A Bittensor képzési programjának mérföldköve felkeltette Chamath Palihapitiya és Jensen Huang, az Nvidia vezérigazgatójának figyelmét

Az open source AI lendülete erősödik az Nvidia vezérigazgatójának támogatásával

Chamath Palihapitiya az All-In Podcast egyik epizódjában kiemelte a Bittensor Covenant-72B-jét, amelyet a decentralizált mesterséges intelligencia (AI) elméleten túli megvalósulásának kézzelfogható példájaként mutatott be. A Bittensor egy decentralizált, blokklánc-alapú hálózatként működik, amely egy peer-to-peer piacteret hoz létre, ahol gépi tanulási modelleket és AI-számításokat cserélnek és ösztönöznek.

Palihapitiya egyszerű szavakkal írta le a kezdeményezést: egy nagy léptékű nyelvi modell (LLM), amelyet központosított infrastruktúra nélkül képeztek ki, helyette független közreműködők hálózatának segítségével. „Sikerült kiképezniük egy 4 milliárd paraméteres LLaMA modellt, teljesen elosztott módon, egy csomó ember felesleges számítási kapacitásának felhasználásával” – mondta, és ezt „elég őrült technikai teljesítménynek” nevezte.

Az összehasonlítás egy ismerős analógiával zárult. „Vannak véletlenszerű emberek, és mindegyikük kap egy kis részesedést” – tette hozzá Palihapitiya, utalva a korai elosztott számítási projektre, amely világszerte kihasználta a kihasználatlan hardvereket.

Huang nem utasította el az ötletet. Ehelyett az AI-piac tágabb kereteire hivatkozott, jelezve, hogy a decentralizált és a zárt megközelítések nem zárják ki egymást. „Ez a két dolog nem A vagy B; hanem A és B” – mondta Huang. „Erről nincs kétség.”

Ez a kétpályás elképzelés az AI-n belüli növekvő szakadékot – és átfedést – tükrözi. Az egyik oldalon zárt, nagyon kifinomult rendszerek állnak, mint a ChatGPT, a Claude és a Gemini. A másik oldalon pedig nyílt súlyú és decentralizált modellek, amelyek lehetővé teszik a fejlesztőknek és a szervezeteknek, hogy a rendszereket konkrét igényeikhez igazítsák.

Huang egyértelművé tette, hogy mindkét irányt elengedhetetlennek tartja. „A modellek technológia, nem termék” – mondta, megjegyezve, hogy a legtöbb felhasználó továbbra is a kifinomult, általános célú rendszerekre fog támaszkodni, ahelyett, hogy saját rendszert építene a semmiből.

Ugyanakkor rámutatott azokra az iparágakra, ahol a testreszabás nem opcionális. „Vannak olyan iparágak, ahol a szakterületi szakértelmet… olyan módon kell rögzíteni, hogy azt ők maguk tudják ellenőrizni” – magyarázta Huang, hozzátéve, hogy „ez csak nyílt modellekből származhat”.

Ez a kijelentés pontosan a Bittensor erősségébe illeszkedik. A Subnet 3 (Templar) keretében kifejlesztett Covenant-72B az eddigi legnagyobb decentralizált képzési futások egyikét képviseli, amely központi hatóság nélkül, standard internetkapcsolatokon keresztül több mint 70 közreműködőt koordinál.

Technikai szempontból a modell határokat feszeget. 72 milliárd paraméterrel épült és körülbelül 1,1 billió tokenen edzett, olyan innovációkat használ ki, mint a tömörített kommunikációs protokollok és az elosztott adatpárhuzamosság, hogy a képzés a hagyományos adatközpontokon kívül is megvalósítható legyen.

A teljesítménymutatók arra utalnak, hogy ez nem csupán kísérleti jellegű. A benchmark eredmények alapján versenyképes a már bevált, központosított modellekkel, ami segít megmagyarázni, miért keltette fel a projekt a kriptovaluta-szakértőkön kívüli közönség figyelmét is.

A piac is felfigyelt rá. A bejelentést követően a projekt TAO tokenje 24%-kal emelkedett, mióta Palihapitiya és Huang videója körbejárta a közösségi médiát.

Huang megjegyzései azonban arra utalnak, hogy a valódi történet nem a forradalom, hanem a kettő közötti együttélés. A saját fejlesztésű AI-rendszerek valószínűleg továbbra is dominánsak maradnak az általános felhasználók számára, míg a nyílt és decentralizált modellek szerepet vállalnak a speciális, költségérzékeny vagy szuverenitás-vezérelt alkalmazásokban.

A startupok számára az Nvidia vezérigazgatója egy pragmatikus stratégiát vázolt fel: kezdjék nyitottan, majd építsék be a saját fejlesztésű előnyöket. „Minden startup, amelybe jelenleg befektetünk, először nyílt forráskódú, majd áttér a saját fejlesztésű modellre” – mondta.

Más szavakkal, az AI jövője nem feltétlenül egyetlen architektúrához vagy filozófiához tartozik. Lehet, hogy azoké lesz, akik mindkettőt tudják kezelni – és tudják, mikor melyiket kell használni.

GYIK 🔎

• Mi az a Bittensor Covenant-72B?
  Egy 72 milliárd paraméteres nyelvi modell, amelyet decentralizált közreműködői hálózat segítségével, központi infrastruktúra nélkül képeztek ki.
• Mit mondott Jensen Huang a decentralizált mesterséges intelligenciáról?
  Azt mondta, hogy a nyílt és a zárt forráskódú mesterséges intelligencia modellek egymás mellett fognak létezni, és ezt a kapcsolatot „A és B”-ként írta le, nem pedig választásként a kettő között.
• Miért fontos ez a fejlemény?
  Megmutatja, hogy a nagyméretű AI-modellek a hagyományos adatközpontokon kívül is betaníthatók, ami megkérdőjelezi az infrastruktúra-igényekkel kapcsolatos feltételezéseket.
• Hogyan hat ez a mesterséges intelligencia iparágra?
  Támogatja egy olyan hibrid jövőt, ahol a központosított platformok és a decentralizált modellek különböző szerepeket töltenek be az iparágakban.