La inteligencia artificial (IA) ha avanzado notablemente en los últimos años, transformando sectores y reconfigurando nuestra vida cotidiana. Sin embargo, las grandes empresas tecnológicas dominan el panorama actual de la IA y controlan enormes cantidades de datos, recursos informáticos y sofisticados modelos de IA. Estas dinámicas han generado inquietudes sobre la privacidad, la seguridad, la equidad y la concentración de poder en manos de unas pocas entidades.
La IA descentralizada es un enfoque fundamentalmente diferente para desarrollar, implementar y gestionar sistemas de IA que distribuyen componentes clave a través de una red de participantes en lugar de centralizarlos bajo el control de una sola entidad.
Exploremos los componentes críticos de la IA descentralizada, cómo se comparan con sus contrapartes centralizadas y los beneficios y desafíos futuros.
Aprendizaje federado
La IA centralizada recopila datos de varias fuentes (como su propia base de usuarios o bases de datos públicas) y los centraliza en una única ubicación. Al entrenar un modelo, todo el conjunto de datos es accesible para servidores o clústeres potentes que lo utilizan para el entrenamiento. Y esto genera problemas de privacidad y seguridad que están empezando a surgir hoy en día.
Las grandes empresas tecnológicas tienen incentivos para absorber la mayor cantidad de datos posible, lo que las pone en desacuerdo con consciente de la privacidad consumidores. Al mismo tiempo, las empresas que quieran aprovechar la IA centralizada pueden necesitar enviar sus datos a estos servicios, lo que genera posibles problemas con la privacidad y la seguridad de los datos.
La IA descentralizada adopta la idea del aprendizaje federado, que permite que cada participante controle sus datos locales. Con este concepto, un servidor central envía el modelo actual a un subconjunto de participantes que lo entrenan con sus datos antes de enviar solo las actualizaciones del modelo al servidor para mejorar el modelo global.
Computación colectiva
Las empresas de IA convencionales gastan enormes recursos en potencia computacional para entrenar sus últimos modelos. Según HSBC, el costo de entrenar ChatGPT-5 podría oscilar entre $1.7 mil millones y $2.5 mil millones. La carrera por construir mejores modelos ha llevado a un marcado aumento en demanda de GPU y otro hardware (¡y un impulso al precio de las acciones de NVIDIA!).
Estos altos costos crean una barrera de entrada fundamental para los gobiernos, las universidades o los investigadores que buscan entrenar sus propios modelos de IA competitivos. Si bien Facebook ofrece su modelo básico Llama de forma gratuita, los usuarios deben confiar en los parámetros de entrenamiento iniciales de la empresa y otras configuraciones cuando usan el modelo para sus propios fines.
SETI@home fue pionero en la idea de la computación colectiva para explorar el cosmos y, más tarde, con Folding@home, para descubrir nuevas terapias. La IA descentralizada tiene como objetivo aprovechar los mismos principios para aprovechar el poder de las computadoras personales, los teléfonos inteligentes y otros dispositivos de consumo para realizar tareas de IA para las que la IA centralizada utiliza centros de datos.
Gobernanza colaborativa
La IA centralizada genera un problema de gobernanza importante. Por ejemplo, las grandes empresas tecnológicas que controlan la IA pueden vender el acceso a cualquier persona que elijan para maximizar las ganancias. Por otro lado, pueden negarse a proporcionar acceso a cualquier persona que elijan. El resultado es un guardián que no rinde cuentas a nadie más que a sus accionistas.
Además, hay poca información sobre cómo y con qué datos se entrenan los modelos, lo que podría generar sesgos que son difíciles de evaluar para los usuarios finales. Muchos de estos sesgos ya están saliendo a la luz, como el sesgo del Perfil de Gestión de Delincuentes Correccionales para Sanciones Alternativas (COMPAS, por sus siglas en inglés) que dice que los acusados negros tienen más probabilidades de reincidir.
La IA descentralizada tiene como objetivo aprovechar la gobernanza colaborativa como Organizaciones autónomas descentralizadas (DAO). Estas organizaciones utilizan fichas de gobierno Para empoderar a los miembros de la comunidad a tomar decisiones sobre el proyecto y sus objetivos. El código fuente detrás de la organización está abierto para que cualquiera lo lea o mejore.
Proyectos de IA descentralizados
La IA descentralizada aún está en sus primeras etapas en comparación con proyectos de IA centralizada como OpenAI o Llama. Sin embargo, están surgiendo cada vez más proyectos que aprovechan el aprendizaje federado, la computación colectiva y la gobernanza colaborativa. Estos proyectos podrían aprovechar las bases de la IA centralizada para ofrecer a los usuarios opciones alternativas.
Algunos de los proyectos más populares incluyen:
- Gensyn Conecta todas las computadoras del mundo en una sola red, lo que permite el entrenamiento de aprendizaje automático programático a bajo costo y a gran escala. La organización describe su enfoque en su Litepaper.
- ORT es una plataforma de computación en la nube descentralizada y verificable que utiliza recursos globales, desde centros de datos hasta teléfonos inteligentes, para permitir aplicaciones de inteligencia artificial confiables. Cabe destacar que el proyecto ya está en funcionamiento con los clientes.
- Bittensor es pionera en la producción descentralizada de IA mediante la producción de productos digitales competitivos, como inteligencia artificial, espacio de almacenamiento, potencia informática o plegamiento de proteínas.
No es de sorprender que muchos de estos proyectos se interrelacionen con los ecosistemas de las criptomonedas y las cadenas de bloques. Las cadenas de bloques proporcionan una forma descentralizada de organizar la información, mientras que las criptomonedas facilitan la creación de incentivos egoístas para alcanzar objetivos colectivos. Se trata de una combinación perfecta para que las IA descentralizadas tengan éxito.
Curiosamente, la IA centralizada también podría proporcionar un impulso. Si bien las empresas no comparten el funcionamiento interno de sus modelos, estos pueden ayudar a entrenar a otros modelos para que se pongan al día rápidamente. La denominada destilación de modelos implica entrenar modelos más pequeños para imitar el comportamiento de los modelos más grandes y capturar la funcionalidad a una fracción del costo.
Desafíos adelante
El beneficio más importante de los sistemas centralizados es su capacidad de actuar con rapidez. Por ejemplo, un banco central puede imprimir dinero al instante para controlar la inflación, mientras que los ecosistemas de criptomonedas deben depender de redes descentralizadas para acuñar tokens. Lo mismo ocurre con la IA centralizada, donde las empresas pueden simplemente recaudar dinero y comenzar a realizar cálculos.
La IA descentralizada enfrenta algunos desafíos únicos, entre ellos:
- Economías de Escala. El aprendizaje federado y la computación colectiva requieren una cierta escala para tener éxito. Después de todo, un conjunto de datos limitado o unos pocos teléfonos inteligentes no son suficientes para competir con los enormes centros de datos de OpenAI. Atraer participantes es más difícil en las primeras etapas.
- Desafíos técnicos. La coordinación de cálculos entre numerosos dispositivos puede ser más lenta que el procesamiento centralizado, mientras que el manejo de sistemas distribuidos a gran escala implica mucha complejidad adicional. Por otra parte, la naturaleza del desarrollo de código abierto implica una dependencia de los primeros voluntarios.
- Calidad de la fecha. Muchas empresas de inteligencia artificial centralizada dedican mucho tiempo a mejorar la calidad de los datos. Sin embargo, cuando se depende de fuentes de datos diversas y no controladas, puede resultar complicado garantizar la calidad de los datos. Los datos no IID (no independientes y distribuidos de forma idéntica) también pueden afectar el rendimiento de un modelo.
- Preocupaciones de seguridad. La descentralización mejora la privacidad, pero podría generar problemas de seguridad. Por ejemplo, los proyectos de código abierto involucran a las partes interesadas y, si no se detectan las vulnerabilidades, el proyecto podría insertarlas en el código base. También es mucho más difícil limitar el acceso a actores maliciosos.
Por supuesto, estos desafíos son solo la punta del iceberg. También existen posibles desafíos en materia de recursos e infraestructura, desafíos sociales y de adopción, y varios posibles desafíos regulatorios y legales. Muchos de estos desafíos, en particular los desafíos regulatorios y de infraestructura, podrían reflejar los del ecosistema criptográfico.
Lo más importante es...
La IA descentralizada podría eludir a los guardianes tradicionales que se esconden detrás de la IA centralizada actual y revolucionar la industria. Al allanar el camino para ecosistemas de IA más democráticos y confiables, podrían abordar muchas de las preocupaciones válidas que se esconden detrás de la IA centralizada.
Si utiliza plataformas de IA descentralizadas que involucran tokens, es posible que deba informar al IRS sobre las ganancias o pérdidas. ZenLedger puede ayudarlo a agregar transacciones en billeteras y plataformas de intercambio, calcular sus ganancias o pérdidas de capital, generar la documentación que necesita presentar cada año al IRS y evitar auditorías costosas.
¡Comience hoy gratis!
Este material ha sido elaborado únicamente con fines informativos y no debe interpretarse como asesoramiento profesional. Busque asesoramiento independiente legal, financiero, fiscal o de otro tipo específico para su situación particular.
¿Qué es la IA descentralizada?
La inteligencia artificial (IA) ha avanzado notablemente en los últimos años, transformando sectores y reconfigurando nuestra vida cotidiana. Sin embargo, las grandes empresas tecnológicas dominan el panorama actual de la IA y controlan enormes cantidades de datos, recursos informáticos y sofisticados modelos de IA. Estas dinámicas han generado inquietudes sobre la privacidad, la seguridad, la equidad y la concentración de poder en manos de unas pocas entidades.
La IA descentralizada es un enfoque fundamentalmente diferente para desarrollar, implementar y gestionar sistemas de IA que distribuyen componentes clave a través de una red de participantes en lugar de centralizarlos bajo el control de una sola entidad.
Exploremos los componentes críticos de la IA descentralizada, cómo se comparan con sus contrapartes centralizadas y los beneficios y desafíos futuros.
Aprendizaje federado
La IA centralizada recopila datos de varias fuentes (como su propia base de usuarios o bases de datos públicas) y los centraliza en una única ubicación. Al entrenar un modelo, todo el conjunto de datos es accesible para servidores o clústeres potentes que lo utilizan para el entrenamiento. Y esto genera problemas de privacidad y seguridad que están empezando a surgir hoy en día.
Las grandes empresas tecnológicas tienen incentivos para absorber la mayor cantidad de datos posible, lo que las pone en desacuerdo con consciente de la privacidad consumidores. Al mismo tiempo, las empresas que quieran aprovechar la IA centralizada pueden necesitar enviar sus datos a estos servicios, lo que genera posibles problemas con la privacidad y la seguridad de los datos.
La IA descentralizada adopta la idea del aprendizaje federado, que permite que cada participante controle sus datos locales. Con este concepto, un servidor central envía el modelo actual a un subconjunto de participantes que lo entrenan con sus datos antes de enviar solo las actualizaciones del modelo al servidor para mejorar el modelo global.
Computación colectiva
Las empresas de IA convencionales gastan enormes recursos en potencia computacional para entrenar sus últimos modelos. Según HSBC, el costo de entrenar ChatGPT-5 podría oscilar entre $1.7 mil millones y $2.5 mil millones. La carrera por construir mejores modelos ha llevado a un marcado aumento en demanda de GPU y otro hardware (¡y un impulso al precio de las acciones de NVIDIA!).
Estos altos costos crean una barrera de entrada fundamental para los gobiernos, las universidades o los investigadores que buscan entrenar sus propios modelos de IA competitivos. Si bien Facebook ofrece su modelo básico Llama de forma gratuita, los usuarios deben confiar en los parámetros de entrenamiento iniciales de la empresa y otras configuraciones cuando usan el modelo para sus propios fines.
SETI@home fue pionero en la idea de la computación colectiva para explorar el cosmos y, más tarde, con Folding@home, para descubrir nuevas terapias. La IA descentralizada tiene como objetivo aprovechar los mismos principios para aprovechar el poder de las computadoras personales, los teléfonos inteligentes y otros dispositivos de consumo para realizar tareas de IA para las que la IA centralizada utiliza centros de datos.
Gobernanza colaborativa
La IA centralizada genera un problema de gobernanza importante. Por ejemplo, las grandes empresas tecnológicas que controlan la IA pueden vender el acceso a cualquier persona que elijan para maximizar las ganancias. Por otro lado, pueden negarse a proporcionar acceso a cualquier persona que elijan. El resultado es un guardián que no rinde cuentas a nadie más que a sus accionistas.
Además, hay poca información sobre cómo y con qué datos se entrenan los modelos, lo que podría generar sesgos que son difíciles de evaluar para los usuarios finales. Muchos de estos sesgos ya están saliendo a la luz, como el sesgo del Perfil de Gestión de Delincuentes Correccionales para Sanciones Alternativas (COMPAS, por sus siglas en inglés) que dice que los acusados negros tienen más probabilidades de reincidir.
La IA descentralizada tiene como objetivo aprovechar la gobernanza colaborativa como Organizaciones autónomas descentralizadas (DAO). Estas organizaciones utilizan fichas de gobierno Para empoderar a los miembros de la comunidad a tomar decisiones sobre el proyecto y sus objetivos. El código fuente detrás de la organización está abierto para que cualquiera lo lea o mejore.
Proyectos de IA descentralizados
La IA descentralizada aún está en sus primeras etapas en comparación con proyectos de IA centralizada como OpenAI o Llama. Sin embargo, están surgiendo cada vez más proyectos que aprovechan el aprendizaje federado, la computación colectiva y la gobernanza colaborativa. Estos proyectos podrían aprovechar las bases de la IA centralizada para ofrecer a los usuarios opciones alternativas.
Algunos de los proyectos más populares incluyen:
No es de sorprender que muchos de estos proyectos se interrelacionen con los ecosistemas de las criptomonedas y las cadenas de bloques. Las cadenas de bloques proporcionan una forma descentralizada de organizar la información, mientras que las criptomonedas facilitan la creación de incentivos egoístas para alcanzar objetivos colectivos. Se trata de una combinación perfecta para que las IA descentralizadas tengan éxito.
Curiosamente, la IA centralizada también podría proporcionar un impulso. Si bien las empresas no comparten el funcionamiento interno de sus modelos, estos pueden ayudar a entrenar a otros modelos para que se pongan al día rápidamente. La denominada destilación de modelos implica entrenar modelos más pequeños para imitar el comportamiento de los modelos más grandes y capturar la funcionalidad a una fracción del costo.
Desafíos adelante
El beneficio más importante de los sistemas centralizados es su capacidad de actuar con rapidez. Por ejemplo, un banco central puede imprimir dinero al instante para controlar la inflación, mientras que los ecosistemas de criptomonedas deben depender de redes descentralizadas para acuñar tokens. Lo mismo ocurre con la IA centralizada, donde las empresas pueden simplemente recaudar dinero y comenzar a realizar cálculos.
La IA descentralizada enfrenta algunos desafíos únicos, entre ellos:
Por supuesto, estos desafíos son solo la punta del iceberg. También existen posibles desafíos en materia de recursos e infraestructura, desafíos sociales y de adopción, y varios posibles desafíos regulatorios y legales. Muchos de estos desafíos, en particular los desafíos regulatorios y de infraestructura, podrían reflejar los del ecosistema criptográfico.
Lo más importante es...
La IA descentralizada podría eludir a los guardianes tradicionales que se esconden detrás de la IA centralizada actual y revolucionar la industria. Al allanar el camino para ecosistemas de IA más democráticos y confiables, podrían abordar muchas de las preocupaciones válidas que se esconden detrás de la IA centralizada.
Si utiliza plataformas de IA descentralizadas que involucran tokens, es posible que deba informar al IRS sobre las ganancias o pérdidas. ZenLedger puede ayudarlo a agregar transacciones en billeteras y plataformas de intercambio, calcular sus ganancias o pérdidas de capital, generar la documentación que necesita presentar cada año al IRS y evitar auditorías costosas.
¡Comience hoy gratis!
Este material ha sido elaborado únicamente con fines informativos y no debe interpretarse como asesoramiento profesional. Busque asesoramiento independiente legal, financiero, fiscal o de otro tipo específico para su situación particular.
Compartir:
Contenido
Relacionado:
Fechas del halving de Bitcoin: ¿cuándo será el próximo halving de Bitcoin?
Guía para principiantes sobre DAO y tokens de gobernanza
Hamster Kombat: ¡El juego viral de Telegram!