Los riesgos, desafíos y direcciones futuras de la inteligencia artificial descentralizada

Introducción

Aunque la IA descentralizada tiene muchas ventajas, también enfrenta muchos riesgos y desafíos. Como el tercer artículo de esta serie, este artículo analizará estos desafíos y mirará hacia el futuro desarrollo de la IA descentralizada.

También damos la bienvenida a los empresarios y proyectos en esta dirección para que se pongan en contacto con nosotros.

Oportunidades de desarrollo de AI Agent

AI Agent es la evolución natural de modelos grandes, que puede percibir el entorno, tomar decisiones autónomas y realizar tareas complejas al introducir mecanismos de memoria, descomposición de tareas y capacidad de planificación.

Si bien los modelos de gran escala existentes pueden generar texto y resolver problemas, aún no tienen la capacidad completa de planificación y ejecución de tareas. AI Agent complementará esta deficiencia y mejorará el rendimiento de la IA en tareas complejas.

Si AI es energía nuclear, no debería estar en manos de unos pocos. El Agente de IA descentralizado garantizará la equidad y transparencia de la tecnología de IA a través de blockchain y tecnología de cifrado.

En la sociedad de agentes del futuro, la inteligencia artificial descentralizada se convertirá en una tendencia inevitable para resolver los problemas que enfrentan los sistemas de inteligencia artificial centralizados actuales.

Oportunidades de desarrollo de la anotación de datos:

La preparación de datos incluye la recopilación, limpieza, etiquetado y mejora de datos. La demanda diversa de datos por parte de la IA ha aumentado la dependencia de un etiquetado de datos altamente preciso y personalizado. Los largos ciclos de trabajo y los altos costos laborales del etiquetado de datos limitan el desarrollo de la industria de la IA.

Web3 puede permitir que los trabajadores de recopilación y etiquetado de datos de IA de todo el mundo accedan a un gran volumen de datos y obtengan beneficios económicos a través de los mecanismos de incentivos.

Caso de uso: Ocean Protocol, mercado de datos

Mecanismo de funcionamiento

• Proveedor (Providers): Los proveedores de datos pueden emitir y vender sus propios tokens de datos para obtener ingresos.

• 消费者（Consumers**）**：comprar o ganar tokens de datos necesarios para obtener acceso.

• Mercados:（Marketplaces） se refiere a un mercado de intercambio de datos abierto, transparente y justo proporcionado por Ocean Protocol o terceros. Puede conectar proveedores y consumidores a nivel mundial y ofrecer tokens de datos de varios tipos y áreas.

• Red (Network): se refiere a una capa de red descentralizada proporcionada por Ocean Protocol.

• Curador：Se refiere a un papel en un ecosistema que es responsable de seleccionar, gestionar y revisar conjuntos de datos. Son responsables de revisar la información sobre el origen, contenido, formato y licencia de los conjuntos de datos para garantizar que cumplan con los estándares y que puedan ser confiables y utilizados por otros usuarios.

• Verificador: Se refiere a un rol en un ecosistema que se encarga de verificar y auditar transacciones de datos y servicios de datos.

Resumen: AI Agent y Anotación de Datos Descentralizada son dos áreas muy populares en DeAI en este momento, y hay muchos equipos de startups trabajando en su desarrollo.

Los riesgos y desafíos de la inteligencia artificial descentralizada

• Limitaciones de la potenciación de la IA por parte de Web3: Debido a que el número de usuarios encriptados de Web3 es limitado, el alcance de los mecanismos de incentivos económicos es pequeño. Esto limita el rápido desarrollo de la IA descentralizada, requiriendo una mayor participación y aceptación de los usuarios.
• Desafíos de la tecnología de prueba de conocimiento cero: problemas de precisión cuantitativa, requisitos de hardware y ataques adversarios, entre otros. La tecnología de prueba de conocimiento cero (ZKP) tiene un significado a largo plazo en la verificabilidad de modelos, pero todavía enfrenta desafíos técnicos y de implementación en la actualidad.
• Atractivo de la ventaja de costos: Si el suministro de recursos de potencia de cálculo en el mercado se alivia, el valor y la ventaja de costos de la red de potencia de cálculo descentralizada se debilitarán. Esto requiere que la IA descentralizada mejore continuamente la eficiencia y reduzca los costos para mantener su competitividad.
• Eficiencia y costos de la combinación de IA y criptografía: El uso de tecnologías de prueba de conocimiento cero o cifrado completamente homomórfico (FHE) para realizar tareas de cálculo privado es mucho menos eficiente que la ejecución en texto plano. Dado que la demanda de cálculo de IA es alta, la incorporación de tecnologías criptográficas aumentará aún más los costos y puede ser difícil de implementar en la práctica. Fraude profundo en la IA: Los cuellos de botella en la comunicación en el entrenamiento de modelos de IA son significativos. El intercambio frecuente de parámetros del modelo e información de gradiente consume mucho ancho de banda de red y genera una alta sobrecarga de comunicación. Al mismo tiempo, la sincronización de cada nodo también tendrá un impacto en los resultados del entrenamiento, lo que requerirá frecuentes operaciones de verificación y sincronización de datos.
• La popularización de la inteligencia artificial ha aumentado el riesgo de falsificaciones profundas. En el escenario de la intersección entre Web3 y la inteligencia artificial, es necesario prevenir el riesgo de falsificaciones de IA.

El futuro del desarrollo de la inteligencia artificial descentralizada

Capa del modelo: Con la creciente prevalencia de los agentes de IA, los usuarios dependerán cada vez más de los **agentes de IA para ayudarles a completar tareas en el futuro, lo que será la clave para conectar la capa del modelo y la capa de la aplicación. La diversificación de plataformas de modelos se está formando gradualmente, y el costo de los modelos grandes sigue disminuyendo, aunque todavía llevará tiempo para desarrollar aplicaciones de nivel “caballo negro”.

La capa de entrenamiento: la posibilidad de lograr la descentralización del entrenamiento del modelo de IA, pero debido a que la demanda de inferencia es mucho mayor que la demanda de entrenamiento, la capa de entrenamiento dependerá más de la potencia informática centralizada.

Capa de potencia de cálculo: descentralización eficaz de la potencia de cálculo para reducir el costo de uso de las GPU, las GPU empresariales se ajustan a las necesidades actuales de potencia de cálculo. En el futuro, los modelos en el extremo del dispositivo tendrán un papel importante, y las GPU de consumo serán útiles.

Capa de datos: Obtener datos públicos se ha vuelto cada vez más difícil, la recopilación descentralizada de datos y la anotación de datos serán vías importantes para obtener y procesar datos para modelos de IA en el futuro.

Conclusión

La IA descentralizada como una tendencia tecnológica emergente, aunque presenta desafíos en su camino, tiene un gran potencial de desarrollo. Con el continuo avance de la tecnología y la madurez gradual del mercado, se espera que la IA descentralizada desempeñe un papel aún más importante en el futuro. Debemos seguir prestando atención a estos desafíos y buscar soluciones innovadoras para impulsar el desarrollo de la IA descentralizada. En este sentido, creemos que la IA descentralizada tiene su lugar en los cuatro niveles: modelos, entrenamiento, datos y potencia de cálculo, especialmente DeAI es una de las direcciones más visibles y que puede generar más valor.