Detsentraliseeritud tehisintellekt võib avada post-nappuse ühiskonna, ütleb 0G Labs tegevjuht

Andmete dilemmat: kvaliteet, päritolu ja usaldus

Arutelu tehisintellekti (AI) ümber on fundamentaalselt muutunud. Küsimus pole enam selle asjakohasuses, vaid selles, kuidas muuta see usaldusväärsemaks, läbipaistvamaks ja tõhusamaks, kuna selle levik muutub igas sektoris tavapäraseks.

Praegust AI paradigmat, mida domineerivad tsentraliseeritud “must kast” mudelid ja massiivsed, patentimata andmekeskused, mõjutab kasvav mure eelarvamuste ja monopolistliku kontrolli üle. Paljudele Web3 ruumis ei seisne lahendus mitte praeguse süsteemi rangemas reguleerimises, vaid alusstruktuuri täielikus detsentraliseerimises.

Nende võimsate AI mudelite tõhusus sõltub eelkõige andmete kvaliteedist ja terviklikkusest, mille alusel need on koolitatud — tegur, mis peab olema tõendatav ja jälgitav, et vältida süsteemseid vigu ja AI hallutsinatsioone. Kuna kaalul on sellised tööstusharud nagu rahandus ja tervishoid, muutub tehisintellekti usaldusväärse ja läbipaistva aluse loomine ülioluliseks.

Michael Heinrich, seeriaettevõtja ja Stanfordi vilistlane, on nende seas, kes juhivad selle aluse rajamise eestvedamist. 0G Labs’i tegevjuhina arendab ta praegu seda, mida ta kirjeldab esimese ja suurima AI ketina eesmärgiga muuta tehisintellekt ohutuks ja kontrollitavaks avalikuks hüveks. Aiemalt asutades Gartneri, YCombinatori tuge saanud ettevõtte, ja töötades Microsoftis, Bainis ja Bridgewater Associates’is, rakendab Heinrich nüüd oma teadmisi detsentraliseeritud AI (DeAI) arhitektuurilistele väljakutsetele.

Heinrich rõhutab, et AI jõudluse tuum seisneb selle teadmiste baasis: andmetes. “AI mudelite tõhusus sõltub eelkõige aluseks olevatest andmetest, millele nad on koolitatud,” selgitab ta. Kõrgekvaliteedilised ja tasakaalustatud andmekogumid toovad kaasa täpseid vastuseid, kuid halvad või alaesindatud andmed viivad madala kvaliteediga väljundteni ja suurendavad hallutsinatsioonide riski.

Heinrichi jaoks on nende pidevalt uuenevate ja mitmekesiste andmekogumite terviklikkuse säilitamine radikaalne lahkumine praegusest olukorrast. Ta väidab, et tehisintellekti hallutsinatsioonide peamine süüdlane on läbipaistva päritolu puudumine. Tema lahendus on krüptograafiline:

Usun, et kõik andmed peaksid olema aheldatud krüptograafiliste tõendite ja kontrollitava tõendusketiga, et säilitada andmete terviklikkus.

See detsentraliseeritud, läbipaistev alus, kombineerituna majanduslike motivatsioonidega ja pideva peenhäälestusega, nähakse vajalik mehhanismina, et süstemaatiliselt kõrvaldada vead ja algoritmilised eelarvamused.

Lisaks tehnilistele lahendustele on Heinrichil, Forbes 40 alla 40 auhinna saajal, makrovisioon tehisintellekti jaoks, uskudes, et see peaks tooma kaasa külluse ajastu.

“Ideaalis loob see lootuselt tingimused järelpuudujäägita ühiskonnale, kus ressursid muutuvad külluslikuks ja keegi ei pea enam muretsema igavate tööde tegemise pärast,” märgib ta. See nihe võimaldaks inimestel keskenduda “rohkem loovatele ja vaba aja töödele”, andes kõigile rohkem vaba aega ja majanduslikku kindlust.

Oluline on, et ta väidab, et detsentraliseeritud maailm on ainulaadselt sobiv selle tuleviku toiteks. Nende süsteemide ilu seisneb selles, et need on motivatsioonide kohandatud, luues isetasakaalustuva majanduse arvutusvõimsuse jaoks. Kui nõudlus ressursside järele suureneb, kasvavad stiimulid nende pakkumiseks loomulikult, kuni see nõudlus saab täidetud, rahuldades arvutiressursside vajaduse tasakaalustatud, loata viisil.

Tehisintellekti kaitsmine: avatud lähtekood ja stiimulite kujundamine

Et kaitsta AI tahtliku väärkasutuse eest — näiteks hääle kloonimise pettused ja süvapetised — soovitab Heinrich kombinatsiooni inimesekesksest ja arhitektuurilistest lahendustest. Esiteks peaks fookus olema inimeste harimisel, kuidas tuvastada AI pettusi ja võltsinguid, mida kasutatakse kehastamiseks ja desinformatsiooniks. Heinrich märgib: Me peame õpetama inimesi suutma tuvastada või identifitseerida tehisintellekti loodud sisu, et nad saaksid end kaitsta.

Seadusandjad võivad samuti mängida rolli, kehtestades ülemaailmsed standardid tehisintellekti ohutuse ja eetika jaoks. Kuigi see ei kaota tõenäoliselt tehisintellekti väärkasutamist, võib selliste standardite olemasolu “mingil määral takistada seda”. Kõige võimsam vastumeede on aga kootud detsentraliseeritud kujundusesse: “Motivatsioonide kohandamise süsteemide kujundamine võiks dramaatiliselt vähendada taotlustlikku AI väärkasutamist.” Viies ja juhtides AI mudeleid ahelas, premeeritakse ausat osalust, samas kui pahatahtlik käitumine toob kaasa otseseid finantsilisi tagajärgi ahela kärpemehhanismide kaudu.

Kuigi mõned kriitikud kardavad avatud algoritmide riske, ütleb Heinrich Bitcoin.com Newsile, et toetab seda entusiastlikult, kuna see pakub nähtavust mudelite toimimisele. “Selliseid asju nagu kontrollitavad koolituse andmed ja muutmatud andmeteloendused saab kasutada läbipaistvuse tagamiseks ja kogukonna järelevalve võimaldamiseks,” mis otseselt vastukaaluks varaliste, kinnise lähtekoodiga “must kast” mudelitega seotud riskidele.

Selle turvalise ja madala maksumusega tehisintellekti tuleviku nägemuse elluviimiseks ehitab 0G Labs esimest “detsentraliseeritud AI operatsioonisüsteemi (DeAIOS).”

See operatsioonisüsteem on loodud pakkuma kontrollitavat AI päritolu — kõrgelt skaleeritav andmete salvestamise ja kättesaadavuse kiht, mis võimaldab talletada massiivseid AI andmekogusid ahelas, muutes kõik andmed kontrollitavaks ja jälgitavaks. See turvalisuse ja jälgitavuse tase on vajalik tehisintellekti agentidele reguleeritud sektorites.

Lisaks süsteemile on lubamatu arvutivõimsuse turg, mis demokratiseerib arvutusvõimsusele ligipääsu konkurentsivõimeliste hindadega. See on otsene vastus kõrgematele kuludele ja müüjapärimusele seotud tsentraliseeritud pilveinfrastruktuuriga.

0G Labs on juba demonstreerinud tehnilist läbimurret Dilocoxiga, raamistikuga, mis võimaldab üle 100 miljardi parameetriga laialdaselt lingitud mudelite (LLM) koolitamist detsentraliseeritud, 1 Gbps klastri kaudu. Modelle väiksemateks ja sõltumatult koolitatavateks osadeks jagades on Dilocox näidanud 357-kordset efektiivsuse paranemist võrreldes traditsiooniliste jaotatud koolitusmeetoditega, muutes suuremahulise tehisintellekti arendamise majanduslikult teostatavaks väljaspool tsentraliseeritud andmekeskuseid.

Heledam, taskukohasem tehisintellekti tulevik

Lõppkokkuvõttes näeb Heinrich detsentraliseeritud tehisintellekti jaoks väga helget tulevikku, mida iseloomustab osalus ja tõkete lagunemine vastuvõtuks.

“See on koht, kus inimesed ja kogukonnad loovad koos ekspertide tehisintellekti mudeleid, tagades, et AI tulevikku kujundavaks on paljud, mitte ainult käputäis tsentraliseeritud üksusi,” järeldab ta. Kuna varalised AI ettevõtted seisavad silmitsi survega hindu tõsta, pakuvad DeAI majandused ja motivatsioonistruktuurid veenvat, palju taskukohasemat alternatiivi, kus võimsad AI mudelid saavad luua väiksemate kuludega, sillutades teed avatumale, turvalisemale ja lõpuks kasulikemale tehnoloogilisele tulevikule.

KKK

• Mis on praeguse tsentraliseeritud AI põhiprobleem? Praegused AI mudelid kannatavad läbipaistvusega seotud probleemide, andmete kallutatuse ja monopolistliku kontrolli all, mis tuleneb nende tsentraliseeritud “musta kasti” arhitektuurist.
• Millist lahendust Michael Heinrichi 0G Labs arendab? 0G Labs arendab esimest “detsentraliseeritud AI operatsioonisüsteemi (DeAIOS)”, et muuta tehisintellekt ohutuks, kontrollitavaks ja avalikuks hüveks.
• Kuidas detsentraliseeritud AI tagab andmete terviklikkuse? Andmete terviklikkus säilitatakse, kinnistades kõik andmed krüptograafiliste tõendite ahelas ja kontrollitava tõendusketiga, et vältida vigu ja hallutsinatsioone.
• Mis on 0G Labs’i Dilocox tehnoloogia peamine eelis? Dilocox on raamistik, mis teeb ulatusliku tehisintellekti arenduse märkimisväärselt tõhusamaks, demonstreerides 357-kordset täiustust võrreldes traditsioonilise jaotatud koolitusega.