AI Terpencar Boleh Membuka Masyarakat Pasca-Kekurangan, Kata CEO 0G Labs

Dilema Data: Kualiti, Asal Usul, dan Kepercayaan

Perbincangan mengenai kecerdasan buatan (AI) telah berubah secara asas. Persoalannya bukan lagi mengenai relevansinya, tetapi bagaimana untuk menjadikannya lebih dipercayai, telus, dan cekap ketika penggunaannya menjadi biasa dalam setiap sektor.

Paradigma AI semasa, yang didominasi oleh model “kotak hitam” berpusat dan pusat data yang besar dan proprietari, menghadapi tekanan meningkat daripada kebimbangan mengenai bias dan kawalan monopoli. Bagi ramai dalam ruang Web3, penyelesaiannya bukan terletak pada peraturan yang lebih ketat terhadap sistem semasa, tetapi dalam penyahpusatan sepenuhnya terhadap infrastruktur yang mendasarinya.

Keberkesanan model AI yang berkuasa ini, contohnya, ditentukan terutamanya oleh kualiti dan integriti data yang dilatih di atasnya—satu faktor yang mesti dapat diverifikasi dan dikesan untuk mencegah kesalahan sistemik dan halusinasi AI. Apabila kepentingan meningkat untuk industri seperti kewangan dan penjagaan kesihatan, keperluan untuk asas yang bebas kepercayaan dan telus untuk AI menjadi kritikal.

Michael Heinrich, seorang usahawan bersiri dan lulusan Stanford, adalah antara mereka yang memimpin usaha untuk membina asas tersebut. Sebagai Ketua Pegawai Eksekutif 0G Labs, beliau sedang membangunkan apa yang beliau gambarkan sebagai rantaian AI pertama dan terbesar, dengan misi yang dinyatakan untuk memastikan AI menjadi kebaikan awam yang selamat dan dapat diverifikasi. Setelah sebelumnya menubuhkan Garten, sebuah syarikat yang disokong YCombinator teratas, dan bekerja di Microsoft, Bain, dan Bridgewater Associates, Heinrich kini memanfaatkan kepakarannya terhadap cabaran seni bina AI yang terdesentralisasi (DeAI).

Heinrich menekankan bahawa teras prestasi AI terletak pada asas pengetahuannya: data. “Keberkesanan model AI ditentukan terutamanya oleh data yang mereka dilatih di atasnya,” jelasnya. Set data yang berkualiti tinggi dan seimbang membawa kepada respons yang tepat, tetapi data yang buruk atau diwakili secara tidak memadai menyebabkan output berkualiti rendah dan peningkatan kerentanan terhadap halusinasi.

Bagi Heinrich, mengekalkan integriti set data yang sentiasa berubah dan pelbagai ini memerlukan penyimpangan radikal dari status quo. Beliau berhujah bahawa punca utama di sebalik halusinasi AI adalah kekurangan sumber asal yang telus. Penyelesaiannya adalah kriptografi:

Saya percaya semua data harus disandarkan pada rantai dengan bukti kriptografi dan jejak bukti yang dapat diverifikasi untuk mengekalkan integriti data.

Asas yang terdesentralisasi dan telus ini, digabungkan dengan insentif ekonomi dan penghalusan berterusan, dilihat sebagai mekanisme yang perlu untuk menghapuskan kesalahan dan bias algoritma secara sistematik.

Di luar pembaikan teknikal, Heinrich, seorang penerima anugerah Forbes 40 Under 40, memegang visi makro untuk AI, percaya ia harus membawa kepada era kelebihan.

“Dalam dunia ideal, ia diharapkan dapat mewujudkan keadaan untuk masyarakat bebas kekurangan di mana sumber-sumber menjadi berlimpah dan di mana tiada orang bimbang untuk melakukan pekerjaan rutin lagi,” katanya. Peralihan ini akan membolehkan individu “fokus pada pekerjaan yang lebih kreatif dan santai,” yang memungkinkan semua orang menikmati lebih banyak masa lapang dan keselamatan ekonomi.

Pentingnya, beliau berhujah bahawa dunia terdesentralisasi secara unik sesuai untuk merangsang masa depan ini. Keindahan sistem-sistem ini adalah bahawa mereka bersepadu insentif, mewujudkan ekonomi seimbang diri untuk kuasa pengkomputeran. Jika permintaan untuk sumber meningkat, insentif untuk menyediakannya semula secara alami naik sehingga permintaan itu dipenuhi, memenuhi keperluan sumber pengkomputeran dengan cara yang seimbang dan tanpa izin.

Menjaga Keselamatan AI: Sumber Terbuka dan Reka Bentuk Insentif

Untuk melindungi AI daripada penyalahgunaan yang disengajakan—seperti penipuan klon suara dan deepfakes—Heinrich mencadangkan gabungan penyelesaian berpusatkan manusia dan seni bina. Pertama, fokus harus kepada mendidik orang bagaimana mengenali penipuan AI dan palsu yang digunakan untuk peniruan dan disinformasi. Heinrich menyatakan: Kita perlu mengajar orang untuk dapat mengenali atau menandai kandungan yang dihasilkan oleh AI supaya mereka dapat melindungi diri mereka sendiri.”

Penggubal undang-undang juga boleh memainkan peranan dengan menetapkan piawaian global untuk keselamatan dan etika AI. Walaupun ini tidak mungkin menghapuskan penyalahgunaan AI, keberadaan piawaian sedemikian “boleh membantu mengurangkannya.” Langkah balas yang paling berkuasa, bagaimanapun, terjalin dalam reka bentuk terdesentralisasi: “Merancang sistem yang berintegrasi insentif secara dramatik dapat mengurangkan penyalahgunaan AI yang disengajakan.” Dengan menggunakan dan mengawasi model AI di rantai, penyertaan jujur diberi ganjaran, manakala tingkah laku jahat menanggung akibat kewangan langsung melalui mekanisme pemotongan di rantai.

Walaupun ada pengkritik yang takut terhadap risiko algoritma terbuka, Heinrich memberitahu Bitcoin.com News bahawa beliau menyokongnya dengan penuh keghairahan kerana ia memberikan keterlihatan kepada cara model berfungsi. “Perkara seperti rekod latihan yang dapat diverifikasi dan jejak data yang tidak dapat diubah dapat digunakan untuk memastikan ketelusan dan membolehkan pengawasan komuniti,” yang secara langsung menentang risiko yang berkaitan dengan model “kotak hitam” proprietari dan tertutup.

Untuk menyampaikan visi masa depan AI yang selamat dan kos rendah ini, 0G Labs sedang membina “sistem operasi AI terdesentralisasi (DeAIOS)” yang pertama.

Sistem operasi ini direka untuk menyediakan ketentuan asal AI yang dapat diverifikasi—lapisan penyimpanan data yang sangat berskala dan ketersediaan yang membolehkan penyimpanan set data AI yang besar di rantai, menjadikan semua data dapat diverifikasi dan dikesan. Tahap keselamatan dan ketertelusuran ini penting untuk ejen AI yang beroperasi dalam sektor yang dikawal selia.

Tambahan pula, sistem ini menampilkan pasaran komputasi tanpa izin, yang mendemokrasikan akses kepada sumber komputasi dengan harga berdaya saing. Ini adalah jawapan langsung kepada kos tinggi dan penguncian vendor yang berkaitan dengan infrastruktur awan yang berpusat.

0G Labs telah menunjukkan satu terobosan teknikal dengan Dilocox, rangka kerja yang membolehkan latihan LLM yang melebihi 100 bilion parameter melalui rangkaian 1 Gbps yang terdesentralisasi. Dengan memecahkan model menjadi bahagian yang lebih kecil dan dilatih secara bebas, Dilocox telah menunjukkan peningkatan kecekapan 357x berbanding kaedah latihan terdistribusi tradisional, menjadikan pembangunan AI berskala besar secara ekonomis dapat dijalankan di luar dinding pusat data yang berpusat.

Masa Depan AI Yang Lebih Cerah dan Lebih Mampu Milik

Akhirnya, Heinrich melihat masa depan yang sangat cerah untuk AI yang terdesentralisasi, yang ditentukan oleh penyertaan dan menurunkan halangan untuk penerimaan.

“Ia adalah tempat di mana orang dan komuniti mencipta model AI pakar bersama, memastikan masa depan AI dibentuk oleh ramai dan bukannya hanya oleh segelintir entiti berpusat,” beliau menyimpulkan. Dengan syarikat AI proprietari menghadapi tekanan untuk menaikkan harga, ekonomi dan struktur insentif DeAI menawarkan alternatif yang menarik dan jauh lebih mampu milik di mana model AI yang berkuasa dapat dicipta pada kos yang lebih rendah, membuka jalan untuk masa depan teknologi yang lebih terbuka, lebih selamat, dan pada akhirnya lebih bermanfaat.

FAQ

• Apakah masalah teras dengan AI berpusat semasa? Model AI semasa mengalami masalah ketelusan, bias data, dan kawalan monopoli disebabkan senibina “kotak hitam” berpusat mereka.
• Apakah penyelesaian yang sedang dibina oleh 0G Labs Michael Heinrich? 0G Labs sedang membangunkan “sistem operasi AI terdesentralisasi (DeAIOS)” pertama untuk menjadikan AI kebaikan awam yang selamat dan dapat diverifikasi.
• Bagaimana AI terdesentralisasi memastikan integriti data? Integriti data dikekalkan dengan menyandarkan semua data di rantai dengan bukti kriptografi dan jejak bukti yang dapat diverifikasi untuk mencegah kesalahan dan halusinasi.
• Apakah kelebihan utama teknologi Dilocox 0G Labs? Dilocox adalah rangka kerja yang menjadikan pembangunan AI berskala besar jauh lebih cekap, menunjukkan peningkatan 357x berbanding latihan terdistribusi tradisional.