Kompania Red Hat shpalli gatishmĂ«rinĂ« e njĂ« versioni tĂ« ri tĂ« distribucionit RHEL â Red Hat Enterprise Linux AI (RHEL AI), i adaptuar posaçërisht pĂ«r tĂ« kryer detyra tĂ« mĂ«simit tĂ« makinerive dhe i destinuar tĂ« thjeshtojĂ« krijimin e zgjidhjeve serverike qĂ« pĂ«rdorin modelet e mĂ«dha tĂ« gjuhĂ«s.
Në përbërjen e distribucionit përfshihet një koleksion mjetesh dhe kornizash për mësimin e makinerive, drejtues të cilët mundësojnë përdorimin e përshpejtuesve të ndryshëm harduerikë nga AMD, Intel dhe NVIDIA, si dhe komponente për aktivizimin e kapaciteteve të serverëve nga Dell, Cisco, HPE, Lenovo dhe SuperMicro, optimizuar për sistemet AI. Ndërtimet shpërndahen përmes Red Hat Customer Portal në versione për instalim të drejtpërdrejtë në serverë dhe për dislokim në sistemet cloud AWS dhe IBM Cloud.
Platforma mund tĂ« pĂ«rdoret pĂ«r zhvillimin e aplikacioneve AI pĂ«räŒäž, pĂ«r zbatimin e shĂ«rbimeve tĂ« gjenerimit tĂ« pĂ«rmbajtjes, pĂ«r krijimin e sistemeve dialoguese dhe pĂ«r integrimin nĂ« aplikacione tĂ« asistentĂ«ve virtualĂ«, tĂ« cilĂ«t mbĂ«shtesin aftĂ«si tĂ« tilla si mundĂ«sia pĂ«r tĂ« iu pĂ«rgjigjur pyetjeve nĂ« gjuhĂ« natyrale, pĂ«r tĂ« zgjidhur probleme matematike, pĂ«r tĂ« gjeneruar tekst me kuptim mbi njĂ« temĂ« tĂ« caktuar, pĂ«r tĂ« bĂ«rĂ« njĂ« pĂ«rmbledhje tĂ« pĂ«rmbajtjes, pĂ«r tĂ« korrigjuar gabimet nĂ« tekst, pĂ«r tĂ« kryer rishkrimin nĂ« fjalĂ« tĂ« tjera, dhe pĂ«r tĂ« ndihmuar nĂ« shkruajtjen e kodit nĂ« gjuhĂ« tĂ« ndryshme programimi, si dhe pĂ«r tĂ« krijuar letra dhe dokumente sipas njĂ« modeli.
Në RHEL AI janë të integruara komponentët për krijimin, testimin dhe ekzekutimin e sistemeve të mësimit të makinerive bazuar në modelin e madh të gjuhës Granite, i hapur nga kompania IBM nën licencën Apache 2.0, i cili mund të marrë parasysh deri në 4 mijë tokenë gjatë gjenerimit të tekstit dhe mbulon 7 miliard parametra. Për ndërveprimin me modelin Granite në distribucion është integruar një mjet i hapur InstructLab, që mbështet metodologjinë LAB (Large-scale Alignment for chatBots) për përshtatjen sipas nevojave dhe optimizimin e modeleve, si dhe për shtimin e njohurive shtesë dhe realizimin e aftësive të reja në modelet e parapërgatitura.
Burimi: opennet.ru
