La IA descentralizada podría desbloquear una sociedad post-escasez, dice el CEO de 0G Labs

La conversación en torno a la IA ha evolucionado de cuestionar su relevancia a centrarse en hacerla más confiable y eficiente a medida que su uso se generaliza. Michael Heinrich imagina un futuro donde la IA fomente una sociedad post-escasez, liberando a las personas de trabajos mundanos y permitiendo búsquedas más creativas.

El Dilema de los Datos: Calidad, Procedencia y Confianza

La discusión en torno a la inteligencia artificial (AI) ha cambiado fundamentalmente. La pregunta ya no es sobre su relevancia, sino sobre cómo hacerla más confiable, transparente y eficiente a medida que su implementación se vuelve común en todos los sectores.

El actual paradigma de IA, dominado por modelos centralizados de “caja negra” y enormes centros de datos propietarios, enfrenta una creciente presión por preocupaciones sobre sesgos y control monopolístico. Para muchos en el espacio Web3, la solución no radica en una regulación más estricta del sistema actual, sino en una completa descentralización de la infraestructura subyacente.

La eficacia de estos poderosos modelos de IA, por ejemplo, se determina primero y ante todo por la calidad e integridad de los datos en los que se entrenan, un factor que debe ser verificable y rastreable para prevenir errores sistémicos y alucinaciones de IA. A medida que aumentan las apuestas para industrias como la financiera y la de salud, la necesidad de una base confiable y transparente para la IA se vuelve crítica.

Michael Heinrich, un empresario en serie y graduado de Stanford, está entre los que lideran la carga para construir esa base. Como CEO de 0G Labs, actualmente está desarrollando lo que describe como la primera y más grande cadena de IA, con la misión declarada de asegurar que la IA se convierta en un bien público seguro y verificable. Habiendo fundado anteriormente Garten, una empresa respaldada por YCombinator, y trabajado en Microsoft, Bain y Bridgewater Associates, Heinrich ahora está aplicando su experiencia a los desafíos arquitectónicos de la IA descentralizada (DeAI).

Heinrich enfatiza que el núcleo del rendimiento de la IA descansa en su base de conocimiento: los datos. “La eficacia de los modelos de IA se determina, ante todo, por los datos subyacentes en los que se entrenan”, explica. Conjuntos de datos de alta calidad y equilibrados conducen a respuestas precisas, pero los datos malos o subrepresentados resultan en una calidad de salida deficiente y una mayor susceptibilidad a las alucinaciones.

Para Heinrich, mantener la integridad de estos conjuntos de datos en constante actualización y diversos requiere un cambio radical con respecto al statu quo. Él argumenta que el principal culpable detrás de las alucinaciones de la IA es la falta de un origen transparente. Su remedio es criptográfico:

Creo que todos los datos deben estar anclados en la cadena con pruebas criptográficas y una pista de evidencia verificable para mantener la integridad de los datos.

Esta fundación descentralizada y transparente, combinada con incentivos económicos y un ajuste continuo, se considera el mecanismo necesario para eliminar sistemáticamente errores y sesgos algorítmicos.

Más allá de las soluciones técnicas, Heinrich, un homenajeado de Forbes 40 Under 40, tiene una visión macro para la IA, creyendo que debería abrir la puerta a una era de abundancia.

“En un mundo ideal, esperemos que cree las condiciones para una sociedad post-escasez donde los recursos se vuelvan abundantes y donde nadie tenga que preocuparse por hacer trabajos mundanos nunca más”, afirma. Este cambio permitiría a las personas “enfocarse en trabajos más creativos y de ocio”, esencialmente permitiendo que todos disfruten de más tiempo libre y seguridad económica.

Crucialmente, él argumenta que el mundo descentralizado está especialmente preparado para impulsar este futuro. La belleza de estos sistemas es que están alineados con incentivos, creando una economía autoequilibrada para el poder de cómputo. Si la demanda de recursos aumenta, los incentivos para suministrarlos naturalmente aumentan hasta que esa demanda se satisface, cumpliendo con la necesidad de recursos computacionales de una manera equilibrada y sin permisos.

Salvaguardando la IA: Código Abierto y Diseño de Incentivos

Para proteger la IA de usos indebidos intencionados, como las estafas de clonación de voz y los deepfakes, Heinrich sugiere una combinación de soluciones centradas en el ser humano y arquitectónicas. Primero, el enfoque debe estar en educar a las personas sobre cómo identificar estafas de IA y falsificaciones utilizadas para la suplantación de identidad y la desinformación. Heinrich declara: “Necesitamos enseñar a las personas a poder identificar o huellas dactilares del contenido generado por IA para que puedan protegerse.”

Los legisladores también pueden desempeñar un papel al establecer estándares globales para la seguridad y la ética de la IA. Aunque es poco probable que esto elimine el uso indebido de la IA, la presencia de tales estándares “puede ayudar a disuadirlo”. Sin embargo, la medida compensatoria más poderosa está entrelazada en el diseño descentralizado: “Diseñar sistemas alineados con incentivos podría reducir drásticamente el uso indebido intencional de la IA.” Al implementar y gobernar modelos de IA en la cadena, se recompensa la participación honesta, mientras que el comportamiento malicioso incurre en consecuencias financieras directas a través de mecanismos de slashing en la cadena.

Mientras algunos críticos temen los riesgos de los algoritmos abiertos, Heinrich le dice a Bitcoin.com News que lo apoya con entusiasmo porque proporciona visibilidad sobre cómo funcionan los modelos. “Cosas como registros de entrenamiento verificables y rastros de datos inmutables pueden ser utilizados para garantizar la transparencia y permitir la supervisión comunitaria,” lo que contrarresta directamente los riesgos asociados con modelos “caja negra” propietarios y de código cerrado.

Para llevar a cabo esta visión de un futuro de IA seguro y de bajo costo, 0G Labs está construyendo el primer “sistema operativo de IA descentralizado (DeAIOS).”

Este sistema operativo está diseñado para proporcionar una procedencia de IA verificable, una capa de almacenamiento de datos y disponibilidad altamente escalable que permite el almacenamiento de enormes conjuntos de datos de IA en la cadena, haciendo que todos los datos sean verificables y rastreables. Este nivel de seguridad y rastreabilidad es esencial para los agentes de IA que operan en sectores regulados.

Además, el sistema cuenta con un mercado de computación sin permisos, que democratiza el acceso a recursos de computación a precios competitivos. Esta es una respuesta directa a los altos costos y al bloqueo de proveedores asociados con la infraestructura de nube centralizada.

0G Labs ya ha demostrado un avance técnico con Dilocox, un marco que permite el entrenamiento de LLMs que superan los 100 mil millones de parámetros en clústeres descentralizados de 1 Gbps. Al descomponer los modelos en partes más pequeñas y entrenadas de forma independiente, Dilocox ha demostrado una mejora de 357x en eficiencia en comparación con los métodos tradicionales de entrenamiento distribuido, lo que hace que el desarrollo de IA a gran escala sea económicamente viable fuera de los muros de los centros de datos centralizados.

Un futuro más brillante y asequible para la IA

En última instancia, Heinrich ve un futuro muy brillante para la IA descentralizada, uno definido por la participación y la eliminación de barreras para la adopción.

“Es un lugar donde personas y comunidades crean modelos de IA expertos juntos, asegurando que el futuro de la IA sea moldeado por muchos en lugar de solo un puñado de entidades centralizadas”, concluye. Con las empresas de IA propietarias enfrentando presión para aumentar los precios, la economía y las estructuras de incentivos de DeAI ofrecen una alternativa convincente y mucho más asequible donde se pueden crear modelos de IA poderosos a menores costos, allanando el camino para un futuro tecnológico más abierto, seguro y, en última instancia, más beneficioso.

FAQ

• ¿Cuál es el problema central con la IA centralizada actual? Los modelos de IA actuales sufren de problemas de transparencia, sesgo de datos y control monopolista debido a su arquitectura centralizada de “caja negra”.
• ¿Qué solución está construyendo 0G Labs de Michael Heinrich? 0G Labs está desarrollando el primer “sistema operativo de IA descentralizado (DeAIOS)” para hacer de la IA un bien público seguro y verificable.
• ¿Cómo garantiza la IA descentralizada la integridad de los datos? La integridad de los datos se mantiene anclando todos los datos en la cadena con pruebas criptográficas y una pista de evidencia verificable para prevenir errores y alucinaciones.
• ¿Cuál es la principal ventaja de la tecnología Dilocox de 0G Labs? Dilocox es un marco que hace que el desarrollo de IA a gran escala sea significativamente más eficiente, demostrando una mejora de 357x en comparación con el entrenamiento distribuido tradicional.