Hugging Face (DE)

From Systems analysis Wiki
Jump to navigation Jump to search

Hugging Face, Inc. ist ein amerikanisches Unternehmen, das eine zentrale Rolle im modernen Ökosystem der künstlichen Intelligenz (KI) einnimmt. Das Unternehmen bietet eine Open-Source-Plattform, die oft als „das GitHub des maschinellen Lernens“ bezeichnet wird, und beherbergt Repositories für Modelle, Datensätze und Demonstrationsanwendungen[1]. Die Mission des Unternehmens ist die Demokratisierung der KI durch die Bereitstellung von Werkzeugen und den Aufbau einer globalen Gemeinschaft für die Zusammenarbeit[2].

Das Unternehmen wurde 2016 von den französischen Unternehmern Clément Delangue (CEO), Julien Chaumond (CTO) und Thomas Wolf (CSO) gegründet. Von einem Entwickler eines Chatbots hat sich Hugging Face zu einer Schlüsselplattform entwickelt, die für Forscher, Entwickler und große Unternehmen weltweit unverzichtbar geworden ist und bis 2023 eine Bewertung von 4,5 Milliarden US-Dollar erreichte[3].

Geschichte und Entwicklung des Unternehmens

Gründung und strategische Neuausrichtung (2016)

Ursprünglich wurde Hugging Face 2016 gegründet, um eine Verbraucheranwendung zu entwickeln – einen Chatbot, der sich an ein jugendliches Publikum richtete. Der Name des Unternehmens, abgeleitet vom Emoji „umarmendes Gesicht“ (🤗), wurde gewählt, um den freundlichen und empathischen Charakter des KI-Gesprächspartners widerzuspiegeln[1].

Der Chatbot erlangte jedoch keine nennenswerte Popularität. Dieser anfängliche Misserfolg wurde zum Katalysator für eine grundlegende strategische Änderung. Anstatt ein Endprodukt zu entwickeln, beschlossen die Gründer, den Quellcode des Modells, das dem Chatbot zugrunde lag, zu veröffentlichen[3]. Die Reaktion der Community offenbarte eine immense Nachfrage nach zugänglichen Werkzeugen für die Arbeit mit fortgeschrittenen Modellen zur Verarbeitung natürlicher Sprache (NLP).

Das Unternehmen vollzog eine strategische Wende und richtete sich neu auf die Schaffung einer Plattform für maschinelles Lernen aus, mit der Mission, KI-Technologien für alle zugänglich zu machen, nicht nur für große Konzerne. So führte der Misserfolg eines B2C-Produkts zum Erfolg eines B2D-Modells (Business-to-Developer) und verankerte die Prinzipien der Offenheit und Community-Orientierung in der DNA des Unternehmens[4].

Wichtige Entwicklungsphasen und Finanzierung

Nach der strategischen Neuausrichtung verzeichnete das Unternehmen ein schnelles Wachstum.

  • 2019: Die Bibliothek Transformers wird veröffentlicht. Ursprünglich für NLP entwickelt, wurde sie schnell erweitert, um Modelle für Computer Vision und Audio zu unterstützen, und etablierte sich als De-facto-Standard in der Branche[5].
  • Juli 2022: Der von Hugging Face organisierte internationale Workshop BigScience wird abgeschlossen. Das Ergebnis ist die Veröffentlichung von BLOOM, einem mehrsprachigen Open-Source-Modell mit 176 Milliarden Parametern.
  • Dezember 2022: Hugging Face erwirbt Gradio, eine beliebte Open-Source-Bibliothek zur schnellen Erstellung interaktiver Demonstrationen.
  • August 2023: Eine Finanzierungsrunde der Serie D in Höhe von 235 Millionen US-Dollar wird abgeschlossen, wodurch die Bewertung des Unternehmens auf 4,5 Milliarden US-Dollar steigt. An der Runde beteiligten sich Google, Amazon, Nvidia, Salesforce, Intel, AMD und IBM[6].
  • April 2024: Das Unternehmen erwirbt Pollen Robotics, was auf ein wachsendes Interesse am Bereich der verkörperten KI (embodied AI) hindeutet[3].

Das Ökosystem von Hugging Face

Das Ökosystem von Hugging Face deckt den gesamten Lebenszyklus der Entwicklung von Modellen für maschinelles Lernen ab – von der Datenvorbereitung bis zur Bereitstellung (Deployment).

Hugging Face Hub

Der Kern des Ökosystems ist der Hugging Face Hub – eine zentrale Webplattform für die Zusammenarbeit. Er umfasst:

  • Modell-Repositories: Git-basierte Repositories zur Speicherung von Modellen, deren Gewichten und Konfigurationsdateien. Sie ermöglichen eine Versionierung zur Gewährleistung der Reproduzierbarkeit von Experimenten.
  • Datensatz-Repositories (Datasets): Analoge Repositories zur Speicherung und Versionierung von Datensätzen.
  • Spaces: Eine interaktive Umgebung zur Erstellung und Demonstration von Webanwendungen (Demos) auf Basis von Modellen, die Frameworks wie Gradio und Streamlit nutzt.
  • Model Cards: Standardisierte Dokumente, die die Eigenschaften, Einschränkungen und potenziellen Verzerrungen (Bias) von Modellen beschreiben, was zu mehr Transparenz beiträgt[7].

Die Transformers-Bibliothek

Transformers ist das Flaggschiff-Softwareprodukt von Hugging Face und bietet eine einheitliche API für den Zugriff auf Tausende von vortrainierten Modellen. Wichtige Merkmale:

  • Framework-Kompatibilität: Nahtlose Integration mit PyTorch, TensorFlow und JAX.
  • Einfache Bedienung: Das Laden, Feinabstimmen und Verwenden von Modellen erfordert nur wenige Codezeilen.
  • Effizienz: Bietet Zugriff auf eine große Anzahl von Modellen, wodurch das Training von Grund auf vermieden wird, was Ressourcen spart und den CO₂-Fußabdruck reduziert[8].

Weitere wichtige Bibliotheken

  • Datasets: Eine Bibliothek für den effizienten Zugriff auf und die Verarbeitung von Datensätzen unter Verwendung des Apache Arrow-Formats.
  • Tokenizers: Eine hochleistungsfähige, in Rust geschriebene Bibliothek zur Text-Tokenisierung.
  • Accelerate: Vereinfacht das verteilte Training auf mehreren GPUs/TPUs.
  • PEFT (Parameter-Efficient Fine-Tuning): Eine Bibliothek mit Methoden für die effiziente Feinabstimmung großer Modelle.
  • Safetensors: Ein sicheres und schnelles Format zur Speicherung von neuronalen Netzwerkgewichten, das zum Standard im Ökosystem geworden ist.

Geschäftsmodell und Marktpositionierung

Hugging Face verfolgt ein Freemium-Geschäftsmodell, das freien Zugang mit kommerziellen Angeboten für Unternehmenskunden kombiniert.

  • Kostenlose Stufe (Free Tier): Bietet unbegrenztes Hosting für öffentliche Repositories und zieht damit Millionen von Nutzern an.
  • Einnahmequellen:
    • PRO Subscription: Ein persönliches Abonnement (9 $/Monat) mit erweiterten Limits.
    • Enterprise Hub: Ein Unternehmensprodukt (ab 20 $/Benutzer pro Monat) mit erhöhter Sicherheit, SSO, On-Premise-Bereitstellung und priorisiertem Support.
    • Kostenpflichtige Rechenressourcen: Kostenpflichtiger Zugriff auf Rechenleistung für Training und Inferenz über Dienste wie die Inference Endpoints.

Das Unternehmen positioniert sich als neutrale Infrastrukturplattform – die „Schweiz der KI“ – und baut enge Partnerschaften mit den wichtigsten Cloud-Anbietern (AWS, Google Cloud, Microsoft Azure) und Hardwareherstellern auf.

Mission zur Demokratisierung der KI

Ein zentrales Element der Identität von Hugging Face ist die Mission, KI zu demokratisieren, was durch die Prinzipien von Open Source und Open Science umgesetzt wird.

Eine eindrucksvolle Verkörperung dieser Philosophie ist die Forschungsinitiative BigScience. Dieser von Hugging Face organisierte offene internationale Workshop brachte über 1000 Forscher zusammen. Ihr Ergebnis war das Modell BLOOM – ein großes, mehrsprachiges Sprachmodell (176 Milliarden Parameter), das unter der Responsible AI License veröffentlicht wurde. Diese Lizenz erlaubt eine breite Nutzung, schränkt jedoch die Anwendung in Hochrisikobereichen ein[9].

Einzelnachweise

  1. ↑ 1.0 1.1 „What is Hugging Face? A Beginners Guide“. In: 365 Data Science. [1]
  2. ↑ „What is Hugging Face?“. In: IBM. [2]
  3. ↑ 3.0 3.1 3.2 „Hugging Face“. In: Wikipedia. [3]
  4. ↑ „What is Brief History of Hugging Face Company“. In: Canvas Business Model. [4]
  5. ↑ „The Transformers Library: standardizing model definitions“. In: Hugging Face Blog. [5]
  6. ↑ „HuggingFace Statistics“. In: Originality.ai. [6]
  7. ↑ „Model Cards“. In: Hugging Face Docs. [7]
  8. ↑ „Transformers“. In: Hugging Face Docs. [8]
  9. ↑ „bigscience/bloom“. In: Hugging Face. [9]
Retrieved from "https://systems-analysis.info/int/index.php?title=Hugging_Face_(DE)&oldid=2965"