Decentralizované MLOps, distribuovaný hardware a řešení sledovatelnosti založená na blockchainu dláždí cestu pro decentralizovanější a inkluzivnější budoucnost AI.
Napsal: io.net
Sestavil: Alex Liu, Foresight News
Umělá inteligence se rychle stala jednou z nejvíce centralizovaných sil na světě. Vývoj a nasazení AI vyžaduje značné zdroje – včetně velkého množství kapitálu, pokročilého výpočetního výkonu a vysoce specializovaných talentů. Investice do špičkové infrastruktury a přilákání špičkových talentů si samozřejmě mohou dovolit jen ty nejlépe financované organizace, zatímco menší podniky se snaží udržet krok.
Tradičně byly MLOps (Machine Learning Operations) řízeny velkými organizacemi, které řídily vše od sběru dat až po školení modelů a nasazení interně. Tento uzavřený ekosystém monopolizuje talenty a zdroje a vytváří značné překážky pro začínající podniky a malé společnosti.
Jedním z nejzajímavějších způsobů, jak blockchain zpochybňuje tuto centralizaci, je umožnění decentralizovaných modelů umělé inteligence bez povolení. Využitím distribuované komunity k zabezpečení, ověřování, dolaďování a ověřování každé fáze procesu nasazení LLM (Large Language Model) můžeme zabránit hrstce hráčů ovládnout prostředí AI.
io.net se podrobně dívá na průsečík umělé inteligence a blockchainu a identifikuje tři klíčové oblasti, které by mohly přetvořit krajinu.
Distribuované MLOps
V tradičních MLOp mají velké technologické společnosti navrch. Mají zdroje na monopolizaci talentů a provozují vše interně. Decentralizované MLO na druhé straně využívají blockchain a tokenové pobídky k vytváření distribuovaných sítí, které umožňují širší zapojení během životního cyklu vývoje AI.
Od označování dat až po jemné ladění modelu lze decentralizované sítě škálovat efektivněji a spravedlivěji. Talent pool lze přizpůsobit poptávce a složitosti, díky čemuž je tento přístup obzvláště účinný ve specializovaných oblastech, kde se talenty často soustřeďují v dobře financovaných společnostech.
Vezměte si CrunchDao jako příklad, vytvořili decentralizovaný model podobný Kaggle, kde mohou talenty AI soutěžit o řešení problémů obchodních společností. S tím, jak se konkrétní datové soubory stanou všudypřítomnějšími, budou společnosti stále více spoléhat na tyto sítě talentů, které jim poskytnou „lidé ve smyčce“ pro dohled, doladění a optimalizaci. Další projekt, Codigo, používá podobný přístup, buduje decentralizovanou síť krypto vývojářů, kteří vydělávají tokeny na trénování a vylepšování jazykových modelů specifických pro kryptoměny.
Distribuovaný hardware
Jednou z největších překážek dnešního vývoje AI je přístup k nejmodernějším GPU, jako jsou A100 a H100 od Nvidie. Jsou nezbytné pro výcvik velkých modelů umělé inteligence, ale jejich cena je pro většinu startupů neúměrná. Mezitím společnosti jako AWS uzavírají přímé dohody s Nvidií, což dále omezuje přístup malým podnikům.
To je důvod, proč je potřeba decentralizovaný model založený na blockchainu, jako je io.net. Tím, že lidem poskytnete možnost zpeněžit nečinná GPU – ať už jsou v datových centrech, zařízeních na těžbu kryptoměn nebo dokonce na herních konzolích – mohou malé společnosti získat potřebný výpočetní výkon za zlomek nákladů. Je to cenově výhodná alternativa k tradičním cloudovým poskytovatelům bez povolení, bez rizika cenzury nebo vysokých poplatků.
Distribuovaná sledovatelnost
Jak řekl Balaji Srinivasan: „AI je bohatý digitální produkt, kryptoměna je vzácné digitální aktivum, které AI generuje, kryptoměna se ověřuje, protože modely umělé inteligence se stále více spoléhají na nová, soukromá data a dokonce i data chráněná autorskými právy a hrozba deepfakes roste.“ původ dat a příslušná oprávnění se stávají ještě důležitějšími.
Porušení autorských práv je vážný problém, pokud jde o modely umělé inteligence trénované na chráněných datech bez příslušného souhlasu. Zde svítí decentralizovaná řešení sledovatelnosti. Pomocí transparentní, decentralizované účetní knihy blockchainu můžeme sledovat a ověřovat data během celého jejich životního cyklu, od sběru až po nasazení, aniž bychom se spoléhali na centralizovanou autoritu. To přidává vrstvu důvěry, odpovědnosti a respektu k datovým právům, které budou zásadní pro budoucí vývoj AI.
na závěr
Konvergence umělé inteligence a technologie blockchain nabízí vzrušující nové způsoby, jak čelit hrozbě centralizace ve vývoji umělé inteligence. Decentralizované MLOps, distribuovaný hardware a řešení založená na blockchainu, to vše hraje roli při vytváření spravedlivějšího a škálovatelného ekosystému umělé inteligence. Tyto modely umožňují dynamické sítě talentů, využívají nečinné výpočetní zdroje a zajišťují spolehlivost dat, čímž dláždí cestu pro decentralizovanější a inkluzivnější budoucnost umělé inteligence.