Децентралізований ШІ може відкрити суспільство після дефіциту, говорить генеральний директор 0G Labs

Розмова про ШІ еволюціонувала від сумнівів щодо його актуальності до зосередження на підвищенні його надійності та ефективності в міру поширення його використання. Майкл Хайнріх бачить майбутнє, в якому ШІ сприяє суспільству після дефіциту, звільняючи людей від рутинної роботи та дозволяючи займатися більш творчими заняттями.

Дилема даних: якість, походження та довіра

Обговорення штучного інтелекту (AI) кардинально змінилося. Тепер питання вже не в його актуальності, а в тому, як зробити його більш надійним, прозорим і ефективним, оскільки його впровадження стає звичним у всіх секторах.

Поточна парадигма штучного інтелекту, що домінує централізованими “чорними ящиками” та величезними, приватними дата-центрами, стикається з зростаючим тиском через занепокоєння щодо упередженості та монополістичного контролю. Для багатьох у сфері Web3 рішення полягає не у більш строгому регулюванні поточної системи, а в повній децентралізації основної інфраструктури.

Ефективність цих потужних моделей ШІ, наприклад, визначається насамперед якістю та цілісністю даних, на яких вони навчались — фактором, який має бути перевіряємим та відслідковуваним, щоб запобігти системним помилкам та галюцинаціям ШІ. Оскільки ставки зростають для таких галузей, як фінанси та охорона здоров'я, необхідність у бездовереному та прозорому фундаменті для ШІ стає критично важливою.

Майкл Гайнріх, серійний підприємець та випускник Стенфордського університету, серед тих, хто очолює зусилля зі створення цього фундаменту. Як генеральний директор 0G Labs, він наразі розробляє те, що описує як першу та найбільшу AI-мережу, з заявленою місією забезпечення того, щоб ШІ став безпечним та перевіряємим суспільним благом. Раніше заснував Garten, провідну компанію, яка отримала підтримку YCombinator, та працював у Microsoft, Bain і Bridgewater Associates, Гайнріх зараз застосовує свій досвід до архітектурних викликів децентралізованого ШІ (DeAI).

Гейнріх підкреслює, що основа продуктивності ШІ полягає в його базі знань: даних. “Ефективність моделей ШІ визначається насамперед даними, на яких вони навчаються”, пояснює він. Високоякісні, збалансовані набори даних призводять до точних відповідей, але погані або недостатньо представлені дані призводять до поганої якості виходу та збільшеної схильності до галюцинацій.

Для Генріха підтримка цілісності цих постійно оновлюваних і різноманітних наборів даних вимагає радикального відходу від статус-кво. Він стверджує, що основним винуватцем галюцинацій ШІ є відсутність прозорого походження. Його засіб - криптографічний:

Я вважаю, що всі дані повинні бути закріплені в ланцюгу з криптографічними доказами та перевіряємими доказами, щоб підтримувати цілісність даних.

Ця децентралізована, прозора основа, поєднана з економічними стимулами та постійним доопрацюванням, вважається необхідним механізмом для систематичного усунення помилок і алгоритмічних упереджень.

Окрім технічних рішень, Генріх, лауреат Forbes 40 Under 40, має макро бачення для AI, вважаючи, що він повинен розпочати еру достатку.

«У ідеальному світі, сподіваюся, це створить умови для суспільства з відсутністю дефіциту, де ресурси стануть достатніми і де ніхто не повинен буде турбуватися про виконання рутинних робіт», – зазначає він. Цей зсув дозволить людям «зосередитися на більш творчій і відпочинковій роботі», фактично даючи можливість кожному насолоджуватися більшою свободою часу та економічною безпекою.

Критично, він стверджує, що децентралізований світ унікально підходить для підтримки цього майбутнього. Краса цих систем полягає в тому, що вони мають узгоджені стимули, створюючи самобалансуючу економіку для обчислювальної потужності. Якщо попит на ресурси зростає, стимули для їх постачання природно зростають, поки цей попит не буде задоволений, задовольняючи потребу в обчислювальних ресурсах у збалансований, бездозвільний спосіб.

Захист ШІ: Відкритий код та проектування стимулів

Щоб захистити ШІ від навмисного зловживання — такого як шахрайство з клонуванням голосу та дипфейки — Гайнріх пропонує поєднання рішень, орієнтованих на людину, та архітектурних рішень. По-перше, слід зосередитися на навчанні людей, як виявляти шахрайства та фейки, що використовуються для видавання за інших та дезінформації. Гайнріх зазначає: «Ми повинні навчити людей вміти ідентифікувати або створювати відбитки ШІ-генерованого контенту, щоб вони могли захистити себе.»

Законодавці також можуть відігравати роль, встановлюючи глобальні стандарти безпеки та етики штучного інтелекту. Хоча це навряд чи виключить зловживання штучним інтелектом, наявність таких стандартів «може частково завадити цьому». Найбільш потужним контрзаходом, однак, є те, що вплетене в децентралізований дизайн: «Проектування систем з узгодженими інтересами може суттєво зменшити навмисне зловживання штучним інтелектом». Шляхом розгортання та управління моделями штучного інтелекту на блокчейні, чесна участь винагороджується, тоді як злочинна поведінка несе прямі фінансові наслідки через механізми штрафування на блокчейні.

Хоча деякі критики бояться ризиків відкритих алгоритмів, Хайнріх розповідає Bitcoin.com News, що він підтримує це з ентузіазмом, оскільки це забезпечує видимість того, як працюють моделі. “Речі, такі як перевіряючі навчальні записи та незмінні дані, можуть бути використані для забезпечення прозорості та дозволяти громадському контролю”, що безпосередньо протидіє ризикам, пов'язаним з власницькими, закритими “чорними ящиками”.

Щоб реалізувати це бачення безпечного та низькобюджетного майбутнього ШІ, 0G Labs створює першу “децентралізовану операційну систему ШІ (DeAIOS).”

Ця операційна система призначена для надання верифікованого походження ШІ — високомасштабованого шару зберігання даних та доступності, який дозволяє зберігати масивні набори даних ШІ в блокчейні, роблячи всі дані верифікуємими та відслідковуваними. Цей рівень безпеки та відслідковуваності є необхідним для ШІ агентів, що працюють у регульованих секторах.

Крім того, система має бездозвольний ринок обчислень, що демократизує доступ до обчислювальних ресурсів за конкурентними цінами. Це є прямою відповіддю на високі витрати та прив'язку до постачальників, пов'язані з централізованою хмарною інфраструктурою.

0G Labs вже продемонстрував технічний прорив з Dilocox, фреймворком, який дозволяє тренувати LLMs, що перевищують 100 мільярдів параметрів, на децентралізованих кластерах швидкістю 1 Гбіт/с. Розбиваючи моделі на менші та незалежно навчені частини, Dilocox продемонстрував покращення ефективності в 357 разів у порівнянні з традиційними методами розподіленого навчання, що робить розробку великомасштабного ШІ економічно життєздатною поза стінами централізованих дата-центрів.

Яскравіше, більш доступне майбутнє для ШІ

Врешті-решт, Гайнріх бачить дуже світле майбутнє для децентралізованого ШІ, яке визначається участю та подоланням бар'єрів для впровадження.

“Це місце, де люди та громади спільно створюють експертні моделі ШІ, забезпечуючи те, що майбутнє ШІ формується багатьма, а не лише кількома централізованими суб'єктами,” підсумовує він. З огляду на те, що приватні компанії з розробки ШІ стикаються з тиском підвищувати ціни, економіка та системи стимулів DeAI пропонують переконливу, значно більш доступну альтернативу, де потужні моделі ШІ можуть бути створені за нижчими витратами, відкриваючи шлях до більш відкритого, безпечного та, зрештою, більш вигідного технологічного майбутнього.

Часті запитання

• Яка основна проблема сучасного централізованого ШІ? Сучасні моделі ШІ страждають від проблеми прозорості, упередженості даних та монополістичного контролю через свою централізовану архітектуру “чорного ящика”.
• Яке рішення розробляє 0G Labs Майкла Генріха? 0G Labs розробляє першу “децентралізовану операційну систему штучного інтелекту (DeAIOS)”, щоб зробити штучний інтелект безпечним, перевіряємим та суспільним благом.
• Як децентралізований ШІ забезпечує цілісність даних? Цілісність даних підтримується шляхом закріплення всіх даних в блокчейні з криптографічними доказами та перевірювальною доказовою траєкторією, щоб запобігти помилкам і галюцинаціям.
• Яка головна перевага технології Dilocox від 0G Labs? Dilocox є фреймворком, який робить розробку великих масштабів штучного інтелекту значно більш ефективною, демонструючи покращення в 357 разів у порівнянні з традиційним розподіленим навчанням.