Hugging Face (FA)
Hugging Face, Inc. — یک شرکت آمریکایی است که جایگاه محوری در اکوسیستم مدرن هوش مصنوعی (AI) دارد. این شرکت یک پلتفرم متنباز ارائه میدهد که اغلب از آن به عنوان «GitHub برای Machine Learning» یاد میشود و مخازنی برای مدلها، مجموعه دادهها و برنامههای نمایشی نگهداری میکند[1]. مأموریت این شرکت دموکراتیزهکردن AI از طریق ارائه ابزارها و ایجاد یک جامعه جهانی برای همکاری است[2].
این شرکت در سال ۲۰۱۶ توسط کارآفرینان فرانسوی کلمان دلانژ (CEO)، ژولیان شومون (CTO) و توماس ولف (CSO) تأسیس شد. Hugging Face پس از تحول از یک توسعهدهنده چتبات به یک پلتفرم کلیدی، برای پژوهشگران، توسعهدهندگان و شرکتهای بزرگ در سراسر جهان ضروری شده و تا سال ۲۰۲۳ به ارزشگذاری ۴.۵ میلیارد دلار دست یافته است[3].
تاریخچه و شکلگیری شرکت
تأسیس و چرخش استراتژیک (۲۰۱۶)
در ابتدا Hugging Face در سال ۲۰۱۶ برای ساخت یک برنامه مصرفی — چتبوتی با هدف مخاطبان نوجوان — تأسیس شد. نام شرکت، برگرفته از اموجی «چهره در آغوش» (🤗)، برای بازتاب شخصیت دوستانه و همدلانه همراه AI انتخاب شد[1].
اما چتبات محبوبیت چندانی کسب نکرد. این شکست اولیه به عاملی برای تغییر بنیادین استراتژی تبدیل شد. به جای توسعه محصول نهایی، بنیانگذاران تصمیم گرفتند کد منبع مدل زیرین چتبات را باز کنند[3]. واکنش جامعه، تقاضای عظیمی برای ابزارهای قابل دسترس جهت کار با مدلهای پیشرفته پردازش زبان طبیعی (NLP) را آشکار ساخت.
شرکت یک چرخش استراتژیک انجام داد و بر ساخت پلتفرمی برای Machine Learning با مأموریت دسترسپذیر کردن فناوریهای AI برای همه، نه فقط شرکتهای بزرگ، تمرکز کرد. بدین ترتیب، شکست محصول B2C به موفقیت در مدل B2D (Business-to-Developer) منجر شد و اصول باز بودن و جامعهمحوری را در DNA شرکت نهادینه کرد[4].
مراحل کلیدی توسعه و تأمین مالی
پس از چرخش استراتژیک، شرکت رشد چشمگیری نشان داد.
- ۲۰۱۹: کتابخانه Transformers ایجاد شد. این کتابخانه که ابتدا برای NLP طراحی شده بود، به سرعت برای پشتیبانی از مدلهای حوزه بینایی کامپیوتر و صوت گسترش یافت و به استاندارد de-facto در صنعت تبدیل شد[5].
- جولای ۲۰۲۲: کارگاه بینالمللی BigScience که توسط Hugging Face برگزار شده بود به پایان رسید. نتیجه آن انتشار BLOOM — یک مدل چندزبانه متنباز با ۱۷۶ میلیارد پارامتر — بود.
- دسامبر ۲۰۲۲: Hugging Face شرکت Gradio، یک کتابخانه محبوب متنباز برای ساخت سریع نمایشهای تعاملی، را تملک کرد.
- اوت ۲۰۲۳: دور تأمین مالی Series D به مبلغ ۲۳۵ میلیون دلار برگزار شد که در نتیجه آن ارزشگذاری شرکت به ۴.۵ میلیارد دلار رسید. در این دور Google، Amazon، Nvidia، Salesforce، Intel، AMD و IBM شرکت کردند[6].
- آوریل ۲۰۲۴: شرکت Pollen Robotics را تملک کرد که نشاندهنده گسترش علایق به حوزه هوش مصنوعی تجسمیافته (embodied AI) است[3].
اکوسیستم Hugging Face
اکوسیستم Hugging Face تمام چرخه حیات توسعه مدلهای Machine Learning را — از آمادهسازی داده تا استقرار — پوشش میدهد.
Hugging Face Hub
هسته اکوسیستم Hugging Face Hub است — یک پلتفرم وب مرکزی برای همکاری. این پلتفرم شامل موارد زیر است:
- مخازن مدل: مخازن Git برای ذخیره مدلها، وزنها و فایلهای پیکربندی آنها. نسخهبندی را برای بازتولیدپذیری آزمایشها فراهم میکنند.
- مخازن مجموعه داده (Datasets): مخازن مشابه برای ذخیره و نسخهبندی مجموعه دادهها.
- Spaces: یک محیط تعاملی برای ساخت و نمایش برنامههای وب (دمو) مبتنی بر مدلها، با استفاده از فریمورکهایی مانند Gradio و Streamlit.
- کارتهای مدل (Model Cards): اسناد استانداردشدهای که ویژگیها، محدودیتها و سوگیریهای احتمالی مدلها را توصیف میکنند و به افزایش شفافیت کمک میکنند[7].
کتابخانه Transformers
Transformers محصول نرمافزاری پرچمدار Hugging Face است که یک API یکپارچه برای دسترسی به هزاران مدل از پیش آموزشدیده ارائه میدهد. ویژگیهای کلیدی:
- سازگاری با فریمورکها: یکپارچهسازی بیدرز با PyTorch، TensorFlow و JAX.
- سهولت استفاده: بارگذاری، fine-tuning و استفاده از مدلها در چند خط کد انجام میشود.
- کارایی: دسترسی به تعداد زیادی مدل را فراهم میکند و از آموزش آنها از صفر جلوگیری میکند، که منابع را صرفهجویی کرده و ردپای کربن را کاهش میدهد[8].
سایر کتابخانههای کلیدی
- Datasets: کتابخانهای برای دسترسی و پردازش کارآمد مجموعه دادهها با استفاده از فرمت Apache Arrow.
- Tokenizers: کتابخانهای با کارایی بالا بر پایه Rust برای tokenسازی متن.
- Accelerate: آموزش توزیعشده روی چندین GPU/TPU را ساده میکند.
- PEFT (Parameter-Efficient Fine-Tuning): کتابخانه روشهای fine-tuning کارآمد مدلهای بزرگ.
- Safetensors: یک فرمت ایمن و سریع برای ذخیره وزنهای شبکههای عصبی که به استاندارد پیشفرض در اکوسیستم تبدیل شده است.
مدل کسبوکار و جایگاهیابی در بازار
Hugging Face از مدل کسبوکار freemium استفاده میکند و دسترسی آزاد را با پیشنهادهای تجاری برای مشتریان سازمانی ترکیب میکند.
- سطح رایگان (Free Tier): میزبانی نامحدود مخازن عمومی را ارائه میدهد و میلیونها کاربر را جذب میکند.
- منابع درآمد:
- اشتراک PRO: اشتراک فردی (۹ دلار در ماه) با محدودیتهای گسترشیافته.
- Enterprise Hub: محصول سازمانی (از ۲۰ دلار به ازای هر کاربر در ماه) با امنیت تقویتشده، SSO، استقرار on-premise و پشتیبانی اولویتدار.
- منابع محاسباتی پولی: دسترسی پولی به ظرفیتهای آموزش و inference از طریق سرویسهایی مانند Inference Endpoints.
شرکت خود را به عنوان یک پلتفرم زیرساختی بیطرف — «سوئیس دنیای AI» — معرفی میکند و روابط عمیق مشارکتی با ارائهدهندگان اصلی ابری (AWS، Google Cloud، Microsoft Azure) و تولیدکنندگان سختافزار برقرار میکند.
مأموریت دموکراتیزهکردن AI
عنصر محوری هویت Hugging Face، مأموریت دموکراتیزهکردن AI است که از طریق اصول متنباز و علم باز تحقق مییابد.
نمود بارز این فلسفه، ابتکار پژوهشی BigScience بود. این کارگاه بینالمللی باز که توسط Hugging Face سازماندهی شد، بیش از ۱۰۰۰ پژوهشگر را گرد هم آورد. نتیجه آن مدل BLOOM بود — یک مدل زبانی بزرگ چندزبانه (۱۷۶ میلیارد پارامتر) که تحت مجوز Responsible AI License منتشر شد؛ مجوزی که استفاده گسترده را مجاز میداند اما محدودیتهایی برای کاربرد در حوزههای پرخطر اعمال میکند[9].
پیوندها
- وبسایت رسمی Hugging Face
- وبلاگ رسمی Hugging Face
یادداشتها
- ↑ 1.0 1.1 «What is Hugging Face? A Beginners Guide». 365 Data Science. [۱]
- ↑ «What is Hugging Face?». IBM. [۲]
- ↑ 3.0 3.1 3.2 «Hugging Face». Wikipedia. [۳]
- ↑ «What is Brief History of Hugging Face Company». Canvas Business Model. [۴]
- ↑ «The Transformers Library: standardizing model definitions». Hugging Face Blog. [۵]
- ↑ «HuggingFace Statistics». Originality.ai. [۶]
- ↑ «Model Cards». Hugging Face Docs. [۷]
- ↑ «Transformers». Hugging Face Docs. [۸]
- ↑ «bigscience/bloom». Hugging Face. [۹]