Quand Trump investit des milliers de milliards dans l'IA, qui fournit des données fiables à l'IA ?

Lorsque Trump investit des milliards dans l'IA, cela semble être une compétition entre modèles, puces et centres de données, mais cela soulève des questions plus profondes : comment les données sur lesquelles reposent les modèles d'IA sont-elles vérifiées, sont-elles traçables, le processus d'entraînement et le processus d'inférence sont-ils audités, les modèles peuvent-ils collaborer ou doivent-ils se battre seuls ?

En d'autres termes, lorsque nous utilisons l'IA pour obtenir des informations, qui peut garantir que les informations fournies par l'IA sont correctes ? La pollution des données n'est plus une simple expression. Une application d'IA qui prétendait être le "tueur de ChatGPT" est déjà profondément enlisée dans un environnement de pollution des données. Lorsque toutes les sources de données sont erronées, comment les réponses peuvent-elles être correctes ?

L'IA actuelle est-elle intelligente ? Peut-être, mais même l'IA la plus intelligente a besoin d'un entraînement de modèle. Cependant, nous ne pouvons pas savoir quelles données ont été utilisées pour l'entraînement du modèle, nous ne pouvons pas vérifier si le GPU a vraiment terminé un processus d'inférence, et nous ne pouvons pas établir de logique de confiance entre plusieurs modèles.

Pour que l'IA puisse véritablement passer à la génération suivante, il pourrait être nécessaire de résoudre simultanément ces trois problèmes :

Un, les données d'entraînement doivent être fiables et vérifiables.

Deux, le processus de raisonnement doit être auditable par des modèles tiers.

Troisièmement, le modèle doit être capable de coordonner la puissance de calcul, d'échanger des tâches et de partager des résultats sans nécessiter d'intermédiation de plateforme.

Ce n'est pas quelque chose qui peut être résolu uniquement par un modèle, une API ou une plateforme GPU, mais qui nécessite un véritable système construit pour l'IA. Ce système devrait non seulement permettre un stockage permanent et à faible coût des données, donnant aux données elles-mêmes des droits d'examen et d'audit, mais aussi permettre une vérification d'inférence entre les modèles. Il doit également soutenir la capacité des modèles à découvrir de manière autonome la puissance de calcul, à coordonner les tâches et à auditer chaque étape de l'exécution dans des conditions spécifiques.

C'est difficile à réaliser sur des plateformes centralisées, alors est-il possible de le faire sur des plateformes décentralisées, et pourquoi utiliser une approche décentralisée pour y parvenir ?

Je pense que seule la blockchain peut vraiment intégrer "le stockage des données, l'exécution des données et la validation des données" dans le même réseau sous-jacent. C'est aussi l'un des plus grands attraits de la blockchain, l'immutabilité et la transparence, mais le problème est que toutes les chaînes ne sont pas adaptées pour être la couche de base de l'IA.

Si c'est simplement pour le stockage, le protocole IPFS existe déjà, mais un simple stockage ne suffit pas. Il est également nécessaire de permettre aux contrats intelligents d'appeler directement les données, d'auditer les résultats de raisonnement, voire de coordonner les ressources GPU pour accomplir des tâches de calcul. Ces caractéristiques, non seulement IPFS, mais même la plupart des applications L1 ou AI ne peuvent temporairement pas encore les réaliser.

S'il devait y avoir un lien, ce serait peut-être avec @irys_xyz, Irys n'est pas une chaîne de stockage traditionnelle, mais se prépare à devenir un réseau d'exécution de données construit pour l'IA. Traitant les données comme des actifs programmables. Les modèles peuvent lire des données sur la chaîne, valider des inférences, invoquer de la puissance de calcul, et réaliser la tarification, l'autorisation, le partage des bénéfices et la validation via des contrats intelligents.

Bien sûr, Irys a encore quelques aspects immatures, mais cette direction de développement semble correcte. De plus, que ce soit pour l'IA centralisée ou décentralisée, si la source de données n'est pas fiable, alors toute la puissance de calcul est comme un château de sable, peu importe la force du modèle, il n'est rien de plus qu'une lune dans l'eau ou une fleur dans le miroir.