יכול להיות שאינטליגנציה מלאכותית מבוזרת תפתח חברה שלאחר מחסור, אומר מנכ"ל 0G Labs

הדילמה של הנתונים: איכות, מקור ואמון

הדיון סביב בינה מלאכותית (AI) עבר שינוי יסודי. השאלה היא כבר לא על הרלוונטיות שלה, אלא איך להפוך אותה ליותר אמינה, שקופה ויעילה ככל שהשימוש בה הופך לנפוץ בכל מגזר.

הפרדיגמה הנוכחית של AI, שנשלטת על ידי מודלים “קופסה שחורה” מרכזיים ומרכזי נתונים גדולים ובעלי קניין, עומדת בפני לחץ גובר מחששות לגבי הטיה ושליטה מונופוליסטית. עבור רבים במרחב Web3, הפתרון לא נמצא ברגולציה מחמירה יותר של המערכת הנוכחית, אלא בדקורליזציה מוחלטת של התשתית הבסיסית.

האיכות והשלמות של המודלים החזקים של AI נקבעים בראש ובראשונה על ידי האיכות והשלמות של הנתונים שעליהם הם מאומנים – גורם שחייב להיות ניתן לאימות ומעקב בכדי למנוע טעויות מערכתיות ו”הזיות” AI. ככל שהסיכון גדל בתעשיות כמו פיננסים ובריאות, הצורך בתשתית אמינה ושקופה עבור AI הופך לקריטי.

מייקל היינריך, יזם סדרתי ובוגר סטנפורד, הוא בין אלו שמובילים את המהלך לבנות את התשתית הזו. כמנכ”ל 0G Labs, הוא מפתח מה שהוא מתאר כרשת ה-AI הראשונה והגדולה ביותר, עם משימה מוצהרת להבטיח שה-AI יהפוך לנחלה בטוחה וברורה לציבור. לאחר שהקים את Garten, חברה שזכתה לתמיכה על ידי YCombinator, ועבד במיקרוסופט, ביין וברידג’ווטר אסוסייטס, היינריך מיישם כעת את כישוריו לאתגרים האדריכליים של AI מבוזרת (DeAI).

היינריך מדגיש כי הביצועים הבסיסיים של AI מושתתים על בסיס הידע שלה: הנתונים. “היעילות של מודלים של AI נקבעת בראש ובראשונה על ידי הנתונים הבסיסיים שעליהם הם מאומנים,” הוא מסביר. מערכות נתונים בעלי איכות גבוהה ומאוזנת מביאות לתגובות מדויקות, אך נתונים רעים או בלתי מיוצגים מספיק מביאים לאיכות גרועה של התגובות ולעלייה בנטייה ל”הזיות”.

עבור היינריך, שמירה על שלמותן של מערכות הנתונים המתעדכנות והמתחלפות תכופות מצריכה שינוי רדיקלי מהמצב הקיים. הוא טוען שהאשם העיקרי מאחורי ה”הזיות” של AI הוא חוסר בשקיפות מקור. התרופה שלו היא קריפטוגרפית:

אני מאמין שכל הנתונים צריכים להיות מעוגנים ברשת עם הוכחות קריפטוגרפיות ונתיב ראיות ניתן לאימות כדי לשמור על שלמות הנתונים.

היסוד המבוזר והשקוף הזה, בשילוב עם תמריצים כלכליים ותיקונים מתמשכים, נחשב כמנגנון החיוני להעלמה שיטתית של טעויות והטיה אלגוריתמית.

מעבר לתיקונים הטכניים, היינריך, שהוכר ברשימת Forbes 40 Under 40, מחזיק בחזון מאקרו עבור AI, בו היא צריכה להוביל לעידן של שפע.

“בעולם אידיאלי, זה ייצור את התנאים לחברה שלא חסר בה, שבה משאבים הופכים לשופעים ואף אחד לא יצטרך לדאוג לגבי ביצוע עבודות שגרתיות יותר,” הוא מציין. שינוי זה יאפשר לאנשים “להתמקד ביצירה ועבודה יותר מאתגרת,” ובכך לאפשר לכולם ליהנות ממספר גדול יותר של שעות חופש וביטחון כלכלי.

באופן חיוני, הוא טוען שהעולם המבוזר מתאים באופן ייחודי להניע את העתיד הזה. היופי של מערכות אלו הוא שהן מתואמות תמריצים, יוצרות כלכלה עצמאית של כוח מחשוב. אם הביקוש למשאבים עולה, התמריצים לספק אותם עולים באופן טבעי עד שהביקוש מתמלא, ממלאים את הצורך במשאבי מחשב בצורה מאוזנת וללא חסמים.

הגנה על AI: קוד פתוח ועיצוב תמריצים

כדי להגן על AI משימוש זדוני – כמו הונאות דיגום קול ועמוקות מזויפות – היינריך מציע שילוב של פתרונות ממוקדי אדם ופתרונות אדריכליים. קודם כול, הדגש צריך להיות על חינוך אנשים לאיך לזהות הונאות מזויפות שנעשות עם AI והטעיה בעזרת AI. היינריך מציין: “אנחנו צריכים ללמד אנשים להיות מסוגלים לזהות או להחתים תוכן שנוצר על ידי AI כדי שהם יוכלו להגן על עצמם.”

המחוקקים יכולים גם לשחק תפקיד על ידי הקמת תקנים גלובליים לבטיחות ואתיקה של AI. אף שזה לא סביר שיחסל את השימוש הזדוני ב-AI, קיומם של תקנים אלה “יכול לעזור בכיוון של צמצום השימוש הזדוני.” האמצעי הנגדי החזק ביותר, לעומת זאת, מוטמע בעיצוב המבוזר: “עיצוב מערכות מתואמות תמריצים יכול להקטין באופן דרמטי את השימוש הזדוני ב-AI.” על ידי פריסה וניהול של מודלים AI ברשת, השתתפות הוגנת מתוגמלת, בעוד שהתנהגות זדונית נושאת השלכות כספיות ישירות דרך מנגנוני חיתוך ברשת.

למרות שחלק מהמבקרים חוששים מהסיכונים של אלגוריתמים פתוחים, היינריך אומר ל-Bitcoin.com News שהוא תומך בהם בהתלהבות מכיוון שהם מספקים שקיפות על האופן שבו המודלים פועלים. “דברים כמו רישומי אימון מאומתים ונתיבים בלתי ניתנים לשינוי של נתונים יכולים להשתמש כדי להבטיח שקיפות ולאפשר פיקוח מצד הקהילה,” מה שמענה ישירות לסיכונים הקשורים למודלים סגורים ובלתי שקופים של “קופסה שחורה”.

כדי לספק את החזון הזה של עתיד AI בטוח ונמוך עלות, 0G Labs בונה את “מערכת ההפעלה AI מבוזרת הראשונה (DeAIOS).”

מערכת הפעלה זו תוכננה לספק מקור נתונים מאומת של AI – שכבת אחסון נתונים וספק יכולת זמין ביותר המאפשר שמירה על מערכות נתונים מסיביות של AI ברשת, מה שגורם לכל הנתונים להיות מאומתים וניתנים למעקב. רמה זו של אבטחה ויכולת מעקב היא חיונית עבור סוכנויות AI שפועלות במגזרים מוסדרים.

בנוסף, המערכת כוללת שוק מחשוב חסר הגבלות, המאפשר גישה דמוקרטית למשאבי מחשוב במחירים תחרותיים. זהו פתרון ישיר לעלויות הגבוהות והנעלמה המוכר הגורמים לנעילת ספקים הקשורים לתשתית ענן מרכזית.

0G Labs כבר הצליחה להדגים פריצת דרך טכנית עם Dilocox, מסגרת שמאפשרת אימון של מודלים מתקדמים עם יותר מ-100 מיליארד פרמטרים בקלסטרים של 1 Gbps מבוזרים. באמצעות חלוקת המודלים לחלקים קטנים יותר ואימון עצמאי, Dilocox הציגה שיפור של 357x ביעילות בהשוואה לשיטות אימון מבוזרות מסורתיות, מה שהופך את פיתוח ה-AI הגדולים כלכלי מחוץ לקירות מרכזי מידע מרכזיים.

עתיד מזהיר וזול יותר עבור AI

בסופו של דבר, היינריך רואה עתיד מזהיר מאוד עבור AI מבוזרת, אחד שמוגדר על ידי השתתפות ופירוק מחסומים לאימוץ.

“זהו מקום שבו אנשים וקהילות יוצרים ביחד מודלים של AI מומחים, מבטיחים שהעתיד של AI מעוצב על ידי רבים ולא רק על ידי כמה גופים מרכזיים,” הוא מסיים. עם חברות AI פרטיות תחת לחץ להעלות מחירים, המבנה הכלכלי והתמריצים של DeAI מציע חלופה מרשימה, הרבה יותר משתלמת, שבה ניתן ליצור מודלים חזקים של AI בעלויות נמוכות יותר, ומפנה את הדרך לעתיד טכנולוגי יותר פתוח, בטוח ובסופו של דבר יותר מועיל.

שאלות נפוצות

• מה הבעיה העיקרית עם AI מרכזי נוכחי? מודלים נוכחיים של AI סובלים מבעיות שקיפות, הטיית נתונים ושליטה מונופוליסטית עקב האדריכלות המרכזית של “קופסה שחורה”.
• איזה פתרון מפתחת 0G Labs של מייקל היינריך? 0G Labs מפתחת את מערכת ה”הפעלה AI מבוזרת הראשונה (DeAIOS)” כדי להפוך את ה-AI לנחלה בטוחה, מאומתת ונגישה לציבור.
• איך AI מבוזר מבטיח שלמות נתונים? שלמות הנתונים נשמרת על ידי עיגון כל הנתונים ברשת עם הוכחות קריפטוגרפיות ונתיב ראיות ניתן לאימות כדי למנוע טעויות והזיות.
• מה היתרון המרכזי של טכנולוגיית Dilocox של 0G Labs? Dilocox היא מסגרת שהופכת את פיתוח ה-AI גדול הרבה יותר יעיל, מציגה שיפור של 357x בהשוואה לשיטות אימון מבוזרים מסורתיות.