Merkezi Olmayan Yapay Zeka Nedir?

Yapay zekâ (YZ) son yıllarda dikkat çekici ilerlemeler kaydederek sektörleri dönüştürdü ve günlük yaşamımızı yeniden şekillendirdi. Ancak, büyük teknoloji şirketleri günümüzün YZ alanına hakim durumda ve muazzam miktarda veriyi, bilgi işlem kaynaklarını ve gelişmiş YZ modellerini kontrol ediyorlar. Bu dinamikler, gizlilik, güvenlik, adalet ve gücün birkaç kuruluşun elinde toplanmasıyla ilgili endişelere yol açtı.

Merkezi olmayan yapay zeka, temel bileşenleri tek bir kuruluşun kontrolü altında merkezileştirmek yerine, katılımcılardan oluşan bir ağa dağıtan, yapay zeka sistemlerinin geliştirilmesi, dağıtımı ve yönetimine yönelik temelde farklı bir yaklaşımdır.

Gelin, merkeziyetsiz yapay zekanın kritik bileşenlerini, merkezi muadilleriyle karşılaştırmasını ve gelecekteki faydalarını ve zorluklarını inceleyelim.

Federe Öğrenme

Merkezi yapay zekâ, kendi kullanıcı tabanı veya kamuya açık veri tabanları gibi çeşitli kaynaklardan veri toplar ve tek bir yerde merkezileştirir. Bir model eğitilirken, tüm veri seti, onu eğitim için kullanan güçlü sunucular veya kümeler tarafından erişilebilir durumdadır. Ve bu, günümüzde ortaya çıkmaya başlayan gizlilik ve güvenlik sorunlarına yol açmaktadır.

Büyük teknoloji şirketleri olabildiğince çok veri toplamaya teşvik ediliyor, bu da onları karşı karşıya getiriyor. gizlilik bilincine sahip Tüketiciler. Aynı zamanda, merkezi yapay zekadan yararlanmak isteyen şirketlerin verilerini bu hizmetlere göndermeleri gerekebilir; bu da gizlilik ve veri güvenliğiyle ilgili potansiyel sorunlar yaratabilir. 

Merkezi olmayan yapay zeka, her katılımcının kendi yerel verileri üzerinde kontrol sahibi olmasını sağlayan birleşik öğrenme fikrini benimser. Bu kavramı kullanarak, merkezi bir sunucu mevcut modeli katılımcıların bir alt kümesine gönderir; bu katılımcılar modeli kendi verileri üzerinde eğitir ve daha sonra küresel modeli iyileştirmek için yalnızca model güncellemelerini sunucuya geri gönderir.

Kolektif Hesaplama

Geleneksel yapay zeka şirketleri, en yeni modellerini eğitmek için muazzam kaynaklar harcıyor. HSBC'ye göre, ChatGPT-5'in eğitim maliyeti 1.7 milyar dolardan 2.5 milyar dolara kadar çıkabilir! Daha iyi modeller oluşturma yarışı, maliyetlerde keskin bir artışa yol açtı. GPU'lara olan talep ve diğer donanımlar (ve NVIDIA'nın hisse senedi fiyatında bir artış!).

Bu yüksek maliyetler, kendi rekabetçi yapay zeka modellerini eğitmek isteyen hükümetler, üniversiteler veya araştırmacılar için önemli bir giriş engeli oluşturmaktadır. Facebook, temel Llama modelini ücretsiz olarak sağlasa da, kullanıcılar modeli kendi amaçları için kullanırken şirketin ilk eğitim parametrelerine ve diğer ayarlarına güvenmek zorundadır.

SETI@home, evreni araştırmak için kolektif hesaplama fikrine öncülük etti ve daha sonra Folding@home ile yeni tedavi yöntemleri keşfetti. Merkezi olmayan yapay zeka, aynı prensiplerden yararlanarak kişisel bilgisayarların, akıllı telefonların ve diğer tüketici cihazlarının gücünü, merkezi yapay zekanın veri merkezlerini kullandığı yapay zeka görevlerini gerçekleştirmek için kullanmayı hedefliyor.

İşbirlikçi Yönetişim

Merkezi yapay zekâ, önemli bir yönetim sorununa yol açar. Örneğin, yapay zekâyı kontrol eden büyük teknoloji şirketleri, karlarını maksimize etmek için istedikleri herkese erişim satabilir. Öte yandan, istedikleri herkese erişim sağlamayı da reddedebilirler. Sonuç olarak, hissedarlarından başka kimseye hesap vermeyen bir kapı bekçisi ortaya çıkar.

Ayrıca, modellerin hangi veriler üzerinde ve nasıl eğitildiğine dair çok az bilgi bulunmaktadır; bu da son kullanıcıların değerlendirmesi zor olan önyargılara yol açabilir. Bu önyargıların birçoğu zaten ortaya çıkmaktadır; örneğin, Cezaevi Suçlu Yönetimi Profilleme ve Alternatif Yaptırımlar (COMPAS) modelinin siyahi sanıkların yeniden suç işleme olasılığının daha yüksek olduğunu söyleme eğilimi gibi.

Merkezi olmayan yapay zeka, işbirlikçi yönetişimden yararlanmayı hedefliyor. Merkezi Olmayan Otonom Organizasyonlar (DAO'lar). Bu kuruluşlar kullanır. yönetim belirteçleri Topluluk üyelerinin proje ve hedefleri hakkında karar vermelerini sağlamak. Organizasyonun kaynak kodu herkesin okuması veya geliştirmesi için açıktır.

Merkezi Olmayan Yapay Zeka Projeleri

Merkezi olmayan yapay zeka, OpenAI veya Llama gibi merkezi yapay zeka projelerine kıyasla henüz başlangıç ​​aşamasındadır. Bununla birlikte, birleşik öğrenme, kolektif hesaplama ve işbirlikçi yönetişimden yararlanan giderek artan sayıda proje ortaya çıkmaktadır. Bu projeler, kullanıcılara alternatif seçenekler sunmak için merkezi yapay zekanın temelleri üzerine inşa edilebilir.

En popüler projelerden bazıları şunlardır:

• Gensin Dünyadaki tüm bilgisayarları tek bir ağa bağlayarak, programatik makine öğrenimi eğitimini düşük maliyetle ve büyük ölçekte mümkün kılıyor. Kuruluş, yaklaşımını Litepaper'ında özetliyor.
  
• OORT Merkezi olmayan, doğrulanabilir bir bulut bilişim platformu olan bu proje, veri merkezlerinden akıllı telefonlara kadar küresel kaynakları kullanarak güvenilir yapay zeka uygulamalarını mümkün kılıyor. Önemli bir nokta olarak, proje halihazırda müşterilerle birlikte çalışıyor.
  
• bittensör Yapay zekâ, depolama alanı, işlem gücü veya protein katlanması gibi rekabetçi dijital ürünler üreterek yapay zekânın merkeziyetsiz üretiminde öncülük ediyor.

Şaşırtıcı olmayan bir şekilde, bu projelerin çoğu kripto ve blok zinciri ekosistemleriyle iç içe geçiyor. Blok zincirleri, bilgiyi organize etmek için merkeziyetsiz bir yol sağlarken, kripto paralar da kolektif hedeflere ulaşmak için bencil teşvikler yaratmayı kolaylaştırıyor. Bu, merkeziyetsiz yapay zekaların başarılı olması için gereken şartlara mükemmel bir şekilde uyuyor.

İlginç bir şekilde, merkezi yapay zeka da bir ivme sağlayabilir. Şirketler modellerinin iç işleyişini paylaşmasa da, modeller diğer modelleri hızla eğiterek onların da aynı seviyeye gelmesine yardımcı olabilir. Model damıtma olarak adlandırılan bu yöntem, daha büyük modellerin davranışlarını taklit etmek için daha küçük modelleri eğitmeyi ve böylece işlevselliği çok daha düşük maliyetle yakalamayı içerir.

Önümüzdeki Zorluklar

Merkezi sistemlerin en önemli avantajı, hızlı hareket edebilme yetenekleridir. Örneğin, bir merkez bankası enflasyonu kontrol etmek için anında para basabilirken, kripto para ekosistemleri token basmak için merkezi olmayan ağlara güvenmek zorundadır. Aynı durum merkezi yapay zeka için de geçerlidir; şirketler sadece para toplayıp hesaplamaya başlayabilirler.

Merkezi olmayan yapay zeka, aşağıdakiler de dahil olmak üzere bazı benzersiz zorluklarla karşı karşıyadır:

• Ölçek ekonomileri. Federasyon tabanlı öğrenme ve kolektif hesaplama, başarılı olmak için belirli bir ölçek gerektirir. Sonuçta, sınırlı bir veri seti veya birkaç akıllı telefon, OpenAI'nin devasa veri merkezleriyle rekabet etmek için yeterli değildir. Katılımcı çekmek, özellikle ilk aşamalarda en zordur.
  
• Teknik Zorluklar. Çok sayıda cihazda hesaplamaları koordine etmek, merkezi işlemeye göre daha yavaş olabilirken, büyük ölçekli dağıtık sistemlerin yönetimi çok daha fazla karmaşıklık içerir. Öte yandan, açık kaynak geliştirmenin doğası gereği, erken dönemdeki gönüllülere bağımlılık söz konusudur.
  
• Veri kalitesi. Birçok merkezi yapay zeka şirketi zamanının büyük bir bölümünü veri kalitesini iyileştirmeye harcıyor. Ancak, çeşitli ve kontrolsüz veri kaynaklarına güvenildiğinde, veri kalitesini sağlamak zor olabilir. Bağımsız ve özdeş dağılımlı olmayan (non-IID) veriler de bir modelin performansını etkileyebilir.
  
• Güvenlik Kaygıları. Merkeziyetsizlik gizliliği artırır ancak güvenlik sorunlarına yol açabilir. Örneğin, açık kaynak projeleri paydaşları içerir ve güvenlik açıklarının fark edilmemesi, projenin bu açıkları kod tabanına eklemesine neden olabilir. Ayrıca, kötü niyetli kişilerin erişimini sınırlamak çok daha zordur.

Elbette, bu zorluklar buzdağının sadece görünen kısmı. Ayrıca potansiyel kaynak ve altyapı zorlukları, sosyal ve benimseme zorlukları ve çeşitli olası düzenleyici ve yasal zorluklar da mevcut. Bu zorlukların çoğu, özellikle düzenleyici ve altyapı zorlukları, kripto ekosisteminin zorluklarına benzer olabilir.

Alt çizgi

Merkezi olmayan yapay zeka, günümüzün merkezi yapay zekasının arkasındaki geleneksel bekçileri atlayarak sektörü devrimleştirebilir. Daha demokratik ve güvenilir yapay zeka ekosistemlerinin önünü açarak, merkezi yapay zekanın ardındaki birçok geçerli endişeyi giderebilir.

Token içeren merkeziyetsiz yapay zeka platformlarını kullanıyorsanız, kazanç veya kayıplarınızı IRS'ye bildirmeniz gerekebilir. ZenLedger, cüzdanlar ve borsalar genelindeki işlemleri bir araya getirmenize, sermaye kazancınızı veya kaybınızı hesaplamanıza, her yıl IRS'ye sunmanız gereken belgeleri oluşturmanıza ve maliyetli denetimlerden kaçınmanıza yardımcı olabilir!

Ücretsiz olarak bugün başlayın!

Bu materyal yalnızca bilgilendirme amacıyla hazırlanmıştır ve profesyonel tavsiye olarak yorumlanmamalıdır. Lütfen kendi özel durumunuza uygun bağımsız hukuki, mali, vergi veya diğer konularda danışmanlık hizmeti alın.