Meilenstein v okviru usposabljanja podjetja Bittensor je pritegnil pozornost Chamatha Palihapitije in izvršnega direktorja podjetja Nvidia Jensena Huanga

Zagon odprtokodne umetne inteligence se krepi s podporo izvršnega direktorja Nvidie

Chamath Palihapitiya je v eni od epizod podcasta All-In izpostavil Bittensorjev Covenant-72B in ga predstavil kot konkreten primer decentralizirane umetne inteligence (AI), ki presega teorijo. Bittensor deluje kot decentralizirano, na blok verigi temelječe omrežje, ki vzpostavlja trg med enakovrednimi udeleženci, na katerem se izmenjujejo in spodbujajo modeli strojnega učenja ter računalniške zmogljivosti AI.

Palihapitiya je prizadevanje opisal v preprostih besedah: obsežen jezikovni model (LLM), usposobljen brez centralizirane infrastrukture, ki ga namesto tega poganja omrežje neodvisnih sodelavcev. »Uspelo jim je usposobiti model LLaMA s 4 milijardami parametrov, popolnoma razpršen, pri čemer je skupina ljudi prispevala presežne računske zmogljivosti,« je dejal in to označil za »precej noro tehnično dosežek«.

Primerjava se je končala z znano analogijo. »Obstajajo naključni ljudje in vsak dobi majhen delež,« je dodal Palihapitiya, sklicujoč se na zgodnji projekt razpršenega računalništva, ki je izkoriščal neizkoriščeno strojno opremo po vsem svetu.

Huang te ideje ni zavrnil. Namesto tega se je nagibal k širšemu okviru trga umetne inteligence in nakazal, da se decentralizirani in lastniški pristopi med seboj ne izključujejo. »Ti dve stvari nista A ali B; sta A in B,« je dejal Huang. »O tem ni dvoma.«

Ta vizija dveh poti odraža vse večjo ločnico – in prekrivanje – znotraj umetne inteligence. Na eni strani so zaprti, visoko izpopolnjeni sistemi, kot so ChatGPT, Claude in Gemini. Na drugi strani so odprti in decentralizirani modeli, ki razvijalcem in organizacijam omogočajo prilagajanje sistemov za specifične potrebe.

Huang je jasno povedal, da obe poti vidi kot bistveni. »Modeli so tehnologija, ne izdelek,« je dejal in opozoril, da se bo večina uporabnikov še naprej zanašala na izpopolnjene sisteme splošnega namena, namesto da bi svoje gradila od začetka.

Hkrati je opozoril na panoge, v katerih prilagajanje ni neobvezno. »Obstajajo panoge, v katerih je treba strokovno znanje s področja … zajeti na način, ki ga lahko nadzorujejo,« je pojasnil Huang in dodal, da »to lahko omogočijo le odprti modeli.«

Ta izjava se popolnoma ujema z usmeritvijo podjetja Bittensor. Covenant-72B, razvit prek njihovega Subnet 3 (Templar), predstavlja eno največjih decentraliziranih usposabljanj do danes, ki usklajuje več kot 70 sodelavcev prek standardnih internetnih povezav brez centralne oblasti.

Tehnično gledano model premika meje. Zgrajen je s 72 milijardami parametrov in usposobljen na približno 1,1 bilijona žetonov, izkorišča pa inovacije, kot so stisnjeni komunikacijski protokoli in porazdeljena podatkovna vzporednost, da usposabljanje postane izvedljivo zunaj tradicionalnih podatkovnih centrov.

Merila uspešnosti kažejo, da ne gre le za eksperiment. Rezultati primerjalnih testov ga uvrščajo v konkurenco z uveljavljenimi centraliziranimi modeli, kar pomaga pojasniti, zakaj je projekt pritegnil pozornost tudi zunaj kriptovalutne skupnosti.

Tudi trg je to opazil. Po objavi se je token projekta TAO zvišal za 24 %, odkar je video Palihapitije in Huanga krožil po družbenih medijih.

Vendar Huangove pripombe kažejo, da prava zgodba ni v preobratu, ampak v sobivanju obeh. Lastniški sistemi umetne inteligence bodo verjetno ostali prevladujoči za splošne uporabnike, medtem ko si bodo odprti in decentralizirani modeli izborili vlogo v specializiranih, cenovno občutljivih ali suverenostno usmerjenih aplikacijah.

Za startupe je izvršni direktor Nvidie nakazal pragmatičen načrt: začnite odprto, nato pa dodajte lastniške prednosti. »Vsak startup, v katerega zdaj vlagamo, je najprej odprtokodni, nato pa preide na lastniški model,« je dejal.

Z drugimi besedami, prihodnost umetne inteligence morda ne bo pripadala eni sami arhitekturi ali filozofiji. Morda bo pripadala tistim, ki se znajo znajti v obeh – in vedo, kdaj uporabiti katero.

Pogosta vprašanja 🔎

• Kaj je Bittensorjev Covenant-72B?
  Jezikovni model s 72 milijardami parametrov, usposobljen prek decentralizirane mreže sodelavcev brez centralizirane infrastrukture.
• Kaj je Jensen Huang povedal o decentralizirani umetni inteligenci?
  Dejal je, da bodo odprti in lastniški modeli umetne inteligence sobivali, pri čemer je to razmerje opisal kot „A in B“, ne pa kot izbiro med njima.
• Zakaj je ta razvoj pomemben?
  Kaže, da se lahko obsežni modeli umetne inteligence usposabljajo zunaj tradicionalnih podatkovnih centrov, kar postavlja pod vprašaj predpostavke o potrebah po infrastrukturi.
• Kako to vpliva na industrijo umetne inteligence?
  Podpira hibridno prihodnost, v kateri centralizirane platforme in decentralizirani modeli opravljajo različne vloge v različnih panogah.