去中心化的 MLOps、分布式硬件和基于區(qū)塊鏈的溯源方案為 AI 更加去中心化和包容性的未來(lái)鋪平道路。
撰文：io.net
編譯：Alex Liu，bitget交易所
人工智能已迅速成為世界上最中心化的力量之一。開(kāi)發(fā)和部署人工智能需要大量資源 —— 包括大量資本、先進(jìn)的計(jì)算能力和高度專(zhuān)業(yè)化的人才。當(dāng)然，只有資金最充足的組織才有能力投資尖端基礎(chǔ)設(shè)施并吸引頂級(jí)人才，而規(guī)模較小的企業(yè)則難以跟上。
在傳統(tǒng)情況下，MLOps（Machine Learning Operations，機(jī)器學(xué)習(xí)訓(xùn)練）由大型組織控制，這些組織在內(nèi)部管理從數(shù)據(jù)收集到模型訓(xùn)練和部署的一切。這種封閉的生態(tài)系統(tǒng)壟斷了人才和資源，為初創(chuàng)公司和小公司制造了重大障礙。
區(qū)塊鏈挑戰(zhàn)這種中心化的最令人興奮的方式之一是支持去中心化、無(wú)需許可的人工智能模型。通過(guò)利用分布式社區(qū)來(lái)保護(hù)、驗(yàn)證、微調(diào)和驗(yàn)證 LLM （大型語(yǔ)言模型）部署過(guò)程的每個(gè)階段，我們可以防止少數(shù)參與者主宰人工智能領(lǐng)域。
io.net 正在密切關(guān)注人工智能和區(qū)塊鏈的交叉點(diǎn)，確定了可以重塑格局的三個(gè)關(guān)鍵領(lǐng)域。
分布式 MLOps
在傳統(tǒng)的 MLOps 中，大型科技公司占據(jù)上風(fēng)。他們有資源壟斷人才并在內(nèi)部經(jīng)營(yíng)一切。另一方面，去中心化的 MLOps 使用區(qū)塊鏈和代幣激勵(lì)來(lái)創(chuàng)建分布式網(wǎng)絡(luò)，允許更廣泛地參與整個(gè)人工智能開(kāi)發(fā)生命周期。
從數(shù)據(jù)標(biāo)記到模型微調(diào)，去中心化網(wǎng)絡(luò)可以更有效、更公平地?cái)U(kuò)展。人才庫(kù)可以根據(jù)需求和復(fù)雜性進(jìn)行調(diào)整，這使得這種方法在人才通常集中在資金雄厚的公司的專(zhuān)業(yè)領(lǐng)域特別有效。
以 CrunchDao 為例，他們建立了一個(gè)類(lèi)似 Kaggle 的去中心化模型，人工智能人才可以在其中競(jìng)爭(zhēng)為貿(mào)易公司解決問(wèn)題。隨著特定數(shù)據(jù)集變得越來(lái)越普遍，公司將越來(lái)越多地依靠這些人才網(wǎng)絡(luò)來(lái)提供「循環(huán)中的人」進(jìn)行監(jiān)督、微調(diào)和優(yōu)化。另一個(gè)項(xiàng)目 Codigo 正在使用類(lèi)似的方法，構(gòu)建一個(gè)由加密開(kāi)發(fā)人員組成的去中心化網(wǎng)絡(luò)，開(kāi)發(fā)人員由賺取代幣來(lái)訓(xùn)練和完善加密貨幣特定的語(yǔ)言模型。
分布式硬件
當(dāng)今人工智能開(kāi)發(fā)的最大障礙之一是獲得尖端 GPU，例如 Nvidia 的 A100 和 H100。它們對(duì)于訓(xùn)練大型人工智能模型至關(guān)重要，但其成本對(duì)于大多數(shù)初創(chuàng)公司來(lái)說(shuō)卻過(guò)高。與此同時(shí)，AWS 等公司正在與 Nvidia 達(dá)成直接交易，進(jìn)一步限制小型企業(yè)的訪(fǎng)問(wèn)。
這就是為何需要像 io.net 這樣基于區(qū)塊鏈的去中心化模型。通過(guò)讓人們能夠?qū)㈤e置的 GPU 貨幣化（無(wú)論它們是位于數(shù)據(jù)中心、加密貨幣挖礦設(shè)施，甚至游戲機(jī)中），小型公司都可以以極低的成本獲得所需的計(jì)算能力。它是傳統(tǒng)云提供商的一種無(wú)需許可、經(jīng)濟(jì)高效的替代方案，沒(méi)有審查或高昂費(fèi)用的風(fēng)險(xiǎn)。
分布式溯源
正如 Balaji Srinivasan 所說(shuō)，「人工智能是豐富的數(shù)字產(chǎn)品，加密貨幣是稀缺的數(shù)字資產(chǎn)；人工智能生成，加密貨幣驗(yàn)證。」隨著人工智能模型越來(lái)越依賴(lài)新穎的、私有的甚至受版權(quán)保護(hù)的數(shù)據(jù)，并且隨著深度造假的威脅越來(lái)越大，確保數(shù)據(jù)來(lái)源和適當(dāng)?shù)脑S可變得更加重要。
當(dāng)涉及未經(jīng)適當(dāng)同意而對(duì)受保護(hù)數(shù)據(jù)進(jìn)行訓(xùn)練的人工智能模型時(shí)，版權(quán)侵權(quán)是一個(gè)嚴(yán)重的問(wèn)題。這就是去中心化溯源解決方案大放異彩的地方。使用區(qū)塊鏈的透明、去中心化賬本，我們可以在數(shù)據(jù)的整個(gè)生命周期（從收集到部署）中跟蹤和驗(yàn)證數(shù)據(jù)，而無(wú)需依賴(lài)中心化機(jī)構(gòu)。這增加了一層信任、責(zé)任和對(duì)數(shù)據(jù)權(quán)利的尊重，對(duì)于人工智能的未來(lái)發(fā)展至關(guān)重要。
結(jié)論
人工智能和區(qū)塊鏈技術(shù)的融合提供了令人興奮的新方法來(lái)挑戰(zhàn)人工智能開(kāi)發(fā)中的中心化威脅。去中心化的 MLOps、分布式硬件和基于區(qū)塊鏈的溯源解決方案都在創(chuàng)建更公平、可擴(kuò)展的人工智能生態(tài)系統(tǒng)方面發(fā)揮著作用。這些模型允許動(dòng)態(tài)人才網(wǎng)絡(luò)、利用閑置計(jì)算資源并確保數(shù)據(jù)可靠性，為人工智能更加去中心化和包容性的未來(lái)鋪平道路。
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。
