Decentralizovaná AI môže odomknúť spoločnosť po nedostatkovom období, hovorí CEO 0G Labs.

Dátová dilema: Kvalita, pôvod a dôvera

Diskusia o umelej inteligencii (AI) sa zásadne zmenila. Otázkou už nie je jej relevantnosť, ale ako ju urobiť spoľahlivejšou, transparentnejšou a efektívnejšou, keď sa jej nasadenie stáva bežným v každom sektore.

Súčasný AI paradigmat, dominovaný centralizovanými “čiernymi boxmi” modelov a masívnymi, proprietárnymi dátovými centrami, čelí rastúcemu tlaku z obáv ohľadom zaujatosti a monopolistickej kontroly. Pre mnohých v priestore Web3 riešenie nehovorí o prísnejšej regulácii súčasného systému, ale o úplnej decentralizácii základnej infraštruktúry.

Účinnosť týchto mocných AI modelov, napríklad, je určovaná predovšetkým kvalitou a integritou údajov, na ktorých sú trénované—faktorom, ktorý musí byť overiteľný a sledovateľný, aby sa predišlo systémovým chybám a AI halucináciám. Keď sa zvyšujú stávky pre odvetvia ako financie a zdravotníctvo, potreba dôveryhodného a transparentného základu pre AI sa stáva kritickou.

Michael Heinrich, sériový podnikateľ a absolvent Stanfordu, je jedným z tých, ktorí vedú snahu o vybudovanie tohto základu. Ako generálny riaditeľ 0G Labs momentálne vyvíja to, čo popisuje ako prvý a najväčší AI reťazec, s deklarovanou misiou zabezpečiť, aby sa AI stala bezpečným a overiteľným verejným statkom. Po tom, ako predtým založil Garten, spoločnosť podporovanú YCombinatorom, a pracoval v spoločnostiach Microsoft, Bain a Bridgewater Associates, teraz sústreďuje svoje odborné znalosti na architektonické výzvy decentralizovanej AI (DeAI).

Heinrich zdôrazňuje, že jadro výkonu AI spočíva v jeho znalostnej báze: dátach. “Účinnosť AI modelov je určovaná predovšetkým základnými údajmi, na ktorých sú trénovaní,” vysvetľuje. Vysoko kvalitné, vyvážené množiny údajov vedú k presným odpovediam, ale zlé alebo zle zastúpené údaje vedú k nekvalitným výstupom a zvýšenej náchylnosti k halucináciám.

Pre Heinricha je udržiavanie integrity týchto neustále aktualizovaných a rôznorodých súborov údajov radikálnym odklonom od status quo. Tvrdí, že hlavným vinníkom za AI halucinácie je nedostatok transparentného pôvodu. Jeho riešenie je kryptografické:

Verím, že všetky údaje by mali byť ukotvené na reťazci s kryptografickými dôkazmi a overiteľnou stopou dôkazov na zachovanie integrity dát.

Táto decentralizovaná, transparentná základňa, kombinovaná s ekonomickými stimulmi a neustálym dolaďovaním, je považovaná za potrebný mechanizmus na systematické eliminovanie chýb a algoritmickej zaujatosti.

Nad rámec technických oprav, Heinrich, ktorý bol nominovaný na Forbes 40 Under 40, má makroskopickú víziu pre AI, veriac, že by mala priviesť doby hojnosti.

“V ideálnom svete to dúfajme vytvorí podmienky pre spoločnosť s nadbytkom, kde sa zdroje stanú hojnými a nikto sa nemusí obávať vykonávania všedných prác,” konštatuje. Tento posun by umožnil jednotlivcom “sústrediť sa na kreatívnejšiu a voľnočasovú prácu”, čím by každému umožnil užívať si viac voľného času a ekonomickej bezpečnosti.

V konečnom dôsledku tvrdí, že decentralizovaný svet je jedinečne vhodný na napájanie takejto budúcnosti. Krása týchto systémov spočíva v tom, že sú zosúladené s incentivami, vytvárajúc samoregulujúcu sa ekonomiku výpočtovej sily. Ak sa zvýši dopyt po zdrojoch, stimuly na ich poskytovanie prirodzene narastú, až kým sa tento dopyt nenaplní, čím sa potreba výpočtových zdrojov splní vyváženým, bezpovolením spôsobom.

Ochrana AI: Open Source a dizajn stimulov

Na ochranu AI pred zámerným zneužitím—ako sú podvody s klonovaním hlasu a deepfakes—Heinrich navrhuje kombináciu riešení zameraných na človeka a na architektúru. V prvom rade by sa mala sústrediť na vzdelávanie ľudí, ako identifikovať AI podvody a falzifikáty používané na imitáciu a dezinformáciu. Heinrich tvrdí: Musíme učiť ľudí, aby boli schopní identifikovať alebo odtlačiť AI generovaný obsah, aby si mohli chrániť sami seba.”

Zákonodarcovia môžu tiež zohrávať rolu stanovením globálnych štandardov pre bezpečnosť a etiku AI. Hoci to pravdepodobne nezlikviduje zneužívanie AI, prítomnosť takýchto štandardov “môže do istej miery odrádzať.” Najvýkonnejším protiopatrením je však začlenené do decentralizovaného dizajnu: “Navrhovanie systémov zosúladených s incentivami by mohlo dramaticky znížiť zámerné zneužívanie AI.” Nasadením a riadením AI modelov na reťazci sa čestná účasť odmeňuje, zatiaľ čo škodlivé správanie prináša priame finančné dôsledky prostredníctvom mechanizmov znižovania na reťazci.

Zatiaľ čo niektorí kritici sa obávajú rizík otvorených algoritmov, Heinrich hovorí pre Bitcoin.com News, že to podporuje nadšene, pretože to poskytuje viditeľnosť do fungovania modelov. “Veci ako overiteľné trénovacie záznamy a nemenné dátové stopy môžu byť použité na zabezpečenie transparentnosti a umožniť komunitný dohľad,” čo priamo čelí rizikám spojeným s proprietárnymi, uzavrene zdrojovými “čiernymi boxmi” modelov.

Aby 0G Labs priniesla túto víziu bezpečnej a lacnej AI budúcnosti, buduje prvý “decentralizovaný AI operačný systém (DeAIOS).”

Tento operačný systém je navrhnutý tak, aby poskytoval overiteľný pôvod AI—vysoko škálovateľnú vrstvu úložiska a dostupnosti dát, ktorá umožňuje ukladanie masívnych AI datasetov na reťazci, čím sa všetky údaje stávajú overiteľnými a sledovateľnými. Táto úroveň bezpečnosti a sledovateľnosti je nevyhnutná pre AI agentov, ktorí operujú v regulovaných sektoroch.

Okrem toho systém ponúka bezpovolený trh pre výpočtové zdroje, ktorý demokratizuje prístup k výpočtovým zdrojom za konkurenčné ceny. Je to priamou odpoveďou na vysoké náklady a uzamknutie dodávateľa spojené s centralizovanou cloudovou infraštruktúrou.

0G Labs už preukázala technický prielom s Dilocox, rámcom, ktorý umožňuje trénovanie LLMs presahujúcich 100 miliárd parametrov nad decentralizovanými, 1 Gbps klastrami. Rozdelením modelov na menšie a samostatne trénované časti, Dilocox preukázal 357-násobné zlepšenie efektivity v porovnaní s tradičnými metódami distribuovaného trénovania, vďaka čomu sa veľkorozmerový vývoj AI stáva ekonomicky životaschopným mimo stien centralizovaných dátových centier.

Svetlejšia, dostupnejšia budúcnosť pre AI

Nakoniec, Heinrich vidí veľmi svetlú budúcnosť pre decentralizovanú AI, definovanú účasťou a prekonávaním prekážok pre adopciu.

“Je to miesto, kde ľudia a komunity spolu vytvárajú odborné AI modely, čím zabezpečujú, že budúcnosť AI je tvarovaná mnohými, namiesto len hŕstkou centralizovaných subjektov,” uzatvára. So súkromnými AI spoločnosťami, ktoré čelia tlaku zvyšovania cien, ekonomika a stimulačné štruktúry DeAI ponúkajú presvedčivú, oveľa dostupnejšiu alternatívu, kde je možné vytvárať výkonné AI modely za nižšie náklady, čím sa razí cesta k otvorenejšej, bezpečnejšej a v konečnom dôsledku prospešnej technologickej budúcnosti.

FAQ

• Aký je hlavný problém s aktuálnou centralizovanou AI? Súčasné AI modely trpia problémami s transparentnosťou, zaujatými dátami a monopolistickou kontrolou vďaka svojej centralizovanej “čiernorámcovej” architektúre.
• Aké riešenie vyvíja Michael Heinrich’s 0G Labs? 0G Labs vyvíja prvý “decentralizovaný AI operačný systém (DeAIOS)” na zabezpečenie, že AI bude bezpečným, overiteľným a verejným statkom.
• Ako zabezpečuje decentralizovaná AI integritu dát? Integrita dát je udržiavaná ukotvením všetkých údajov na reťazec s kryptografickými dôkazmi a overiteľnou stopou dôkazov, aby sa predišlo chybám a halucináciám.
• Aká je hlavná výhoda technológie Dilocox od 0G Labs? Dilocox je rámec, ktorý robí veľkorozmerný vývoj AI výrazne efektívnejším, preukazujúcim 357-násobné zlepšenie oproti tradičnému distribuovanému trénovaniu.