Hugging Face (TH)

From Systems analysis Wiki
Jump to navigation Jump to search

Hugging Face, Inc. — คือบริษัทสัญชาติอเมริกันที่ดำรงตำแหน่งศูนย์กลางในระบบนิเวศปัญญาประดิษฐ์ (AI) ยุคปัจจุบัน บริษัทให้บริการแพลตฟอร์มโอเพนซอร์สที่มักถูกเรียกว่า «GitHub สำหรับ Machine Learning» และเป็นที่เก็บ repository สำหรับโมเดล ชุดข้อมูล และแอปพลิเคชันสาธิต[1] พันธกิจของบริษัทคือการทำให้ AI เป็นประชาธิปไตยโดยการมอบเครื่องมือและสร้างชุมชนระดับโลกเพื่อการทำงานร่วมกัน[2]

บริษัทก่อตั้งขึ้นในปี ค.ศ. 2016 โดยผู้ประกอบการชาวฝรั่งเศส Clément Delangue (CEO), Julien Chaumond (CTO) และ Thomas Wolf (CSO) จากการพัฒนาแชทบอทสู่การเป็นแพลตฟอร์มหลัก Hugging Face กลายเป็นสิ่งที่ขาดไม่ได้สำหรับนักวิจัย นักพัฒนา และบริษัทขนาดใหญ่ทั่วโลก โดยได้รับการประเมินมูลค่าถึง 4.5 พันล้านดอลลาร์สหรัฐ ภายในปี ค.ศ. 2023[3]

ประวัติและการก่อตั้งบริษัท

การก่อตั้งและการเปลี่ยนแปลงเชิงกลยุทธ์ (ค.ศ. 2016)

ในตอนแรก Hugging Face ก่อตั้งขึ้นในปี ค.ศ. 2016 เพื่อสร้างแอปพลิเคชันสำหรับผู้บริโภค ซึ่งเป็นแชทบอทที่มุ่งเป้าไปยังกลุ่มผู้ใช้วัยรุ่น ชื่อของบริษัทมาจากอีโมจิ «ใบหน้ากอดรัก» (🤗) ซึ่งถูกเลือกเพื่อสะท้อนถึงลักษณะที่เป็นมิตรและเห็นอกเห็นใจของผู้ช่วย AI[1]

อย่างไรก็ตาม แชทบอทดังกล่าวไม่ได้รับความนิยมอย่างมีนัยสำคัญ ความล้มเหลวในเบื้องต้นนี้กลายเป็นตัวเร่งให้เกิดการเปลี่ยนแปลงกลยุทธ์อย่างสิ้นเชิง แทนที่จะพัฒนาผลิตภัณฑ์ปลายทางต่อไป ผู้ก่อตั้งตัดสินใจเปิดซอร์สโค้ดของโมเดลที่เป็นพื้นฐานของแชทบอท[3] การตอบรับจากชุมชนเผยให้เห็นถึงความต้องการอย่างมหาศาลในเครื่องมือที่เข้าถึงได้สำหรับการทำงานกับโมเดล NLP ขั้นสูง

บริษัทดำเนินการเปลี่ยนแปลงเชิงกลยุทธ์ โดยปรับทิศทางมุ่งสู่การสร้างแพลตฟอร์ม Machine Learning ด้วยพันธกิจที่จะทำให้เทคโนโลยี AI เข้าถึงได้สำหรับทุกคน ไม่ใช่เฉพาะบริษัทขนาดใหญ่เท่านั้น ดังนั้น ความล้มเหลวของผลิตภัณฑ์ B2C จึงนำไปสู่ความสำเร็จในรูปแบบ B2D (Business-to-Developer) ซึ่งได้ฝังหลักการของความเปิดกว้างและการมุ่งเน้นชุมชนไว้ใน DNA ของบริษัท[4]

ขั้นตอนสำคัญของการพัฒนาและการระดมทุน

หลังจากการเปลี่ยนแปลงเชิงกลยุทธ์ บริษัทแสดงให้เห็นถึงการเติบโตอย่างรวดเร็ว

  • ค.ศ. 2019: มีการสร้างไลบรารี Transformers ซึ่งพัฒนาขึ้นในตอนแรกสำหรับ NLP และขยายตัวอย่างรวดเร็วเพื่อรองรับโมเดลในด้านคอมพิวเตอร์วิทัศน์และเสียง กลายเป็นมาตรฐาน de facto ในอุตสาหกรรม[5]
  • กรกฎาคม ค.ศ. 2022: เวิร์กช็อปนานาชาติ BigScience ที่จัดโดย Hugging Face ได้สิ้นสุดลง ผลลัพธ์คือการเปิดตัว BLOOM — โมเดลหลายภาษาโอเพนซอร์สที่มี 176 พันล้านพารามิเตอร์
  • ธันวาคม ค.ศ. 2022: Hugging Face เข้าซื้อกิจการ Gradio ซึ่งเป็นไลบรารีโอเพนซอร์สยอดนิยมสำหรับการสร้างการสาธิตแบบโต้ตอบได้อย่างรวดเร็ว
  • สิงหาคม ค.ศ. 2023: มีการระดมทุน Series D จำนวน 235 ล้านดอลลาร์สหรัฐ ส่งผลให้มูลค่าของบริษัทเพิ่มขึ้นถึง 4.5 พันล้านดอลลาร์สหรัฐ ผู้ร่วมลงทุนในรอบนี้ได้แก่ Google, Amazon, Nvidia, Salesforce, Intel, AMD และ IBM[6]
  • เมษายน ค.ศ. 2024: บริษัทเข้าซื้อกิจการ Pollen Robotics ซึ่งแสดงให้เห็นถึงการขยายความสนใจสู่ด้าน embodied AI[3]

ระบบนิเวศของ Hugging Face

ระบบนิเวศของ Hugging Face ครอบคลุมวงจรชีวิตทั้งหมดของการพัฒนาโมเดล Machine Learning ตั้งแต่การเตรียมข้อมูลจนถึงการนำไปใช้งาน

Hugging Face Hub

แกนกลางของระบบนิเวศคือ Hugging Face Hub — แพลตฟอร์มเว็บส่วนกลางสำหรับการทำงานร่วมกัน ประกอบด้วย:

  • Repository โมเดล: Git repository สำหรับจัดเก็บโมเดล น้ำหนัก และไฟล์การกำหนดค่า รองรับการทำ versioning เพื่อความสามารถในการทำซ้ำการทดลอง
  • Repository ชุดข้อมูล (Datasets): Repository ที่คล้ายกันสำหรับการจัดเก็บและทำ versioning ของชุดข้อมูล
  • Spaces: สภาพแวดล้อมแบบโต้ตอบสำหรับการสร้างและสาธิตเว็บแอปพลิเคชัน (เดโม) บนพื้นฐานของโมเดล โดยใช้ framework อย่าง Gradio และ Streamlit
  • Model Cards: เอกสารมาตรฐานที่อธิบายคุณลักษณะ ข้อจำกัด และอคติที่อาจเกิดขึ้นของโมเดล ซึ่งช่วยส่งเสริมความโปร่งใส[7]

ไลบรารี Transformers

Transformers คือผลิตภัณฑ์ซอฟต์แวร์หลักของ Hugging Face ที่มอบ API แบบรวมศูนย์สำหรับการเข้าถึงโมเดลที่ผ่านการฝึกอบรมมาแล้วหลายพันโมเดล คุณลักษณะสำคัญ:

  • ความเข้ากันได้กับ framework: การผสานรวมอย่างราบรื่นกับ PyTorch, TensorFlow และ JAX
  • ความง่ายในการใช้งาน: การโหลด การ fine-tuning และการใช้งานโมเดลทำได้ในโค้ดเพียงไม่กี่บรรทัด
  • ประสิทธิภาพ: ให้การเข้าถึงโมเดลจำนวนมาก ช่วยหลีกเลี่ยงการฝึกอบรมจากศูนย์ ซึ่งช่วยประหยัดทรัพยากรและลดการปล่อยคาร์บอน[8]

ไลบรารีสำคัญอื่น ๆ

  • Datasets: ไลบรารีสำหรับการเข้าถึงและประมวลผลชุดข้อมูลอย่างมีประสิทธิภาพโดยใช้รูปแบบ Apache Arrow
  • Tokenizers: ไลบรารีประสิทธิภาพสูงที่เขียนด้วย Rust สำหรับการ tokenize ข้อความ
  • Accelerate: ทำให้การฝึกอบรมแบบกระจายบน GPU/TPU หลายตัวเป็นเรื่องง่ายขึ้น
  • PEFT (Parameter-Efficient Fine-Tuning): ไลบรารีวิธีการ fine-tuning โมเดลขนาดใหญ่อย่างมีประสิทธิภาพ
  • Safetensors: รูปแบบที่ปลอดภัยและรวดเร็วสำหรับการจัดเก็บน้ำหนักของ Neural Network ซึ่งกลายเป็นมาตรฐานเริ่มต้นในระบบนิเวศ

รูปแบบธุรกิจและการวางตำแหน่งในตลาด

Hugging Face ใช้รูปแบบธุรกิจแบบ freemium โดยผสมผสานการเข้าถึงแบบเปิดกับข้อเสนอเชิงพาณิชย์สำหรับลูกค้าองค์กร

  • ระดับฟรี (Free Tier): เสนอการโฮสต์ repository สาธารณะแบบไม่จำกัด ดึงดูดผู้ใช้หลายล้านคน
  • แหล่งรายได้:
    • PRO Subscription: การสมัครสมาชิกสำหรับบุคคล ($9/เดือน) พร้อมขีดจำกัดที่ขยายเพิ่มขึ้น
    • Enterprise Hub: ผลิตภัณฑ์สำหรับองค์กร (ตั้งแต่ $20/ผู้ใช้ต่อเดือน) พร้อมความปลอดภัยที่เพิ่มขึ้น, SSO, การนำไปใช้งานแบบ on-premise และการสนับสนุนแบบให้ความสำคัญก่อน
    • ทรัพยากรการคำนวณแบบมีค่าใช้จ่าย: การเข้าถึงแบบชำระเงินสำหรับกำลังการประมวลผลสำหรับการฝึกอบรมและการอนุมานผ่านบริการอย่าง Inference Endpoints

บริษัทวางตำแหน่งตัวเองเป็นแพลตฟอร์มโครงสร้างพื้นฐานที่เป็นกลาง — «สวิตเซอร์แลนด์ในโลกของ AI» โดยสร้างความสัมพันธ์หุ้นส่วนเชิงลึกกับผู้ให้บริการคลาวด์หลัก (AWS, Google Cloud, Microsoft Azure) และผู้ผลิตฮาร์ดแวร์

พันธกิจการทำให้ AI เป็นประชาธิปไตย

องค์ประกอบหลักของเอกลักษณ์ของ Hugging Face คือพันธกิจในการทำให้ AI เป็นประชาธิปไตย ซึ่งดำเนินการผ่านหลักการของโอเพนซอร์สและวิทยาศาสตร์เปิด

การแสดงออกที่โดดเด่นของปรัชญานี้คือโครงการวิจัย BigScience เวิร์กช็อปนานาชาติเปิดที่จัดโดย Hugging Face นี้รวบรวมนักวิจัยกว่า 1,000 คน ผลลัพธ์คือโมเดล BLOOM — โมเดลภาษาหลายภาษาขนาดใหญ่ (176 พันล้านพารามิเตอร์) ที่เผยแพร่ภายใต้ใบอนุญาต Responsible AI License ซึ่งอนุญาตให้ใช้งานได้อย่างกว้างขวาง แต่กำหนดข้อจำกัดในการนำไปใช้ในด้านที่มีความเสี่ยงสูง[9]

ลิงก์

  • เว็บไซต์อย่างเป็นทางการของ Hugging Face
  • บล็อกอย่างเป็นทางการของ Hugging Face

หมายเหตุ

  1. ↑ 1.0 1.1 «What is Hugging Face? A Beginners Guide». 365 Data Science. [1]
  2. ↑ «What is Hugging Face?». IBM. [2]
  3. ↑ 3.0 3.1 3.2 «Hugging Face». Wikipedia. [3]
  4. ↑ «What is Brief History of Hugging Face Company». Canvas Business Model. [4]
  5. ↑ «The Transformers Library: standardizing model definitions». Hugging Face Blog. [5]
  6. ↑ «HuggingFace Statistics». Originality.ai. [6]
  7. ↑ «Model Cards». Hugging Face Docs. [7]
  8. ↑ «Transformers». Hugging Face Docs. [8]
  9. ↑ «bigscience/bloom». Hugging Face. [9]
Retrieved from "https://systems-analysis.info/int/index.php?title=Hugging_Face_(TH)&oldid=2981"