Umělá inteligence (AI) v posledních letech dosáhla pozoruhodného pokroku, transformovala různá odvětví a mění náš každodenní život. Dnešní krajinu umělé inteligence však ovládají velké technologické společnosti, které ovládají obrovské množství dat, výpočetních zdrojů a sofistikovaných modelů umělé inteligence. Tato dynamika vedla k obavám o soukromí, bezpečnost, spravedlnost a koncentraci moci v rukou několika málo subjektů.
Decentralizovaná umělá inteligence je zásadně odlišný přístup k vývoji, nasazování a správě systémů umělé inteligence, který distribuuje klíčové komponenty v síti účastníků, spíše než aby je centralizoval pod kontrolou jediné entity.
Pojďme se podívat na klíčové komponenty decentralizované umělé inteligence, na jejich srovnání s centralizovanými protějšky a na výhody a výzvy, které nás čekají.
Federované učení
Centralizovaná umělá inteligence shromažďuje data z různých zdrojů – například z vlastní uživatelské základny nebo veřejných databází – a centralizuje je na jednom místě. Při trénování modelu je celá datová sada přístupná výkonným serverům nebo clusterům, které ji používají k trénování. A to vytváří problémy se soukromím a bezpečností, které se dnes začínají objevovat.
Velké technologické společnosti jsou motivovány k tomu, aby vysávaly co nejvíce dat, což je staví do rozporu s... s ohledem na soukromí spotřebitelé. Zároveň společnosti, které chtějí využít centralizovanou umělou inteligenci, mohou muset odesílat svá data těmto službám, což může vést k problémům s ochranou soukromí a zabezpečením dat.
Decentralizovaná umělá inteligence využívá myšlenku federovaného učení, které ponechává každému účastníkovi kontrolu nad jeho lokálními daty. V rámci této koncepce centrální server odešle aktuální model podmnožině účastníků, kteří jej na svých datech trénují, a poté odešle zpět na server pouze aktualizace modelu za účelem vylepšení globálního modelu.
Kolektivní výpočty
Konvenční společnosti zabývající se umělou inteligencí vynakládají obrovské prostředky na výpočetní výkon pro trénování svých nejnovějších modelů. Podle HSBC by se náklady na trénování ChatGPT-5 mohly pohybovat od 1.7 miliardy do 2.5 miliardy dolarů! Závod o vytváření lepších modelů vedl k prudkému nárůstu... poptávka po grafických procesorech a další hardware (a zvýšení ceny akcií společnosti NVIDIA!).
Tyto vysoké náklady vytvářejí klíčovou překážku vstupu na trh pro vlády, univerzity nebo výzkumníky, kteří chtějí trénovat své vlastní konkurenceschopné modely umělé inteligence. Zatímco Facebook poskytuje svůj základní model Llama zdarma, uživatelé se při používání modelu pro vlastní účely musí spoléhat na počáteční trénovací parametry a další nastavení společnosti.
SETI@home byl průkopníkem myšlenky kolektivního výpočtu pro prozkoumávání vesmíru a později Folding@home pro objevování nových terapií. Decentralizovaná umělá inteligence si klade za cíl využít stejné principy k ovládnutí výkonu osobních počítačů, chytrých telefonů a dalších spotřebitelských zařízení k provádění úkolů umělé inteligence, pro které centralizovaná umělá inteligence využívá datová centra.
Collaborative Governance
Centralizovaná umělá inteligence vytváří významný problém s řízením. Například velké technologické společnosti ovládající umělou inteligenci mohou prodat přístup komukoli, koho si vyberou, aby maximalizovaly zisky. Na druhou stranu mohou odmítnout poskytnout přístup komukoli, koho si vyberou. Výsledkem je „strážce“, který není odpovědný nikomu jinému než svým akcionářům.
Kromě toho existuje jen málo informací o tom, jak a na jakých datech modely pracují, což by mohlo vést ke zkreslením, která jsou pro koncové uživatele obtížně posouditelná. Mnoho z těchto zkreslení se již objevuje, například zkreslení v rámci Correctional Offender Management Profiling for Alternative Sanctions (COMPAS), které tvrdí, že černošští obžalovaní s větší pravděpodobností recidivují.
Decentralizovaná umělá inteligence si klade za cíl využít kolaborativní správu, jako je Decentralizované autonomní organizace (DAO). Tyto organizace používají tokeny správy umožnit členům komunity, aby mohli činit rozhodnutí o projektu a jeho cílech. Zdrojový kód, na kterém je organizace založena, si může kdokoli přečíst nebo vylepšit.
Decentralizované projekty umělé inteligence
Decentralizovaná umělá inteligence je ve srovnání s centralizovanými projekty umělé inteligence, jako jsou OpenAI nebo Llama, stále v plenkách. Objevuje se však stále více projektů, které využívají federované učení, kolektivní výpočty a kolaborativní správu. Tyto projekty by mohly stavět na základech centralizované umělé inteligence a poskytovat uživatelům alternativní možnosti.
Mezi nejoblíbenější projekty patří:
- Gensyn propojuje všechny počítače světa do jediné sítě, což umožňuje programové školení strojového učení za nízkou cenu a ve velkém měřítku. Organizace popisuje svůj přístup ve svém dokumentu Litepaper.
- OORT je decentralizovaná, ověřitelná cloudová platforma, která využívá globální zdroje, od datových center až po chytré telefony, k umožnění důvěryhodných aplikací umělé inteligence. Projekt je již spuštěn u zákazníků.
- Bittensor je průkopníkem decentralizované výroby umělé inteligence tím, že produkuje konkurenceschopné digitální komodity, jako je strojová inteligence, úložný prostor, výpočetní výkon nebo skládání proteinů.
Není divu, že mnoho z těchto projektů se prolíná s ekosystémy kryptoměn a blockchainu. Blockchainy poskytují decentralizovaný způsob organizace informací, zatímco kryptoměny usnadňují vytváření sobeckých pobídek k dosažení kolektivních cílů. To dokonale splňuje požadavky decentralizovaných umělých inteligencí na úspěch.
Zajímavé je, že centralizovaná umělá inteligence by mohla také poskytnout impuls. I když firmy nesdílejí vnitřní fungování svých modelů, tyto modely mohou pomoci s trénováním jiných modelů, aby je rychle zrychlily. Takzvaná destilace modelů zahrnuje trénování menších modelů tak, aby napodobovaly chování větších modelů, a zachycovaly tak funkčnost za zlomek nákladů.
Výzvy dopředu
Nejvýznamnější výhodou centralizovaných systémů je jejich schopnost rychlého pohybu. Například centrální banka může okamžitě tisknout peníze, aby kontrolovala inflaci, zatímco ekosystémy kryptoměn se musí spoléhat na decentralizované sítě, které produkují tokeny. Totéž platí pro centralizovanou umělou inteligenci, kde si firmy mohou jednoduše vybrat peníze a začít pracovat s výpočty.
Decentralizovaná umělá inteligence čelí několika jedinečným výzvám, včetně:
- Úspory z rozsahu. Federované učení a kolektivní výpočty vyžadují k úspěchu určitý rozsah. Koneckonců, omezená datová sada nebo několik chytrých telefonů nestačí k tomu, aby konkurovaly masivním datovým centrům OpenAI. Přilákání účastníků je nejobtížnější v raných fázích.
- Technické výzvy. Koordinace výpočtů napříč mnoha zařízeními může být pomalejší než centralizované zpracování, zatímco práce s rozsáhlými distribuovanými systémy s sebou nese značnou složitost. Povaha vývoje s otevřeným zdrojovým kódem zároveň znamená závislost na dobrovolnících z prvních ročníků.
- Kvalita dat. Mnoho centralizovaných společností zabývajících se umělou inteligencí tráví spoustu času zlepšováním kvality dat. Pokud se však spoléhají na rozmanité a nekontrolované zdroje dat, může být jejich zajištění náročné. Výkon modelu mohou ovlivnit i data bez IID (nezávislá a identicky distribuovaná).
- Bezpečnostní obavy. Decentralizace zlepšuje soukromí, ale může přinést bezpečnostní problémy. Například projekty s otevřeným zdrojovým kódem zahrnují zúčastněné strany a neschopnost odhalit zranitelnosti by mohla vést k tomu, že je projekt vloží do kódové základny. Je také mnohem obtížnější omezit přístup pro útočníky.
Tyto výzvy samozřejmě jen povrchně škrábou. Existují také potenciální výzvy v oblasti zdrojů a infrastruktury, sociální a adopční výzvy a několik možných regulačních a právních problémů. Mnohé z těchto výzev, zejména regulační a infrastrukturní výzvy, by mohly odrážet výzvy krypto ekosystému.
Bottom Line
Decentralizovaná umělá inteligence by mohla obejít tradiční „strážce bran“ dnešní centralizované umělé inteligence a způsobit revoluci v tomto odvětví. Tím, že by připravila cestu pro demokratičtější a důvěryhodnější ekosystémy umělé inteligence, by mohla řešit mnoho oprávněných obav, které centralizovanou umělou inteligenci s sebou nese.
Pokud používáte decentralizované platformy umělé inteligence, které zahrnují tokeny, budete možná muset hlásit veškeré zisky nebo ztráty daňovému úřadu (IRS). ZenLedger vám může pomoci agregovat transakce napříč peněženkami a burzami, vypočítat kapitálový zisk nebo ztrátu, vygenerovat dokumenty, které musíte každoročně podávat IRS, a vyhnout se nákladným auditům!
Začněte ještě dnes zdarma!
Tento materiál byl připraven pouze pro informační účely a neměl by být interpretován jako odborná rada. Vyhledejte si prosím nezávislé právní, finanční, daňové nebo jiné poradenství specifické pro vaši konkrétní situaci.
Co je decentralizovaná umělá inteligence?
Umělá inteligence (AI) v posledních letech dosáhla pozoruhodného pokroku, transformovala různá odvětví a mění náš každodenní život. Dnešní krajinu umělé inteligence však ovládají velké technologické společnosti, které ovládají obrovské množství dat, výpočetních zdrojů a sofistikovaných modelů umělé inteligence. Tato dynamika vedla k obavám o soukromí, bezpečnost, spravedlnost a koncentraci moci v rukou několika málo subjektů.
Decentralizovaná umělá inteligence je zásadně odlišný přístup k vývoji, nasazování a správě systémů umělé inteligence, který distribuuje klíčové komponenty v síti účastníků, spíše než aby je centralizoval pod kontrolou jediné entity.
Pojďme se podívat na klíčové komponenty decentralizované umělé inteligence, na jejich srovnání s centralizovanými protějšky a na výhody a výzvy, které nás čekají.
Federované učení
Centralizovaná umělá inteligence shromažďuje data z různých zdrojů – například z vlastní uživatelské základny nebo veřejných databází – a centralizuje je na jednom místě. Při trénování modelu je celá datová sada přístupná výkonným serverům nebo clusterům, které ji používají k trénování. A to vytváří problémy se soukromím a bezpečností, které se dnes začínají objevovat.
Velké technologické společnosti jsou motivovány k tomu, aby vysávaly co nejvíce dat, což je staví do rozporu s... s ohledem na soukromí spotřebitelé. Zároveň společnosti, které chtějí využít centralizovanou umělou inteligenci, mohou muset odesílat svá data těmto službám, což může vést k problémům s ochranou soukromí a zabezpečením dat.
Decentralizovaná umělá inteligence využívá myšlenku federovaného učení, které ponechává každému účastníkovi kontrolu nad jeho lokálními daty. V rámci této koncepce centrální server odešle aktuální model podmnožině účastníků, kteří jej na svých datech trénují, a poté odešle zpět na server pouze aktualizace modelu za účelem vylepšení globálního modelu.
Kolektivní výpočty
Konvenční společnosti zabývající se umělou inteligencí vynakládají obrovské prostředky na výpočetní výkon pro trénování svých nejnovějších modelů. Podle HSBC by se náklady na trénování ChatGPT-5 mohly pohybovat od 1.7 miliardy do 2.5 miliardy dolarů! Závod o vytváření lepších modelů vedl k prudkému nárůstu... poptávka po grafických procesorech a další hardware (a zvýšení ceny akcií společnosti NVIDIA!).
Tyto vysoké náklady vytvářejí klíčovou překážku vstupu na trh pro vlády, univerzity nebo výzkumníky, kteří chtějí trénovat své vlastní konkurenceschopné modely umělé inteligence. Zatímco Facebook poskytuje svůj základní model Llama zdarma, uživatelé se při používání modelu pro vlastní účely musí spoléhat na počáteční trénovací parametry a další nastavení společnosti.
SETI@home byl průkopníkem myšlenky kolektivního výpočtu pro prozkoumávání vesmíru a později Folding@home pro objevování nových terapií. Decentralizovaná umělá inteligence si klade za cíl využít stejné principy k ovládnutí výkonu osobních počítačů, chytrých telefonů a dalších spotřebitelských zařízení k provádění úkolů umělé inteligence, pro které centralizovaná umělá inteligence využívá datová centra.
Collaborative Governance
Centralizovaná umělá inteligence vytváří významný problém s řízením. Například velké technologické společnosti ovládající umělou inteligenci mohou prodat přístup komukoli, koho si vyberou, aby maximalizovaly zisky. Na druhou stranu mohou odmítnout poskytnout přístup komukoli, koho si vyberou. Výsledkem je „strážce“, který není odpovědný nikomu jinému než svým akcionářům.
Kromě toho existuje jen málo informací o tom, jak a na jakých datech modely pracují, což by mohlo vést ke zkreslením, která jsou pro koncové uživatele obtížně posouditelná. Mnoho z těchto zkreslení se již objevuje, například zkreslení v rámci Correctional Offender Management Profiling for Alternative Sanctions (COMPAS), které tvrdí, že černošští obžalovaní s větší pravděpodobností recidivují.
Decentralizovaná umělá inteligence si klade za cíl využít kolaborativní správu, jako je Decentralizované autonomní organizace (DAO). Tyto organizace používají tokeny správy umožnit členům komunity, aby mohli činit rozhodnutí o projektu a jeho cílech. Zdrojový kód, na kterém je organizace založena, si může kdokoli přečíst nebo vylepšit.
Decentralizované projekty umělé inteligence
Decentralizovaná umělá inteligence je ve srovnání s centralizovanými projekty umělé inteligence, jako jsou OpenAI nebo Llama, stále v plenkách. Objevuje se však stále více projektů, které využívají federované učení, kolektivní výpočty a kolaborativní správu. Tyto projekty by mohly stavět na základech centralizované umělé inteligence a poskytovat uživatelům alternativní možnosti.
Mezi nejoblíbenější projekty patří:
Není divu, že mnoho z těchto projektů se prolíná s ekosystémy kryptoměn a blockchainu. Blockchainy poskytují decentralizovaný způsob organizace informací, zatímco kryptoměny usnadňují vytváření sobeckých pobídek k dosažení kolektivních cílů. To dokonale splňuje požadavky decentralizovaných umělých inteligencí na úspěch.
Zajímavé je, že centralizovaná umělá inteligence by mohla také poskytnout impuls. I když firmy nesdílejí vnitřní fungování svých modelů, tyto modely mohou pomoci s trénováním jiných modelů, aby je rychle zrychlily. Takzvaná destilace modelů zahrnuje trénování menších modelů tak, aby napodobovaly chování větších modelů, a zachycovaly tak funkčnost za zlomek nákladů.
Výzvy dopředu
Nejvýznamnější výhodou centralizovaných systémů je jejich schopnost rychlého pohybu. Například centrální banka může okamžitě tisknout peníze, aby kontrolovala inflaci, zatímco ekosystémy kryptoměn se musí spoléhat na decentralizované sítě, které produkují tokeny. Totéž platí pro centralizovanou umělou inteligenci, kde si firmy mohou jednoduše vybrat peníze a začít pracovat s výpočty.
Decentralizovaná umělá inteligence čelí několika jedinečným výzvám, včetně:
Tyto výzvy samozřejmě jen povrchně škrábou. Existují také potenciální výzvy v oblasti zdrojů a infrastruktury, sociální a adopční výzvy a několik možných regulačních a právních problémů. Mnohé z těchto výzev, zejména regulační a infrastrukturní výzvy, by mohly odrážet výzvy krypto ekosystému.
Bottom Line
Decentralizovaná umělá inteligence by mohla obejít tradiční „strážce bran“ dnešní centralizované umělé inteligence a způsobit revoluci v tomto odvětví. Tím, že by připravila cestu pro demokratičtější a důvěryhodnější ekosystémy umělé inteligence, by mohla řešit mnoho oprávněných obav, které centralizovanou umělou inteligenci s sebou nese.
Pokud používáte decentralizované platformy umělé inteligence, které zahrnují tokeny, budete možná muset hlásit veškeré zisky nebo ztráty daňovému úřadu (IRS). ZenLedger vám může pomoci agregovat transakce napříč peněženkami a burzami, vypočítat kapitálový zisk nebo ztrátu, vygenerovat dokumenty, které musíte každoročně podávat IRS, a vyhnout se nákladným auditům!
Začněte ještě dnes zdarma!
Tento materiál byl připraven pouze pro informační účely a neměl by být interpretován jako odborná rada. Vyhledejte si prosím nezávislé právní, finanční, daňové nebo jiné poradenství specifické pro vaši konkrétní situaci.
Sdílet:
Obsah
PODOBNÉ ČLÁNKY
Data halvingu Bitcoinu: Kdy bude další halving Bitcoinu?
Průvodce pro začátečníky k DAO a tokenům správy
Hamster Kombat: Virální hra na Telegramu!