cuando es la terminología de la Inteligencia Artificial (IA), debemos ser muy directos:
Es difícil no mostrarse escépticos ante los modelos ‘abiertos’, sí, entre comillas.
No me malinterpreten: estos modelos son fundamentales para la IA, pero no son abiertos en el sentido del código abierto.
Están abiertos para su uso, pero puede que no reciban colaboraciones ni tengan conjuntos de datos de entrenamiento o pesos abiertos.
Más aún, cada cual puede hacer que un modelo de IA sea ‘su’ propio modelo de IA.
Las posibilidades se vuelven infinitas cuando aplicamos realmente los principios del open source a los modelos de IA… Y estamos aquí para eso.
Sostenibilidad
No nos andemos con rodeos: el entrenamiento de modelos y la inferencia de IA requiere de mucha energía.
La Agencia Internacional de la Energía prevé que, de aquí a 2026, la demanda de energía de la industria de la IA se duplicará.
Entonces, ¿qué significa esto aparte de que la industria energética pasará a rivalizar con la minería de monedas?
Significa que tenemos que utilizar software, específicamente software open source, para resolver este desafío.
Empezar a trabajar con IA casi siempre demandará mucha energía, pero podemos encararlo con inteligencia.
Ya hemos avanzado en este sentido con una TI empresarial moderna a través del proyecto Kepler.
Este brinda información sobre la huella de carbono y la eficiencia energética de las aplicaciones y la infraestructura nativas de la nube.
Al utilizar Kepler para medir el consumo de energía de los modelos de ML en el entrenamiento y la inferencia, nos proporciona una visión completa del consumo de energía.
Tanto de la TI tradicional como de la huella de IA. Una vez más, se lo debemos al código abierto.
Confianza
Debemos ser capaces de proteger y aplicar eficazmente las medidas de seguridad de las cargas de trabajo, los modelos y las plataformas de IA.
La innovación sin seguridad es sólo ‘riesgo’, algo que las empresas y las comunidades de código abierto anhelan minimizar.
En el caso del software, la cadena de suministro y la procedencia son fundamentales a la hora de ofrecer una experiencia más segura.
Esto significa saber claramente de dónde proceden los bits, quién los codificó y quién accedió a ellos antes de llegar a producción.
Ahora necesitamos aplicar este mismo grado de previsión, disciplina y rigor a los modelos de IA.
Lo que Red Hat y la comunidad open source están haciendo al trabajar para crear una Lista de materiales de IA.
La cual ofrece mayores garantías en torno a la creación de modelos mediante el uso de nuestras herramientas de cadena de suministro segura.
El principio de confianza va íntimamente ligado a la seguridad.
Así, espero que puedan ver cómo el open source trabaja para dotar a la IA de mayor accesibilidad, sostenibilidad y una seguridad y confianza reforzadas de cara al futuro.
En Red Hat, estamos orgullosos de estar a la vanguardia a la hora de impulsar todas estas tecnologías.
Ninguna de las cuales sería posible sin la colaboración de la comunidad open source que incentiva nuevas formas de pensar.
Por Chris Wright, Chief Technology Officer and Senior Vice President, Global Engineering Red Hat