Decentralizirana umjetna inteligencija mogla bi otključati društvo bez oskudice, kaže izvršni direktor 0G Labs

Problem podataka: Kvaliteta, porijeklo i povjerenje

Rasprava o umjetnoj inteligenciji (AI) značajno se promijenila. Pitanje više nije o njezinoj relevantnosti, već kako je učiniti pouzdanijom, transparentnijom i učinkovitijom jer njezina primjena postaje uobičajena u svakom sektoru.

Sadašnja paradigma AI, kojom dominiraju centralizirani “crni box” modeli i masivni, vlasnički podatkovni centri, suočava se s rastućim pritiscima zbog zabrinutosti oko pristranosti i monopolističke kontrole. Za mnoge u prostoru Web3, rješenje nije u strožoj regulaciji trenutnog sustava, već u potpunoj decentralizaciji temeljne infrastrukture.

Učinkovitost ovih moćnih AI modela, na primjer, prvenstveno je određena kvalitetom i integritetom podataka na kojima su obučeni—čimbenikom koji mora biti provjerljiv i sljediv kako bi se spriječile sustavne pogreške i AI halucinacije. Kako ulozi rastu za industrije poput financija i zdravstva, potreba za povjerljivom i transparentnom osnovom za AI postaje presudna.

Michael Heinrich, serijski poduzetnik i diplomac Stanforda, među onima je koji predvode gradnju te osnove. Kao izvršni direktor 0G Labs, trenutno razvija ono što opisuje kao prvi i najveći AI lanac, s izjavljenom misijom osiguravanja da AI postane sigurno i provjerljivo javno dobro. Nakon što je prethodno osnovao Garten, vodeću tvrtku potpomognutu YCombinatorom, i radio u Microsoftu, Bainu i Bridgewater Associates, Heinrich sada koristi svoje znanje za arhitektonske izazove decentralizirane AI (DeAI).

Heinrich naglašava da jezgra performansi AI počiva na njenoj bazi znanja: podacima. “Učinkovitost AI modela prvenstveno je određena temeljnim podacima na kojima su obučeni,” objašnjava. Kvalitetni, uravnoteženi skupovi podataka vode do točnih odgovora, ali loši ili nedovoljno zastupljeni podaci rezultiraju lošim isporukama i povećanom osjetljivošću na halucinacije.

Za Heinricha, održavanje integriteta ovih stalno ažurirajućih i raznolikih skupova podataka zahtijeva radikalni pomak od statusa quo. On tvrdi da je primarni krivac za AI halucinacije nedostatak transparentnog porijekla. Njegov lijek je kriptografski:

Vjerujem da svi podaci trebaju biti sidreni na lancu s kriptografskim dokazima i sljedivim tragom dokaza kako bi se očuvao integritet podataka.

Ova decentralizirana, transparentna osnova, u kombinaciji s ekonomskim poticajima i kontinuiranim podešavanjem, smatra se potrebnim mehanizmom za sustavno uklanjanje grešaka i algoritamske pristranosti.

Uz tehnička poboljšanja, Heinrich, dobitnik priznanja Forbesa 40 ispod 40, ima makro viziju za AI, vjerujući da bi trebala donijeti eru izobilja.

“U idealnom svijetu, to će, nadamo se, stvoriti uvjete za društvo izobilja gdje resursi postaju obilni i gdje nitko ne mora brinuti o obavljanju svakodnevnih poslova”, izjavljuje. Ova bi promjena omogućila pojedincima da “se usmjere na kreativniji i slobodniji rad”, omogućavajući svima da uživaju više slobodnog vremena i ekonomske sigurnosti.

Ključno je da tvrdi da je decentralizirani svijet jedinstveno prilagođen za poticanje te budućnosti. Ljepota tih sustava je u tome što su poticaji usklađeni, stvarajući samobalansirajuću ekonomiju računalne snage. Ako potražnja za resursima poraste, poticaji za njihovu opskrbu prirodno rastu dok se ta potražnja ne zadovolji, ispunjavajući potrebu za računalnim resursima na uravnotežen, dozvolama neograničen način.

Osiguranje AI: Otvoreni izvor i dizajn poticaja

Kako bi zaštitio AI od namjernog zloupotrebljavanja—poput prijevara kloniranjem glasova i dubokih krivotvorina—Heinrich predlaže kombinaciju čovjeku-usmjerenih i arhitektonskih rješenja. Prvo, fokus bi trebao biti na edukaciji ljudi kako prepoznati AI prijevare i krivotvorine korištene za lažno predstavljanje i dezinformacije. Heinrich izjavljuje: “Moramo učiti ljude kako prepoznati ili uhvatiti AI-generirani sadržaj kako bi se mogli zaštititi.”

Zakonodavci također mogu igrati ulogu uspostavljanjem globalnih standarda za sigurnost i etiku AI. Iako je malo vjerojatno da će to eliminirati zloupotrebu AI, prisutnost takvih standarda “može u određenoj mjeri obeshrabriti” zloupotrebu. Najmoćnija protumjera, međutim, utkana je u decentralizirani dizajn: “Dizajniranje sustava usklađenih s poticajima moglo bi dramatično smanjiti namjerno zloupotrebljavanje AI.” Aktiviranjem i upravljanjem AI modelima na lancu, pošteno sudjelovanje se nagrađuje, dok zlonamjerno ponašanje donosi izravne financijske posljedice putem mehanizama smanjenja na lancu.

Dok se neki kritičari boje rizika otvorenih algoritama, Heinrich za Bitcoin.com News s entuzijazmom izjavljuje da ih podržava jer pružaju uvid u to kako modeli rade. “Stvari poput provjerljivih zapisa o obuci i nepromjenjivih tragova podataka mogu se koristiti za osiguranje transparentnosti i omogućavanje nadzora zajednice,” što izravno suprotstavlja rizicima povezanim s vlasničkim, zatvorenim “crnim box” modelima.

Kako bi isporučio ovu viziju sigurne i jeftine AI budućnosti, 0G Labs gradi prvi “decentralizirani AI operativni sustav (DeAIOS).”

Ovaj operativni sustav dizajniran je za pružanje provjerljivog porijekla AI—a visoko skalabilnog sloja za pohranu podataka i dostupnost koji omogućuje pohranu masivnih AI skupova podataka na lancu, čineći sve podatke provjerljivim i sljedivim. Ova razina sigurnosti i sljedivosti je ključna za AI agente koji rade u reguliranim sektorima.

Osim toga, sustav sadrži tržište računalne snage bez dozvola, koje demokratizira pristup računalnim resursima po konkurentnim cijenama. Ovo je izravan odgovor na visoke troškove i zaključavanje uz dobavljača povezane s centraliziranom infrastrukturom oblaka.

0G Labs je već pokazao tehničko postignuće sa Dilocox, okvirom koji omogućava obuku LLM-ova koji prelaze 100 milijardi parametara preko decentraliziranih, 1 Gbps klastera. Breakanjem modela na manje i neovisno obučene dijelove, Dilocox je pokazao poboljšanje od 357x u učinkovitosti u usporedbi s tradicionalnim metodama distribuirane obuke, čineći razvoj AI velikih razmjera ekonomski održivim izvan zidova centraliziranih podatkovnih centara.

Svjetlija, pristupačnija budućnost za AI

Na kraju, Heinrich vidi vrlo svijetlu budućnost za decentraliziranu AI, definiranu sudjelovanjem i rušenjem prepreka usvajanju.

“To je mjesto gdje ljudi i zajednice zajedno stvaraju stručne AI modele, osiguravajući da budućnost AI oblikuju mnogi, a ne samo nekolicina centraliziranih subjekata,” zaključuje. S obzirom na to da se vlasničke AI tvrtke suočavaju s pritiscima da povise cijene, ekonomija i strukture poticaja DeAI nude uvjerljivu, daleko pristupačniju alternativu gdje se moćni AI modeli mogu kreirati uz niže troškove, otvarajući put za otvoreniju, sigurniju i u konačnici korisniju tehnološku budućnost.

Često postavljana pitanja

• Koji je temeljni problem trenutne centralizirane AI? Trenutni AI modeli pate od problema transparentnosti, pristranosti podataka i monopolističke kontrole zbog svoje centralizirane “crne box” arhitekture.
• Kakvo rješenje razvija Michael Heinrichov 0G Labs? 0G Labs razvija prvi “decentralizirani AI operativni sustav (DeAIOS)” kako bi AI učinio sigurnim, provjerljivim i javnim dobrom.
• Kako decentralizirana AI osigurava integritet podataka? Integritet podataka održava se sidrenjem svih podataka na lancu s kriptografskim dokazima i sljedivim tragom dokaza za sprječavanje grešaka i halucinacija.
• Koja je glavna prednost 0G Labs’ Dilocox tehnologije? Dilocox je okvir koji čini razvoj AI velikih razmjera znatno učinkovitijim, pokazujući poboljšanje od 357x u odnosu na tradicionalne metode distribuirane obuke.