Belgian Scientists Develop Blockchain-Based AI Training Method

Binance News · 2024-09-05T21:13:44.000Z

According to Cointelegraph, a team of scientists in Belgium has potentially solved a significant challenge in artificial intelligence (AI) by using a blockchain-based, decentralized training method. Although the research is in its early stages, it could have far-reaching implications, from revolutionizing space exploration to posing existential risks to humanity. In a simulated environment, the researchers created a method to coordinate learning among individual, autonomous AI agents. They utilized blockchain technology to facilitate and secure communications between these agents, forming a decentralized 'swarm' of learning models. The training results from each agent were then used to develop a larger AI model. By handling data via blockchain, the system benefited from the collective intelligence of the swarm without accessing individual agents' data. Machine learning, closely related to AI, comes in various forms. Typical chatbots like OpenAI’s ChatGPT or Anthropic’s Claude are developed using multiple techniques, including unsupervised learning and reinforcement learning from human feedback. One major challenge with this approach is the need for centralized databases for training data, which is impractical for applications requiring continuous autonomous learning or where privacy is crucial. The research team employed a learning paradigm called 'decentralized federated learning' for their blockchain research. They found that they could successfully coordinate the models while maintaining data decentralization. Most of their research focused on studying the swarm's resilience against various attack methods. Due to the decentralized nature of the blockchain technology and the training network, the team demonstrated robustness against traditional hacking attacks. However, the researchers identified a threshold for the number of rogue robots the swarm could handle. They developed scenarios featuring robots designed to harm the network, including agents with nefarious agendas, outdated information, and simple disruption instructions. While simple and outdated agents were relatively easy to defend against, smart agents with malicious intentions could eventually disrupt the swarm intelligence if enough infiltrated it. This research remains experimental and has only been conducted through simulations. However, there may come a time when robot swarms can be cross-coordinated in a decentralized manner, potentially allowing AI agents from different companies or countries to collaborate on training a larger agent without compromising data privacy.

Según Cointelegraph, un equipo de científicos de Bélgica ha resuelto un problema importante en el campo de la inteligencia artificial (IA) mediante un método de entrenamiento descentralizado basado en blockchain. Aunque la investigación se encuentra en sus primeras etapas, podría tener implicaciones de gran alcance, desde revolucionar la exploración espacial hasta plantear riesgos existenciales para la humanidad.
En un entorno simulado, los investigadores crearon un método para coordinar el aprendizaje entre agentes de IA autónomos e individuales. Utilizaron la tecnología blockchain para facilitar y proteger las comunicaciones entre estos agentes, formando un "enjambre" descentralizado de modelos de aprendizaje. Los resultados del entrenamiento de cada agente se utilizaron luego para desarrollar un modelo de IA más grande. Al manejar los datos a través de la blockchain, el sistema se benefició de la inteligencia colectiva del enjambre sin acceder a los datos de los agentes individuales.
El aprendizaje automático, estrechamente relacionado con la IA, se presenta en diversas formas. Los chatbots típicos como ChatGPT de OpenAI o Claude de Anthropic se desarrollan utilizando múltiples técnicas, incluido el aprendizaje no supervisado y el aprendizaje de refuerzo a partir de la retroalimentación humana. Un desafío importante con este enfoque es la necesidad de bases de datos centralizadas para los datos de entrenamiento, lo que resulta poco práctico para aplicaciones que requieren un aprendizaje autónomo continuo o donde la privacidad es crucial.
El equipo de investigación empleó un paradigma de aprendizaje llamado "aprendizaje federado descentralizado" para su investigación sobre la cadena de bloques. Descubrieron que podían coordinar con éxito los modelos manteniendo al mismo tiempo la descentralización de los datos. La mayor parte de su investigación se centró en estudiar la resistencia del enjambre frente a diversos métodos de ataque. Debido a la naturaleza descentralizada de la tecnología de la cadena de bloques y a la red de entrenamiento, el equipo demostró solidez frente a los ataques de piratería tradicionales.
Sin embargo, los investigadores identificaron un umbral para la cantidad de robots maliciosos que el enjambre podría controlar. Desarrollaron escenarios con robots diseñados para dañar la red, incluidos agentes con agendas nefastas, información obsoleta e instrucciones simples para interrumpir el funcionamiento. Si bien era relativamente fácil defenderse de los agentes simples y obsoletos, los agentes inteligentes con intenciones maliciosas podrían eventualmente interrumpir la inteligencia del enjambre si se infiltraran suficientes en él.
Esta investigación sigue siendo experimental y solo se ha llevado a cabo mediante simulaciones. Sin embargo, puede llegar un momento en que los enjambres de robots puedan coordinarse de manera descentralizada, lo que podría permitir que agentes de IA de diferentes empresas o países colaboren en el entrenamiento de un agente más grande sin comprometer la privacidad de los datos.

Lo más reciente

Artículos populares