Apa itu Hugging Face?

Hugging Face telah mengembangkan salah satu komunitas AI yang paling dinamis di dunia, dengan para pengguna yang menyumbangkan model AI, kumpulan data, tutorial, dan riset baru setiap hari. Mereka menawarkan API yang komprehensif, yang memungkinkan pengembang untuk mengintegrasikan model langsung ke dalam aplikasi, dan platform mereka mendukung berbagai tugas di banyak contoh penggunaan dan industri. Berikut adalah beberapa keunggulan utama platform ini:

• Akses ke model terbaru

• Alur kerja yang disederhanakan

• Penerapan dan penskalaan sederhana

• Komunitas yang berkembang

• Fokus pada AI yang bertanggung jawab

Akses ke model terbaru

Hugging Face menyediakan akses melalui Model Hub miliknya ke ribuan model yang telah dilatih sebelumnya untuk berbagai tugas seperti pengenalan suara, klasifikasi teks, pembuatan teks, perangkuman teks, penjawaban pertanyaan, pembuatan gambar, dan banyak lagi. Model Hub berperilaku seperti pasar digital di mana pengguna dapat dengan mudah menemukan model dan mengunduh serta menyempurnakannya hanya dalam beberapa baris kode, menghemat waktu dan sumber daya pengembang dan peneliti dibandingkan dengan pelatihan dari awal.

Alur kerja yang disederhanakan

Pustaka Hugging Face dikenal ramah pengguna dan didokumentasikan dengan baik. Pemula dapat dengan cepat melakukan penyempurnaan model yang efektif dan melakukan tugas kompleks seperti pelatihan terdistribusi, tokenisasi, evaluasi, dan penerapan menggunakan alat Hugging Face. Akses ke perangkat dasar dan perangkat canggih telah membuka pengembangan AI ke komunitas praktisi yang lebih luas.

Penerapan dan penskalaan sederhana

Selain pelatihan, Hugging Face memudahkan penerapan model ke dalam produksi. Alat Hugging Face memungkinkan pengguna untuk menyajikan model ke web, aplikasi mobile, atau sistem internal tanpa memerlukan latar belakang infrastruktur yang mendalam. Dukungan keseluruhan lapisan ini membuat platform ini sangat menarik bagi perusahaan rintisan dan perusahaan.

Komunitas yang berkembang

Terlepas dari semua teknologi yang mudah diakses, komunitas Hugging Face yang dinamis telah menjadikannya destinasi bagi para pengembang, ilmuwan data, dan peneliti. Ini adalah tempat bagi para pengembang yang belum berpengalaman untuk belajar dari para praktisi berpengalaman dan mengajukan pertanyaan kepada orang yang mungkin telah menghadapi tantangan serupa.

Fokus pada AI yang bertanggung jawab

Banyak model Hugging Face dilengkapi dengan dokumentasi tentang keterbatasan, bias, dan contoh penggunaan yang dimaksudkan. Perusahaan berinvestasi besar-besaran dalam tata kelola terbuka dan diskusi yang dipimpin komunitas tentang etika AI.

Sebelum Hugging Face, model yang paling efektif sering kali sulit digunakan oleh pengguna, karena memerlukan keahlian khusus dan sumber daya komputasi yang besar. Alat sumber terbuka membantu memudahkan penggunaan model ini, dengan semua kode dan dokumentasi yang diperlukan. Hal ini memungkinkan para peneliti, mahasiswa, dan perusahaan rintisan untuk bereksperimen dan membangun, yang luar biasa mempercepat inovasi di seluruh dunia. Setelah Hugging Face, para pengembang dapat dengan mudah berbagi pengetahuan dan mendapatkan manfaat dari upaya satu sama lain, sehingga memungkinkan mereka untuk menciptakan model yang lebih baik bersama-sama.

Penekanan sumber terbuka ini juga mendorong bisnis yang lebih besar untuk berbagi karya mereka, sehingga seluruh ekosistem mendapatkan manfaat. Microsoft telah mengintegrasikan model Hugging Face ke dalam layanan Azure mereka, memberikan pelanggan perusahaan akses langsung ke alat AI yang canggih. Demikian pula NVIDIA telah berkolaborasi dengan Hugging Face untuk mengoptimalkan pelatihan model dan inferensi untuk GPU, membantu meningkatkan alur kerja pembelajaran mendalam ke kumpulan data yang sangat besar.

Hugging Face didirikan oleh pengusaha Prancis Clément Delangue, Julien Chaumond, dan Thomas Wolf di New York City pada tahun 2016.¹ Para pengusaha ini pada awalnya tertarik untuk membangun chatbot untuk remaja, tetapi menyadari kekuatan model yang mendasari teknologi chatbot, lalu beralih ke model itu sendiri.

Mereka menjadikan alat internal sebagai sumber terbuka dan meluncurkan versi pertama Hugging Face Transformers Library, yang dengan cepat menjadi populer di kalangan peneliti dan insinyur. Hugging Face menjadi sumber akhir untuk model transformator yang telah dilatih sebelumnya, dan pada tahun 2020 perusahaan ini memperkenalkan Hugging Face Hub, repositori model mereka, yang memungkinkan pengguna untuk dengan mudah mengunggah, mengunduh, dan berbagi model. Pada tahun berikutnya, pustaka Kumpulan Data mereka diluncurkan yang mempermudah berbagi kumpulan data, dan Hugging Face Spaces untuk menerapkan demo AI interaktif. Pada tahun 2022, perusahaan ini mengakuisisi Gradio, sebuah pustaka AI sumber terbuka untuk mengembangkan aplikasi machine learning di Python.²

Hugging Face telah merilis alat untuk model multimodal, model bahasa besar (LLM), model difusi, dan pembelajaran penguatan. Pada tahun 2023, Hugging Face mulai berkolaborasi dengan IBM pada watsonx.ai, studio AI dari IBM yang memungkinkan pengguna untuk melatih, memvalidasi, menyetel, dan menerapkan ML tradisional dan kemampuan AI generatif baru. Belakangan pada tahun yang sama, IBM berpartisipasi dalam putaran pendanaan Seri D untuk Hugging Face.

Berikut adalah layanan utama Hugging Face:

Hugging Face Hub

Hugging Face Hub adalah platform berbasis web pusat di mana pengguna dapat berbagi, menemukan, dan berkolaborasi pada model, kumpulan data, dan aplikasi. Platform ini bertindak seperti "GitHub untuk AI" yang menghosting ribuan sumber daya yang tersedia untuk umum. Halaman model dan kumpulan data mencakup dokumentasi, contoh, pelacakan versi, dan demo langsung dalam banyak kasus. Hub juga mendukung repositori pribadi untuk tim dan perusahaan untuk kolaborasi yang aman.

Pustaka Transformers

Pustaka Transformers adalah salah satu alat yang paling banyak digunakan untuk NLP, visi komputer, dan model pembelajaran mendalam. Ini adalah pustaka Python yang dipasang pengguna di komputer atau server mereka yang menyediakan kode yang memungkinkan mereka menggunakan model yang ditemukan di Hub. Termasuk di dalamnya arsitektur model, alat prapemrosesan, utilitas pelatihan, dan banyak lagi. Dibangun di atas kerangka kerja populer seperti PyTorch dan TensorFlow, pustaka Transformers memungkinkan pengguna untuk memuat model ML yang efektif seperti BERT, GPT, dan lainnya hanya dengan beberapa baris kode. Pustaka ini juga menawarkan alat ekstensif untuk menyempurnakan model sumber terbuka pada kumpulan data khusus, membuatnya lebih berguna untuk riset dan produksi.

Pustaka lain

Selain Transformers dan Hub, ekosistem Hugging Face berisi pustaka untuk tugas lain, seperti pemrosesan kumpulan data ("Datasets"), evaluasi model ("Evaluate"), dan demo machine learning ("Gradio").