Коли Трамп інвестує трильйони в ШІ, хто надає достовірні дані для ШІ?

Коли Трамп інвестує трильйони доларів в ШІ, на перший погляд, це змагання моделей, чіпів та дата-центрів, але це також викликає більш глибокі питання: як перевіряються дані, на яких залежать моделі ШІ, чи можна їх відстежити, чи можна провести аудит під час процесу навчання та інтерпретації, чи можуть моделі співпрацювати одна з одною, чи вони можуть лише діяти незалежно?

Говорячи людською мовою, коли ми взаємодіємо з AI для отримання інформації, хто може бути впевнений, що інформація, яку надає AI, є правильною? Забруднення даних вже не є просто словами. Той час, коли один з AI-додатків, який нібито повинен був знищити ChatGPT, вже глибоко потрапив у середовище забруднення даних. Коли джерела даних є неправильними, як можуть бути правильними надані відповіді?

Чи є сучасний ШІ розумним? Можливо, так, але навіть найрозумніший ШІ потребує навчання моделі, проте ми не можемо знати, які дані використовувалися для навчання моделі, не можемо перевірити, чи дійсно GPU завершив процес висновку, і ще менше можемо встановити логіку взаємної довіри між кількома моделями.

Якщо ми хочемо, щоб ШІ дійсно перейшов на наступний рівень, можливо, потрібно одночасно вирішити ці три проблеми:

По-перше, навчальні дані повинні бути надійними та перевіреними.

По-друге, процес висновків має бути підлягати аудиту третьою стороною.

По-третє, модель повинна бути спроможною координації обчислювальної потужності, обміну завданнями та спільного використання результатів без необхідності посередництва платформи.

Це не можна вирішити лише за допомогою однієї моделі, одного API або однієї платформи GPU, а потрібно створити справжню систему для ШІ, яка повинна не тільки безкоштовно зберігати дані на постійній основі, дозволяючи самим даним мати право на перевірку та бути перевіреними, але й забезпечувати перевірку висновків між моделями, а також підтримувати здатність моделей самостійно виявляти обчислювальні потужності, координувати завдання і перевіряти кожен виконуваний крок за певних умов.

Це важко зробити на централізованих платформах, тож чи можливо реалізувати це на децентралізованих платформах, і чому треба використовувати децентралізований спосіб для реалізації?

Я вважаю, що тільки блокчейн може дійсно інтегрувати "зберігання даних, виконання даних, верифікацію даних" в одному базовому мережі. Це також один з найбільших привабливостей блокчейну - незмінність і прозорість, але проблема в тому, що не кожен ланцюг підходить для того, щоб бути базою для штучного інтелекту.

Якщо мова йде лише про зберігання, то вже існує протокол IPFS, але просте зберігання недостатньо, також потрібно, щоб смарт-контракти могли безпосередньо викликати дані, перевіряти результати висновків, навіть координувати ресурси GPU для виконання обчислювальних завдань. Ці характеристики, не кажучи вже про IPFS, тим більше більшість L1 або AI застосувань на даний момент ще не можуть забезпечити.

Якщо справді можна говорити про якусь кореляцію, то, можливо, @irys_xyz матиме деякі можливості. Irys не є традиційним зберіганням даних, а готується стати мережею виконання даних для штучного інтелекту. Дані будуть розглядатися як програмовані активи. Моделі зможуть читати дані в ланцюзі, перевіряти висновки, викликати обчислювальні потужності, а також реалізовувати ціноутворення, авторизацію, розподіл прибутку та верифікацію через смарт-контракти.

Звичайно, наразі Irys також має деякі недосконалості, але цей напрямок розвитку, безумовно, правильний. І незалежно від того, чи це централізований ШІ, чи децентралізований ШІ, якщо джерело даних ненадійне, то вся обчислювальна потужність — це замок на піску, навіть найпотужніша модель є лише міражем у воді, квіткою в дзеркалі.