Verfasst von: io.net

Zusammengestellt von: Alex Liu, Foresight News

Künstliche Intelligenz hat sich schnell zu einer der am stärksten zentralisierten Kräfte der Welt entwickelt. Die Entwicklung und Bereitstellung von KI erfordert erhebliche Ressourcen – einschließlich großer Kapitalmengen, fortschrittlicher Rechenleistung und hochspezialisierter Talente. Natürlich sind nur die finanzstärksten Organisationen in der Lage, in modernste Infrastruktur zu investieren und Top-Talente anzuziehen, während kleinere Unternehmen Schwierigkeiten haben, mitzuhalten.

In traditionellen Szenarien wird MLOps (Machine Learning Operations, Maschinenlernen) von großen Organisationen kontrolliert, die alles von der Datensammlung bis zum Modelltraining und der Bereitstellung intern verwalten. Dieses geschlossene Ökosystem monopolisiert Talente und Ressourcen und schafft erhebliche Hindernisse für Startups und kleine Unternehmen.

Eine der spannendsten Möglichkeiten, wie Blockchain diese Zentralisierung herausfordert, ist die Unterstützung dezentraler, genehmigungsfreier KI-Modelle. Durch die Nutzung von verteilten Gemeinschaften zur Sicherung, Validierung, Feinabstimmung und Überprüfung jedes Schrittes im Bereitstellungsprozess von LLM (großen Sprachmodellen) können wir verhindern, dass eine kleine Gruppe von Akteuren das KI-Feld dominiert.

io.net beobachtet aufmerksam den Schnittpunkt zwischen KI und Blockchain und hat drei Schlüsselbereiche identifiziert, die das Potenzial haben, das Landschaftsbild zu verändern.

Verteilte MLOps

In traditionellen MLOps haben große Technologieunternehmen die Oberhand. Sie haben die Ressourcen, um Talente zu monopolisieren und alles intern zu betreiben. Auf der anderen Seite nutzt dezentrale MLOps Blockchain und Token-Anreize, um ein verteiltes Netzwerk zu schaffen, das eine breitere Teilnahme am gesamten Lebenszyklus der KI-Entwicklung ermöglicht.

Von der Datenmarkierung bis zur Modellfeinabstimmung können dezentrale Netzwerke effizienter und gerechter skalieren. Talentpools können je nach Bedarf und Komplexität angepasst werden, was diese Methode besonders effektiv macht, wenn Talente oft in den spezialisierten Bereichen wohlhabender Unternehmen konzentriert sind.

Ein Beispiel ist CrunchDao, das ein dezentrales Modell ähnlich wie Kaggle aufgebaut hat, in dem KI-Talente konkurrieren, um Probleme für Handelsunternehmen zu lösen. Da bestimmte Datensätze immer verbreiteter werden, werden Unternehmen zunehmend auf diese Talentnetzwerke angewiesen sein, um „Menschen im Kreislauf“ für Überwachung, Feinabstimmung und Optimierung bereitzustellen. Ein weiteres Projekt, Codigo, verfolgt einen ähnlichen Ansatz und baut ein dezentrales Netzwerk von Krypto-Entwicklern auf, die Token verdienen, um kryptowährungsspezifische Sprachmodelle zu trainieren und zu verfeinern.

Verteilte Hardware

Eines der größten Hindernisse für die heutige KI-Entwicklung ist der Zugang zu hochmodernen GPUs, wie z.B. Nvidia's A100 und H100. Diese sind entscheidend für das Training großer KI-Modelle, aber ihre Kosten sind für die meisten Startups zu hoch. In der Zwischenzeit schließen Unternehmen wie AWS direkte Geschäfte mit Nvidia ab, was den Zugang für kleine Unternehmen weiter einschränkt.

Deshalb sind blockchain-basierte dezentrale Modelle wie io.net erforderlich. Indem sie es den Menschen ermöglichen, ungenutzte GPU zu monetarisieren (egal ob sie sich in Rechenzentren, Krypto-Mining-Anlagen oder sogar Spielkonsolen befinden), können kleine Unternehmen die benötigte Rechenleistung zu sehr geringen Kosten erhalten. Es ist eine genehmigungsfreie, kostengünstige Alternative zu traditionellen Cloud-Anbietern, ohne das Risiko von Zensur oder hohen Gebühren.

Verteilte Rückverfolgbarkeit

Wie Balaji Srinivasan sagte: „Künstliche Intelligenz ist reichhaltige digitale Produkte, Kryptowährung ist knappe digitale Vermögenswerte; KI generiert, Kryptowährung validiert.“ Da KI-Modelle zunehmend auf neuartigen, privaten oder sogar urheberrechtlich geschützten Daten basieren und die Bedrohung durch Deepfakes wächst, wird es immer wichtiger, die Herkunft der Daten und die angemessene Lizenzierung sicherzustellen.

Wenn es um die Ausbildung von KI-Modellen mit geschützten Daten ohne angemessene Zustimmung geht, ist Urheberrechtsverletzung ein ernstes Problem. Hier kommen dezentrale Rückverfolgbarkeitslösungen ins Spiel. Durch die Verwendung eines transparenten, dezentralen Blockchain-Ledgers können wir die Daten über ihren gesamten Lebenszyklus hinweg (von der Sammlung bis zur Bereitstellung) verfolgen und verifizieren, ohne auf zentralisierte Institutionen angewiesen zu sein. Dies erhöht das Vertrauen, die Verantwortlichkeit und den Respekt für Datenrechte, was entscheidend für die zukünftige Entwicklung der KI ist.

Fazit

Die Integration von künstlicher Intelligenz und Blockchain-Technologie bietet spannende neue Ansätze, um die zentralisierten Bedrohungen in der Entwicklung von KI herauszufordern. Dezentralisierte MLOps, verteilte Hardware und blockchain-basierte Rückverfolgbarkeitslösungen tragen alle dazu bei, ein gerechteres und skalierbareres KI-Ökosystem zu schaffen. Diese Modelle ermöglichen dynamische Talentnetzwerke, nutzen ungenutzte Rechenressourcen und gewährleisten die Datenzuverlässigkeit, um den Weg für eine dezentralere und inklusivere Zukunft der KI zu ebnen.