La IA descentralizada podría desbloquear una sociedad de post-escasez, dice el CEO de 0G Labs

El Dilema de los Datos: Calidad, Procedencia y Confianza

La discusión sobre la inteligencia artificial (IA) ha cambiado fundamentalmente. La pregunta ya no es sobre su relevancia, sino sobre cómo hacerla más confiable, transparente y eficiente a medida que su implementación se vuelve común en todos los sectores.

El paradigma actual de la IA, dominado por modelos “caja negra” centralizados y grandes centros de datos propietarios, enfrenta una creciente presión debido a preocupaciones sobre sesgos y control monopolista. Para muchos en el espacio Web3, la solución no radica en una regulación más estricta del sistema actual, sino en una descentralización total de la infraestructura subyacente.

La eficacia de estos poderosos modelos de IA, por ejemplo, se determina antes que nada por la calidad e integridad de los datos con los que se entrenan, un factor que debe ser verificable y trazable para prevenir errores sistémicos y alucinaciones de la IA. A medida que aumentan las apuestas para industrias como las finanzas y la salud, la necesidad de una base de confianza y transparencia para la IA se vuelve crítica.

Michael Heinrich, un empresario en serie y graduado de Stanford, es uno de los líderes en construir esa base. Como CEO de 0G Labs, actualmente está desarrollando lo que describe como la primera y mayor cadena de IA, con la misión declarada de garantizar que la IA se convierta en un bien público seguro y verificable. Habiendo fundado anteriormente Garten, una empresa respaldada por YCombinator, y trabajado en Microsoft, Bain, y Bridgewater Associates, Heinrich está aplicando ahora su experiencia a los desafíos arquitectónicos de la IA descentralizada (DeAI).

Heinrich enfatiza que el núcleo del rendimiento de la IA reside en su base de conocimientos: los datos. “La eficacia de los modelos de IA se determina antes que nada por los datos subyacentes con los que se entrenan,” explica. Conjuntos de datos de alta calidad y equilibrados conducen a respuestas precisas, pero datos malos o poco representados resultan en resultados de mala calidad y una mayor susceptibilidad a alucinaciones.

Para Heinrich, mantener la integridad de estos conjuntos de datos, que se actualizan constantemente y son diversos, requiere un cambio radical respecto al statu quo. Argumenta que el culpable principal detrás de las alucinaciones de la IA es la falta de procedencia transparente. Su remedio es criptográfico:

Creo que todos los datos deberían estar anclados en la cadena con pruebas criptográficas y un rastro de evidencia verificable para mantener la integridad de los datos.

Esta base descentralizada y transparente, combinada con incentivos económicos y ajustes continuos, se considera el mecanismo necesario para eliminar sistemáticamente los errores y el sesgo algorítmico.

Más allá de las soluciones técnicas, Heinrich, un homenajeado de Forbes 40 Under 40, tiene una visión macro para la IA, creyendo que debería dar lugar a una era de abundancia.

“En un mundo ideal, esperamos crear las condiciones para una sociedad post-escasez donde los recursos sean abundantes y nadie tenga que preocuparse por realizar trabajos mundanos,” afirma. Este cambio permitiría a las personas “centrarse en trabajos más creativos y de ocio,” permitiendo esencialmente que todos disfruten de más tiempo libre y seguridad económica.

Lo crucial, argumenta, es que el mundo descentralizado está singularmente preparado para impulsar este futuro. La belleza de estos sistemas es que están alineados con los incentivos, creando una economía auto-equilibrada para el poder de cómputo. Si aumenta la demanda de recursos, los incentivos para suministrarlos naturalmente aumentan hasta que se satisface esa demanda, cumpliendo la necesidad de recursos computacionales de una manera equilibrada y sin permisos.

Salvaguardar la IA: Código Abierto y Diseño de Incentivos

Para proteger la IA del uso indebido intencionado, como las estafas de clonación de voz y los deepfakes, Heinrich sugiere una combinación de soluciones centradas en el ser humano y arquitectónicas. En primer lugar, el enfoque debe estar en educar a las personas sobre cómo identificar estafas y falsificaciones generadas por IA usadas para la suplantación e información errónea. Heinrich afirma: Necesitamos enseñar a las personas a poder identificar o rastrear contenido generado por IA para que puedan protegerse.”

Los legisladores también pueden desempeñar un papel estableciendo estándares globales para la seguridad y ética de la IA. Aunque esto probablemente no eliminará el mal uso de la IA, la presencia de tales estándares “puede ir un poco hacia disuadirlo.” Sin embargo, la contramedida más potente está tejida en el diseño descentralizado: “Diseñar sistemas alineados con incentivos podría reducir drásticamente el uso indebido intencionado de la IA.” Al desplegar y gobernar modelos de IA en la cadena, la participación honesta se recompensa, mientras que el comportamiento malicioso incurre en consecuencias financieras directas a través de mecanismos de ajuste en la cadena.

Mientras algunos críticos temen los riesgos de los algoritmos abiertos, Heinrich le dice a Bitcoin.com News que lo apoya con entusiasmo porque proporciona visibilidad sobre cómo funcionan los modelos. “Cosas como los registros de entrenamiento verificables y los rastros de datos inmutables pueden usarse para garantizar la transparencia y permitir la supervisión de la comunidad,” lo que contrarresta directamente los riesgos asociados con los modelos de “caja negra” propietarios y de código cerrado.

Para entregar esta visión de un futuro de IA seguro y de bajo costo, 0G Labs está construyendo el primer “sistema operativo de IA descentralizado (DeAIOS).”

Este sistema operativo está diseñado para proporcionar procedencia de IA verificable: una capa de almacenamiento y disponibilidad de datos altamente escalable que permite el almacenamiento de conjuntos de datos masivos de IA en la cadena, haciendo que todos los datos sean verificables y trazables. Este nivel de seguridad y trazabilidad es esencial para los agentes de IA que operan en sectores regulados.

Además, el sistema cuenta con un mercado de computación sin permisos, que democratiza el acceso a recursos de computación a precios competitivos. Esta es una respuesta directa a los altos costos y la dependencia de proveedores asociados con la infraestructura en la nube centralizada.

0G Labs ya ha demostrado un avance técnico con Dilocox, un marco que permite el entrenamiento de LLMs que superan los 100 mil millones de parámetros en clústeres descentralizados de 1 Gbps. Al descomponer los modelos en partes más pequeñas e independientemente entrenadas, Dilocox ha demostrado una mejora de 357 veces en eficiencia en comparación con los métodos tradicionales de entrenamiento distribuido, haciendo viable el desarrollo de IA a gran escala fuera de los muros de los centros de datos centralizados.

Un Futuro Más Brillante y Asequible para la IA

En última instancia, Heinrich ve un futuro muy prometedor para la IA descentralizada, uno definido por la participación y el desmantelamiento de las barreras para su adopción.

“Es un lugar donde las personas y las comunidades crean modelos de IA expertos juntos, asegurando que el futuro de la IA sea moldeado por muchos en lugar de solo un puñado de entidades centralizadas,” concluye. Con las empresas de IA propietarias enfrentando presión para subir los precios, la economía y las estructuras de incentivos de DeAI ofrecen una alternativa convincente, mucho más asequible, donde se pueden crear modelos de IA potentes a menores costos, allanando el camino para un futuro tecnológico más abierto, seguro y, en última instancia, más beneficioso.

FAQ

• ¿Cuál es el problema central con la IA centralizada actual? Los modelos de IA actuales sufren problemas de transparencia, sesgo de datos y control monopolista debido a su arquitectura de “caja negra” centralizada.
• ¿Qué solución está construyendo 0G Labs de Michael Heinrich? 0G Labs está desarrollando el primer “sistema operativo de IA descentralizado (DeAIOS)” para hacer de la IA un bien público seguro y verificable.
• ¿Cómo garantiza la IA descentralizada la integridad de los datos? La integridad de los datos se mantiene al anclar todos los datos en la cadena con pruebas criptográficas y un rastro de evidencia verificable para prevenir errores y alucinaciones.
• ¿Cuál es la principal ventaja de la tecnología Dilocox de 0G Labs? Dilocox es un marco que hace que el desarrollo de IA a gran escala sea significativamente más eficiente, demostrando una mejora de 357 veces sobre el entrenamiento distribuido tradicional.