Tervek a Clojure AI, gépi tanulás és a gyors Uncomplicate...
2025. november 29. Kérlek, oszd meg ezt a bejegyzést közösségeidben! Nélkületek könnyen elveszne a vállalati szponzorált, AI-vel és blogfarmokkal elárasztott tartalmak között, és kevesen tudnának arról, hogy ez a fejlesztés...
Kérlek, oszd meg ezt a bejegyzést közösségeidben! Nélkületek könnyen elveszne a vállalati szponzorált, AI-vel és blogfarmokkal elárasztott tartalmak között, és kevesen tudnának arról, hogy ez a fejlesztés létezik.
Ezek a könyvek támogatják a munkámat, érdemes megnézni őket!
2026-ra a Clojurists Together éves támogatására pályáztam, itt találod a jelentkezésemet. Ha tagja vagy a Clojurists Together közösségnek, és szeretnéd, hogy folytatódjon ez a fejlesztési irány, a szavazatoddal segíthetsz, hogy tovább dolgozhassak ezen a területen.
A támogatásból 2026-ban az a célom, hogy folyamatosan fejlesszem a Clojure AI, gépi tanulás és nagy teljesítményű Uncomplicate könyvtárak (ilyen a Neanderthal és még sok más) ökoszisztémáját, NVIDIA GPU-kon, Apple Siliconon és hagyományos PC-ken egyaránt. Emellett idén külön figyelmet szánok útmutatók írására a blogomon, valamint projektoldalak készítésére, amit már régóta tervezek, de eddig az időm nagy részét a programozás kötötte le.
Ez a munka jelentős előnyt jelent majd a Clojure közösség számára, hiszen ez az AI ökoszisztéma a Clojure számára. Az AI támogatása valószínűleg a szoftverplatformok egyik legfontosabb fókusza manapság. Clojure ezen a téren többet kínál, mint csupán az OpenAI API webszolgáltatásként való hívását! Az Uncomplicate könyvtárak számos elemet foglalnak magukban, és közülük egyesek igazán nagyok: a Neanderthal például 28 000 sor tömör, agresszíven makrózott és újrahasznosítható kódot tartalmaz. A fejlesztések között megtalálható a Diamond ONNX Runtime, Neanderthal, Deep Diamond, ClojureCUDA, ClojureCPP, Apple Presets, ClojureCL, Fluokitten, Bayadera, Clojure Sound és Commons. Lássuk, hogyan kívánom ezeket fejleszteni 2026-ban a Clojurists Together támogatás segítségével.
A Neanderthal – a Clojure alternatívája a NumPy-hoz, extrán felpörgetve – 2025-ben ünnepelte 10. születésnapját. Egy egyszerű, gyors mátrix- és vektorkönyvtárnak indult, de az évek során folyamatos fejlesztéseknek köszönhetően mára már öt különböző számítási motorral dolgozik: CPU, Nvidia CUDA GPU, OpenCL-alapú GPU-k (AMD, Intel, Nvidia), Apple Silicon (Accelerate), valamint általános CPU (OpenBLAS). Ezek nem csak puszta támogatások, hanem gazdag funkciók és konfigurációk jellemzik őket. Még hiányzik egy METAL-alapú motor Apple GPU-khoz, ezért ezen is dolgozni szeretnék.
A Deep Diamond a Clojure Tensor és mélytanulás könyvtára, filozófiájában más, mint a PyTorch. 2019-ben indult, demonstrációként a Neanderthal képességeinek kihasználásával. Ma már egy több backenddel rendelkező, gyors, natívan optimalizált Tensor/mélytanulás API, ami különféle hardvereken és operációs rendszereken működik. Ez a könyvtár jól kiegészíti a Neanderthalt, mindkettő specializált a maga munkakörére. A Deep Diamond is igényel egy METAL-alapú Apple GPU támogatást.
A Diamond ONNX Runtime az Uncomplicate legújabb gyöngyszeme, amit a Clojurists Together 2025 harmadik negyedéves támogatásának köszönhetően fejlesztettem. Ahogy a Deep Diamondot főként oktatási célból indítottam, ezt is, hogy bemutassam a Clojure fejlesztőknek, milyen közel vagyunk a legmodernebb, izgalmas AI megoldásokhoz. Bár a Python miliárdos ökoszisztémájával nem könnyű versenyezni, így is nagyon közel vagyunk hozzá. Mostantól Clojure REPL-ben futtathatjuk a Hugging Face és más AI közösségek által készített előre betanított modelleket. Ez nem varázsol milliárd dolláros AI startupot, de valóban bekapcsolja a Clojuriánokat a legizgalmasabb fejlesztések körforgásába. Az ökoszisztéma egyébként is gyorsan bővül, hála az egyre több nyílt súlyú modellnek, amiket otthon is futtathatnak a fejlesztők. Én folyamatosan igyekszem naprakész lenni, hogy a legújabb és legjobb eszközök elérhetők legyenek Clojure-ban.
A ClojureCUDA lehetővé teszi az REPL-alapú, alacsony szintű CUDA fejlesztést. Bár nem sok Clojure fejlesztő akar közvetlenül GPU-val dolgozni vagy saját kernelt írni, én sem, ez a könyvtár viszont kulcsfontosságú, mert lehetővé teszi, hogy a Neanderthal, Deep Diamond és a Diamond ONNX Runtime mögötti egyedi megoldásokat magam valósíthassam meg, ne csak C++ könyvtárakat csomagoljak be. Mivel a CUDA folyamatosan frissül és fejlődik, szeretném mindig a legfrissebb szinten tartani a ClojureCUDA-t.
A ClojureCPP a natív C++ könyvtárakhoz nyújt kaput. Elsőre egyszerűnek tűnhet natív könyvtárat integrálni JVM-mel és Clojurrel, de a valóságban minden C++ könyvtár egy külön dzsungel saját szerkezetekkel és mintákkal. Amit elsőre apró technikai részletnek gondolunk, lehet, hogy különleges trükköket igényel JVM-en. Hálás vagyok a ClojureCPP-nek, amely mindezt átgondoltan kezeli, így a magasabb szintű könyvtárak nem nőnek hatalmasra, mint más nyelvekben gyakran látni.
Az Apple Presets natív JNI kötéseket készít különféle Apple könyvtárakhoz. Az Apple Silicon támogatáshoz a Neanderthal és Deep Diamond esetében ilyen kötéseket kellett fejleszteni, mert nem álltak rendelkezésre „kész” megoldások. A 2026-os év során további kötéseket szeretnék létrehozni, például a METAL API-hoz, és ezekre alapozva fejleszteni a Clojure oldalt.
A Fluokitten, Bayadera, ClojureCL, Commons és Clojure Sound könyvtárak nem lesznek előtérben 2026-ban, de valószínűleg szükség lesz rájuk némi ápolásra, javításra itt-ott.
Ez a terv izgalmas időszakot tartogat a Clojure AI és gépi tanulás közössége számára, és alig várom, hogy együtt haladjunk tovább ezen az úton.
Cikk megosztása
Forrás: https://dragan.rocks
Eredeti cikk olvasása