Почему искусственный интеллект должен быть децентрализованным?

Пересечение Web3 и искусственного интеллекта, особенно в форме генеративных нейросетей, стало одной из самых горячих тем для обсуждения в криптосообществе. ИИ серьезно меняет правила игры во многих сферах, и здесь не является исключением. Однако, учитывая, что децентрализация — одна из главных целей нового поколения интернета, у многих криптопользователей возникает закономерный вопрос: «как подвести искусственный интеллект под стандарты безопасности и прозрачности Web3?»

Пользователи Web3 привыкли к плюсам распределенных систем, но реальность такова, что не все процессы могут выиграть от децентрализации, и для каждой сферы существует свой сценарий внедрения блокчейна. Рассматривая искусственный интеллект с этой стороны, невольно возникают вопросы «почему ИИ все еще не децентрализован?» и «что с этим делать?». На них мы и постараемся ответить в этом материале.

Почему искусственный интеллект должен быть децентрализованным?

Привести аргументы в пользу децентрализации ИИ довольно просто. Искусственный интеллект — это цифровые знания, а знания являются основой мира. Аккумуляция контроля над ИИ в руках одной корпорации неизбежно приводит к фильтрации информации и переписыванию фактов. Нельзя отрицать, что нейросети с пугающей скоростью проникают в важнейшие сферы нашей жизни, и без должного уровня прозрачности ситуация может легко выйти из под контроля.

Представленная в марте 2023 года языковая модель GPT-4 в несколько раз превосходит GPT-3.5 по многим параметрам, и, по словам разработчиков, грядущее обновление нейросети продолжит движение в этом направлении, став еще мощнее и эффективнее. Конечно, существуют и децентрализованные аналоги ChatGPT, однако возможности их разработчиков упираются в бюджет, несопоставимый с большими корпорациями. Если ничего не поменять, в определенный момент централизованные поставщики ИИ-решений вроде OpenAI выиграют эту гонку, и соперничество с ними станет просто бесполезным.

Прозрачность процессов — второй фактор, который важно учитывать при обсуждении будущего искусственного интеллекта. Современные языковые модели включают в себя миллионы строчек кода, в которых зашифрованы огромные массивы данных, собранных со всего интернета. Как результат, никто не знает, что происходит внутри GPT-4, и на каких данных OpenAI тренировали свой инструмент. Децентрализованные ИИ могли бы обеспечить прозрачность в вопросах того, на чем и как тренировалась конкретная модель.

Почему искусственный интеллект до сих не был децентрализован?

Если доводы в пользу децентрализации искусственного интеллекта столь очевидны, то почему же до сих пор не было ни одной успешной попытки в этой области? В конце концов, децентрализованный ИИ — идея не новая, и многие принципы этой технологии были заложены еще в начале 1990-х годов. Если не вдаваться в технические подробности, то основная причина здесь кроется в относительной непопулярности искусственного интеллекта до недавних пор.

До появления крупных компаний вроде OpenAI языковые модели внедрялись в основном на корпоративном уровне и не имели доступа к большим объемам данных. Говоря проще, масштабы нейросетей в прошлом не вызывали обсуждаемых сегодня опасений — казалось, что этот инструмент, не выйдет за заранее обозначенные рамки. Внедрение ограничений или перенос ИИ на децентрализованную архитектуру в то время виделись как преждевременная паника.

Как правильно децентрализировать искусственный интеллект?

Когда речь идет о генеративном ИИ, единого подхода к его децентрализации не существует. Существует несколько направлений, в которых развивается этот вопрос. Рассмотрим основные:

1. Децентрализация вычислений
   Децентрализация вычислений важна на этапе обучения и настройки нейросети. Как известно, современные языковые модели весьма энергозатратны и требуют мощные GPU, поэтому обычно обработка данных для них выполняется в больших централизованных центрах. Внедрение децентрализованной сети вычислений, в которой различные стороны могут предоставлять свои устройства для обучения и тонкой настройки нейросетей, может помочь устранить контроль, который крупные облачные провайдеры имеют над созданием таких моделей.
2. Децентрализация данных
   В настоящее время данные, используемые для предварительного обучения языковых моделей и других нейросетей, строго засекречены. Из-за этого пользователям остается лишь гадать, откуда сервисы берут информацию, на основе которой они генерируют контент. Ситуацию может исправить внедрение блокчейна для создания прозрачной системы, которая позволила бы пользователям отслеживать происхождение данных.
3. Децентрализация оптимизации
   На некоторых этапах разработки нейросети требуют вмешательства человека. В частности, именно такие методы, как обучение с подкреплением и обратной связью (RLHF), позволяют модели GPT-4 действовать как юзер-френдли сервис ChatGPT. Такая проверка особенно важна на этапе тонкой настройки, и в настоящее время эти детали закрыты от пользователей. Децентрализованная сеть валидаторов, состоящая из людей и чат-ботов, выполняющих конкретные задачи, результат которых открыт всем желающим, могла бы стать значительным улучшением в этой области.
4. Децентрализация оценки
   Какая нейросеть — лучшая на рынке? Согласно бенчмарку, наиболее впечатляющими результатами может похвастаться... Стоп. Большая часть рейтингов и подборок либо составляется компаниями-разработчиками этих самых моделей, либо спонсируется ими. Оценка производительности ИИ и его возможностей — это важная задача, и на данный момент в мире нет аудитора, который смог бы опубликовать действительно беспристрастный и точный обзор. Решением, как ни странно, могла стать децентрализованная организация оценщиков, которая бы проводила независимые анонимные тесты и замеры.
5. Децентрализация инфраструктуры
   Наконец, наиболее очевидная область децентрализации — инфраструктура. Использование языковых моделей сегодня требует доверия к инфраструктуре, которая контролируется централизованными провайдерами. Создание сети, в которой вычисления, связанные с генерацией ответов, могут быть распределены между различными сторонами, является непростой, но интересной задачей, которая может принести огромную пользу человечеству.

Искусственный интеллект заслуживает децентрализации во всех его аспектах: сбор данных, вычисления, разработка и оптимизация. Доводы в пользу этого очевидны, но стоящие за ними технические проблемы человечеству еще предстоит преодолеть. Для децентрализации ИИ, возможно, придется совершить технологический прорыв, но эта цель, безусловно, достижима. В идеальном мире будущего ни одна централизованная структура не должна иметь полной власти над искусственным интеллектом.

Источник.

Фото на обложке: Taylor Vick / Unsplash