Open-Source AI — De Tools, Modellen en Gemeenschappen die de Toekomst Vormen

Waarom Open-Source Belangrijk is voor AI 🌍

In de vroege dagen van AI was baanbrekend onderzoek opgesloten achter bedrijfslabs. Vandaag zijn de meest transformatieve AI-tools open-source.

• Transparantie: Je kunt precies inspecteren hoe een model werkt
• Reproduceerbaarheid: Iedereen kan onderzoeksclaims verifiëren
• Innovatiesnelheid: Duizenden bijdragers verbeteren tools sneller
• Toegankelijkheid: Een student in Lagos heeft dezelfde tools als een onderzoeker in Stanford

---

Het Open-Source AI-Landschap 🗺️

┌──────────────────────────────────────────────────────┐
│                  APPLICATIELAAG                        │
│  LangChain · LlamaIndex · Haystack · Streamlit        │
├──────────────────────────────────────────────────────┤
│                    MODELLAAG                           │
│  Llama · Mistral · Stable Diffusion · Whisper          │
├──────────────────────────────────────────────────────┤
│                 PLATFORMLAAG                           │
│  Hugging Face · Ollama · vLLM · TGI                    │
├──────────────────────────────────────────────────────┤
│                 FRAMEWORKLAAG                          │
│  PyTorch · TensorFlow · JAX · scikit-learn             │
├──────────────────────────────────────────────────────┤
│                    DATALAAG                            │
│  Common Crawl · The Pile · LAION · RedPajama           │
└──────────────────────────────────────────────────────┘

---

Belangrijke Open-Source Frameworks 🔧

PyTorch — De favoriet van onderzoekers

import torch.nn as nn

class EenvoudigeClassificator(nn.Module):
    def __init__(self, invoer_grootte, aantal_klassen):
        super().__init__()
        self.lagen = nn.Sequential(
            nn.Linear(invoer_grootte, 128),
            nn.ReLU(),
            nn.Linear(128, aantal_klassen),
        )

    def forward(self, x):
        return self.lagen(x)

Hugging Face — De GitHub van AI

from transformers import pipeline

classificator = pipeline("sentiment-analysis")
resultaat = classificator("Open-source AI transformeert de wereld!")
print(resultaat)

LangChain en LlamaIndex

Frameworks om applicaties te bouwen bovenop taalmodellen: Q&A-systemen, semantisch zoeken, documentchatbots.

---

Open-Source Modellen 🦙

Llama (Meta)

• Llama 2: Open licentie, commercieel gebruik toegestaan
• Llama 3: Grote kwaliteitssprong, 8B en 70B varianten

Mistral

• Mistral 7B: Overtrof Llama 2 13B ondanks de halve grootte
• Mixtral 8x7B: Mixture-of-experts architectuur

Stable Diffusion

• Lokaal uitvoerbaar op een consumenten-GPU
• Duizenden community fine-tunes en extensies

# Met Ollama — de makkelijkste manier om modellen lokaal te draaien
ollama run llama3
ollama run mistral

---

Bijdragen aan Open-Source AI 🤝

Niveau 1 — Gebruiker: Gebruik tools, meld bugs, deel nuttige projecten

Niveau 2 — Documentatie: Verbeter voorbeelden, vertaal documentatie

Niveau 3 — Code: Fix kleine bugs, voeg tests toe

Niveau 4 — Features: Implementeer nieuwe functies, draag modelgewichten bij

---

AI-Licenties 📜

Licentie         Commercieel    Wijzigen    Distribueren
─────────────    ──────────     ────────    ────────────
MIT              ✅ Ja          ✅ Ja       ✅ Ja
Apache 2.0       ✅ Ja          ✅ Ja       ✅ Ja (+ patenten)
GPL              ✅ Ja*         ✅ Ja       ✅ Ja* (copyleft)
Llama Licentie   ✅ Ja**        ✅ Ja       ✅ Ja**

* GPL vereist dat afgeleide werken ook GPL zijn
** Beperking boven 700M maandelijkse actieve gebruikers

---

Bouwen met Open-Source 🏗️

Voorbeeld: AI-Aangedreven Klantenservicebot

Frontend:       Next.js + Tailwind CSS (open-source)
API:            FastAPI (open-source)
Orkestratie:    LangChain (open-source)
LLM:            Llama 3 via Ollama (open-source)
Kennis:         pgvector op PostgreSQL (open-source)
Monitoring:     Langfuse (open-source)
Implementatie:  Docker + Kubernetes (open-source)

Totale licentiekosten: €0

---

Het Open vs Gesloten Debat ⚖️

Voor open: Transparantie, democratisering, snellere innovatie, soevereiniteit

Voor gesloten: Veiligheidscontrole, geconcentreerde kwaliteit, duidelijke verantwoordelijkheid

De industrie beweegt naar een spectrum in plaats van een binaire keuze.

---

Snelle Samenvatting 🎯

1. Open-source AI heeft de toegang gedemocratiseerd tot geavanceerde tools en modellen
2. PyTorch, Hugging Face, LangChain en LlamaIndex vormen de ruggengraat
3. Open modellen bieden krachtige alternatieven voor propriëtaire API's
4. Bijdragen begint met tools gebruiken en documentatie verbeteren
5. Licenties zijn belangrijk — controleer altijd aangepaste AI-licenties
6. Volledige AI-stacks kunnen geheel uit open-source worden opgebouwd
7. Het open vs gesloten debat evolueert naar een spectrum

---

Wat Komt Er Nu? 🔮

In de laatste les kijken we naar de toekomst van AI. 🌲