Tradução: blockchain vernacular
A interseção entre IA e criptomoeda/blockchain tornou-se um enredo elogiado, mas sua importância vai muito além disso. Esta série explorará como a tecnologia e a filosofia blockchain podem resolver muitos dos problemas introduzidos pela IA, particularmente no que diz respeito à centralização e ao acesso à autoridade, com o objetivo de criar resultados agregados mais positivos para a sociedade.
No primeiro artigo desta série, exploramos as razões fundamentais pelas quais a IA e as criptomoedas estão relacionadas. Examinaremos o cenário atual da coordenação tecnológica, exploraremos como as criptomoedas podem facilitar a coordenação ascendente e analisaremos como esse modelo pode ser aplicado em todos os aspectos da cadeia de valor da IA – desde a coleta de dados até a inferência.
Se você terminou de ler este artigo com mais perguntas e um interesse crescente em explorar como as criptomoedas podem resolver problemas de IA, então alcançamos nosso objetivo! Os artigos futuros se concentrarão em diferentes partes da pilha de IA (por exemplo, dados, treinamento, inferência, etc.) e se aprofundarão em casos de uso e soluções específicos.
1. Coordenação total
Coordenação é a capacidade de pessoas ou grupos trabalharem juntos de maneira suave e eficiente. É a cola que mantém unidas as sociedades, as empresas e as comunidades. Quando falamos de coordenação, estamos realmente a falar de como permitir que as pessoas alinhem os seus esforços e decisões para alcançar um objectivo comum.
1) Existem duas formas principais de coordenação: de cima para baixo e de baixo para cima.
A coordenação de cima para baixo refere-se a uma estrutura hierárquica na qual as decisões do topo afetam todo o grupo. A coordenação de cima para baixo é semelhante a uma estrutura piramidal. Imagine uma estrutura corporativa tradicional: as decisões são tomadas pelos altos executivos, transmitidas hierarquicamente aos gerentes e, em última análise, afetam toda a força de trabalho. Neste modelo, as decisões são implementadas desde que a alta administração concorde. O poder está concentrado nas mãos de poucos.
A coordenação ascendente refere-se a uma estrutura em rede na qual indivíduos ou grupos participam conjuntamente no processo de tomada de decisão. A coordenação de baixo para cima é mais parecida com uma estrutura de rede. Imagine uma comunidade onde todos têm uma palavra a dizer: as decisões resultam da contribuição colectiva de todos os participantes. O poder é distribuído entre os participantes.
Ambos os métodos têm vantagens e desvantagens. Uma abordagem descendente pode ser rápida e eficiente em situações de crise. Uma abordagem ascendente pode ser mais lenta, mas muitas vezes leva a mais envolvimento e soluções criativas.
Estes padrões de coordenação são modelos úteis para compreender os desafios e oportunidades que enfrentamos quando lidamos com uma tecnologia poderosa como a IA, que pode impactar milhares de milhões de pessoas.
2) Situação Atual: Coordenação de cima para baixo em Ciência e Tecnologia
O modelo dominante de coordenação em tecnologia hoje é de cima para baixo: um punhado de empresas e os indivíduos dentro delas determinam a alocação de recursos e definem políticas tecnológicas que afectam milhares de milhões de utilizadores. Este modelo perdura devido à sua eficácia no alinhamento das equipes em direção a objetivos específicos e na criação de retornos financeiros significativos. Embora isto esteja associado a algumas vantagens empresariais teorizadas, como a redução dos custos de transacção e a melhoria da coordenação, a extrema concentração de poder em algumas empresas tecnológicas excede o que era inicialmente esperado ou justificado.
Essas vantagens fizeram da empresa de infraestrutura e Web2 uma das maiores e mais influentes empresas do mundo. No entanto, esta concentração de poder tem um custo para os utilizadores. Por exemplo, a maioria das plataformas de redes sociais são dominadas por um punhado de empresas que definem políticas de plataforma, influenciam e ditam as experiências e recompensas para milhares de milhões de utilizadores. Você pode postar o que acha que é certo nas redes sociais, desde que “o que você acha que é certo” esteja dentro do escopo das políticas da plataforma de mídia social. Se você exceder esses limites, suas postagens poderão ser excluídas e sua conta poderá ser banida. Da mesma forma, você pode ganhar a vida usando grandes plataformas tecnológicas, desde que elas recebam 30% (ou mais) do dinheiro que você ganha. No caso de outras plataformas de redes sociais, a taxa de aquisição é de “100%” porque os criadores destas plataformas não obtêm qualquer receita.
O modelo de coordenação de cima para baixo, embora eficiente em termos de rápida tomada de decisões e alocação de recursos, pode levar a um jogo de soma zero ou mesmo de soma negativa. Isto significa que uma empresa deve esforçar-se constantemente para superar os seus rivais para manter a sua posição dominante. Por exemplo, se uma plataforma de mídia social não aproveitar os dados dos usuários para atendê-los, outro concorrente o fará. Esta pressão é exacerbada pelas expectativas dos acionistas e pela necessidade de retorno dos investimentos de capital.
Estruturas de poder centralizadas que centralizam o controlo e as recompensas no topo muitas vezes prejudicam os utilizadores. A visão original da Internet como um sistema aberto, igualitário e peer-to-peer foi substituída por um novo conjunto de portais nativos da Internet que ganharam poder através de um ciclo previsível de “atrair e depois extrair”.
2. Inteligência Artificial (IA): Repetir este ciclo?
No campo da inteligência artificial, muitos fatores comuns estão abrindo caminho para que esse ciclo se repita:
Um punhado de entidades centralizadas controladas por um punhado de decisores nos bastidores determinam políticas tecnológicas que têm o potencial de impactar milhares de milhões de utilizadores.
Há uma competição acirrada para construir os maiores e melhores modelos para atrair o maior número possível de usuários.
Uma grande quantidade de capital é investida na competição, e a pressão para devolver o capital e obter lucro pode marginalizar os interesses dos utilizadores e os ideais originais da empresa.
Estamos começando a ver isso acontecer no campo da inteligência artificial, embora a IA ainda esteja em seus estágios iniciais (e se desenvolvendo rapidamente). Por exemplo, as plataformas começaram a licenciar dados gerados pelos utilizadores com fins lucrativos. Por exemplo, o Reddit fechou um acordo com o Google para licenciar dados do Reddit por US$ 60 milhões por ano. Outras empresas, como Adobe e Slack, provocaram reação dos usuários por declararem em suas políticas que os dados dos usuários podem ser usados para treinar modelos de IA. Isto cria uma relação extrativa entre utilizadores e plataformas, porque os dados valiosos nestas plataformas (mensagens, interações e publicações) são criados pelos utilizadores, mas os utilizadores não participam na criação de valor a partir destes dados.
Os usuários podem usar modelos de IA criados por esses gigantes centralizados com base nos dados do usuário, mas devem concordar implicitamente com as preferências sociais (e possivelmente políticas) da empresa, o que pode afetar o resultado do modelo (veja o lançamento do Google Gemini). Da mesma forma, vimos a OpenAI transformar-se de uma organização sem fins lucrativos dedicada ao desenvolvimento de IA de código aberto para benefício humano, para uma estrutura fechada e corporativa com fins lucrativos após a introdução de capital externo. Isto cria mais uma vez uma situação em que existem incentivos que dão prioridade aos accionistas em detrimento dos utilizadores.
O risco de que a IA possa evoluir para tais modelos extrativos é suficiente para nos fazer questionar se é necessária uma abordagem diferente à coordenação - tal como uma abordagem ascendente, como a que as criptomoedas oferecem - mesmo que tal abordagem possa não resolver todos os problemas. melhor solução pode ser fornecida.
3. A criptomoeda permite a coordenação de baixo para cima
O Bitcoin introduz o conceito de moeda resistente à censura que não é controlada por uma entidade centralizada, mas é protegida por criptografia, código de software e incentivos económicos, todos construídos numa rede descentralizada. A tecnologia Blockchain baseia-se no conceito de código aberto e fornece um novo modelo de coordenação ascendente. O papel da coordenação muda das partes centralizadas para o mecanismo e a concepção de incentivos destas redes distribuídas, todas conduzidas por código de software de fonte aberta e governadas por indivíduos e grupos em sistemas peer-to-peer sem a necessidade de confiança centralizada.
As criptomoedas combinam inovação de três grandes campos acadêmicos: criptografia, redes e sistemas distribuídos e teoria dos jogos. A criptografia é um ramo da matemática que permite a segurança da informação em redes, criptografando e descriptografando informações. Redes e sistemas distribuídos são um ramo da ciência da computação geralmente considerado a arquitetura que oferece suporte à infraestrutura ponto a ponto. A teoria dos jogos – uma parte importante do campo do design de mecanismos – vem da economia e cria estruturas de incentivos que coordenam diferentes partes para atingir objetivos, como a continuidade e manutenção de um sistema.
A inovação conjunta nestes campos permite que as criptomoedas adotem muitos princípios fundamentais, permitindo uma coordenação ascendente:
Ledger Imutável: Uma das características mais importantes do blockchain é sua imutabilidade. Eles são uma fonte imutável de verdade e quase impossíveis de serem excluídos ou alterados. Na era da criação orientada pela IA, o blockchain fornece o único método confiável de provar direitos de propriedade digital, propriedade e propriedade.
Propriedade a nível individual: A criptomoeda permite aos utilizadores possuir ativos na Internet sem uma plataforma confiável que atue como intermediária para verificar a propriedade, permitindo assim um acordo contratual sem confiança de uma forma peer-to-peer. Esses ativos existem na forma de tokens, são programáveis e podem representar dados ou objetos arbitrários. Através da propriedade de ativos baseados em criptomoedas, os usuários têm controle total não apenas sobre os tokens que representam produtos financeiros, mas também sobre os tokens que representam sua identidade, dados e preferências.
Descentralização: A rede blockchain é construída em uma rede de nós distribuídos ponto a ponto. Neste contexto, a descentralização significa que nenhuma entidade ou jurisdição pode alterar, danificar ou controlar a rede sem seguir o protocolo. Num sistema descentralizado, as políticas são definidas e decididas pelos participantes e utilizadores da rede, incluindo utilizadores, validadores, investidores e membros mais amplos da comunidade, através de um mecanismo de consenso bem definido no código-fonte aberto.
A criptomoeda cria um espaço de design exclusivo que permite que indivíduos ou grupos coordenem e apliquem de maneira popular por meio de código. As criptomoedas não promovem uma forma de coordenação, mas permitem filosoficamente que os usuários optem por participar ou não com base em suas preferências. Se um usuário ou grupo de usuários discordar de qualquer parte da rede/protocolo, eles podem ingressar em outra rede e levar consigo seus ativos e dados ou, em alguns casos, até mesmo iniciar uma rede inteiramente nova.
Estes fundamentos permitem um ecossistema sem confiança, transparente e descentralizado. A IA enfrenta o risco de centralização descrito no modelo descendente mencionado anteriormente. A grande questão que temos em mente é: a IA pode beneficiar do modelo de coordenação ascendente possibilitado pelas criptomoedas?
4. Métodos de coordenação de cima para baixo e de baixo para cima em inteligência artificial
Para entender como os modelos de orquestração criptográfica bottom-up podem ajudar a IA, vamos dar uma olhada na cadeia de valor da IA – os diferentes estágios de criação e implantação, e comparar os aspectos top-down e bottom-up de cada estágio Método de coordenação.
1) Dados: a base da inteligência artificial
Tudo na internet está em dados de alguma forma. Qualquer forma de conteúdo, propriedade intelectual, código de software, imagens, conteúdo, música e a maneira como você desliza ou clica rapidamente são formas de dados. Os dados são um dos elementos principais para o treinamento de modelos de IA. Os conjuntos de dados mais populares usados para treinar modelos básicos hoje incluem Common Crawl, um conjunto de dados com 1 trilhão de tokens (1 token representa aproximadamente 1 palavra), e ImageNet, um conjunto de dados com 14 milhões de conjuntos de dados de imagens anotados.
A questão principal na reconciliação de dados é a aquisição de dados, que na sua essência inclui a propriedade dos dados.
Num modelo de coordenação de cima para baixo, as empresas de IA muitas vezes assumem que podem utilizar dados extraídos da web e alegam que é uma utilização justa, sem compensar os utilizadores que criaram os dados. No entanto, criadores, utilizadores e proprietários de dados levantaram objecções à legalidade e ética das empresas de IA que treinam os seus dados sem permissão explícita. Existem numerosos processos judiciais (por exemplo, New York Times v. OpenAI, jornais v. OpenAI, indústria musical v. startups de IA, etc.) alegando que as empresas de IA não podem simplesmente usar dados extraídos. Até mesmo plataformas centralizadas como X fecharam suas APIs e usaram limitação de taxa para evitar que bots rastreiem seus sites.
Num modelo de coordenação bottom-up habilitado por mecanismos criptoeconômicos, os usuários podem se registrar na blockchain e tokenizar seus dados, conteúdo e propriedade intelectual. Uma vez na rede, os usuários podem definir permissões para que outras pessoas usem legalmente seus dados, incluindo decidir se desejam ser compensados pelo fornecimento de seus dados. Isto cria um sistema que permite aos utilizadores beneficiarem quando as empresas (de inteligência artificial) utilizam estes dados, ao mesmo tempo que permite que as empresas (de inteligência artificial) utilizem os dados legalmente, sem operar numa área cinzenta como hoje.
2) Treinamento: Construir modelo de IA
Treinamento refere-se ao processo de ensinar um modelo de aprendizado de máquina a reconhecer padrões e relacionamentos em seus dados de treinamento. O objetivo desta etapa é que o modelo desenvolva parâmetros ou pesos que descrevam as relações entre diferentes pontos de dados em seus dados de treinamento.
O treinamento de modelos de IA da próxima geração requer recursos e tempo de computação significativos. Modelos com mais parâmetros requerem mais dados e poder de computação para treinar (por exemplo, clusters de GPU maiores). Por exemplo, o treinamento do GPT-4 custou à OpenAI cerca de US$ 100 milhões, enquanto o treinamento do Gemini Ultra custou ao Google cerca de US$ 200 milhões.
Uma questão fundamental de coordenação durante a fase de formação é como financiar o desenvolvimento de modelos de IA, dados os seus elevados custos.
Num modelo de coordenação descendente, o financiamento da IA provém principalmente de grandes empresas tecnológicas, fundos privados e investidores institucionais. Não existe um conceito de crowdfunding em grande escala para apoiar o desenvolvimento de modelos de IA da próxima geração. Este modelo de financiamento otimiza os interesses de alguns participantes, muito provavelmente à custa dos utilizadores. As empresas de IA devem dar prioridade à acumulação de benefícios para os acionistas, embora a contribuição dos utilizadores e de outras partes interessadas (tais como criadores terceiros) para o sucesso final de um modelo de IA possa exceder em muito os retornos que recebem.
Num modelo de coordenação ascendente alimentado por criptografia, qualquer pessoa com recursos úteis pode contribuir para o desenvolvimento de modelos de IA e lucrar com o valor criado por estes modelos de IA. Os usuários podem ajudar a financiar a criação de modelos de IA e possuir uma parte do modelo usando tokens criptográficos. Além de fornecer fundos, os sistemas baseados em criptografia também podem ser usados para incentivar os usuários a contribuir com outros recursos, como seus dados e/ou excesso de poder de computação, que é uma das formas importantes para as empresas centralizadas arrecadarem fundos.
Alguns céticos astutos podem apontar que já existe um movimento saudável de código aberto em IA que já é efetivamente coordenado sem criptografia. Mas sem incentivos para contribuir, os projectos de código aberto não terão os sistemas de coordenação necessários para cumprir a sua promessa a longo prazo de se tornarem uma verdadeira alternativa às soluções fechadas centralizadas. Por outras palavras, a IA de código aberto de hoje carece de uma camada de incentivo que lhe permita coordenar participantes e colaboradores à escala global e deixá-los capturar o valor que criam.
3) Inferência: Colocando a IA em aplicações práticas
Depois que o modelo for treinado, o usuário pode inserir um prompt e solicitar que o modelo retorne alguma saída com base no prompt. O modelo fará isso com base nos parâmetros desenvolvidos durante a fase de treinamento. O processo pelo qual um modelo gera resultados é chamado de inferência.
Nos modelos de coordenação de cima para baixo, os modelos privados são sistemas opacos que não fornecem nenhuma visão do usuário ou da comunidade sobre os parâmetros do modelo e funcionam como caixas pretas. Nos últimos anos, vimos surgir preconceitos nos modelos, particularmente com base nas preferências subjacentes da organização que criou o modelo. Por exemplo, quando o Google lançou o Gemini, o modelo não conseguiu representar com precisão a raça e o género das figuras históricas. Muitos outros modelos centralizados também restringem os utilizadores de fazerem certos tipos de perguntas com base em políticas definidas pela sua equipa de gestão.
Além disso, verificar se a inferência é realizada pelo modelo correto é simplesmente uma questão de confiança na plataforma. Este sistema baseado na confiança abre a porta a uma potencial manipulação, especialmente à medida que as empresas de IA enfrentam pressão para rentabilizar os seus investimentos.
Num modelo de coordenação ascendente impulsionado pela criptografia, a verificação de que as inferências estão corretas é alcançada através de verificação em cadeia e técnicas comprováveis baseadas em criptografia, permitindo uma operação sem confiança. Esta abordagem reduz o preconceito na produção do modelo e aumenta a transparência.
5. Questões de coordenação além da cadeia de valor da IA: propriedade, atribuição e legitimidade
À medida que a IA se torna mais profundamente integrada e aplicada em escala nas nossas vidas quotidianas, levanta profundas questões de coordenação que vão além dos dados, da formação e das tecnologias de inferência.
Estas questões giram em torno de dois temas principais: propriedade e pertencimento, e legitimidade e escassez. Em relação à propriedade e atribuição:
Quem é o dono das imagens criadas pelo modelo de IA?
O que acontece quando uma imagem é retrabalhada (cortada, editada, convertida em vídeo, etc.) e são gerados trabalhos derivados?
Se o resultado destes modelos for utilizado para fins comerciais, quem deverá ser compensado e com que finalidade?
O criador/proprietário dos dados usados para treinar um modelo de IA deve ser compensado por qualquer resultado gerado pelo modelo?
Se um agente de IA agir em seu nome e usar um modelo de IA treinado em dados tendenciosos para criar conteúdo que você deseja monetizar, quem será o responsável se o agente cometer um erro ou causar danos?
Sobre questões de legalidade e escassez:
À medida que a IA atinge uma riqueza infinita e o conteúdo gerado pela IA inunda a Internet, como podemos distinguir entre conteúdo “real” e “falso”?
Se as pessoas se tornarem emocionalmente dependentes de companheiros de IA, quem será o dono delas? Quem os controla? O criador/proprietário pode se beneficiar de decisões ou ações que afetam indivíduos?
À medida que os companheiros de IA se tornam mais personalizados, as interações com eles devem servir como dados de treinamento para as plataformas usarem livremente?
Estas questões destacam as complexidades da aplicação de conceitos tradicionais de propriedade, atribuição e escassez a conteúdos e interações gerados por IA. Os modelos de coordenação ascendente possibilitados pelas criptomoedas podem fornecer um novo quadro para abordar estas questões, permitindo potencialmente sistemas de propriedade e compensação mais matizados e equitativos.
6. Coda: instituição medieval, tecnologia divina
Com tecnologias tão poderosas como a inteligência artificial, deveríamos estar vivendo um renascimento digital. No entanto, o que estamos a testemunhar é uma corrida armamentista pela IA mais inteligente, na qual os maiores intervenientes e contribuintes de dados – os utilizadores – muitas vezes não são priorizados.
As criptomoedas proporcionam um novo espaço de conceção para a coordenação ascendente, o que é particularmente importante para a inteligência artificial, o que pode levar ao risco de extrema concentração de poder. Ao contrário das tecnologias anteriores, o risco representado pela centralização da IA pode levar a resultados de soma negativa, tornando a necessidade de modelos de coordenação alternativos ainda mais urgente (e interessante).
E.O. Wilson disse uma vez: “O verdadeiro problema da humanidade é este: temos emoções paleolíticas, instituições medievais e tecnologia divina”. modelos de instituições medievais. Esta incompatibilidade pode vir a ser a falha de coordenação mais importante da sociedade.