Maaaring Buksan ng Desentralisadong AI ang Isang Lipunan na Walang Kakapusan, Sabi ng CEO ng 0G Labs

Ang Dilemma sa Datos: Kalidad, Pagkakakilanlan, at Tiwala

Ang diskusyon tungkol sa artificial intelligence (AI) ay nagbago nang lubos. Hindi na ang tanong ay tungkol sa kahalagahan nito, kundi kung paano ito magiging mas maaasahan, malinaw, at epektibo habang ang paggamit nito ay nagiging karaniwan sa bawat sektor.

Ang kasalukuyang paradigma ng AI, na pinangungunahan ng mga sentralisadong “black box” na modelo at malalaking, pribadong data centers, ay nahaharap sa lumalaking pressure mula sa mga alalahanin tungkol sa bias at monopolistikong kontrol. Para sa marami sa espasyo ng Web3, ang solusyon ay hindi sa mas mahigpit na regulasyon ng kasalukuyang sistema, kundi sa ganap na desentralisasyon ng pinagbabatayang imprastraktura.

Ang bisa ng makapangyarihang mga modelo ng AI, halimbawa, ay itinatakda lalo na ng kalidad at integridad ng datos kung saan sila nagsasanay—isang salik na dapat na maberipika at masusuri upang maiwasan ang sistematikong mga pagkakamali at hallucination ng AI. Habang tumataas ang taya para sa mga industriya tulad ng pananalapi at pangangalagang pangkalusugan, ang pangangailangan para sa isang walang tiwala at transparenteng pundasyon para sa AI ay nagiging kritikal.

Si Michael Heinrich, isang serial entrepreneur at nagtapos sa Stanford, ay kabilang sa mga nangunguna sa paggawa ng pundasyon na iyon. Bilang CEO ng 0G Labs, kasalukuyan niyang dine-develop ang kanyang itinuturing bilang pinakauna at pinakamalaking AI chain, na may layuning gawing ligtas at maberipika ang AI bilang isang pampublikong kabutihan. Matapos itatag ang Garten, isang nangungunang kompanyang suportado ng YCombinator, at nagtrabaho sa Microsoft, Bain, at Bridgewater Associates, ay inilalagay ni Heinrich ang kanyang kadalubhasaan sa mga arkitekturang hamon ng decentralized AI (DeAI).

Binibigyang-diin ni Heinrich na ang sentro ng pagganap ng AI ay nakasalalay sa base ng kaalaman nito: ang datos. “Ang bisa ng mga modelo ng AI ay tinutukoy una sa lahat sa ilalim na datos kung saan sila nagsasanay,” ani niya. Ang mataas na kalidad, balanseng mga dataset ay nagreresulta sa tumpak na mga tugon, ngunit ang masama o hindi kinatawan na datos ay nagdudulot ng masamang kalidad na output at nadagdagang panganib ng hallucinations.

Para kay Heinrich, ang pagpapanatili ng integridad ng mga patuloy na nag-a-update at magkakaibang datasets ay nangangailangan ng radikal na paglayo mula sa kasalukuyang kalagayan. Ipinapahayag niya na ang pangunahing salarin sa likod ng AI hallucinations ay ang kakulangan ng transparent provenance. Ang kanyang lunas ay cryptographic:

Naniniwala ako na ang lahat ng datos ay dapat i-anchor on-chain na may mga cryptographic proofs at maberipikang trail ng ebidensya upang mapanatili ang integridad ng datos.

Ang desentralisado, transparent na pundasyon, na sinamahan ng mga insentibo pang-ekonomiya at tuloy-tuloy na fine-tuning, ay nakikita bilang ang kinakailangang mekanismo upang sistematikong matanggal ang mga pagkakamali at algorithmic bias.

Higit pa sa mga teknikal na pag-aayos, si Heinrich, na isang Forbes 40 Under 40 honoree, ay may macro na pananaw para sa AI, naniniwala na ito ay dapat maglunsad ng isang era ng kasaganaan.

“Sa isang ideal na mundo, sana ay lumikha ito ng mga kondisyon para sa isang post-kakulangan na lipunan kung saan ang mga mapagkukunan ay magiging sagana at kung saan wala nang dapat mag-alala tungkol sa paggawa ng karaniwang mga trabaho,” sabi niya. Ang paglipat na ito ay magbibigay-daan sa mga indibidwal na “mag-concentrate sa mas malikhaing at maaliwalas na trabaho,” na mahalagang nagbibigay-daan sa lahat na makaranas ng mas maraming libreng oras at pang-ekonomiyang seguridad.

Mahalaga, kanyang pinangangatwiran na ang desentralisadong mundo ay natatanging nababagay upang palakasin ang hinaharap na ito. Ang kagandahan ng mga sistemang ito ay sila ay insentibo-aligned, lumilikha ng isang self-balancing na ekonomiya para sa compute power. Kung ang pangangailangan para sa mga mapagkukunan ay tumaas, ang mga insentibong ibigay ang mga ito ay natural na tataas hanggang ang pangangailangan ay matugunan, tinutupad ang pangangailangan para sa computational resources sa isang balanseng, walang pahintulot na paraan.

Pagtatanggol sa AI: Open Source at Disenyo ng Insentibo

Upang protektahan ang AI mula sa balak na mis-use—tulad ng voice cloning scams at deepfakes—iminumungkahi ni Heinrich ang kumbinasyon ng human-centric at architectural na solusyon. Una, ang pokus ay dapat sa pag-edukasyon sa mga tao kung paano makikilala ang mga AI scam at pekeng ginamit para sa impersonation at disinformation. Sinasabi ni Heinrich: Kailangan nating turuan ang mga tao na makilala o mag-fingerprint ng AI-generated content upang maprotektahan ang kanilang mga sarili.”

Maaari ring gampanan ng mga mambabatas ang papel sa pamamagitan ng pagtatatag ng mga pandaigdigang pamantayan para sa kaligtasan ng AI at etika. Habang hindi malamang na ito ay ganap na aalisin ang maling paggamit ng AI, ang presensya ng mga pamantayan na ito “ay makakatulong kahit papaano upang pigilan ito.” Ang pinakamakapangyarihang kontra-sukatan, gayunpaman, ay naisasalabid sa disenyo ng desentralisado: “Pagdidisenyo ng insentibo-aligned systems ay maaaring lubos na bawasan ang balak na maling paggamit ng AI.” Sa pamamagitan ng pagdeploy at pag-gobernar ng mga modelo ng AI on-chain, ang matapat na pakikilahok ay ginagantimpalaan, habang ang masamang pag-uugali ay nagkakaroon ng direktang pinansyal na parusa sa pamamagitan ng on-chain slashing mechanisms.

Habang ang ilang kritiko ay nangangamba sa mga panganib ng open algorithms, sinabi ni Heinrich sa Bitcoin.com News na kanya itong suportang malugod dahil nagbibigay ito ng visibility sa kung paano gumagana ang mga modelo. “Ang mga bagay tulad ng maberipikang training records at hindi nababagong mga data trail ay maaaring gamitin upang matiyak ang transparency at magbigay daan para sa komunidad na mapanagot ito,” na direktang lumalaban sa mga panganib na kaugnay ng kaukulang, closed-source “black-box” na mga modelo.

Upang maihatid ang pananaw na ito ng isang ligtas at mababang-gastos na AI hinaharap, ang 0G Labs ay gumagawa ng unang “decentralized AI operating system (DeAIOS).”

Ang operating system na ito ay idinisenyo upang magbigay ng maberipikang AI provenance—isang mataas na scalable data storage at availability layer na nagbibigay-daan sa pag-iimbak ng malalaking AI datasets on-chain, na ginagawang ang lahat ng datos ay maberipika at masusuri. Ang antas ng seguridad at traceability na ito ay mahalaga para sa mga AI agents na kumikilos sa mga regulated na sektor.

Bukod pa rito, ang sistema ay may tampok na permissionless compute marketplace, na nagdederokratisa ng access sa compute resources sa mapagkumpitensyang mga presyo. Ito ay isang direktang tugon sa mataas na gastusin at vendor lock-in na nauugnay sa sentralisadong cloud infrastructure.

Ang 0G Labs ay nagpakita na ng isang teknikal na tagumpay sa Dilocox, isang framework na nagpapahintulot sa pagsasanay ng LLMs na higit sa 100 bilyong parameter sa desentralisadong, 1 Gbps na mga klaster. Sa pamamagitan ng paghahati sa mga modelo sa mas maliit at independenteng training na bahagi, ang Dilocox ay nagpakita ng 357x na pagpapabuti sa kahusayan kumpara sa mga tradisyunal na distributed training methods, ginagawa ang malaking-laking AI development na ekonomikal na viable sa labas ng mga pader ng centralized data centers.

Isang Mas Maliwanag, Mas Abot-kayang Hinaharap para sa AI

Sa huli, nakikita ni Heinrich ang isang napakaliwanag na hinaharap para sa desentralisadong AI, isang hinaharap na tinutukoy ng partisipasyon at pagkakabuwag ng mga hadlang sa pagtanggap.

“Ito ay isang lugar kung saan ang mga tao at komunidad ay lumilikha ng expert AI models ng sama-sama, na tinitiyak na ang hinaharap ng AI ay hinuhubog ng marami sa halip na ng iilan lamang na sentralisadong mga entidad,” matapos niyang sabihin. Sa mga kompanya ng proprietary AI na nahaharap sa pressure na pataasin ang mga presyo, ang mga ekonomiya at istruktura ng insentibo ng DeAI ay nag-aalok ng isang kaakit-akit, higit na mas abot-kayang alternatibo kung saan ang makapangyarihang mga modelo ng AI ay maaaring malikha sa mas mababang gastos, naglalatag ng daan para sa isang mas bukas, mas ligtas, at sa huli mas kapaki-pakinabang na teknolohikal na hinaharap.

FAQ

• Ano ang pangunahing problema sa kasalukuyang sentralisadong AI? Ang kasalukuyang mga modelo ng AI ay may mga isyu sa transparency, bias sa datos, at monopolistikong kontrol dahil sa kanilang sentralisadong “black box” na arkitektura.
• Ano ang solusyon na ginagawa ng 0G Labs ni Michael Heinrich? Ang 0G Labs ay bumubuo ng unang “decentralized AI operating system (DeAIOS)” upang gawing ligtas, maberipika, at pampublikong kabutihan ang AI.
• Paano tinitiyak ng Decentralized AI ang integridad ng datos? Ang integridad ng datos ay pinapanatili sa pamamagitan ng pag-anchor ng lahat ng datos on-chain na may mga cryptographic proofs at maberipikang trail ng ebidensya upang maiwasan ang mga pagkakamali at hallucinations.
• Ano ang pangunahing bentaha ng Dilocox technology ng 0G Labs? Ang Dilocox ay isang framework na lubos na nagpapabisa sa malalaking-laking pag-unlad ng AI, na nagpapakita ng 357x na pagpapabuti kumpara sa tradisyunal na distributed training.