Основатель xTAO заявляет, что Bittensor хочет стать Биткоином в сфере ИИ

Кария Самару, основатель и генеральный директор xTAO, единственной публичной компании, работающей над экосистемой Bittensor, объясняет, почему ИИ должен быть децентрализованным.

Искусственный интеллект захватил воображение общественности, как мало какие технологии до него. Однако за его потенциалом скрываются серьезные опасения по поводу концентрации власти и контроля. В настоящее время самые популярные модели ИИ являются исключительной собственностью нескольких крупных технологических компаний, которые полностью контролируют их дизайн и использование.

Crypto.news поговорил с Карией Самару, основателем и генеральным директором xTAO, публичной компании, работающей над децентрализованной экосистемой ИИ Bittensor (TAO). Самару объяснил, почему существует потребность в альтернативной модели, которая делает ИИ более открытым, децентрализованным и соответствующим требованиям его пользователей.

crypto.news: Что блокчейн привносит в ИИ, и какую роль играет Bittensor?

Кария Самару: Централизация — это самая большая проблема ИИ. По мере того как ИИ становится самым мощным инструментом, который когда-либо создавало человечество, контроль над ним всего нескольких компаний создает огромный риск концентрации. Я часто сравниваю Bittensor с Биктоином. Биктоин решил проблему централизации денег: его нельзя инфлировать, к нему может получить доступ любой, и нет никаких привратников. Bittensor применяет ту же идею к ИИ.

С централизованным ИИ, таким как OpenAI, один орган решает, как обучаются модели, какие данные они используют, какие у них предубеждения и что они цензурируют. Они также могут в любой момент отключить доступ. Это большая проблема. Bittensor использует модель Биктоина для решения этой проблемы для ИИ.

CN: Как компании внедряют децентрализацию в ИИ?

KS: Есть несколько хороших примеров децентрализованных решений ИИ. Grass стимулирует сбор данных, хотя фокусируется на одной части стека ИИ. Render — это децентрализованная вычислительная сеть, что также очень важно.

Bittensor шире. Я бы назвал его "всемирной паутиной ИИ". Он не просто фокусируется на одной области, такой как данные или вычисления. У него есть несколько подсетей, каждая из которых решает разные проблемы в стеке ИИ, и все они взаимосвязаны.

CN: Почему компании строят на Bittensor вместо того, чтобы обращаться к более устоявшимся моделям, таким как OpenAI?

KS: Я думаю, есть несколько причин. Одна из них философская. Многие люди, строящие на Bittensor, видят ценность в вкладе в децентрализованную сеть и в миссию децентрализованного ИИ. Вокруг этого определенно есть большая привлекательность.

Другая — техническая. В децентрализованной сети есть преимущества масштабируемости. Биктоин, например, создал самый большой компьютер в мире через свой механизм стимулирования. Он настолько широко распределен, что его никогда нельзя отключить из-за того, сколько узлов работает в разных местах, на разных сетях и источниках питания.

А затем есть эта концепция открытых инноваций. Любой может экспериментировать, итерировать и монетизировать свои модели без привратников. Если вы инженер по ИИ, обычно вам пришлось бы подавать заявки на работу, проходить собеседования, быть нанятым, а затем в итоге работать над очень конкретной задачей внутри этой компании. На Bittensor вы можете просто выбрать подсеть, на которой хотите майнить, построить свою модель, конкурировать с другими и получать мгновенную оплату за это.

CN: Модели ИИ, управляемые крупными технологическими компаниями, получают выгоду от больших объемов данных, как у Grok есть Twitter. Как конкурирует децентрализованный ИИ?

KS: Я думаю, Grass — хороший пример, и есть похожие проекты на Bittensor. Идея заключается в краудсорсинге данных и стимулировании людей собирать и курировать их. Эта сеть значительно выросла. Вот как децентрализованные сети могут привлекать наборы данных равного или даже лучшего качества. Крупные технологические компании сегодня контролируют самые богатые данные, но с правильными стимулами децентрализованные системы могут конкурировать.

Еще одна большая проблема заключается в том, что когда Meta или Twitter владеют вашими данными, вы ничего не получаете взамен. Как вкладчик, вы не вознаграждаетесь. Децентрализованные сети меняют это. Они согласовывают стимулы с создателями и вкладчиками, как и должно быть. Если вы делаете фото, вы должны получить признание. Если вы делаете пост, вы должны получить от этого выгоду.

CN: Как децентрализованный ИИ решает проблему безопасности и социального воздействия своих моделей?

KS: Есть несколько аспектов безопасности. Один из них — обучающие данные. Если они предвзяты, токсичны или содержат конфиденциальную информацию, это проблема, и это верно как для централизованных, так и для децентрализованных систем. Над этим люди работают каждый день.

Другой — выходные данные моделей. Как предотвратить вредные выходные данные? В Bittensor этим занимаются валидаторы. Они отвечают за обнаружение вредных или низкокачественных выходных данных, и чем лучше они это делают, тем больше вознаграждений они получают. Это встроено в дизайн сети.

Также есть некоторые политики мониторинга от фонда, но цель состоит в том, чтобы постепенно отказаться от этого. Со временем безопасность и управление действительно становятся работой валидаторов.

CN: Беспокоит ли вас цензура этих моделей в будущем, либо со стороны правительств, либо как реакция на предвзятые выходные данные?

KS: Это хороший вопрос. Я бы сравнил это с централизованными или государственными СМИ, где один принимающий решения может выбирать, что показывать, а что нет. Если на них оказывается давление или они просто решают внутренне, они могут изменить то, как выглядят выходные данные.

Это большая проблема. Мы уже видим это в социальных сетях. Если Meta хочет продвигать определенный нарратив, они это сделают. Это не обязательно зло — это просто то, как работают стимулы.

Децентрализованный ИИ более представителен для людей. Он не идеален, но если подсеть или продукт на Bittensor становится слишком предвзятым, участники сети могут голосовать и корректировать стимулы. Это означает, что плохая производительность получает меньше вознаграждений.

Идея заключается в том, что если система отражает население, люди будут поддерживать продукты, которые кажутся справедливыми и прозрачными. И это более проверяемо — вы можете видеть структуры стимулов, вы можете видеть код. С закрытыми системами вы не можете. Вот что беспокоит людей в централизованном ИИ.