Merkezi Olmayan Yapay Zeka, 0G Labs CEO'suna Göre Kıtlık Sonrası Toplumu Açabilir

Veri İkilemi: Kalite, Menşe ve Güven

Yapay zeka (AI) hakkındaki tartışmalar temelden değişti. Artık bunun ne kadar önemli olduğu değil, yaygın olarak kullanılmaya başlamasıyla birlikte nasıl daha güvenilir, şeffaf ve verimli hale getirilebileceği sorusu ön planda.

Merkezi “kara kutu” modelleri ve devasa, tescilli veri merkezleri tarafından hâkim olan mevcut AI paradigması, önyargı ve tekelcilik kontrolüyle ilgili endişelerden dolayı artan bir baskı ile karşı karşıya. Web3 alanındaki birçok kişi için çözüm, mevcut sistemin daha sıkı düzenlenmesinde değil, altında yatan altyapının tamamen merkeziyetsizleştirilmesinde yatıyor.

Bu güçlü AI modellerinin etkinliği, her şeyden önce, eğitildikleri verinin kalitesi ve bütünlüğü ile belirlenir—sistemsel hataların ve AI varsanılarının önlenmesi için doğrulanabilir ve izlenebilir bir faktördür. Finans ve sağlık gibi sektörler için riskler artarken, AI için güvenilir ve şeffaf bir temel ihtiyacı kritik hale geliyor.

Michael Heinrich, seri girişimci ve Stanford mezunu, bu temeli oluşturma çalışmalarına öncülük edenler arasında. CEO’su olduğu 0G Labs, AI’nin güvenli ve doğrulanabilir bir kamu yararı haline gelmesini sağlama misyonuna sahip olan ve “ilk ve en büyük AI zinciri” olduğunu tanımladığı şeyi şu anda geliştiriyor. Daha önce YCombinator destekli lider şirketlerden biri olan Garten’i kurmuş olan ve Microsoft, Bain ve Bridgewater Associates’te çalışmış olan Heinrich, şimdi uzmanlığını merkeziyetsiz AI (DeAI) inşasının mimari güçlüklerine uyguluyor.

Heinrich, AI performansının özünün bilgi tabanında olduğunu vurguluyor: veri. “AI modellerinin etkinliği her şeyden önce eğitildikleri verinin altında yatan kalitesine bağlıdır,” diye açıklıyor. Yüksek kaliteli, dengeli veri setleri doğru yanıtlar verirken, kötü veya yeterince temsil edilmeyen veri kötü kalite çıktılara ve varsanılara yönelme riskine yol açar.

Heinrich için bu sürekli güncellenen ve çeşitli veri setlerinin bütünlüğünü korumak statükodan radikal bir sapma gerektirir. AI varsanılarının arkasındaki en büyük suçlunun şeffaf menşe eksikliği olduğunu savunuyor. Çözümü ise kriptografiktir:

Tüm verilerin zincir üzerinde kriptografik kanıtlarla ve doğrulanabilir kanıt izleriyle demirlenmesi gerektiğine inanıyorum.

Bu merkeziyetsiz, şeffaf temel, ekonomik teşvikler ve sürekli ince ayarla birlikte, hataları ve algoritmik önyargıyı sistematik olarak ortadan kaldırmak için gerekli mekanizma olarak görülüyor.

Teknik düzeltmelerin ötesinde, Forbes’in 40 Yaş Altı 40 Listesi’nde yer alan Heinrich, AI’nin bolluk çağını başlatacağına inandığı bir makro vizyona sahip.

“İdeal bir dünyada, muhtemelen kaynakların bol olduğu ve artık kimsenin sıradan işleri yapmayacağı bir post-kıtlık toplumunu oluşturacak koşulları yaratacaktır,” diyor. Bu değişim bireylerin “daha yaratıcı ve eğlenceli işlere” odaklanabilmesini sağlayarak, herkesin daha fazla boş zaman ve ekonomik güvence elde etmesine olanak tanır.

Heinrich, merkeziyetsiz dünyanın bu geleceği güçlendirmek için benzersiz bir şekilde uygun olduğunu savunuyor. Bu sistemlerin güzelliği, teşvik uyumlu olmalarıdır ve bu da hesaplama gücü için kendi kendine dengeleyici bir ekonomi oluşturur. Kaynaklara talep arttığında, onları tedarik etme teşvikleri doğal olarak artarak, talep karşılanana kadar olup, hesap kaynaklarına dengeli ve izin gerektirmeyen bir şekilde ulaşılmasını sağlar.

AI’nin Güvenliğini Sağlama: Açık Kaynak ve Teşvik Tasarımı

AI’yi ses klonlama dolandırıcılıkları ve derin sahte içerikler gibi kasıtlı kötüye kullanımlardan korumak için Heinrich, insan odaklı ve mimari çözümlerin kombinasyonunu öneriyor. İlk olarak, insanların taklit ve dezenformasyon için kullanılan AI dolandırıcılıklarını ve sahte içerikleri nasıl tanıyacaklarını öğretmeye odaklanılmalıdır. Heinrich şu açıklamayı yapıyor: İnsanlara AI tarafından üretilen içeriği nasıl tanıyabileceklerini veya iz sürebileceklerini öğretmemiz gerekiyor ki kendilerini koruyabilsinler.”

Yasamacılar ayrıca AI güvenliği ve etiği için küresel standartlar belirleyerek rol oynayabilirler. Bu standartların varlığı AI’nin kötüye kullanılmasını tamamen ortadan kaldırmasa da, “bunu caydırmak için bir miktar etkili olabilir.” Ancak en etkili karşı önlem merkeziyetsiz tasarıma dokunmuştur: “Teşvik uyumlu sistemlerin tasarımı kasıtlı AI kötüye kullanımını dramatik bir şekilde azaltabilir.” AI modellerini zincir üzerinde dağıtarak ve yöneterek, dürüst katılım ödüllendirilirken, kötü niyetli davranışlar zincire yerleştirilmiş ceza mekanizmalarıyla doğrudan finansal sonuçlar alır.

Birçok eleştirmen açık algoritmaların risklerinden korkarken, Heinrich Bitcoin.com News’a bunun desteklenmesi gerektiğini çünkü modellerin nasıl çalıştığını görünür hale getirdiğini söylüyor. “Doğrulanabilir eğitim kayıtları ve değiştirilemez veri izleri gibi şeyler, şeffaflığı sağlamak ve topluluk denetimini mümkün kılmak için kullanılabilir,” bu da kapalı kaynak “kara kutu” modellerle ilişkilendirilmiş risklere doğrudan karşı koyar.

Güvenli ve düşük maliyetli bir AI geleceği vizyonunu gerçekleştirmek amacıyla, 0G Labs, ilk “merkeziyetsiz AI işletim sistemi (DeAIOS)” oluşturmayı hedefliyor.

Bu işletim sistemi, AI yetkilendirme açısından doğrulanabilir bir temel sağlamaya yönelik tasarlandı—devasa AI veri setlerinin zincir üzerinde depolanmasına imkan tanıyan, son derece ölçeklenebilir bir veri depolama ve kullanılabilirlik katmanı, tüm veriyi doğrulanabilir ve izlenebilir kılıyor. AI ajanlarının düzenlemeye tabi sektörlerde faaliyet göstermesi için bu seviye güvenlik ve izlenebilirlik esastır.

Ek olarak, sistem, hesaplama kaynaklarına rekabetçi fiyatlarla erişimi demokrasileştiren izin gerektirmeyen bir hesap alma pazarını içeriyor. Bu, merkezi bulut altyapısı ile ilişkili yüksek maliyetler ve satıcı kilitlenmesine doğrudan bir yanıt.

0G Labs, LLM’lerin 100 milyar parametreden fazla eğitimini merkeziyetsiz 1 Gbps kümeler üzerinde gerçekleştirmeyi mümkün kılan bir çerçeve olan Dilocox ile teknik bir atılım sergiledi. Modelleri daha küçük ve bağımsız eğitilmiş parçalara bölerek, Dilocox, geleneksel dağıtık eğitim yöntemlerine kıyasla verimlilikte 357 kat bir iyileşme gösterdi ve merkezi veri merkezlerinin sınırları dışında büyük ölçekli AI gelişimini ekonomik olarak uygulanabilir hale getirdi.

AI İçin Daha Parlak ve Daha Ekonomik Bir Gelecek

Sonuç olarak, Heinrich, katılım ve benimsenme engellerini aşmayı tanımlayan çok parlak bir merkeziyetsiz AI geleceği görüyor.

“Bu, insanların ve toplulukların uzman AI modellerini bir araya getirdiği, AI geleceğinin sadece bir avuç merkezi varlık yerine birçok kişi tarafından şekillendirildiği bir yer,” diye sonlandırıyor. Özel AI şirketleri fiyatları artırmaları için baskı altındayken, merkeziyetsiz AI’nin ekonomik ve teşvik yapıları, daha açık, daha güvenli ve nihayetinde daha avantajlı bir teknoloji geleceğine doğru güçlü bir, çok daha ekonomik bir alternatif sunuyor.

SSS

• Mevcut merkezi AI’nin temel sorunu nedir? Mevcut AI modelleri, merkezi “kara kutu” mimarisi nedeniyle şeffaflık sorunları, veri önyargısı ve tekel kontrolü yaşamaktadır.
• Michael Heinrich’in 0G Labs’ı ne üzerinde çalışıyor? 0G Labs, AI’yı güvenli, doğrulanabilir ve kamu yararı haline getirmek amacıyla ilk “merkeziyatsiz AI işletim sistemi (DeAIOS)” geliştiriyor.
• Merkeziyetsiz AI veri bütünlüğünü nasıl sağlar? Veri bütünlüğü, tüm verilerin kriptografik kanıtlarla ve doğrulanabilir kanıt izleriyle zincir üzerinde demirlenmesiyle korunur, hatalar ve varsanılar engellenir.
• 0G Labs’ın Dilocox teknolojisinin ana avantajı nedir? Dilocox, büyük ölçekli AI gelişimini önemli ölçüde daha verimli hale getiren, geleneksel dağıtık eğitim yöntemlerine göre 357 kat iyileşme gösteren bir çerçevedir.