La tappa fondamentale della formazione di Bittensor attira l'attenzione di Chamath Palihapitiya e del CEO di Nvidia, Jensen Huang

L'AI open source prende slancio grazie all'appoggio del CEO di Nvidia

Chamath Palihapitiya ha messo in evidenza Covenant-72B di Bittensor durante un episodio del podcast All-In, descrivendolo come un esempio concreto di intelligenza artificiale (IA) decentralizzata che va oltre la teoria. Bittensor opera come una rete decentralizzata basata su blockchain che crea un mercato peer-to-peer in cui i modelli di machine learning e le risorse di calcolo IA vengono scambiati e incentivati.

Palihapitiya ha descritto l'iniziativa in termini semplici: un modello linguistico su larga scala (LLM) addestrato senza un'infrastruttura centralizzata, alimentato invece da una rete di contributori indipendenti. "Sono riusciti ad addestrare un modello LLaMA da 4 miliardi di parametri, totalmente distribuito, con un gruppo di persone che hanno messo a disposizione la potenza di calcolo in eccesso", ha detto, definendolo "un risultato tecnico piuttosto pazzesco".

Il paragone è stato accompagnato da un'analogia familiare. "Ci sono persone a caso, e ognuna ottiene una piccola quota", ha aggiunto Palihapitiya, riferendosi al primo progetto di calcolo distribuito che sfruttava l'hardware inattivo in tutto il mondo.

Huang non ha respinto l'idea. Al contrario, ha privilegiato una visione più ampia del mercato dell'IA, suggerendo che gli approcci decentralizzati e quelli proprietari non si escludono a vicenda. "Queste due cose non sono A o B; sono A e B", ha detto Huang. "Non c'è alcun dubbio al riguardo."

Questa visione a doppio binario riflette un crescente divario – e una sovrapposizione – all’interno dell’IA. Da un lato ci sono sistemi chiusi e altamente perfezionati come ChatGPT, Claude e Gemini. Dall’altro ci sono modelli open-source e decentralizzati che consentono agli sviluppatori e alle organizzazioni di personalizzare i sistemi per esigenze specifiche.

Huang ha chiarito che considera entrambi i percorsi essenziali. "I modelli sono una tecnologia, non un prodotto", ha detto, sottolineando che la maggior parte degli utenti continuerà ad affidarsi a sistemi raffinati e generici piuttosto che crearne di propri da zero.

Allo stesso tempo, ha indicato i settori in cui la personalizzazione non è facoltativa. “Ci sono tutti questi settori in cui la loro competenza nel settore… deve essere acquisita in un modo che possano controllare”, ha spiegato Huang, aggiungendo che “ciò può provenire solo da modelli aperti”.

Questa affermazione calza a pennello con Bittensor. Covenant-72B, sviluppato attraverso il suo Subnet 3 (Templar), rappresenta uno dei più grandi cicli di addestramento decentralizzati fino ad oggi, coordinando più di 70 contributori attraverso connessioni Internet standard senza un'autorità centrale.

Tecnicamente, il modello supera i limiti. Costruito con 72 miliardi di parametri e addestrato su circa 1,1 trilioni di token, sfrutta innovazioni come i protocolli di comunicazione compressi e il parallelismo dei dati distribuiti per rendere l'addestramento fattibile al di fuori dei data center tradizionali.

Le metriche di performance suggeriscono che non si tratti di un semplice esperimento. I risultati dei benchmark lo pongono in concorrenza con modelli centralizzati consolidati, un dettaglio che aiuta a spiegare perché il progetto abbia attirato l'attenzione anche al di là del pubblico nativo delle criptovalute.

Anche il mercato se n'è accorto. A seguito dell'annuncio, il token del progetto, TAO, è salito del 24% da quando il video di Palihapitiya e Huang ha fatto il giro dei social media.

Tuttavia, i commenti di Huang suggeriscono che la vera storia non è la disruption, ma la coesistenza tra i due. I sistemi di IA proprietari rimarranno probabilmente dominanti per gli utenti generici, mentre i modelli aperti e decentralizzati si ritaglieranno un ruolo nelle applicazioni specializzate, sensibili ai costi o guidate dalla sovranità.

Per le startup, il CEO di Nvidia ha delineato una strategia pragmatica: iniziare in modo aperto, per poi integrare i vantaggi proprietari. "Ogni startup in cui stiamo investendo ora è prima open source, per poi passare al modello proprietario", ha affermato.

In altre parole, il futuro dell'IA potrebbe non appartenere a una singola architettura o filosofia. Potrebbe appartenere a chi è in grado di destreggiarsi tra entrambe e sa quando utilizzare ciascuna di esse.

FAQ 🔎

• Cos'è Covenant-72B di Bittensor? Un modello linguistico da 72 miliardi di parametri addestrato attraverso una rete decentralizzata di collaboratori senza un'infrastruttura centralizzata.
• Cosa ha detto Jensen Huang sull'IA decentralizzata? Ha affermato che i modelli di IA aperti e proprietari coesisteranno, descrivendo il rapporto come "A e B", non come una scelta tra l'uno e l'altro.
• Perché questo sviluppo è importante? Dimostra che i modelli di IA su larga scala possono essere addestrati al di fuori dei data center tradizionali, mettendo in discussione le ipotesi sulle esigenze infrastrutturali.
• In che modo questo influisce sul settore dell'IA? Sostiene un futuro ibrido in cui le piattaforme centralizzate e i modelli decentralizzati svolgono ruoli diversi in tutti i settori.