Decentralizovaná umělá inteligence (Decentralized AI, zkráceně DeAI) se týká oblasti průsečíku umělé inteligence a blockchainové technologie. Tento termín zahrnuje široké spektrum aplikací, od tokenizovaných nebo decentralizovaných trhů po úplně on-chain běžící AI modely ve formě chytrých kontraktů.
Co je DeAI?
Termín „DeAI“ může být použit k popisu nebo označení různých konceptů. V některých případech je tento termín zjednodušen, dokonce se používá pro platformy a aplikace, které nejsou decentralizované ani důvěryhodné. V kontextu jako ICP však DeAI označuje umělou inteligenci běžící na zcela decentralizované a bezpečné platformě.
Níže jsou seřazeny scénáře aplikací DeAI podle míry decentralizace od nejsilnějšího po nejslabší.
Úplný on-chain trénink a inference
Toto je nejčistší forma DeAI, která do aplikací DeAI přináší bezpečnost a důvěryhodnost zaručenou chytrými kontrakty. Tento případ použití je dlouhodobou vizí ICP, která se stane možnou po integraci uzlů podporujících GPU.Úplná on-chain inference s modely trénovanými off-chain
Tento scénář předpokládá, že model byl trénován off-chain a nahrán na chain. Inference se provádí zcela on-chain a má stejnou bezpečnost a důvěryhodnost jako běžné chytré kontrakty. V současnosti ICP podporuje on-chain inference modelů s miliony parametrů. Například můžete se podívat na případ použití on-chain klasifikace obrázků.On-chain ukládání modelu, inference prováděná na uživatelských zařízeních
V tomto případě je model po trénování off-chain nahrán na chain pro ukládání, inference se provádí na uživatelských zařízeních. Uživatelé si musí nejprve stáhnout model, a pokud důvěřují svému zařízení, mohou věřit správnosti výsledků inference. Nevýhodou tohoto přístupu je, že je potřeba stáhnout model na uživatelské zařízení, což může vést k poklesu ochrany soukromí modelu a snížení uživatelského zážitku kvůli zvýšené latenci. ICP podporuje tuto formu použití téměř pro všechny existující modely, protože její chytré kontrakty mohou ukládat modely až do velikosti 500GiB. Příklad je AI chatbot v prohlížeči postavený na otevřeném zdrojovém velkém jazykovém modelu (LLM), který poskytuje ICP.Tokenizace, trh a orchestrace
Tyto aplikace se týkají používání chytrých kontraktů jako základní vrstvy pro tokenizaci AI modelů a hardwaru, tržní obchodování a úkolovou orchestraci. Vzhledem k tomu, že ICP je univerzální blockchain, je schopen podporovat jakýkoli složitý design chytrých kontraktů.Chytré kontrakty volají Web2 AI služby
Chytré kontrakty běžící na ICP mohou prostřednictvím HTTP požadavků volat Web2 služby, jako je OpenAI a Claude. Příkladem je chytrý kontrakt, který volá OpenAI API.
Proč zvolit DeAI?
Nejčistší forma DeAI má potenciál vyřešit problém důvěry v AI. V současnosti musí uživatelé slepě důvěřovat AI běžící na centralizovaných serverech, aniž by měli jakoukoli transparentnost ohledně toho, jak jsou jejich data používána, jak AI model generuje odpovědi a zda funguje správně, spolehlivě a konzistentně.
Protože jsou AI modely pro uživatele „černou skříňkou“, je výstavba důvěryhodných AI modelů významnou výzvou. Tento problém lze vyřešit, pokud by uživatelé mohli ověřit, jakým způsobem byl model trénován, a potvrdit, že inference skutečně použila tento model k vygenerování výstupu.
Díky Canister chytrým kontraktům na platformě ICP lze dosáhnout důvěryhodného DeAI.
Úplně on-chain DeAI
Běh AI modelů on-chain je pro tradiční blockchainy příliš náročný na výpočetní a paměťové zdroje. Design ICP činí chytré kontrakty silnějšími díky následujícím vlastnostem:
WebAssembly virtuální stroj poskytuje téměř nativní výkon.
Deterministické časové segmenty automaticky dělí dlouho běžící výpočty do několika bloků.
Výkonný hardwarový uzel vybavený standardizovanými hardwarovými specifikacemi: 32-jádrový CPU, 512GiB paměti a 30TB NVMe.
V současnosti ICP podporuje on-chain inference malých modelů prostřednictvím AI knihoven kompilovaných do WebAssembly (např. Sonos Tract). Můžete se podívat na příklad klasifikace obrázků, abyste pochopili, jak to funguje. Dlouhodobou vizí ICP v oblasti DeAI je podpora on-chain GPU výpočtů, což umožní trénink a inference větších modelů.