(Source: Freepik)
Kecerdasan buatan (AI) membutuhkan fondasi perangkat lunak yang kokoh dan adaptif, lebih dari sekadar alat teknis. PyTorch, sebagai salah satu kerangka kerja (framework) AI terkemuka, bermula dengan fokus memberdayakan peneliti AI untuk melatih model dengan cepat dan mengekspresikan ide-ide mereka dengan mudah, memprioritaskan kegunaan dan kesederhanaan dengan dukungan kuat untuk Python.
Dalam dua tahun terakhir, lanskap AI telah berubah drastis dengan kemunculan model bahasa besar (LLM) seperti yang menggerakkan ChatGPT dan sistem agentik. Namun, transisi ke dunia yang didominasi AI generatif dan agentik ini masih menyimpan tantangan signifikan. Bagaimana mengoptimalkan penciptaan kecerdasan dengan sumber daya terbatas? Bagaimana mendemokratisasi perbaikan dan adaptasi AI secara berkelanjutan? Bagaimana mempercepat pengembangan kapabilitas di luar model itu sendiri, seperti alat dan lingkungan? Dan, bagaimana mengukur kecerdasan secara efektif agar sesuai dengan kebutuhan pengguna akhir? Pertanyaan-pertanyaan pelik ini menunjukkan kompleksitas AI modern yang memerlukan upaya kolaboratif dan kerangka kerja terintegrasi.
PyTorch kini mengusung visi yang lebih luas menjadi Bahasa Terbuka AI (The Open Language of AI). Visi ini menempatkan PyTorch bukan hanya sebagai kerangka kerja, melainkan sebagai lapisan fundamental, semacam sistem operasi dasar yang mendasari berbagai sistem AI di industri. Sejalan dengan meluasnya cakupan stack AI, PyTorch Foundation telah bertransformasi menjadi yayasan payung yang memungkinkan perluasan ruang lingkup dan dampak PyTorch jauh melampaui akarnya, menaungi proyek-proyek bernilai tinggi dalam ekosistem AI.
Sebagai yayasan payung, PyTorch Foundation kini dapat menaungi proyek-proyek komplementer yang memperkuat visi dan menciptakan ekosistem yang lebih kaya. Dengan menyambut proyek-proyek baru, seperti vLLM dan DeepSpeed, yayasan bertujuan membangun stack yang lebih luas dan komprehensif bagi para pengembang AI, menciptakan lanskap proyek open source yang terpercaya dan mampu memecahkan berbagai masalah di seluruh siklus hidup AI.
Proyek inti PyTorch akan terus meningkatkan kemampuannya di beberapa area kunci. Ini termasuk fokus pada proses menjalankan model AI untuk menghasilkan output atau inferensi, serta penyederhanaan API dan runtime untuk berbagai skenario penggunaan, mulai dari LLM di server hingga deployment di perangkat lokal dan edge.
