Риски, вызовы и направления развития децентрализованного искусственного интеллекта

Введение

Децентрализованное ИИ, несмотря на множество преимуществ, также сталкивается с рисками и вызовами. В качестве третьей статьи в этой серии, в данной статье мы проанализируем эти вызовы и рассмотрим направления будущего развития децентрализованного ИИ.

Мы также приветствуем предпринимателей и проектные команды в этом направлении, свяжитесь с нами.

Возможности развития AI Agent

!

AI Agent - естественная эволюция больших моделей, которая путем введения механизма памяти, декомпозиции задач и способности планирования позволяет AI Agent воспринимать окружающую среду, принимать автономные решения и выполнять сложные задачи.

!

Существующие крупные модели могут генерировать текст и решать проблемы, но у них все еще нет полной способности к планированию и выполнению задач. AI Agent будет компенсировать этот недостаток, улучшая производительность ИИ в сложных задачах.

!

Если искусственный интеллект - это ядерная энергия, то она не должна находиться только в руках немногих. Децентрализованный AI-агент будет обеспечивать справедливость и прозрачность технологии искусственного интеллекта через блокчейн и шифрование.

В децентрализованном обществе будущего, децентрализованный искусственный интеллект станет неизбежным трендом, чтобы решить проблемы, с которыми сталкиваются централизованные системы искусственного интеллекта.

Перспективы развития маркировки данных:

Подготовка данных включает в себя сбор, очистку, разметку и улучшение данных, искусственный интеллект увеличил потребность в разнообразных данных, что привело к зависимости от высокоточной и настраиваемой разметки данных, длительный цикл разметки данных и высокие трудозатраты ограничивают развитие отрасли искусственного интеллекта.

Web3 может через экономические стимулы позволить большому количеству сотрудников по сбору и разметке данных ИИ из различных регионов мира получать доход от своего вклада в данные.

!

Пример: рынок данных Ocean Protocol

!

Механизм работы

!

• Провайдеры : Поставщики данных могут выпускать и продавать свои токены данных для получения дохода.

• Потребители (потребители**)**: приобретают или зарабатывают необходимые токены данных, чтобы получить доступ.

• Рынки (Marketplaces): это открытые, прозрачные и справедливые рынки данных, предоставляемые Ocean Protocol или третьей стороной. Они позволяют связывать поставщиков и потребителей данных со всего мира и предлагать токены данных различных типов и областей.

• Сеть (Network): это децентрализованный сетевой уровень, предоставляемый Ocean Protocol.

• Куратор：это роль в экосистеме, ответственная за отбор, управление и проверку наборов данных. Они отвечают за проверку информации о источнике, содержании, формате и лицензии набора данных, чтобы обеспечить их соответствие стандартам и возможность доверия и использования другими пользователями.

• Валидатор (Verifier): роль в экосистеме, отвечающая за проверку и аудит транзакций данных и данных о предоставляемых услугах.

Выводы: AI Agent и децентрализованная разметка данных - это два популярных направления в DeAI, в которых развиваются многие стартапы.

Риски и вызовы децентрализованного искусственного интеллекта

!

• Ограничения силового AI в Web3: из-за ограниченного числа пользователей, использующих Web3 для шифрования, охват экономических стимулов ограничен. Это ограничивает быстрое развитие децентрализованного AI, требуется больше участников и принятие.
• Вызовы технологии доказательства нулевого знания : точность квантификации, аппаратные требования и проблемы противодействия атакам. Технология доказательства нулевого знания (ZKP) имеет долгосрочное значение в обеспечении верифицируемости модели, но в настоящее время она все еще сталкивается с техническими проблемами и вызовами в реализации.
• Привлекательность экономических преимуществ : Если предложение ресурсов вычислительной мощности на рынке смягчается, ценность и экономические преимущества децентрализованной сети вычислительной мощности ослабевают. Это требует, чтобы децентрализованное искусственное интеллектуальное решение постоянно повышало эффективность и снижало затраты, чтобы сохранять свою конкурентоспособность.
• Эффективность и стоимость сочетания ИИ и криптографии: эффективность выполнения задач по обработке конфиденциальных данных с использованием технологии доказательства нулевого знания или полностью гомоморфного шифрования (FHE) существенно ниже, чем при открытом выполнении. Из-за высоких требований к вычислительным мощностям для ИИ внедрение криптографических технологий дополнительно увеличит затраты, что может затруднить их практическую реализацию.
• Проблема глубокого подделки искусственного интеллекта: Заметная проблема сузивающихся бутылочных горлышек в обучении моделей AI. Частый обмен параметрами моделей и информацией о градиенте потребляет большое количество сетевой пропускной способности, что приводит к высоким затратам на коммуникации. Кроме того, синхронизационные проблемы между узлами также оказывают влияние на результаты обучения, требуя частых операций проверки и синхронизации данных.
• Распространение ИИ приводит к увеличению риска глубокой подделки. В сценариях, где Web3 и ИИ взаимодействуют, необходимо предотвращать риски подделки ИИ.

!

Направление развития децентрализованного искусственного интеллекта в будущем

Уровень модели: С развитием AI Agent пользователи будут полагаться на AI Agent для выполнения своих задач, это ключ, соединяющий уровень модели и уровень приложения. Постепенно формируется многообразная платформа моделей, стоимость крупных моделей постоянно снижается, но все еще требуется время для разработки приложений «черного коня».

Слой обучения: децентрализованное обучение. AI модель может быть реализована, но так как требования к выводу значительно превышают требования к обучению, слой обучения будет более зависеть от централизованной вычислительной мощности.

** Уровень вычислительной мощности: децентрализованные вычислительные мощности эффективно снижают стоимость использования графических процессоров, а графические процессоры корпоративного уровня удовлетворяют текущие потребности в вычислительной мощности**. В будущем будут реализованы сквозные модели, и в игру вступят потребительские графические процессоры.

Уровень данных: Получение общедоступных данных становится все сложнее, децентрализованный сбор и разметка данных станут важным способом получения и обработки данных для будущих моделей искусственного интеллекта.

Заключение

Децентрализованный ИИ как новый технологический тренд, хотя и полон вызовов на пути, имеет огромный потенциал для развития. С постоянным улучшением технологий и постепенным созреванием рынка, Децентрализованный ИИ может иметь большую роль в будущем. Нам нужно продолжать следить за этими вызовами и искать инновационные решения, чтобы содействовать развитию Децентрализованного ИИ. Мы считаем, что на уровне моделей, обучения, данных и вычислительной мощности Децентрализованный ИИ имеет свое место, особенно DeAI - одно из наиболее видимых и способных создавать ценность направлений.