AI Terdesentralisasi Bisa Membuka Masyarakat Pasca-Kelangkaan, Kata CEO 0G Labs

Dilema Data: Kualitas, Asal, dan Kepercayaan

Diskusi tentang kecerdasan buatan (AI) telah bergeser secara mendasar. Pertanyaannya sekarang bukan lagi tentang relevansinya, tetapi bagaimana membuatnya lebih andal, transparan, dan efisien seiring dengan penerapannya yang menjadi umum di setiap sektor.

Paradigma AI saat ini, yang didominasi oleh model “black box” terpusat dan pusat data masif yang bersifat properti, menghadapi tekanan yang meningkat akibat kekhawatiran tentang bias dan kontrol monopoli. Bagi banyak orang di ruang Web3, solusinya bukan terletak pada regulasi yang lebih ketat terhadap sistem saat ini, tetapi pada desentralisasi total infrastruktur yang mendasarinya.

Efektivitas model AI yang kuat ini, misalnya, ditentukan terutama oleh kualitas dan integritas data yang mereka latih—a faktor yang harus dapat diverifikasi dan dapat ditelusuri untuk mencegah kesalahan sistemik dan halusinasi AI. Seiring dengan meningkatnya taruhannya untuk industri seperti keuangan dan kesehatan, kebutuhan akan fondasi yang dapat dipercaya dan transparan bagi AI menjadi kritis.

Michael Heinrich, seorang pengusaha berantai dan lulusan Stanford, adalah salah satu yang memimpin dalam membangun fondasi tersebut. Sebagai CEO dari 0G Labs, ia saat ini mengembangkan apa yang ia gambarkan sebagai rantai AI pertama dan terbesar, dengan misi yang dinyatakan untuk memastikan AI menjadi barang publik yang aman dan dapat diverifikasi. Setelah mendirikan Garten, perusahaan top yang didukung oleh YCombinator, dan bekerja di Microsoft, Bain, dan Associates Bridgewater, Heinrich kini menerapkan keahliannya pada tantangan arsitektur AI desentralisasi (DeAI).

Heinrich menekankan bahwa inti dari kinerja AI terletak pada basis pengetahuannya: data. “Efektivitas model AI ditentukan pertama dan utama oleh data dasar yang mereka latih,” jelasnya. Set data berkualitas tinggi dan seimbang mengarah pada respons yang akurat, tetapi data buruk atau kurang terwakili menghasilkan keluaran berkualitas buruk dan meningkatnya kerentanan terhadap halusinasi.

Bagi Heinrich, menjaga integritas set data yang terus diperbarui dan beragam memerlukan pemisahan yang radikal dari status quo. Ia berpendapat bahwa penyebab utama di balik halusinasi AI adalah kurangnya transparansi asal. Remedinya adalah kriptografis:

Saya percaya semua data harus ditambatkan di rantai dengan bukti kriptografis dan jejak bukti yang dapat diverifikasi untuk menjaga integritas data.

Fondasi yang terdesentralisasi dan transparan ini, dikombinasikan dengan insentif ekonomi dan penyempurnaan berkelanjutan, dilihat sebagai mekanisme yang diperlukan untuk secara sistematis menghilangkan kesalahan dan bias algoritma.

Selain perbaikan teknis, Heinrich, seorang penerima beasiswa Forbes 40 Under 40, memandang makro untuk AI, percaya bahwa seharusnya membuka era kemakmuran.

“Dalam dunia yang ideal, itu akan mudah-mudahan menciptakan kondisi untuk masyarakat pasca-kekurangan di mana sumber daya menjadi melimpah dan tidak ada yang perlu khawatir tentang melakukan pekerjaan yang membosankan lagi,” ia menyatakan. Pergeseran ini akan memungkinkan individu untuk “berfokus pada pekerjaan yang lebih kreatif dan santai,” pada dasarnya memungkinkan semua orang untuk menikmati lebih banyak waktu luang dan keamanan ekonomi.

Yang terpenting, dia berpendapat bahwa dunia terdesentralisasi secara unik cocok untuk mendorong masa depan ini. Keindahan sistem ini adalah bahwa mereka disesuaikan dengan insentif, menciptakan ekonomi yang seimbang sendiri untuk daya komputasi. Jika permintaan untuk sumber daya meningkat, insentif untuk menyediakannya secara alami meningkat hingga permintaan itu terpenuhi, memenuhi kebutuhan sumber daya komputasi dengan cara yang seimbang dan bebas izin.

Melindungi AI: Sumber Terbuka dan Desain Insentif

Untuk melindungi AI dari penyalahgunaan yang disengaja—seperti penipuan pemalsuan suara dan deepfake—Heinrich menyarankan kombinasi solusi manusia-sentris dan arsitektural. Pertama, fokus harus pada mendidik orang tentang cara mengidentifikasi penipuan AI dan pemalsuan yang digunakan untuk impersonasi dan disinformasi. Heinrich menyatakan: Kita perlu mengajarkan orang untuk dapat mengidentifikasi atau mengambil sidik jari konten yang dihasilkan AI agar mereka dapat melindungi diri mereka sendiri.”

Pembuat kebijakan juga dapat memainkan peran dengan menetapkan standar global untuk keselamatan dan etika AI. Meskipun hal ini tidak mungkin menghilangkan penyalahgunaan AI, keberadaan standar semacam itu “dapat mengurangi penyalahgunaan tersebut.” Namun, tindakan pencegahan yang paling efektif terjalin dalam desain terdesentralisasi: “Merancang sistem yang disesuaikan dengan insentif dapat secara dramatis mengurangi penyalahgunaan AI yang disengaja.” Dengan mengdeploy dan mengelola model AI di rantai, partisipasi yang jujur dihargai, sementara perilaku jahat menimbulkan konsekuensi keuangan langsung melalui mekanisme pemotongan di rantai.

Sementara beberapa kritik khawatir tentang risiko algoritma terbuka, Heinrich mengatakan kepada Bitcoin.com News bahwa ia mendukungnya dengan antusias karena memberikan visibilitas ke dalam cara kerja model. “Hal-hal seperti catatan pelatihan yang dapat diverifikasi dan jejak data yang tidak dapat diubah dapat digunakan untuk memastikan transparansi dan memungkinkan pengawasan komunitas,” yang secara langsung melawan risiko yang terkait dengan model “black-box” tertutup properti.

Untuk mewujudkan visi masa depan AI yang aman dan berbiaya rendah ini, 0G Labs sedang membangun “sistem operasi AI desentralisasi (DeAIOS)” pertama.

Sistem operasi ini dirancang untuk menyediakan asal AI yang dapat diverifikasi—lapisan penyimpanan dan ketersediaan data yang sangat skalabel yang memungkinkan penyimpanan dataset AI besar di rantai, menjadikan semua data dapat diverifikasi dan dapat dilacak. Tingkat keamanan dan pelacakan ini sangat penting untuk agen AI yang beroperasi di sektor yang diatur.

Selain itu, sistem ini menampilkan pasar komputasi bebas izin, yang mendemokratisasi akses ke sumber daya komputasi dengan harga kompetitif. Ini adalah jawaban langsung terhadap biaya tinggi dan kuncian vendor yang terkait dengan infrastruktur cloud terpusat.

0G Labs telah menunjukkan terobosan teknis dengan Dilocox, sebuah kerangka kerja yang memungkinkan pelatihan LLM yang melebihi 100 miliar parameter melalui cluster desentralisasi, 1 Gbps. Dengan memecah model menjadi bagian yang lebih kecil dan dilatih secara independen, Dilocox telah menunjukkan peningkatan efisiensi 357x dibandingkan dengan metode pelatihan terdistribusi tradisional, menjadikan pengembangan AI skala besar secara ekonomi dapat dilakukan di luar tembok pusat data terpusat.

Masa Depan AI yang Lebih Cerah dan Lebih Terjangkau

Akhirnya, Heinrich melihat masa depan yang sangat cerah untuk AI desentralisasi, yang ditentukan oleh partisipasi dan menghancurkan hambatan adopsi.

“Ini adalah tempat di mana orang dan komunitas menciptakan model AI ahli bersama-sama, memastikan masa depan AI dibentuk oleh banyak pihak daripada hanya segelintir entitas terpusat,” simpulnya. Dengan perusahaan AI propriatari yang menghadapi tekanan untuk menaikkan harga, struktur ekonomi dan insentif dari DeAI menawarkan alternatif yang menarik dan jauh lebih terjangkau di mana model AI yang kuat dapat dibuat dengan biaya lebih rendah, membuka jalan untuk masa depan teknologi yang lebih terbuka, lebih aman, dan pada akhirnya lebih bermanfaat.

FAQ

• Apa masalah inti dengan AI terpusat saat ini? Model AI saat ini menderita masalah transparansi, bias data, dan kontrol monopoli karena arsitektur “black box” mereka yang terpusat.
• Solusi apa yang sedang dibangun oleh 0G Labs milik Michael Heinrich? 0G Labs sedang mengembangkan “sistem operasi AI desentralisasi (DeAIOS)” pertama untuk menjadikan AI sebagai barang publik yang aman dan dapat diverifikasi.
• Bagaimana AI Desentralisasi memastikan integritas data? Integritas data dipertahankan dengan menambatkan semua data di rantai dengan bukti kriptografis dan jejak bukti yang dapat diverifikasi untuk mencegah kesalahan dan halusinasi.
• Apa keuntungan utama dari teknologi Dilocox 0G Labs? Dilocox adalah kerangka kerja yang membuat pengembangan AI skala besar jauh lebih efisien, menunjukkan peningkatan 357x dibandingkan dengan pelatihan terdistribusi tradisional.