Когда Трамп инвестирует триллионы в ИИ, кто предоставляет достоверные данные для ИИ?

Когда Трамп вкладывает триллионы долларов в ИИ, на первый взгляд это выглядит как соревнование моделей, чипов и дата-центров, но это также вызывает более глубокие вопросы: как проверяются данные, на которых основаны ИИ модели, можно ли их отслеживать, можно ли проводить аудит в процессе обучения и во время вывода, могут ли модели сотрудничать или они вынуждены действовать независимо друг от друга?

Говоря по-простому, когда мы получаем информацию от ИИ, кто может гарантировать, что информация, предоставленная ИИ, является правильной? Загрязнение данных уже не шутка. Некоторое время назад одно приложение ИИ, которое называли убийцей ChatGPT, уже глубоко погрузилось в среду загрязнения данных. Когда источники данных все ошибочны, как могут быть правильными предоставленные ответы?

Является ли современный ИИ умным? Возможно, да, но даже самый умный ИИ требует обучения модели, при этом мы не можем знать, какие данные использовались для обучения модели, не можем проверить, действительно ли GPU завершил процесс вывода, и тем более не можем установить логику взаимного доверия между несколькими моделями.

Если мы хотим, чтобы ИИ действительно перешел на следующее поколение, возможно, нужно одновременно решить эти три проблемы:

Во-первых, тренировочные данные должны быть надежными и проверяемыми.

Во-вторых, процесс вывода должен быть подлежащим аудиту третьими моделями.

Третье, модель должна уметь координировать вычислительную мощность, обменивать задачи и делиться результатами без необходимости в платформенном посредничестве.

Это не может быть решено только одним моделью, одним API или одной GPU платформой, а требует настоящей системы, построенной для ИИ. Эта система должна не только обеспечивать низкозатратное и постоянное хранение данных, позволяя самим данным иметь право на проверку и быть проверенными, но также должна обеспечивать верификацию между моделями в процессе вывода, а также поддерживать способность моделей самостоятельно находить вычислительные ресурсы, координировать задачи и проводить аудит каждого шага выполнения при определенных условиях.

Это трудно сделать на централизованных платформах, так возможно ли это реализовать на децентрализованных платформах, и почему нужно использовать децентрализованный подход для реализации?

Я считаю, что только блокчейн может действительно объединить "хранение данных, выполнение данных, верификацию данных" в одной и той же базовой сети. Это также одно из самых больших очарований блокчейна, его неизменяемость и прозрачность, но проблема в том, что не каждая цепочка подходит для создания базового уровня AI.

Если говорить только о хранении, то уже существует протокол IPFS, но простого хранения недостаточно, также необходимо, чтобы смарт-контракты могли напрямую вызывать данные, проверять результаты выводов и даже координировать ресурсы GPU для выполнения вычислительных задач. Эти характеристики, скажем так, не могут пока обеспечить ни IPFS, ни большинство L1 или AI приложений.

Если говорить о каких-то взаимосвязях, возможно, @irys_xyz имеет некоторые шансы, Irys не является традиционной цепочкой хранения, а готовится стать сетью выполнения данных, созданной для AI. Данные рассматриваются как программируемые активы. Модели смогут считывать данные, проверять выводы, вызывать вычислительные мощности на цепочке, а также реализовывать ценообразование, авторизацию, распределение прибыли и проверку через смарт-контракты.

Конечно, в данный момент у Irys есть некоторые незавершенные моменты, но направление этого развития должно быть правильным. И независимо от того, централизованный ли это ИИ или децентрализованный, если источник данных ненадежен, то вся вычислительная мощность строится на песке. Даже самая мощная модель не более чем отражение в луже и цветок в зеркале.