L'IA decentralizzata potrebbe sbloccare una società post-scarsità, afferma il CEO di 0G Labs

Il Dilemma dei Dati: Qualità, Provenienza e Fiducia

La discussione sull’intelligenza artificiale (IA) si è spostata in modo significativo. Non ci si chiede più se sia rilevante, ma come renderla più affidabile, trasparente ed efficiente man mano che il suo impiego diventa comune in ogni settore.

L’attuale paradigma dell’IA, dominato da modelli centralizzati “scatola nera” e grandi data center proprietari, affronta una crescente pressione a causa delle preoccupazioni su pregiudizi e controllo monopolistico. Per molti nello spazio Web3, la soluzione non risiede in una regolamentazione più rigorosa del sistema attuale, ma in una completa decentralizzazione dell’infrastruttura sottostante.

L’efficacia di questi potenti modelli IA, ad esempio, è determinata innanzitutto dalla qualità e integrità dei dati su cui vengono addestrati, un fattore che deve essere verificabile e tracciabile per prevenire errori sistemici e allucinazioni dell’IA. Mentre le poste in gioco crescono per industrie come la finanza e la sanità, la necessità di una base senza fiducia e trasparente per l’IA diventa critica.

Michael Heinrich, imprenditore seriale e laureato a Stanford, è tra i leader che stanno costruendo quella base. Come CEO di 0G Labs, sta attualmente sviluppando quella che descrive come la prima e più grande catena AI, con la missione dichiarata di garantire che l’IA diventi un bene pubblico sicuro e verificabile. Dopo aver fondato Garten, una delle migliori aziende supportate da YCombinator, e aver lavorato presso Microsoft, Bain e Bridgewater Associates, Heinrich sta ora applicando la sua esperienza alle sfide architettoniche dell’IA decentralizzata (DeAI).

Heinrich sottolinea che il core delle prestazioni dell’IA risiede nella sua base di conoscenza: i dati. “L’efficacia dei modelli IA è determinata innanzitutto dai dati sottostanti su cui sono addestrati”, spiega. Dataset di alta qualità e bilanciati portano a risposte accurate, mentre dati scadenti o sottorappresentati risultano in output di bassa qualità e una maggiore suscettibilità alle allucinazioni.

Per Heinrich, mantenere l’integrità di questi dataset in costante aggiornamento e diversità richiede una radicale deviazione dallo status quo. Egli sostiene che il principale colpevole delle allucinazioni dell’IA è la mancanza di trasparenza nella provenienza. La sua soluzione è criptografica:

Credo che tutti i dati dovrebbero essere ancorati on-chain con prove crittografiche e una traccia di evidenza verificabile per mantenere l’integrità dei dati.

Questa base decentralizzata e trasparente, combinata con incentivi economici e perfezionamenti continui, è vista come il meccanismo necessario per eliminare sistematicamente errori e pregiudizi algoritmici.

Oltre alle soluzioni tecniche, Heinrich, premiato come Forbes 40 Under 40, ha una visione macro dell’IA, credendo che dovrebbe introdurre un’era di abbondanza.

“In un mondo ideale, sperabilmente creerà le condizioni per una società post-scarsità dove le risorse diventano abbondanti e dove nessuno deve preoccuparsi di svolgere lavori banali”, afferma. Questo cambiamento permetterebbe agli individui di “concentrarsi su lavori più creativi e di svago”, consentendo essenzialmente a tutti di godere di più tempo libero e sicurezza economica.

Fondamentalmente, sostiene che il mondo decentralizzato è particolarmente adatto per alimentare questo futuro. La bellezza di questi sistemi è che sono allineati agli incentivi, creando un’economia auto-regolante per la potenza di calcolo. Se la domanda di risorse aumenta, gli incentivi a fornirle crescono naturalmente fino a quando quella domanda non viene soddisfatta, soddisfacendo la necessità di risorse computazionali in modo bilanciato e senza permessi.

Proteggere l’IA: Open Source e Progettazione degli Incentivi

Per proteggere l’IA da usi intenzionali scorretti — come truffe di clonazione vocale e deepfake — Heinrich suggerisce una combinazione di soluzioni incentrate sull’uomo e architettoniche. Innanzi tutto, l’attenzione dovrebbe essere posta sull’educare le persone su come identificare le truffe IA e i falsi usati per l’impersonazione e la disinformazione. Heinrich afferma: Dobbiamo insegnare alle persone a essere in grado di identificare o registrare le impronte dei contenuti generati dall’IA affinché possano proteggersi.”

Anche i legislatori possono svolgere un ruolo stabilendo standard globali per la sicurezza e l’etica dell’IA. Anche se è improbabile che ciò elimini del tutto l’uso scorretto dell’IA, la presenza di tali standard “può contribuire a scoraggiarlo.” La contromisura più potente, tuttavia, è intrecciata nel design decentralizzato: “Progettare sistemi allineati agli incentivi potrebbe ridurre drasticamente l’uso scorretto intenzionale dell’IA.” Distribuendo e governando modelli di IA on-chain, la partecipazione onesta è premiata, mentre i comportamenti maligni comportano conseguenze finanziarie dirette attraverso meccanismi di slashing on-chain.

Mentre alcuni critici temono i rischi degli algoritmi aperti, Heinrich dice a Bitcoin.com News di sostenere entusiasticamente perché fornisce visibilità su come funzionano i modelli. “Cose come i registri di addestramento verificabili e le tracce di dati immutabili possono essere usate per garantire trasparenza e consentire la supervisione comunitaria,” che contrasta direttamente i rischi associati ai modelli “scatola nera” proprietari e chiusi.

Per realizzare questa visione di un futuro IA sicuro e a basso costo, 0G Labs sta costruendo il primo “sistema operativo IA decentralizzato (DeAIOS).”

Questo sistema operativo è progettato per fornire una provenienza AI verificabile — uno strato di disponibilità e stoccaggio dei dati altamente scalabile che consente di archiviare dataset IA massivi on-chain, rendendo tutti i dati verificabili e tracciabili. Questo livello di sicurezza e tracciabilità è essenziale per agenti IA operanti in settori regolamentati.

Inoltre, il sistema presenta un mercato del calcolo senza permessi, che democratizza l’accesso alle risorse computazionali a prezzi competitivi. Questa è una risposta diretta ai costi elevati e al blocco del fornitore associati all’infrastruttura cloud centralizzata.

0G Labs ha già dimostrato un progresso tecnico con Dilocox, un framework che consente l’addestramento di LLM che supera i 100 miliardi di parametri su cluster decentralizzati a 1 Gbps. Suddividendo i modelli in parti più piccole e addestrate indipendentemente, Dilocox ha dimostrato un miglioramento dell’efficienza di 357 volte rispetto ai metodi tradizionali di addestramento distribuito, rendendo lo sviluppo IA su larga scala economicamente fattibile al di fuori dei muri dei data center centralizzati.

Un Futuro Più Luminoso e Accessibile per l’IA

Infine, Heinrich vede un futuro molto luminoso per l’IA decentralizzata, un futuro definito dalla partecipazione e dall’abbattimento delle barriere all’adozione.

“È un luogo in cui persone e comunità creano insieme modelli IA esperti, assicurando che il futuro dell’IA sia plasmato da molti piuttosto che solo da una manciata di entità centralizzate,” conclude. Con le aziende IA proprietarie sotto pressione per aumentare i prezzi, le economie e le strutture di incentivi di DeAI offrono un’alternativa convincente e molto più accessibile, dove potenti modelli IA possono essere creati a costi più bassi, aprendo la strada a un futuro tecnologico più aperto, sicuro e alla fine più benefico.

FAQ

• Qual è il problema principale con l’IA centralizzata attuale? I modelli di IA attuali soffrono di problemi di trasparenza, pregiudizi nei dati e controllo monopolistico a causa della loro architettura centralizzata “scatola nera”.
• Qual è la soluzione che sta costruendo 0G Labs di Michael Heinrich? 0G Labs sta sviluppando il primo “sistema operativo IA decentralizzato (DeAIOS)” per rendere l’IA un bene pubblico sicuro, verificabile.
• Come garantisce la Decentralized AI l’integrità dei dati? L’integrità dei dati è mantenuta ancorando tutti i dati on-chain con prove crittografiche e una traccia di evidenza verificabile per prevenire errori e allucinazioni.
• Qual è il principale vantaggio della tecnologia Dilocox di 0G Labs? Dilocox è un framework che rende lo sviluppo IA su larga scala significativamente più efficiente, dimostrando un miglioramento di 357 volte rispetto ai metodi tradizionali di addestramento distribuito.