0G लैब्स के सीईओ का कहना है कि विकेन्द्रीकृत एआई एक पोस्ट-स्केर्सिटी समाज को खोल सकता है।

डेटा की समस्या: गुणवत्ता, उत्पत्ति, और विश्वास

कृत्रिम बुद्धिमत्ता (एआई) के बारे में चर्चा मौलिक रूप से बदल गई है। अब सवाल इसकी प्रासंगिकता का नहीं है, बल्कि इस बात का है कि इसे कैसे अधिक विश्वसनीय, पारदर्शी और कुशल बनाया जाए क्योंकि इसका कार्यान्वयन हर क्षेत्र में सामान्य होता जा रहा है।

वर्तमान एआई प्रतिमान, जो केंद्रीकृत “ब्लैक बॉक्स” मॉडल और विशाल, स्वामित्व वाले डेटा केंद्रों द्वारा संचालित है, पक्षपात और एकाधिकार नियंत्रण से संबंधित चिंताओं के कारण बढ़ते दबाव का सामना कर रहा है। वेब3 स्पेस में कई लोगों के लिए, समाधान वर्तमान प्रणाली के सख्त नियमन में नहीं, बल्कि अंतर्निहित बुनियादी ढांचे के पूर्ण विकेंद्रीकरण में निहित है।

इन शक्तिशाली एआई मॉडलों की दक्षता, उदाहरण के लिए, सबसे पहले उनकी प्रशिक्षित डेटा की गुणवत्ता और अखंडता द्वारा निर्धारित होती है—एक ऐसा कारक जिसे प्रणालीगत त्रुटियों और एआई मतिभ्रम से बचने के लिए सत्यापित और अनुकरणीय होना चाहिए। जैसे-जैसे वित्त और स्वास्थ्य सेवा जैसे उद्योगों के लिए दांव बढ़ते जा रहे हैं, एआई के लिए एक विश्वासहीन और पारदर्शी आधार की आवश्यकता महत्वपूर्ण हो जाती है।

माइकल हेनरिक, एक धारावाहिक उद्यमी और स्टैनफोर्ड स्नातक, उन लोगों में से हैं जो उस नींव के निर्माण का नेतृत्व कर रहे हैं। 0G Labs के सीईओ के रूप में, वह वर्तमान में उस आधारिका को विकसित कर रहे हैं जिसे वह पहले और सबसे बड़े एआई चेन के रूप में वर्णित करते हैं, जिसका घोषित मिशन यह सुनिश्चित करना है कि एआई एक सुरक्षित और सत्यापन योग्य सार्वजनिक वस्तु बन जाए। गार्टन, एक शीर्ष वाई कॉम्बिनेटर-समर्थित कंपनी की स्थापना करने और माइक्रोसॉफ्ट, बैन, और ब्रिजवाटर एसोसिएट्स में काम करने के बाद, हेनरिक अब विकेंद्रीकृत एआई (DeAI) के स्थापत्य चुनौतियों पर अपनी विशेषज्ञता लागू कर रहे हैं।

हेनरिक इस बात पर जोर देते हैं कि एआई प्रदर्शन का मूल इसका ज्ञान आधार है: डेटा। “एआई मॉडलों की दक्षता सबसे पहले उनके प्रशिक्षित होने वाले अंतर्निहित डेटा द्वारा निर्धारित की जाती है,” वे बताते हैं। उच्च-गुणवत्ता वाले, संतुलित डेटा सेट सटीक प्रतिक्रियाओं का नेतृत्व करते हैं, लेकिन खराब या अल्पप्रतिनिधित्वित डेटा खराब गुणवत्ता वाले आउटपुट और मतिभ्रम की संभावना को बढ़ाते हैं।

हेनरिक के लिए, इन निरंतर अद्यतन और विविध डेटा सेटों की अखंडता बनाए रखना यथास्थिति से एक कट्टरपंथी प्रस्थान की आवश्यकता है। उनका तर्क है कि एआई मतिभ्रम के पीछे का प्राथमिक दोषी पारदर्शी उत्पत्ति की कमी है। उनका उपचार क्रिप्टोग्राफ़िक है:

मुझे विश्वास है कि सभी डेटा को क्रिप्टोग्राफ़िक प्रमाण और सत्यापन योग्य साक्ष्य के साथ ऑन-चेन में ले जाया जाना चाहिए ताकि डेटा की अखंडता बनाए रखी जा सके।

यह विकेंद्रीकृत, पारदर्शी आधारिका, आर्थिक प्रोत्साहनों और निरंतर फाइन-ट्यूनिंग के साथ मिलकर, त्रुटियों और एल्गोरिदम के पक्षपात को व्यवस्थित रूप से खत्म करने के लिए आवश्यक तंत्र के रूप में देखा जाता है।

तकनीकी सुधारों के अलावा, फोर्ब्स के 40 अंडर 40 पुरस्कार विजेता हेनरिक एआई के लिए एक व्यापक दृष्टिकोण रखते हैं, यह विश्वास करते हुए कि इसे प्रचुरता का युग लाना चाहिए।

“आदर्श रूप से, यह एक ऐसे समाज के लिए स्थितियाँ पैदा करेगा जहाँ संसाधन प्रचुर मात्रा में हो जाएँ और किसी को भी नीरस नौकरियों के बारे में चिंता करने की ज़रूरत न हो,” वे कहते हैं। यह बदलाव व्यक्तियों को “अधिक रचनात्मक और आरामदायक कार्यों पर ध्यान केंद्रित करने” की अनुमति देगा, जिससे मूल रूप से सभी को अधिक खाली समय और आर्थिक सुरक्षा प्राप्त हो सके।

महत्वपूर्ण रूप से, वे तर्क देते हैं कि विकेंद्रीकृत दुनिया इस भविष्य को सशक्त बनाने के लिए अद्वितीय रूप से उपयुक्त है। इन प्रणालियों की सुंदरता यह है कि वे प्रोत्साहन-संरेखित होती हैं, कंप्यूट पावर के लिए एक आत्म-संतुलन अर्थव्यवस्था बनाती हैं। यदि संसाधनों की मांग बढ़ जाती है, तो उन्हें आपूर्ति करने के लिए प्रोत्साहन स्वाभाविक रूप से तब तक बढ़ जाते हैं जब तक कि वह मांग पूरी नहीं हो जाती, जो संतुलित, अनुमति रहित तरीके से कम्प्यूटेशनल संसाधनों की आवश्यकता को पूरा करती है।

एआई की सुरक्षा: ओपन सोर्स और प्रोत्साहन डिजाइन

एआई का इरादे से दुरुपयोग से बचाने के लिए—जैसे कि वॉयस क्लोनिंग स्कैम और डीपफेक—हेनरिक मानव-केंद्रित और स्थापत्य समाधानों के संयोजन का सुझाव देते हैं। सबसे पहले, लोगों को यह सिखाने पर ध्यान केंद्रित करना चाहिए कि पहचान की गई एआई धोखाधड़ी और गलतफहमियों का सामना कैसे करें। हेनरिक कहते हैं: हमें लोगों को यह सिखाने की ज़रूरत है कि वे एआई जनित सामग्री की पहचान या फिंगरप्रिंट कैसे कर सकते हैं ताकि वे खुद को सुरक्षित रख सकें।”

कानून निर्माता भी एआई सुरक्षा और नैतिकता के लिए वैश्विक मानक स्थापित करके एक भूमिका निभा सकते हैं। यद्यपि यह एआई का दुरुपयोग समाप्त करने की संभावना नहीं है, ऐसे मानकों की उपस्थिति “कुछ हद तक इसे रोकने की दिशा में जा सकती है।” हालांकि, सबसे शक्तिशाली उपाय विकेंद्रीकृत डिज़ाइन में बुना हुआ है: “प्रोत्साहन-संरेखित प्रणालियों को डिजाइन करना इरादे से एआई दुरुपयोग को नाटकीय रूप से कम कर सकता है।” एआई मॉडल को ऑन-चेन तैनात और प्रबंधित करके, ईमानदार भागीदारी को पुरस्कृत किया जाता है, जबकि दुर्भावनापूर्ण व्यवहार को ऑन-चेन स्लेशिंग तंत्र के माध्यम से सीधे वित्तीय परिणाम भुगतने पड़ते हैं।

कुछ आलोचकों को ओपन एल्गोरिदम्स के खतरों का डर है, लेकिन हेनरिक बिटकॉइन.कॉम न्यूज़ से कहते हैं कि वे इसका उत्साहपूर्वक समर्थन करते हैं क्योंकि यह दिखाता है कि मॉडल कैसे काम करते हैं। “वस्तुत: मॉडल के प्रशिक्षण रिकॉर्ड और अपरिवर्तनीय डेटा ट्रेल्स का उपयोग पारदर्शिता सुनिश्चित करने और सामुदायिक निगरानी की अनुमति देने के लिए किया जा सकता है,” जो स्वामित्व वाले, बंद-स्रोत “ब्लैक-बॉक्स” मॉडलों से जुड़े जोखिमों का सीधे मुकाबला करता है।

इस सुरक्षित और कम लागत वाले एआई भविष्य के दृष्टिकोण को प्रदान करने के लिए, 0G Labs पहले “विकेंद्रीकृत AI ऑपरेटिंग सिस्टम (DeAIOS)” का निर्माण कर रहा है।

यह ऑपरेटिंग सिस्टम प्रमाणीकृत एआई उत्पत्ति प्रदान करने के लिए डिज़ाइन किया गया है—एक अत्यधिक स्केलेबल डेटा भंडारण और उपलब्धता परत जो ऑन-चेन पर विशाल एआई डेटासेट्स के भंडारण को सक्षम बनाती है, जिससे सभी डेटा सत्यापनीय और अनुकरणीय हो जाते हैं। यह सुरक्षा और अनुकरणीयता का स्तर विनियमित क्षेत्रों में एआई एजेंटों के संचालन के लिए आवश्यक है।

इसके अलावा, प्रणाली में एक अनुमति रहित कंप्यूट मार्केटप्लेस है, जो प्रतिस्पर्धी कीमतों पर कंप्यूट संसाधनों की पहुँच को लोकतंत्री बनाता है। यह केंद्रीकृत क्लाउड इन्फ्रास्ट्रक्चर से जुड़े उच्च लागत और विक्रेता लॉक-इन के लिए सीधा जवाब है।

0G Labs ने पहले से ही Dilocox के साथ एक तकनीकी सफलता का प्रदर्शन किया है, एक रूपरेखा जो विकेंद्रीकृत, 1 Gbps क्लस्टर्स पर 100 बिलियन से अधिक पैरामीटर्स वाले LLMs के प्रशिक्षण को सक्षम बनाती है। मॉडलों को छोटे और स्वतंत्र रूप से प्रशिक्षित भागों में तोड़कर, Dilocox ने पारंपरिक वितरित प्रशिक्षण विधियों की तुलना में दक्षता में 357x सुधार का प्रदर्शन किया है, जिससे केंद्रीकृत डेटा केंद्रों की दीवारों के बाहर बड़े पैमाने पर एआई विकास को आर्थिक रूप से व्यवहार्य बना दिया गया है।

एआई का एक उज्जवल, अधिक सस्ता भविष्य

अंततः, हेनरिक विकेंद्रीकृत एआई के लिए एक बहुत ही उज्जवल भविष्य देखते हैं, जो भागीदारी और अपनाने के लिए बाधाओं को तोड़ने से परिभाषित होता है।

“यह वह जगह है जहाँ लोग और समुदाय विशेषज्ञ एआई मॉडल एक साथ बनाते हैं, यह सुनिश्चित करते हैं कि एआई का भविष्य कुछ मुट्ठीभर केंद्रीकृत संस्थाओं के बजाय कई के द्वारा आकारित हो,” वे निष्कर्ष निकालते हैं। स्वामित्व वाली एआई कंपनियों को कीमतें बढ़ाने के लिए दबाव का सामना करना पड़ रहा है, DeAI की आर्थिक और प्रोत्साहन संरचनाएँ अधिक खुला, सुरक्षित, और अंततः अधिक लाभप्रद तकनीकी भविष्य के लिए एक आकर्षक, अधिक सस्ता विकल्प प्रदान करती हैं।

FAQs

• वर्तमान केंद्रीकृत AI में मुख्य समस्या क्या है? वर्तमान एआई मॉडल पारदर्शिता समस्याओं, डेटा पक्षपात, और एकाधिकार नियंत्रण से ग्रस्त हैं, उनके केंद्रीकृत “ब्लैक बॉक्स” आर्किटेक्चर के कारण।
• माइकल हेनरिक की 0G Labs कौन सा समाधान बना रही है? 0G Labs पहला “विकेंद्रीकृत AI ऑपरेटिंग सिस्टम (DeAIOS)” विकसित कर रही है ताकि एआई को एक सुरक्षित, सत्यापन योग्य, और सार्वजनिक वस्तु बनाया जा सके।
• विकेंद्रीकृत AI डेटा की अखंडता कैसे सुनिश्चित करता है? डेटा अIntegritY को क्रिप्टोग्राफ़िक प्रमाणों और सत्यापन योग्य साक्ष्य के साथ ऑन-चेन में सभी डेटा को एंकरिंग करके बनाए रखा जाता है, जिससे त्रुटियों और मतिभ्रम को रोका जा सकता है।
• 0G Labs की Dilocox तकनीक का मुख्य लाभ क्या है? Dilocox एक रूपरेखा है जो बड़े पैमाने पर एआई विकास को काफी अधिक कुशल बनाती है, पारंपरिक वितरित प्रशिक्षण की तुलना में 357x सुधार दिखा रही है।