Нээлттэй эхийн хиймэл оюун ухааныг бүх зүйлийг тайлдаг шидэт түлхүүр мэтээр ярьдаг. Гэхдээ тийм биш. Гэхдээ энэ нь юм . Хэрэв та "нээлттэй" гэж юу тооцогддог, зүгээр л маркетинг гэж юу болох, ажил дээрээ хэрхэн ашиглах талаар гайхаж байсан бол та зөв газартаа байна. Кофе уугаарай - энэ нь ашигтай байх болно, магадгүй бага зэрэг санал бодлоо илэрхийлэх болно ☕🙂.
Үүний дараа таны унших дуртай нийтлэлүүд:
🔗 Бизнестээ хиймэл оюун ухааныг хэрхэн нэвтрүүлэх вэ
Ухаалаг бизнесийн өсөлтөд зориулж хиймэл оюун ухааны хэрэгслүүдийг нэгтгэх практик алхамууд.
🔗 Илүү бүтээмжтэй байхын тулд хиймэл оюун ухааныг хэрхэн ашиглах вэ
Цаг хэмнэж, үр ашгийг нэмэгдүүлэх үр дүнтэй хиймэл оюун ухааны ажлын урсгалыг олж нээ.
🔗 Хиймэл оюун ухааны чадварууд гэж юу вэ
Ирээдүйд бэлэн мэргэжилтнүүдэд зайлшгүй шаардлагатай хиймэл оюун ухааны гол чадваруудыг сур.
🔗 Google Vertex хиймэл оюун ухаан гэж юу вэ
Google-ийн Vertex хиймэл оюун ухаан болон энэ нь машин сургалтыг хэрхэн хялбаршуулдаг талаар ойлгох.
Нээлттэй эхийн хиймэл оюун ухаан гэж юу вэ? 🤖🔓
Хамгийн энгийнээр хэлбэл, Нээлттэй эхийн хиймэл оюун ухаан гэдэг нь хиймэл оюун ухааны системийн бүрэлдэхүүн хэсгүүд болох код, загварын жин, өгөгдлийн дамжуулах хоолой, сургалтын скрипт, баримт бичиг зэргийг боломжийн нөхцөлтэйгээр хэн ч ашиглах, судлах, өөрчлөх, хуваалцах боломжийг олгодог лицензийн дагуу гаргадаг гэсэн үг юм. Энэхүү үндсэн эрх чөлөөний хэл нь Нээлттэй эхийн тодорхойлолт болон түүний хэрэглэгчийн эрх чөлөөний урт хугацааны зарчмуудаас үүдэлтэй [1]. Хиймэл оюун ухааны онцлог нь зөвхөн кодоос гадна илүү олон найрлагатай байдагт оршино.
Зарим төслүүд код, сургалтын өгөгдлийн эх сурвалж, жор, сургагдсан загвар гэх мэт бүх зүйлийг нийтэлдэг. Бусад нь зөвхөн жингүүдийг захиалгат лицензээр гаргадаг. Экосистем заримдаа хайнга товчлол ашигладаг тул дараагийн хэсэгт цэгцэлцгээе.
Нээлттэй эхийн хиймэл оюун ухаан ба нээлттэй жин ба нээлттэй хандалт 😅
Энэ бол хүмүүс бие биенийхээ хажуугаар ярьдаг газар юм.
-
Нээлттэй эхийн хиймэл оюун ухаан — Төсөл нь бүх талаараа нээлттэй эхийн зарчмуудыг баримталдаг. Код нь OSI-ийн баталгаажсан лицензийн дагуу хийгдсэн бөгөөд түгээлтийн нөхцөл нь өргөн хэрэглээ, өөрчлөлт, хуваалцах боломжийг олгодог. Энд OSI-ийн тайлбарласан зүйлийг тусгасан санаа нь: хэрэглэгчийн эрх чөлөө нэн тэргүүнд тавигддаг [1][2].
-
Нээлттэй жин — Сургасан загварын жинг татаж авах боломжтой (ихэвчлэн үнэгүй) боловч захиалгат нөхцөлийн дагуу. Та хэрэглээний нөхцөл, дахин хуваарилалтын хязгаарлалт эсвэл тайлагнах дүрмийг харах болно. Метагийн Лламагийн гэр бүл үүнийг харуулж байна: кодын экосистем нь нээлттэй боловч загварын жин нь хэрэглээнд суурилсан нөхцөлтэй тодорхой лицензийн дагуу тээвэрлэгддэг [4].
-
Нээлттэй хандалт — Та API-г үнэгүй ашиглаж болох ч жинг нь ойлгохгүй байна. Туршилт хийхэд тустай боловч нээлттэй эх сурвалж биш.
Энэ бол зүгээр л утга зүй биш юм. Таны эрх болон эрсдэл эдгээр ангилалд харилцан адилгүй байдаг. OSI-ийн хиймэл оюун ухаан болон нээлттэй байдлын талаарх одоогийн ажил нь эдгээр нарийн ширийн зүйлийг энгийн хэлээр дэлгэж байна [2].
Нээлттэй эхийн хиймэл оюун ухааныг үнэхээр сайн болгодог зүйл юу вэ ✅
Шуурхай бөгөөд үнэнч байцгаая.
-
Аудит хийх боломжтой байдал — Та кодыг уншиж, өгөгдлийн жорыг шалгаж, сургалтын алхмуудыг мөрдөх боломжтой. Энэ нь нийцэл, аюулгүй байдлын хяналт, хуучны сониуч занг сайжруулахад тусалдаг. NIST AI Эрсдэлийн Удирдлагын Хүрээ нь нээлттэй төслүүд илүү хялбар хангаж чадах баримтжуулалт, ил тод байдлын практикийг дэмждэг [3].
-
Дасан зохицох чадвар — Та үйлдвэрлэгчийн замын зураглалд багтахгүй. Сэрээгээр нь хий. Нөхөөсөөр хий. Хүргүүлээр хий. Наасан хуванцар биш, харин Лего.
-
Зардлын хяналт — Хямд үед өөрөө хост хийх. Үнэгүй үед үүлэн технологи руу шилжих. Тоног төхөөрөмжийг хольж тохируул.
-
Нийгэмлэгийн хурд — Алдаанууд засагдаж, онцлог шинж чанарууд гарч ирдэг бөгөөд та үе тэнгийнхнээсээ суралцдаг. Замбараагүй үү? Заримдаа. Бүтээмжтэй үү? Ихэнхдээ.
-
Засаглалын тодорхой байдал — Бодит нээлттэй лицензийг урьдчилан таамаглах боломжтой. Үүнийг Мягмар гарагт чимээгүйхэн өөрчлөгддөг API Үйлчилгээний нөхцөлтэй харьцуулж үзээрэй.
Төгс үү? Үгүй. Гэхдээ буултууд нь уншигдахуйц - олон хар хайрцагтай үйлчилгээнээс авахаас илүү ихийг олж авна.
Нээлттэй эхийн хиймэл оюун ухааны стек: код, жин, өгөгдөл болон цавуу 🧩
Хаа сайгүй давхаргатай, өвөрмөц лазанья шиг хиймэл оюун ухааны төслийг төсөөлөөд үз дээ.
-
Хүрээ ба ажиллах хугацаа — Загваруудыг тодорхойлох, сургах, үйлчлэх хэрэгслүүд (жишээ нь, PyTorch, TensorFlow). Эрүүл нийгэмлэгүүд болон баримт бичиг нь брэндийн нэрнээс илүү чухал юм.
-
Загварын архитектур — Зураг төсөл: трансформаторууд, диффузийн загварууд, сэргээн босгох замаар нэмэгдүүлсэн тохиргоонууд.
-
Жин — Сургалтын явцад сурсан параметрүүд. Энд "нээлттэй" гэдэг нь зөвхөн татаж авах чадвараас гадна дахин хуваарилалт болон арилжааны зориулалтаар ашиглах эрхээс хамаарна.
-
Өгөгдөл ба жорууд — Кураторын скрипт, шүүлтүүр, нэмэлтүүд, сургалтын хуваарь. Энд ил тод байдал нь хуулбарлах чадварын хувьд алт шиг чухал юм.
-
Багаж хэрэгсэл ба найрал хөгжим — Дүгнэлтийн серверүүд, векторын мэдээллийн сан, үнэлгээний хэрэгслүүд, ажиглагдах байдал, CI/CD.
-
Зөвшөөрөл — Таны юу хийж чадахыг шийддэг чимээгүй нуруу. Дэлгэрэнгүйг доор харуулав.
Нээлттэй эхийн хиймэл оюун ухааны лиценз 101 📜
Та хуульч байх шаардлагагүй. Та хэв маягийг олж харах хэрэгтэй.
-
Зөвшөөрлийн кодын лицензүүд — MIT, BSD, Apache-2.0. Apache нь олон баг үнэлдэг тодорхой патентын олголтыг агуулдаг [1].
-
Copyleft — GPL гэр бүл нь деривативуудыг ижил лицензийн дагуу нээлттэй байлгахыг шаарддаг. Хүчтэй боловч үүнийг өөрийн архитектурт төлөвлөөрэй.
-
Загварт тохирсон лицензүүд — Жин болон өгөгдлийн багцын хувьд та Responsible AI License гэр бүл (OpenRAIL) гэх мэт захиалгат лицензүүдийг харах болно. Эдгээр нь хэрэглээнд суурилсан зөвшөөрөл болон хязгаарлалтыг кодчилдог; зарим нь арилжааны хэрэглээг өргөн хүрээнд зөвшөөрдөг бол зарим нь буруу ашиглалтын эсрэг хамгаалалт нэмдэг [5].
-
Өгөгдлийн Creative Commons — CC-BY эсвэл CC0 нь өгөгдлийн багц болон баримт бичгийн хувьд түгээмэл байдаг. Атрибутыг бага хэмжээгээр удирдах боломжтой; загварыг эрт бий болго.
Мэргэжлийн зөвлөгөө: Хамаарал бүр, түүний лиценз, арилжааны дахин хуваарилалтыг зөвшөөрсөн эсэхийг жагсаасан нэг хуудастай хуудас хөтлөөрэй. Уйтгартай юу? Тийм. Шаардлагатай юу? Мөн тийм.
Харьцуулсан хүснэгт: алдартай нээлттэй эхийн хиймэл оюун ухааны төслүүд болон тэдгээрийн гялалзсан байдал 📊
санаатайгаар бага зэрэг замбараагүй - жинхэнэ тэмдэглэл ингэж л харагддаг
| Хэрэгсэл / Төсөл | Хэнд зориулагдсан юм бэ | Үнэтэй | Яагаад энэ нь сайн ажилладаг вэ |
|---|---|---|---|
| PyTorch | Судлаачид, инженерүүд | Үнэгүй | Динамик график, асар том нийгэмлэг, хүчирхэг баримт бичиг. Бүтээгдэхүүн дээр тулалдаанд туршигдсан. |
| ТензорФлоу | Байгууллагын багууд, Машины сургалтын үйл ажиллагаа | Үнэгүй | График горим, TF-Serving, экосистемийн гүн. Зарим хүмүүсийн хувьд илүү хурдан суралцах боломжтой ч гэсэн бат бөх хэвээр байна. |
| Тэврэлдсэн царайтай трансформерууд | Хугацаатай барилгачид | Үнэгүй | Урьдчилан бэлтгэгдсэн загварууд, дамжуулах хоолой, өгөгдлийн багц, хялбар нарийн тохируулга. Үнэнийг хэлэхэд товчлол. |
| vLLM | Хэт улаан туяаны сэтгэлгээтэй багууд | Үнэгүй | Хурдан LLM үйлчилгээ, үр ашигтай KV кэш, нийтлэг GPU дээр өндөр хүчин чадалтай. |
| Llama.cpp | Тинкерерүүд, захын төхөөрөмжүүд | Үнэгүй | Квантжуулалттайгаар зөөврийн компьютер болон утсан дээр загваруудыг орон нутагт ажиллуул. |
| ЛангЧэйн | Апп хөгжүүлэгчид, прототипүүд | Үнэгүй | Нийлмэл гинж, холбогч, агентууд. Энгийн байлгавал хурдан ялалт байгуулна. |
| Тогтвортой диффузи | Бүтээлч хүмүүс, бүтээгдэхүүний багууд | Чөлөөт жин | Орон нутгийн эсвэл үүлэн дээр зураг үүсгэх; түүний эргэн тойронд асар их ажлын урсгал болон хэрэглэгчийн интерфэйсүүд бий болдог. |
| Оллама | Орон нутгийн CLI-д дуртай хөгжүүлэгчид | Үнэгүй | Орон нутгийн загваруудыг татаж ажиллуул. Лицензүүд нь загварын картаас хамааран өөр өөр байдаг - үүнийг анхаарна уу. |
Тийм ээ, маш олон "Үнэгүй". Хостинг, GPU, хадгалалт болон хүний цаг үнэгүй биш.
Компаниуд ажил дээрээ нээлттэй эхийн хиймэл оюун ухааныг хэрхэн ашигладаг вэ 🏢⚙️
Та хоёр туйлшрал сонсох болно: нэг бол хүн бүр бүх зүйлийг өөрөө захиран зарцуулах ёстой, эсвэл хэн ч захиран зарцуулах ёсгүй. Бодит амьдрал илүү зөөлөн.
-
Хурдан туршилтын загвар гаргах — UX болон нөлөөллийг баталгаажуулахын тулд зөвшөөрөгдсөн нээлттэй загваруудаас эхэл. Дараа нь дахин боловсруулна уу.
-
Холимог үйлчилгээ — Нууцлалд мэдрэмтгий дуудлагын хувьд VPC-хостингтой эсвэл on-prem загварыг хадгална уу. Урт сүүлтэй эсвэл хурц ачааллын хувьд хостингтой API-г ашиглаарай. Маш хэвийн.
-
Нарийн даалгавруудыг нарийн тохируулах — Домэйн дасан зохицох нь ихэвчлэн түүхий хэмжээнээс илүү байдаг.
-
RAG хаа сайгүй — Retrieval-upgrade generation нь таны өгөгдөлд хариултуудыг үндэслэснээр хий үзэгдлийг бууруулдаг. Нээлттэй вектор мэдээллийн сан болон адаптерууд нь үүнийг хялбар болгодог.
-
Edge болон offline — Зөөврийн компьютер, утас эсвэл хөтөчд зориулж эмхэтгэсэн хөнгөн загварууд нь бүтээгдэхүүний гадаргууг өргөжүүлдэг.
-
Нийцлийн шаардлага ба аудит — Та дотоод байдлыг шалгаж чаддаг тул аудиторууд хянаж үзэх тодорхой зүйлтэй байдаг. Үүнийг NIST-ийн RMF ангилал болон баримт бичгийн удирдамжтай уялдуулсан хариуцлагатай хиймэл оюун ухааны бодлоготой хослуул [3].
Жижиг тэмдэглэл: Миний харж байсан нууцлалд анхаарлаа хандуулдаг SaaS баг (зах зээлийн дунд хэсэг, Европын Холбооны хэрэглэгчид) эрлийз тохиргоог ашигласан: хүсэлтийн 80%-д зориулсан жижиг нээлттэй загварыг VPC дотор ашиглах; ховор, урт контекст хүсэлтүүдэд зориулсан хостлогдсон API руу тэсрэх. Тэд нийтлэг замын хоцрогдолыг багасгаж, DPIA бичиг баримтыг хялбаршуулсан - далайг буцалгахгүйгээр.
Төлөвлөх ёстой эрсдэл ба алдаанууд 🧨
Энэ талаар насанд хүрэгчид шиг байцгаая.
-
Лицензийн зөрүү — Репо нь MIT-ээс эхэлж, дараа нь жин нь захиалгат лиценз рүү шилждэг. Дотоод бүртгэлээ шинэчилж байгаарай, эс тэгвээс та нийцлийн гэнэтийн бэлэг илгээх болно [2][4][5].
-
Өгөгдлийн гарал үүсэл — Бүдэг эрхтэй сургалтын өгөгдөл загварууд руу урсаж болно. Эх сурвалжийг хянаж, өгөгдлийн багцын лицензийг дагаж мөрдөөрэй, харин чичиргээ биш [5].
-
Аюулгүй байдал — Загварын эд өлгийн зүйлсийг бусад хангамжийн сүлжээний нэгэн адил авч үз: чекийн дүн, гарын үсэг зурсан хувилбарууд, SBOMs. Хамгийн бага SECURITY.md ч гэсэн чимээгүй байдлыг даван туулдаг.
-
Чанарын хэлбэлзэл — Нээлттэй загварууд маш их ялгаатай байдаг. Зөвхөн онооны самбараар бус, даалгавруудаараа үнэл.
-
Далд инфрацийн зардал — Хурдан дүгнэлт хийхэд GPU, квантжуулалт, багцжуулалт, кэш шаардлагатай. Нээлттэй хэрэгслүүд тусалдаг; та тооцооллоор төлбөрөө төлсөөр байна.
-
Засаглалын өр — Хэрэв загварын амьдралын мөчлөгийг хэн ч эзэмшдэггүй бол та тохиргооны спагетти авах болно. Хөнгөн MLOps шалгах хуудас бол алт юм.
Хэрэглээнийхээ хувьд зөв нээлттэй байдлын түвшинг сонгох 🧭
Бага зэрэг муруй шийдвэр гаргах зам:
-
Хөнгөн шаардлагын дагуу хурдан хүргэлт хэрэгтэй байна уу
-
Хатуу нууцлал эсвэл офлайн хэрэгтэй байна уу ? Сайн дэмжигдсэн нээлттэй стек, өөрөө хост хийх боломжтой таамаглалыг сонгоод, лицензүүдийг сайтар хянаж үзээрэй.
-
Өргөн хүрээтэй арилжааны эрх хэрэгтэй байна уу ? OSI-тэй уялдуулсан код болон арилжааны зориулалтаар ашиглах болон дахин хуваарилахыг тодорхой зөвшөөрдөг загвар лицензийг илүүд үздэг [1][5].
-
Судалгааны уян хатан байдал хэрэгтэй байна уу ? Дахин хуулбарлах болон хуваалцах боломжтой байхын тулд өгөгдөл зэрэг эхнээс нь дуустал нь зөвшөөрөлтэй хандах хэрэгтэй.
-
Итгэлгүй байна уу? Хоёуланг нь туршиж үзээрэй. Нэг зам долоо хоногийн дараа мэдээж илүү дээрдэх болно.
Нээлттэй эхийн хиймэл оюун ухааны төслийг мэргэжлийн хүн шиг хэрхэн үнэлэх вэ 🔍
Заримдаа салфетка дээр тавьдаг, би хурдан шалгах жагсаалтыг хөтөлдөг.
-
Лицензийн тодорхой байдал — OSI кодыг баталсан уу? Жин болон өгөгдлийн талаар юу хэлэх вэ? Таны бизнесийн загварт саад учруулж буй хэрэглээний хязгаарлалтууд байна уу [1][2][5]?
-
Баримтжуулалт — Суулгах, хурдан эхлүүлэх, жишээ, алдааг олж засварлах. Баримт бичиг нь соёлын илэрхийлэл юм.
-
Суллах хэмнэл — Тэмдэглэгдсэн суллах хэмнэл болон өөрчлөлтийн бүртгэлүүд нь тогтвортой байдлыг илтгэдэг бол хааяа нэг гарч ирдэг түлхэлтүүд нь баатарлаг байдлыг илтгэдэг.
-
Бенчмарк ба үнэлгээ — Даалгаварууд бодитой юу? Үнэлгээг ажиллуулах боломжтой юу?
-
Засвар үйлчилгээ ба засаглал — Кодын эзэмшигчдийг тодорхой болгох, асуудлыг ангилах, олон нийттэй харилцах харилцааны хариу үйлдэл.
-
Экосистемийн тохироо — Таны техник хангамж, өгөгдлийн сан, бүртгэл, баталгаажуулалттай сайн зохицдог.
-
Аюулгүй байдлын байрлал — Тэмдэглэгдсэн эд өлгийн зүйлс, хамаарлын сканнердах, CVE-г зохицуулах.
-
Нийгэмлэгийн дохио — Хэлэлцүүлэг, форумын хариулт, жишээ хадгалах сан.
Найдвартай практикуудтай илүү өргөн хүрээнд уялдуулахын тулд үйл явцаа NIST AI RMF ангилал болон баримт бичгийн олдворуудтай холбоно уу [3].
Гүнзгий шумбалт 1: Моделийн лицензийн замбараагүй дунд хэсэг 🧪
Хамгийн чадварлаг загваруудын зарим нь "нөхцөлтэй нээлттэй жин"-д багтдаг. Тэдгээр нь хүртээмжтэй боловч хэрэглээний хязгаарлалт эсвэл дахин хуваарилалтын дүрэмтэй байдаг. Хэрэв таны бүтээгдэхүүн загварыг дахин савлах эсвэл хэрэглэгчийн орчинд тээвэрлэхээс хамаарахгүй бол энэ нь зүгээр байж болно. Хэрэв танд хэрэгтэй бол хэлэлцээр хийх эсвэл өөр суурь сонгох хэрэгтэй. Гол нь блог нийтлэлтэй биш, харин дараагийн төлөвлөгөөгөө бодит лицензийн
OpenRAIL маягийн лицензүүд нь тэнцвэрийг хадгалахыг хичээдэг: буруу ашиглалтыг зогсоохын зэрэгцээ нээлттэй судалгаа, хуваалцахыг дэмждэг. Зорилго сайн; үүрэг хариуцлага таных хэвээр байна. Нөхцөлийг уншиж, нөхцөлүүд таны эрсдэлийн дуршилд нийцэж байгаа эсэхийг шийдээрэй [5].
Гүнзгий шумбалт 2: өгөгдлийн ил тод байдал ба давтагдах чадварын тухай домог 🧬
"Бүрэн өгөгдлийн хог хаягдалгүйгээр нээлттэй эхийн хиймэл оюун ухаан хуурамч юм." Тийм ч биш. Өгөгдлийн гарал үүсэл болон жорууд нь зарим түүхий өгөгдлийн багц хязгаарлагдмал байсан ч утга учиртай ил тод байдлыг хангаж чадна. Та шүүлтүүр, түүвэрлэлтийн харьцаа, цэвэрлэх эвристикийг өөр баг үр дүнг ойролцоолоход хангалттай сайн баримтжуулж чадна. Төгс хуулбарлах чадвар сайхан байдаг. Үйлдэл хийх боломжтой ил тод байдал нь ихэвчлэн хангалттай байдаг [3][5].
Өгөгдлийн багц нээлттэй байх үед CC-BY эсвэл CC0 зэрэг Creative Commons хувилбарууд түгээмэл байдаг. Хэмжээний хувьд атрибут нь эвгүй байж болох тул үүнийг эрт хэрхэн зохицуулахаа стандартчил.
Гүнзгий шумбалт 3: Нээлттэй загваруудад зориулсан практик MLOps 🚢
Нээлттэй загварыг тээвэрлэх нь ямар ч үйлчилгээг тээвэрлэхтэй адил бөгөөд цөөн хэдэн онцлог шинж чанартай.
-
Үйлчлэх давхарга — Мэргэшсэн дүгнэлтийн серверүүд нь багцлах, KV-кэшийн менежмент болон токен дамжуулалтыг оновчтой болгодог.
-
Тоон үзүүлэлт — Бага жин → хямд дүгнэлт, илүү хялбар давуу талыг ашиглах. Чанартай буултууд харилцан адилгүй байдаг тул даалгавраа хэмжинэ үү .
-
Ажиглалт — Нууцлалыг харгалзан лог хийх заавар/гаралт. Үнэлгээний жишээ. Уламжлалт машины сургалтын нэгэн адил дрифт шалгалтыг нэмнэ үү.
-
Шинэчлэлтүүд — Загварууд нь зан төлөвийг нарийн өөрчилж чаддаг; канарейка ашиглаж, буцаах болон аудит хийх архивыг хадгалдаг.
-
Eval set — Зөвхөн ерөнхий шалгуур үзүүлэлтүүдээс гадна даалгаварт зориулсан үнэлгээний багцыг хадгалах. Эсрэг тэмүүлэлтэй өдөөлт болон хоцрогдлын төсвийг оруулах.
Жижиг зураг төсөл: тэгээс ашиглах боломжтой туршилт хүртэл 10 алхамаар 🗺️
-
Нэг нарийн даалгавар болон хэмжүүрийг тодорхойл. Одоогоор сүрлэг платформ байхгүй.
-
Өргөн хэрэглэгддэг, сайн баримтжуулсан зөвшөөрөгдсөн суурь загварыг сонгоорой.
-
Орон нутгийн дүгнэлт болон нимгэн ороомгийн API-г бий болго. Үүнийг уйтгартай байлга.
-
Өгөгдлийнхөө үндсэн гаралтад сэргээлтийг нэмнэ үү.
-
Хэрэглэгчид, warts болон бусад бүх зүйлийг тусгасан жижиг шошготой eval багц бэлтгэ.
-
Зөвхөн үнэлгээ нь танд хэрэгтэй гэж хэлсэн тохиолдолд л нарийн тохируулга эсвэл шуурхай тохируулга хийнэ үү.
-
Хоцрогдол эсвэл зардал нөлөөлж байгаа эсэхийг тоон үзүүлэлтээр тодорхойлно уу. Чанарыг дахин хэмжинэ үү.
-
Бүртгэл, улаан баг үүсгэх сануулга болон зүй бус ашиглалтын бодлогыг нэмнэ үү.
-
Онцлог тугтай хаалга хийж, жижиг бүлэгт суллана.
-
Давталт. Жижиг сайжруулалтыг долоо хоног бүр... эсвэл үнэхээр сайжирсан үед нь илгээнэ үү.
Нээлттэй эхийн хиймэл оюун ухааны талаарх нийтлэг домог, бага зэрэг няцаагдсан 🧱
-
Домог: нээлттэй загварууд үргэлж муу байдаг. Бодит байдал: зөв өгөгдөлтэй зорилтот даалгавруудын хувьд нарийн тохируулсан нээлттэй загварууд нь илүү том хостлогдсон загваруудаас илүү сайн гүйцэтгэлтэй байж чаддаг.
-
Домог: нээлттэй гэдэг нь аюулгүй бус гэсэн үг. Бодит байдал: нээлттэй байдал нь хяналт шалгалтыг сайжруулж чадна. Аюулгүй байдал нь нууцлалаас бус, харин дадал зуршлаас хамаарна [3].
-
Домог: лиценз үнэгүй байсан ч хамаагүй. үнэгүй байх үед хамгийн чухал
Нээлттэй эхийн хиймэл оюун ухаан 🧠✨
Нээлттэй эхийн хиймэл оюун ухаан бол шашин биш. Энэ бол танд илүү их хяналт, илүү тодорхой засаглал, илүү хурдан давталттайгаар бүтээх боломжийг олгодог практик эрх чөлөөний багц юм. Хэн нэгэн загварыг "нээлттэй" гэж хэлэхэд аль давхарга нь нээлттэй байгааг асуугаарай: код, жин, өгөгдөл эсвэл зүгээр л хандалт. Лицензийг уншина уу. Үүнийг өөрийн хэрэглээний тохиолдолтой харьцуул. Тэгээд хамгийн чухал нь үүнийг өөрийн бодит ажлын ачаалалтай туршиж үзээрэй.
Хачирхалтай нь хамгийн сайхан хэсэг нь соёл юм: нээлттэй төслүүд нь хувь нэмэр оруулж, нягт нямбай байдлыг шаарддаг бөгөөд энэ нь програм хангамж болон хүмүүсийг хоёуланг нь сайжруулах хандлагатай байдаг. Та ялах алхам нь хамгийн том загвар эсвэл хамгийн гялгар жишиг биш, харин дараа долоо хоногт таны үнэхээр ойлгож, засаж, сайжруулж чадах алхам гэдгийг олж мэдэж магадгүй юм. Энэ бол нээлттэй эхийн хиймэл оюун ухааны чимээгүй хүч юм - мөнгөн сум биш, харин өдрийг аварч байдаг элэгдсэн олон үйлдэлт хэрэгсэл шиг юм.
Хэтэрхий урт уншаагүй байна 📝
Нээлттэй эхийн хиймэл оюун ухаан нь хиймэл оюун ухааны системийг ашиглах, судлах, өөрчлөх, хуваалцах утга учиртай эрх чөлөөний тухай юм. Энэ нь бүх давхаргад илэрдэг: хүрээ, загвар, өгөгдөл, багаж хэрэгсэл. Нээлттэй эхийг нээлттэй жин эсвэл нээлттэй хандалттай андуурч болохгүй. Лицензийг шалгаж, бодит даалгавруудтайгаа үнэлж, аюулгүй байдал, засаглалын хувьд эхний өдрөөс эхлэн загвар гарга. Үүнийг хийснээр та хурд, хяналт, илүү тайван замын зурагтай болно. Гайхалтай нь ховор, үнэхээр үнэлж баршгүй 🙃.
Лавлагаа
[1] Нээлттэй эхийн санаачилга - Нээлттэй эхийн тодорхойлолт (OSD): дэлгэрэнгүй унших
[2] OSI - Хиймэл оюун ухаан ба нээлттэй байдлын талаар гүнзгий судлах: дэлгэрэнгүй унших
[3] NIST - Хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ: дэлгэрэнгүй унших
[4] Мета - Лама загварын лиценз: дэлгэрэнгүй унших
[5] Хариуцлагатай хиймэл оюун ухааны лиценз (OpenRAIL): дэлгэрэнгүй унших