News - Լինուքս Հիմնադրամի ղեկավարը. Մենք չենք արհեստական բանականության բումի մեջ

Տոկիո — Open Source Summit Japan միջոցառման երկուշաբթի օրը կայացած բանախոսության ընթացքում Լինուքս ֆոնդի գործադիր տնօրեն Ջիմ Զեմլին պնդեց, որ «Արհեստական բանականությունը գուցե չի լինի լիովին բուլում, բայց մեծ լեզվական մոդելները [LLMs] կարող են այդպիսի բաներ ստեղծել»: Ինչու՞: Զեմլին սկսել է ուշադրությունը հրավիրել արևշատ ներդրումային թվեր ստացող տվյալների վրա: Մորգան Սթենլիի հաշվարկով մինչև 2028 թվականը AI տվյալների կենտրոնների վրա կծախսվի շուրջ 3 տրիլիոն դոլար, իսկ հիպեր‑սկեյլերներ՝ Amazon‑ը, Google‑ը, Meta‑ն և Microsoft‑ը, ընդհանուր հաշվով կհանդիսանան այդ գումարի մոտ կեսը: «Այդպիսի ներդրումները գերազանցում են շատ երկրների ՀՆԱ‑ն», — ասաց Զեմլին և ընդգծեց, որ մեծ մասի бізнесներն ու անգամ շատ երկրներ չեն կարող բավականին մրցունակ լինել այդպիսի կապիտալ‑ծախսող ենթակառուցվածքների կառուցման ոլորտում: Արհամարհելիորեն կարեւոր է էներգիայի պահանջը, կապված AI‑ի inference բեռնաբարձությունների արագ աճի հետ: Նա թվարկեց Google‑ի ինֆերենսի տարեկան ծավալի 50‑րդ ցատկը և ներկայացրեց, որ Google‑ում AI‑ի օգտագործումը 2024թ․ ապրիլից մինչև 2025թ․ ապրիլ աճել է 9.7 տրիլիոն տոնքից ավելի քան 480 տրիլիոն տոնքի մակարդակի հասնելով: Բացի այդ, նա կրկնեց AWS նախագահ Andy Jassy‑ի համոզմունքը, որ այսօր AI‑ի աճի ամենամեծ խոչընդոտը էներգիան է: Զեմլին պնդեց, որ AI‑ի բումի հիմքը հիմնովին ֆիզիկական ենթակառուցվածություններն են, GPUs‑ները, էներգիան և տվյալների կենտրոնները, ոչ միայն ալգորիթմներն, մոդելները և ծրագրաշարը: Այդ հardware‑հաճախ հաջորդող միջավայրումopen‑source‑ի իրական լծքը, սակայն, գտնվում է այլ տեղում՝ մոդելների և ծրագրակազմի ենթակառուցվածքային շերտերում: Հստակ, անցած տարում Չինաստանից առաջացած բաց‑վեզ մոդելները, օրինակ DeepSeek‑ը, փակեցին առևտրային Frontier‑մոդելների հետ կատարողականության պատկերը: Զեմլին ավելացրեց, «Մենք גם տեսնում ենք, որ այդ open‑weight մոդելները օգտագործվում են փոքրացնել ոլորտային‑հատուկ մոդելների ստացում»։ Օրինակ, նա թվարկեց TinyLlama‑ը Llama 3‑ի համար և DistilBert‑ը BERT‑ի համար: AI‑ի տնտեսագիտությունը Open‑weight մոդելների և դիստիլացման տեխնիկաների այս համադրությունը փոխել է AI ոլորտի տնտեսագիտությունը: «Open source‑ը մեծ մասամբ հաջողության հասավ Frontier‑ի մոդելներին, proprietary մոդելներին: Open‑weight մոդելները ընդհանուր առմամբ Frontier‑ից երեքից վեց ամիս հետ են»: Այս ժամկետը բավականաչափ արդյունավետ է տնտեսական AI աշխատանքի համար: Զեմլին մեջբերում է Linux Foundation‑ի գլխավոր տնտեսագետ Ֆրանկ Նագլեի հաշվարկը, որը ցույց է տալիս այդ անհամապատասխանությունը. բաց մոդելները զգալիորեն էժան են և գրեթե կարող են նույն մակարդակի կարողություններ ունենալ, բայց փակ մոդելները դեռ գրավում են եկամտի 95%‑ը, հաշվվում է մոտ 24.8 միլիարդ դոլարի տարեկան լրացուցիչ ծախս Proprietary համակարգերի վրա: Ուստի, «Ես կարծում եմ, մենք չենք AI բուլու մեջ», ասաց Զեմլին: «Բայց կարող ենք գտնվել LLM‑ների բուլի մեջ»: Երբ ընկերությունները սկսել են առաջնահերթություն տալ արդյունավետ, մատչելի տեղադրումներին, նա կանխատեսել է, որ 2026‑ը կն leik an era of performance and efficiency dominating by open ecosystems (բաց էկոհամակարգերի գերիշխանությամբ): Is PARK the New LAMP Stack? Զեմլին ընդգծել է PARK ստեքի առաջացումը՝ PyTorch, AI, Ray և Kubernetes (Ray‑ը բաց աղբյուրի բաշխված հաշվարկի ֆրեյմվորք է AI‑ի և ML բեռների հարթեցման համար): Նա համոզված է, որ AI սերունդը, որը կհրավել վաղվա տեխնոլոգիական ստեքը, ինչպես LAMP‑ը դրդեց վաղ վեբ դարաշրջանը, PARK‑ը դառնալու է հարթակ AI տեղադրման համար մեծ մասշտաբներով: Արդեն, նա ասել է, PARK‑ը արագորեն դառնում է ստանդարտ հարթակ AI տեղադրման համար մեծ մասշտաբով: Նա այս պահը համեմատել Linux kernel‑ի զարգացման դարաշրջանով, որտեղ համաշխարհային ծրագրավորողների համայնքը բազմաթիվ սարքավորումների վրա սպրդեց արդյունավետության հասկացությանը: ԱԻ‑ում բաց աղբյուրի գործիքներ՝ vLLM և DeepSpeed‑ը, այժմ օգնում են GPUs‑ից ավելի արդյունավետ ստուգումներ ստանալ, կրճատել էներգիայի սպառումն ու նվազեցնել մեկ տոնի արժեքը: «Սա այն է, որտեղ open source‑ը իսկապես լավ է», — ասաց Զեմլին: «Տոնից մեկի գինը և կիլովատժամի գինը բարելավելը»: Այնտեղ էլ բաց աղբյուրի ծրագրաշարը օգնում է կրճատել AI‑ի հարկադիր սարքավորումների էներգակծախսը: Զեմլին հետո սեղմեց առաջացող «agentic» շերտի AI‑ի մասին, այսինքն՝ այն համակարգերը, որոնք պլանավորում են, մտածում և ինքնուրույն գործում են: Զեմլին նկարագրեց այս շերտը, դեռ պատանի, բայց արագորեն ձևավորվում է բաց պրոտոկոլների շուրջ, ներառյալ Model Context Protocol (MCP) և Agent2Agent (A2A) սերվերների վաղ տեղադրումներն ու նախագծերը: Չնայած այսօր MCP‑ն արտադրության մեջ չի կիրառվում լայն մասամբ, Զեմլին կանխատեսում է, որ 2026‑ը մի շարք իրական գործարար ավտոմատացման փուլի կթողնի: բազմա‑գործոն աշխատանքային հոսքեր, սովորեցված orchestration, վավերական շրջանակներ և նոր խառնուրդներ deterministic և nondeterministic համակարգերի միջև: «Agentic AI‑ն չի կարագվի որոշվել մոդելի չափով», շեշտեց նա: «Խոսքը լուծումը կազմակերպելու ձևի մասին է»: «AI‑ն դեռ շատ բան չի փոխել» Զեմլին եզրափակեց իր բանախոսությունը շեշտելով, որ խմորիչ hype‑ի միջոցով «AI‑ն դեռ չի փոխել շատ բաներ»: այն, ինչ կպոխի, ըստ նրա, բաց համագործակցությունն է: Բաց աղբյուրները պաշտպանում են վենդորի լոկ‑ինից, բարելավում են վստահությունը և թափանցիկությունը, ինչպես նաև ապահովում են «համընդհանուր կապավորներ» ապագա ինտերպերաբիլ AI համակարգերի դարաշրջանի համար: Լինուքս ֆոնդը պատրաստվում է ծառայում լինել այդ աշխատանքների կենտրոնական հաբ՝ համացանցի գլոբալ հետազոտական լաբրատորիաների և արդյունաբերության գործընկերների կողքին: «Մենք իսկապես շատ ոգևորված ենք լինել այս աշխարհի մի փոքր մաս, և կը գան կարևոր հայտարարություններ դեռ»,- ասաց նա: