Korisnički priručnik za Lenovo RHEL AI

Lenovo RHEL AI

Informacije o proizvodu

Tehnički podaci:

• Naziv proizvoda: RHEL AI (Red Hat Enterprise Linux AI)
• Glavna funkcija: Ubrzavanje primjene umjetne inteligencije i strojnog učenja
• Ključne značajke: okruženje s jednim poslužiteljem usmjereno na sigurnost za eksperimentiranje s velikim jezičnim modelima

Često postavljana pitanja

P: Koja je glavna svrha RHEL AI?

O: RHEL AI ima za cilj pružiti sigurnu i isplativu platformu za eksperimentiranje s velikim jezičnim modelima i ubrzanje implementacije AI.

P: Kako RHEL AI koristi modele temelja?

O: RHEL AI koristi temeljne modele s općim kontekstualnim razumijevanjem uzoraka kako bi se omogućilo fino podešavanje za specifične industrijske zadatke.

P: Koje su ključne prednosti korištenja RHEL AI za generativni AI?

O: RHEL AI omogućuje tvrtkama obuku i implementaciju generativnih AI modela u hibridnim okruženjima oblaka i pruža pristup Red Hatovoj OpenShift AI platformi za daljnji razvoj modela.

Što je RHEL AI? Vodič kroz način otvorenog koda za informacije o pozicioniranju pomoću umjetne inteligencije

Ubrzavanje primjene umjetne inteligencije i strojnog učenja

• Umjetna inteligencija (AI) snažan je novi alat u IT industriji, ali, kao i kod većine digitalnih alata, jedna veličina ne odgovara svima. Općeniti AI bot obučen na nasumičnim internetskim sadržajima od prije 5 godina može impresionirati povremenog korisnika, ali vaša organizacija vjerojatno treba trenutno, specijalizirano znanje o razvoju (i moguće povjerljivih) domena. Trebate AI koji je fino podešen za vašu organizaciju, a nema boljeg načina da to dobijete od Red Hat Enterprise Linux AI (RHEL AI) i InstructLaba.
• Međutim, implementacija ovih tehnologija može biti složena. Dok znanstvenici rade na izgradnji svojih modela, često se suočavaju s nedostatkom usklađenosti između alata koji se brzo razvijaju. Ove razlike mogu ometati produktivnost i suradnju među znanstvenicima za podatke, programerima softvera i IT operacijama. Skaliranje AI/ML implementacija može biti ograničeno resursima i administrativno složeno, zahtijevajući skupe resurse grafičke procesorske jedinice (GPU) za hardversko ubrzanje i raspodijeljena radna opterećenja za Generative AI (gen AI.). Popularne platforme u oblaku nude skalabilnost i atraktivne skupove alata, ali često zaključavaju korisnike, ograničavajući izbore arhitekture i implementacije.
• Zahvaljujući zajednici otvorenog koda, izgradnja umjetne inteligencije nije tako zastrašujuća kao što se na prvi pogled čini. Već postoji više LLM-ova, a zahvaljujući InstructLabu lako ih je modificirati za potrebe vaše organizacije.
• Uz RHEL AI plus rudimentarno znanje o Pythonu i YAML, možete unijeti prilagođenu umjetnu inteligenciju u svoju organizaciju. Zapravo, Red Hat Developers je objavio novi put učenja umjetne inteligencije koji vas vodi kroz proces. Komplementarni tečaj otkriva sve što trebate znati o koracima prikupljanja podataka, predobuke i finog podešavanja te poboljšanja postojećeg LLM-a. Put učenja uključuje vodič korak po korak o tome kako inicijalizirati svoje Python okruženje, preuzeti i obučiti model te kako ga učiniti dostupnim svojim korisnicima.
• Korisnici umjetne inteligencije često žele eksperimentirati s velikim jezičnim modelima (LLM-ovi) prije razvoja i skaliranja na puno veće proizvodno okruženje. Međutim, eksperimentiranje s popularnim aplikacijama koje se temelje na LLM-u kao što je ChatGPT znači dijeljenje osjetljivih osobnih podataka, što često izaziva zabrinutost o tome kako se podaci korisnika pohranjuju i koriste.
• RHEL AI rješava ovaj izazov pružajući jeftino okruženje s jednim poslužiteljem usmjereno na sigurnost za eksperimentiranje s velikim jezičnim modelima. RHEL olakšava korisnicima s malo ili nimalo stručnosti u znanosti o podacima da počnu razvijati i poboljšavati velike jezične modele bez ikakvih problema s privatnošću ili sigurnošću podataka.

KLIKNITE OVDJE ZA PROVJERU AŽURIRANJA

Što je Red Hat Enterprise Linux AI i kako radi?

• Red Hat Enterprise Linux AI platforma je temeljnog modela dizajnirana da vam pomogne u razvoju, testiranju i pokretanju Granite AI modela otvorenog koda. RHEL AI temelji se na projektu otvorenog koda InstructLab i kombinira modele velikih jezika Granite (LLM) iz IBM Researcha s InstructLabovim alatima za usklađivanje modela. Na temelju metodologije Large-scale Alignment for chatBots (LAB), RHEL AI može proizvesti RHEL sliku za pokretanje tako da je vaša implementacija AI-a jednostavna poput pokretanja spremnika ili virtualnog stroja. Njegov temeljni fokus je omogućiti korisnicima da razvijaju, testiraju i pokreću gene AI modele za neprimjetno pokretanje poslovnih aplikacija.
• Red Hat Enterprise Linux AI omogućuje prenosivost kroz hibridna okruženja u oblaku i omogućuje skaliranje vaših tijekova rada s umjetnom inteligencijom uz Red Hat OpenShift® AI i napredovanje na IBM watsonx.ai s dodatnim mogućnostima za razvoj umjetne inteligencije u poduzeću, upravljanje podacima i upravljanje modelom.
• Za kontekst, model temelja je vrsta modela strojnog učenja (ML) koji je unaprijed obučen za obavljanje niza zadataka. Sve do nedavno, sustavi umjetne inteligencije (AI) bili su specijalizirani alati, što znači da bi ML model bio obučen za određenu aplikaciju ili slučaj jednokratne upotrebe. Izraz temeljni model (također poznat kao osnovni model) ušao je u naš leksikon kada su stručnjaci počeli primjećivati ​​2 trenda u području strojnog učenja:
  • Mali broj arhitektura dubokog učenja koristio se za postizanje rezultata za širok raspon zadataka.
  • Novi koncepti mogu proizaći iz modela umjetne inteligencije (AI) koji nisu bili izvorno namijenjeni u obuci.
• Modeli temelja programirani su da funkcioniraju s općim kontekstualnim razumijevanjem obrazaca, struktura i prikaza. Ovo temeljno razumijevanje načina komuniciranja i identificiranja obrazaca stvara temelj znanja koji se može dalje modificirati ili fino podešavati za obavljanje zadataka specifičnih za domenu za bilo koju industriju.
• Uz tehnološke temelje Linuxa, spremnika i automatizacije, Red Hatova strategija otvorenog hibridnog oblaka i AI portfelj vam daje fleksibilnost da pokrenete svoje AI aplikacije gdje god su vam potrebne.
  
• Pokretanje ChatGPT-a potaknulo je ogromno zanimanje za generativnu umjetnu inteligenciju, a tempo inovacija od tada se samo ubrzao. Poduzeća su prešla s početnih procjena generativnih AI usluga na razvoj aplikacija omogućenih AI-om. Ekosustav otvorenih modela koji se brzo širi potaknuo je daljnje inovacije umjetne inteligencije, pokazujući da neće postojati niti jedan dominantan model. Kupci će imati koristi od raznolikog izbora za ispunjavanje specifičnih zahtjeva, a sve će to biti dodatno ubrzano otvorenim pristupom inovacijama.
• Iako generativna umjetna inteligencija nudi golem potencijal, povezani troškovi nabave, obuke i finog podešavanja velikih jezičnih modela (LLM) mogu biti pretjerani, s nekim vodećim modelima koji koštaju gotovo 200 milijuna dolara za obuku prije lansiranja. To ne uključuje troškove usklađivanja modela sa zahtjevima ili podacima određene organizacije, što obično zahtijeva znanstvenike koji se bave podacima ili visoko specijalizirane programere. Bez obzira na odabrani model, potrebno je usklađivanje kako bi se prilagodio podacima i procesima specifičnim za tvrtku, čineći učinkovitost i agilnost ključnima za AI u proizvodnim okruženjima u stvarnom svijetu.
• Red Hat predviđa da će tijekom sljedećeg desetljeća manji, učinkovitiji i namjenski izrađeni modeli umjetne inteligencije postati značajan dio IT paketa poduzeća, uz aplikacije izvorne u oblaku. Međutim, da bi se to postiglo, generativna umjetna inteligencija mora biti pristupačnija i dostupnija, od troškova do suradnika do lokacija za implementaciju u hibridnom oblaku. Desetljećima su zajednice otvorenog koda pomogle u rješavanju sličnih izazova za složene softverske probleme kroz doprinose različitih skupina korisnika. Sličan pristup može smanjiti prepreke za učinkovito usvajanje generativne umjetne inteligencije.
• Gen AI katalizator je revolucionarnih promjena, remeteći sve, od načina na koji se proizvodi softver do načina na koji komuniciramo. Ali često su LLM-ovi koji se koriste za gen AI strogo kontrolirani i ne mogu se procijeniti ili poboljšati bez posebnih vještina i visokih troškova. Budućnost ne bi trebala biti u rukama nekolicine.
• S RHEL Al i njegovim pristupom otvorenog izvornog koda, možete potaknuti gene Al inovacije s povjerenjem i transparentnošću, istovremeno smanjujući troškove i uklanjajući prepreke ulasku.
• Koristeći RHEL AI, tvrtke će moći trenirati i implementirati generativnu AI bilo gdje u hibridnom oblaku, blizu mjesta gdje se nalaze njihovi podaci. Osim toga, platforma pruža on-ramp na Red Hatovu OpenShift AI platformu za obuku, podešavanje i posluživanje generativnih AI modela koristeći iste alate i koncepte

Što su veliki jezični modeli i kako funkcioniraju?

• LLM stječu razumijevanje jezika metodom poznatom kao učenje bez nadzora. Ovaj proces uključuje pružanje modela strojnog učenja s ogromnim skupovima podataka riječi i fraza, omogućujući mu da uči putemample. Ova faza predosposobljavanja bez nadzora temeljna je za razvoj LLM-a kao što su GPT-3 i BERT.
• Čak i bez izričitih ljudskih uputa, računalo može izvući informacije iz podataka, uspostaviti veze i "učiti" o jeziku. Kako model uči obrasce koji upravljaju slijedom riječi, može predvidjeti kako bi rečenice trebale biti strukturirane na temelju vjerojatnosti. Ishod je model koji može uhvatiti zamršene odnose između riječi i rečenica.
• LLM zahtijevaju značajne računalne resurse zbog stalnog izračuna vjerojatnosti pronalaženja veza. Jedan takav resurs je jedinica za grafičku obradu (GPU). GPU je specijalizirana hardverska komponenta dizajnirana za složene zadatke paralelne obrade, što ga čini idealnim za strojno učenje i modele dubokog učenja koji zahtijevaju opsežne izračune, poput LLM-a.
• GPU-ovi su ključni za ubrzavanje obuke i rada transformatora, vrste softverske arhitekture posebno dizajnirane za zadatke obrade prirodnog jezika (NLP) koje implementira većina LLM-a. Transformatori su temeljni građevni blokovi za popularne temeljne modele LLM-a kao što su ChatGPT i BERT.
• Transformerska arhitektura poboljšava modele strojnog učenja učinkovitim hvatanjem kontekstualnih odnosa i ovisnosti između elemenata u nizu podataka, kao što su riječi u rečenici. Koristi mehanizme samopažnje (parametre) za vaganje važnosti različitih elemenata, poboljšavajući razumijevanje i izvedbu. Parametri definiraju granice, koje su ključne za razumijevanje goleme količine podataka koje obrađuju algoritmi dubokog učenja.
• Arhitektura transformatora uključuje milijune ili milijarde parametara, omogućujući mu da uhvati zamršene jezične obrasce i nijanse. Izraz "veliki" u "velikom jezičnom modelu" odnosi se na znatan broj parametara potrebnih za učinkovit LLM.
• Moderni LLM-ovi pokazuju neusporedivu sposobnost razumijevanja i korištenja jezika, nadmašujući ono što je prije bilo moguće zamisliti od osobnog računala. Ovi modeli strojnog učenja mogu generirati tekst, sažeti sadržaj, prevoditi, prepisivati, klasificirati, kategorizirati, analizirati i više.
• Ovaj moćni skup alata omogućuje ljudima da povećaju svoju kreativnost, poboljšaju produktivnost i uhvate se u koštac sa složenim problemima. Neke od najčešćih primjena LLM-a u poslovnom okruženju uključuju:
  • Automatizacija i učinkovitost: LLM može pomoći u dopunjavanju ili potpunom preuzimanju uloge zadataka povezanih s jezikom kao što su korisnička podrška, analiza podataka i generiranje sadržaja. Ova automatizacija može smanjiti operativne troškove dok oslobađa ljudske resurse za više strateških zadataka.
  • Stvaranje uvida: LLM-i mogu brzo skenirati velike količine tekstualnih podataka, omogućujući tvrtkama da bolje razumiju tržišne trendove i povratne informacije kupaca crpajući izvore poput društvenih medija,views, i istraživački radovi, koji zauzvrat mogu pomoći u donošenju poslovnih odluka.
  • Stvaranje boljeg korisničkog iskustva: LLM-ovi pomažu tvrtkama da isporuče visoko personalizirani sadržaj svojim klijentima, potičući angažman i poboljšavajući korisničko iskustvo. To može izgledati kao implementacija chatbota za pružanje danonoćne korisničke podrške, prilagođavanje marketinških poruka određenim korisničkim osobama ili olakšavanje jezičnog prijevoda i međukulturalne komunikacije.
• Iako postoji mnogo potencijalnih advantagŠto se tiče korištenja LLM-a u poslovnom okruženju, postoje i potencijalna ograničenja koja treba uzeti u obzir:
  • Trošak: LLM-ovi zahtijevaju značajne resurse za razvoj, obuku i implementaciju. To je razlog zašto su mnogi LLM-ovi izgrađeni od temeljnih modela, koji su unaprijed obučeni s NLP sposobnostima i pružaju osnovno razumijevanje jezika na temelju kojeg se mogu izgraditi složeniji LLM-ovi. LLM otvorenog koda i LLM-a s licencom otvorenog koda besplatni su za korištenje, što ih čini idealnim za organizacije koje si inače ne bi mogle priuštiti razvoj LLM-a same.
  • Privatnost i sigurnost: LLM-ovi zahtijevaju pristup velikom broju informacija, a ponekad to uključuje informacije o klijentima ili vlasničke poslovne podatke. Ovo je nešto o čemu treba biti posebno oprezan ako je model implementiran ili mu pristupaju dobavljači trećih strana.
  • Točnost i pristranost: ako se model dubokog učenja trenira na podacima koji su statistički pristrani ili ne pružaju točan prikaz populacije, izlaz može biti manjkav. Nažalost, postojeća ljudska predrasuda često se prenosi na umjetnu inteligenciju, stvarajući tako rizik za diskriminatorne algoritme i predrasude. Dok organizacije nastavljaju koristiti AI za poboljšanu produktivnost i izvedbu, ključno je da se uspostave strategije za smanjenje pristranosti. Ovo počinje inkluzivnim procesima dizajna i promišljenijim razmatranjem reprezentativne raznolikosti unutar prikupljenih podataka.

IBM InstructLab i Granite Models revolucioniraju LLM obuku

• IBM Granite je serija temeljnih modela AI-a samo za dekodere koje je kreirao IBM. U početku namijenjen za korištenje u IBM-ovoj podatkovnoj i generativnoj AI platformi Watsonx koja se temelji na oblaku, zajedno s drugim modelima, IBM je otvorio izvorni kod nekih modela koda. Granitni modeli treniraju se na skupovima podataka odabranih s interneta, akademskih publikacija, skupova podataka kodova, pravnih i financijskih dokumenata.
• Kako se generativna umjetna inteligencija pomiče s eksperimentiranja na stvaranje vrijednosti, metode obuke za temeljne modele također se razvijaju. Slično kao što ljudi uče učiti učinkovitije uz povećanu stručnost, IBM-ovi istraživački timovi, u suradnji s Red Hat kolegama, počeli su istraživati ​​kako generativni AI modeli mogu učiti učinkovitije. Njihov nedavno lansirani InstructLab pokazuje značajno ubrzanje u prilagođavanju modela temelja za specifične zadatke.
• InstructLab je projekt otvorenog koda koji ima za cilj smanjiti troškove finog podešavanja LLM-a omogućavanjem mogućnosti integriranja promjena u LLM-u bez potrebe za potpunim ponovnim osposobljavanjem cijelog modela temelja.
• Sa svojom nedavno objavljenom obitelji Granite modela, koristeći InstructLab, IBM je uspio demonstrirati 20% veći rezultat generiranja koda uz smanjenje vremena potrebnog za postizanje te kvalitete.
• Granite modeli su IBM-ova obitelj velikih jezičnih modela (LLM) dizajniranih za povećanje produktivnosti ljudskih programera. Ti se LLM-ovi razlikuju po veličini parametara i primjenjuju generativnu umjetnu inteligenciju na više modaliteta, uključujući jezik i kod. Modeli temelja od granita fino se podešavaju kako bi se stvorili pomoćnici koji pomažu u prevođenju koda s naslijeđenih jezika na trenutačne, otklanjanju pogrešaka koda i pisanju novog koda na temelju jednostavnih engleskih uputa. S obzirom na IBM-ov fokus na generativnu umjetnu inteligenciju poslovne razine, Granite modeli obučeni su na skupovima podataka koji obuhvaćaju ne samo generiranje koda, već i one koji se odnose na akademsko, pravo i financije.
• Obuka velikih razmjera novih temeljnih modela značajno je unaprijedila generativnu umjetnu inteligenciju i njezine potencijalne primjene za čovječanstvo. Budući da se temeljni modeli primjenjuju na slučajeve korištenja i aplikacije u stvarnom svijetu, posebno unutar poduzeća, ključno je graditi na ovom utjecaju. Međutim, tradicionalne metode obuke za ove temeljne modele zahtijevaju značajne resurse podatkovnog centra, što dovodi do značajnih kapitalnih i operativnih troškova. Kako bi u potpunosti ostvarile obećanje generativne umjetne inteligencije, tvrtke moraju ponovno razmisliti o svojim modelima procesa obuke. Za široku primjenu modela umjetne inteligencije, tehnike finog podešavanja moraju se razviti kako bi uključile više podataka specifičnih za domenu po nižoj cijeni. Na temelju do sada prikazanih rezultata, čini se da IBM-ov i Red Hatov projekt InstructLab čini značajne korake u tom smjeru.

Pristup otvorenog koda generaciji AI

RHEL AI ima za cilj učiniti generativnu umjetnu inteligenciju pristupačnijom, učinkovitijom i fleksibilnijom za CIO-e i poslovne IT organizacije u hibridnom oblaku.
RHEL AI pomaže da se to postigne tako što:

• Osnaživanje inovacija genske umjetne inteligencije s modelima Granite s licencom otvorenog izvornog koda za poduzeća i usklađenim sa širokim rasponom slučajeva upotrebe genske umjetne inteligencije.
• Pojednostavljenje usklađivanja modela genetske umjetne inteligencije s poslovnim zahtjevima pomoću alata InstructLab, omogućavajući stručnjacima za domenu i programerima unutar organizacije da doprinesu jedinstvenim vještinama i znanjima svojim modelima čak i bez opsežnih vještina znanosti o podacima.
• Obuka i implementacija gen AI bilo gdje u hibridnom oblaku pružanjem svih alata potrebnih za podešavanje i implementaciju modela za proizvodne poslužitelje gdje god žive povezani podaci.

RHEL AI također nudi spreman on-ramp na Red Hat OpenShift AI za obuku, ugađanje i posluživanje ovih modela u velikom broju uz korištenje istih alata i koncepata.

Red Hat Enterprise Linux AI spaja:

Obiteljski modeli Open Granite

RHEL AI uključuje visokoučinkovite, licencirane s otvorenim kodom, zajednički razvijene modele Granite jezika i koda iz zajednice InstructLab, koje u potpunosti podržava i obeštećuje Red Hat. Ovi Granite modeli imaju licencu za Apache 2 i pružaju transparentan pristup izvorima podataka i težinama modela. U budućnosti će Red Hat Enterprise Linux AI također uključivati ​​dodatne modele Granite uključujući Granite obitelj modela koda.

InstructLab alati za usklađivanje modela

• LAB: Large-Scale Alignment for ChatBots novi je pristup usklađivanju uputa i finom podešavanju velikih jezičnih modela s pristupom vođenim taksonomijom koji iskorištava generiranje sintetičkih podataka visoke kvalitete. Jednostavnije rečeno, omogućuje korisnicima da prilagode LLM znanjem i vještinama specifičnim za domenu. InstructLab zatim generira sintetičke podatke visoke kvalitete koji se koriste za obuku LLM-a. Međuspremnik za ponovnu reprodukciju koristi se za sprječavanje zaboravljanja.
• InstructLab je projekt otvorenog koda za poboljšanje velikih jezičnih modela (LLM) koji se koriste u aplikacijama generativne umjetne inteligencije (gen AI). Kreiran od strane IBM-a i Red Hata, projekt zajednice InstructLab pruža isplativo rješenje za poboljšanje usklađivanja LLM-a i otvara vrata za doprinos onima s minimalnim iskustvom u strojnom učenju.
• LLM-ovi mogu pokretati niz korisnih aplikacija, uključujući chatbotove i pomoćnike za kodiranje. Ti LLM-ovi mogu biti vlasnički (poput OpenAI-jevih GPT modela i Anthropicovih Claude modela) ili nuditi različite stupnjeve otvorenosti u pogledu podataka prije obuke i ograničenja upotrebe (poput Meta-inih Llama modela, Mistral AI-jevih Mistral modela i IBM-ovih Granite modela).
• Stručnjaci za umjetnu inteligenciju često moraju prilagoditi prethodno obučeni LLM kako bi zadovoljili specifične poslovne potrebe. Međutim, postoje ograničenja načina na koji se LLM može mijenjati. InstructLab koristi pristup koji nadilazi ta ograničenja. Može poboljšati LLM koristeći značajno manje informacija koje je stvorio čovjek i manje računalnih resursa u usporedbi s tradicionalnim metodama prekvalifikacije. Dodatno, omogućuje kontinuirano poboljšanje modela kroz upstream doprinose.
• LAB tehnika sadrži četiri različita koraka (slika 1):
  • Vještine i reprezentacija znanja temeljena na taksonomiji
  • Generiranje sintetičkih podataka (SDG) s modelom nastavnika
  • Validacija sintetičkih podataka s kritičkim modelom.
  • Obuka vještina i znanja na temelju studentskog modela(a)
    
• InstructLab je naziv softvera koji implementira LAB tehniku. Sastoji se od sučelja naredbenog retka koje je u interakciji s lokalnim git spremištem vještina i znanja, uključujući nova koja je korisnik dodao, za generiranje sintetičkih podataka, pokretanje obuke LLM-a, posluživanje obučenog modela i razgovor s njim.
• Korisnici mogu izraditi vlastiti prilagođeni LLM obučavanjem osnovnih modela vlastitim vještinama i znanjem. Oni mogu odlučiti podijeliti obučeni model i dodane vještine i znanje sa zajednicom ili ih zadržati privatnima

Optimizirani Red Hat Enterprise Linux za pokretanje za Granite modele i InstructLab

Granite modeli i InstructLab alati preuzimaju se i postavljaju na RHEL sliku za pokretanje s optimiziranim softverskim paketom za popularne hardverske akceleratore dobavljača kao što su AMD, Intel i NVIDIA. Nadalje, ove RHEL AI slike pokrenut će se i pokrenuti preko Red Hat certificiranog ekosustava uključujući javne oblake i poslužitelje tvrtke Lenovo optimizirane za AI.

Podrška za poduzeća, životni ciklus i obeštećenje

U općoj dostupnosti (GA), pretplate na Red Hat Enterprise Linux AI uključivat će podršku za poduzeća, potpuni životni ciklus proizvoda počevši s modelom Granite 7B i softverom te IP naknadu od strane Red Hata.

Koje probleme rješava RHEL AI

Početak rada s Generative AI često je vrlo izazovan. Uz InstructLab* i Granite modele, mogućnost dodavanja znanja i vještina jezičnom modelu činimo dostupnom svima. To omogućuje tvrtkama da dodaju svoja specifična znanja i vještine kako bi uskladile model sa svojim specifičnim slučajem upotrebe.

Tvrtkama nije ugodno koristiti velike jezične modele zbog nepoznate licence izlaznog teksta. RHEL AI uključuje obeštećenje, a sam model je licenciran pod Apache-2.0 Open Source licencom.

Početak rada s Generative AI vrlo je skup. RHEL AI i InstructLab pružaju način na koji ljudi mogu započeti na isplativ način i proširiti se kada je to potrebno.

Sažetak

• Pokretanje ChatGPT-a potaknulo je ogromno zanimanje za generativnu umjetnu inteligenciju, a tempo inovacija od tada se samo ubrzao. Poduzeća su prešla s početnih procjena generativnih AI usluga na razvoj aplikacija omogućenih AI-om. Ekosustav otvorenih modela koji se brzo širi potaknuo je daljnje inovacije umjetne inteligencije, pokazujući da neće postojati niti jedan dominantan model. Kupci će imati koristi od raznolikog izbora za ispunjavanje specifičnih zahtjeva, a sve će to biti dodatno ubrzano otvorenim pristupom inovacijama.
• Implementacija AI strategije uključuje više od jednostavnog odabira modela; tehnološke organizacije trebaju stručnost kako bi prilagodile određeni model svom slučaju uporabe i riješile značajne troškove implementacije umjetne inteligencije. Oskudica vještina u području znanosti o podacima pojačana je znatnim financijskim zahtjevima, uključujući:
  • Nabavljanje AI infrastrukture ili korištenje AI usluga
  • Složeni proces podešavanja AI modela za specifične poslovne potrebe Integracija AI u poslovne aplikacije
  • Upravljanje životnim ciklusom aplikacije i modela.
• Kako bi doista smanjile ulazne prepreke za inovacije umjetne inteligencije, poduzeća moraju biti u mogućnosti proširiti popis onih koji mogu raditi na inicijativama umjetne inteligencije, a da istovremeno drže te troškove pod kontrolom. Uz InstructLab alate za usklađivanje, Granite modele i RHEL AI, Red Hat ima za cilj primijeniti prednosti pravih projekata otvorenog koda – slobodno dostupnih i ponovno upotrebljivih, transparentnih i otvorenih za doprinose – na GenAI u nastojanju da ukloni te prepreke.

Povezane obitelji proizvoda

Obitelji proizvoda koje se odnose na ovaj dokument su sljedeće:

Red Hat savez

Obavijesti

• Lenovo možda neće nuditi proizvode, usluge ili značajke o kojima se govori u ovom dokumentu u svim zemljama. Obratite se lokalnom predstavniku Lenova za informacije o proizvodima i uslugama koje su trenutno dostupne u vašem području. Bilo kakva referenca na Lenovo proizvod, program ili uslugu nema namjeru izjaviti ili implicirati da se samo taj Lenovo proizvod, program ili usluga može koristiti. Umjesto toga može se koristiti bilo koji funkcionalno ekvivalentan proizvod, program ili usluga koji ne krši nijedno pravo intelektualnog vlasništva tvrtke Lenovo. Međutim, odgovornost je korisnika da ocijeni i provjeri rad bilo kojeg drugog proizvoda, programa ili usluge. Lenovo može imati patente ili zahtjeve za patente na čekanju koji pokrivaju temu opisanu u ovom dokumentu. Dostavljanje ovog dokumenta ne daje vam nikakvu licencu za ove patente. Pisani upit o licenci možete poslati na:
  Lenovo (Sjedinjene Države), Inc.
  8001 Razvojni pogon
  Morrisville, NC 27560
  SAD
  Pažnja: Lenovo direktor licenciranja
• LENOVO ISPORUČUJE OVU PUBLIKACIJU "KAKVA JEST" BEZ JAMSTAVA BILO KOJE VRSTE, BILO IZRIČITIH ILI PODRAZUMEVANIH, UKLJUČUJUĆI, ALI NE OGRANIČENO NA, PODRAZUMEVANA JAMSTVA NEKRŠENJA, PRIKLADNOSTI ZA PRODAJU ILI PRIKLADNOSTI ZA ODREĐENU SVRHU. Neke jurisdikcije ne dopuštaju odricanje od izričitih ili implicitnih jamstava u određenim transakcijama, stoga se ova izjava možda ne odnosi na vas.
• Ove informacije mogu uključivati ​​tehničke netočnosti ili tipografske pogreške. Ovdje se informacije povremeno mijenjaju; te će promjene biti uključene u nova izdanja publikacije. Lenovo može poboljšati i/ili promijeniti proizvod(e) i/ili program(e) opisane u ovoj publikaciji u bilo koje vrijeme bez prethodne obavijesti.
• Proizvodi opisani u ovom dokumentu nisu namijenjeni za upotrebu u implantaciji ili drugim aplikacijama za održavanje života gdje kvar može dovesti do ozljeda ili smrti osoba. Informacije sadržane u ovom dokumentu ne utječu niti mijenjaju specifikacije proizvoda ili jamstva tvrtke Lenovo. Ništa u ovom dokumentu neće funkcionirati kao izričita ili podrazumijevana licenca ili odšteta prema pravima intelektualnog vlasništva Lenova ili trećih strana. Sve informacije sadržane u ovom dokumentu dobivene su u specifičnim okruženjima i prikazane su kao ilustracija. Rezultat dobiven u drugim radnim okruženjima može varirati. Lenovo može koristiti ili distribuirati bilo koju informaciju koju dostavite na bilo koji način koji smatra prikladnim bez ikakve obveze prema vama.
• Sve reference u ovoj publikaciji na ne-Lenovo Web web-mjesta služe samo radi praktičnosti i ni na koji način ne služe kao njihova preporuka Web stranice. Materijali kod onih Web web-mjesta nisu dio materijala za ovaj Lenovo proizvod i njihova upotreba Web stranica je na vlastitu odgovornost. Svi ovdje sadržani podaci o izvedbi utvrđeni su u kontroliranom okruženju. Stoga se rezultat dobiven u drugim radnim okruženjima može znatno razlikovati. Neka su mjerenja možda napravljena na sustavima na razini razvoja i nema jamstva da će ta mjerenja biti ista na općenito dostupnim sustavima. Nadalje, neka su mjerenja možda procijenjena ekstrapolacijom. Stvarni rezultati mogu varirati. Korisnici ovog dokumenta trebali bi provjeriti primjenjive podatke za svoje specifično okruženje.
• © Copyright Lenovo 2025. Sva prava pridržana.
• Ovaj dokument, LP2032, izrađen je ili ažuriran 19. rujna 2024.
• Pošaljite nam svoje komentare na jedan od sljedećih načina:
  • Koristite online Kontaktirajte nas review obrazac koji se nalazi na: https://lenovopress.lenovo.com/LP2032
  • Pošaljite svoje komentare e-poštom na: comments@lenovopress.com
• Ovaj dokument je dostupan online na https://lenovopress.lenovo.com/LP2032.

Zaštitni znakovi

• Lenovo i logotip Lenovo zaštitni su znakovi ili registrirani zaštitni znakovi tvrtke Lenovo u Sjedinjenim Državama, drugim zemljama ili oboje. Trenutačni popis Lenovo zaštitnih znakova dostupan je na Web na https://www.lenovo.com/us/en/legal/copytrade/.
• Sljedeći pojmovi su zaštitni znakovi tvrtke Lenovo u Sjedinjenim Državama, drugim zemljama ili oboje: Lenovo®
• Sljedeći pojmovi su zaštitni znaci drugih tvrtki:
• AMD je zaštitni znak tvrtke Advanced Micro Devices, Inc.
• Intel® je zaštitni znak tvrtke Intel Corporation ili njezinih podružnica.
• Linux® je zaštitni znak Linusa Torvaldsa u SAD-u i drugim zemljama.
• Ostala imena tvrtki, proizvoda ili usluga mogu biti zaštitni znakovi ili oznake usluga drugih.

Dokumenti / Resursi

Lenovo RHEL AI [pdf] Korisnički priručnik RHEL AI, RHEL, AI

Reference

• IBM watsonx.ai
• RHEL AI: Isprobajte LLM na jednostavan način | Red Hat Developer
• Informacije o autorskim pravima i zaštitnim znakovima | Lenovo SAD | Lenovo US
• Što su temeljni modeli za AI?
• Što je InstructLab?
• YAML za početnike
• korisnički priručnik