O que é IA descentralizada?
Translated by: PARACHAIN BOY - JOHN RHODEL
A IA descentralizada é um novo paradigma baseado na ideia de que a IA é muito poderosa para ser controlada por um pequeno grupo de pessoas
Ao aplicar a mentalidade de autossoberania ao desenvolvimento de IA, a IA descentralizada busca redistribuir o poder e mitigar preocupações sobre privacidade, equidade e acessibilidade. Em um mundo pós-LLM, essas metas geralmente foram abordadas por meio de alguma combinação de criptografia, sistemas de banco de dados e protocolos p2p para distribuir o treinamento e a inferência de grandes modelos. Abaixo, exploraremos esse novo campo em rápida evolução.
IA centralizada vs IA descentralizada
IA centralizada se refere ao status quo. Isso é uma concentração extrema de capital, recursos de computação, dados e uma falta de supervisão. Devido aos requisitos intensivos, é difícil/impossível construir modelos de ponta fora de um grupo seleto de organizações. Como resultado, a influência sobre essa tecnologia crítica está nas mãos não apenas de um grupo de empresas, mas de alguns líderes dentro do mercado.
A IA descentralizada visa abordar isso alavancando blockchains para distribuir propriedade e governança de modelos e aumentar a transparência e acessibilidade. Essa visão mais centrada no usuário da IA tem o potencial de desbloquear novos recursos de GPU por meio, por exemplo, da verificabilidade TEE, onde podemos ter novos dados para modelos personalizados. Essa visão promete melhorar a privacidade do usuário, diminuir a barreira para mais desenvolvedores, tornar o investimento em IA mais aberto e abordar a questão de nível de sociedade de quem controla esses sistemas.
A Stack de IA descentralizada
Como ‘IA descentralizada’ é um termo abrangente, ele pode significar muitas coisas diferentes. No entanto, existem alguns componentes ou camadas principais. Isso inclui geração e distribuição de energia, infraestrutura física, computação e armazenamento e chips de silício. No topo dessa base, você tem os modelos, dados e camada de aplicação. Aqui está uma visualização de uma versão orientada a criptografia dessa pilha.
Quer você esteja se referindo a um aplicativo DeFi que usa inteligência de máquina para otimizar o rendimento ou a um DAO que governa um modelo democraticamente, algumas das principais tecnologias ou categorias que compõem essa pilha incluem: blockchains, contratos inteligentes, aprendizado federado, coprocessadores, criptografia totalmente homomórfica, zkML, TEEs e MPC, para citar alguns. Cada um deles é usado de forma diferente dependendo do contexto.
Casos de uso de IA descentralizada
Para nos aprofundarmos em como a tecnologia é aplicada e o que ela possibilita, vejamos alguns exemplos. Primeiro, você tem um monte de redes de computação distribuídas (por exemplo, Akash ) que visam coordenar o fornecimento de grandes quantidades de hardware físico, principalmente GPUs, necessárias para executar esses modelos.
Outros estão buscando resolver esse problema tokenizando GPU centralizada como uma alternativa. Além de plataformas de computação generalizadas, há um subconjunto de projetos focados apenas no treinamento de modelos de machine learning (por exemplo, Gensyn ).
Várias soluções também estão sendo exploradas para verificar dados offchain (por exemplo, ezkl , Ora ). ML otimista (opML), ML de ambiente de execução confiável (teeML) e ML de conhecimento zero (zkML) estão sendo empregados para permitir que aplicativos lidem com solicitações pesadas de computação offchain e, então, enviem uma saída verificável comprovando a carga de trabalho offchain.
Dessa forma, conseguimos algumas coisas:
- Adicione maior integridade ao processo de desenvolvimento do modelo.
- Contorne o fato de que blockchains têm recursos limitados e a IA exige uma grande quantidade de recursos.
- Permita usos como treinamento e inferência de forma descentralizada e verificável.
Um último caso de uso comumente citado são os agentes de IA (por exemplo, Fetch.AI). Os agentes de IA são bots autônomos capazes de receber instruções e executar tarefas por meio de um modelo de IA. Eles podem ser pareados com uma carteira e, portanto, receber a liberdade de transacionar com contratos inteligentes. Nesse cenário, as chaves privadas dos agentes podem ser armazenadas confidencialmente na cadeia (por exemplo, Sapphire ) e usadas para assinar mensagens conforme necessário.
Os benefícios da IA descentralizada
A aplicação de blockchain à IA tem sido elogiada por tudo, desde maior transparência, eficiência e governança até democratização do acesso ao desenvolvimento de IA. Embora não seja uma cura para tudo, uma abordagem distribuída à IA apresenta algumas possibilidades interessantes.
Os principais benefícios incluem segurança e privacidade. Por exemplo, sob os modelos atuais de IA, a maioria dos aplicativos que alavancam IA coletam dados, que são então armazenados em servidores centralizados ou frequentemente compartilhados com terceiros. Violações de dados são comuns, e os usuários normalmente têm pouca ou nenhuma visibilidade de como seus dados são usados.
Por outro lado, uma configuração mais descentralizada promete menos violações de dados e mais agência quando se trata de dados pessoais. É possível imaginar um mundo onde os fluxos de valor relacionados são transparentes, e os usuários podem autorizar seus dados para treinamento e serem compensados.
Seguindo o fio, também pode haver maiores garantias de confidencialidade por meio de modelos de código aberto, armazenamento local, infra de GPU alternativa e criptografia SSL. O diagrama abaixo é uma boa maneira de conceituar o escopo completo de benefícios.
Desafios da IA descentralizada
Como qualquer campo emergente, a IA descentralizada enfrenta muitas incógnitas e desafios. Por exemplo, a qualidade dos dados é um problema, não há padrões e os melhores casos de uso ainda estão sendo elaborados. Mas talvez o maior desafio seja custo/escalabilidade.
Devido à sua complexidade, treinar grandes modelos e executar consultas neles é muito caro. Quanto maior a complexidade computacional de um algoritmo, mais recursos custará para usar esse algoritmo. Atualmente, as alternativas distribuídas não têm nem o capital nem a infraestrutura para montar um desafio sério aos titulares.
Outro obstáculo é a confiança. Mesmo que um usuário realizasse uma propagação em um modelo de aprendizado profundo de forma P2P, agora mesmo, não há como ter certeza de que o que ele recebe genuinamente se originou do modelo em questão ou que a entrada que ele forneceu realmente acionou a saída.
Se não tivermos certeza sobre isso, qualquer nó malicioso pode retornar resultados impróprios e corromper todo o processo. E é aqui que voltamos ao cerne da proposta de valor da IA descentralizada: verificabilidade. Para que a maioria desses casos de uso decole, precisamos de um método criptograficamente verificável de comprovar saídas e trazer dados offchain para o reino onchain.
IA descentralizada e o futuro
O amadurecimento dos blockchains nos permite estender a computação minimizada por confiança para infraestrutura física, ativos de dados tradicionais — e, criticamente, IA. Isso aponta para um futuro em que o blockchain ajuda a verificar fontes de dados e treinar adequadamente a IA para garantir precisão, completude e integridade.
Na Oasis Network, criamos o Runtime OFf-chain Logic ou ROFL, uma estrutura que estende runtimes como o Sapphire para componentes offchain. O ROFL fornece mecanismos semelhantes ao Sapphire para computação verificável, mas com a capacidade de executar cargas de trabalho pesadas offchain. Isso abre um mundo de casos de uso e permite um tipo inteiramente novo de componibilidade entre blockchains e pilhas de computação offchain.
O suporte ROFL fundamental chegou na versão estável mais recente do Oasis Core 24.2. Ferramentas de desenvolvedor e um ambiente de teste local estão prontos para uso hoje. Para começar a usar o ROFL, clique aqui .
