Os riscos, desafios e direções futuras da IA descentralizada

Introdução

Embora a IA descentralizada tenha muitas vantagens, também enfrenta muitos riscos e desafios. Como o terceiro artigo desta série, este artigo analisará esses desafios e vislumbrará as direções futuras do desenvolvimento da IA descentralizada.

Também damos as boas-vindas a empreendedores e projetos neste domínio para nos contactarem.

Oportunidades de desenvolvimento do AI Agent

O Agente de IA é a evolução natural de modelos grandes, através da introdução de mecanismos de memória, decomposição de tarefas e habilidades de planejamento, o Agente de IA pode perceber o ambiente, tomar decisões independentes e executar tarefas complexas.

Os modelos grandes existentes podem gerar texto e resolver problemas, mas ainda não têm capacidade completa de planejamento e execução de tarefas. O Agente de IA irá preencher essa lacuna e melhorar o desempenho da IA em tarefas complexas.

Se a IA é como energia nuclear, então não deve estar nas mãos de poucas pessoas. Um agente de IA descentralizado garantirá a equidade e transparência da tecnologia de IA por meio da tecnologia blockchain e criptografia.

Na sociedade futura de agentes, a IA descentralizada será uma tendência inevitável para resolver os problemas enfrentados pelos sistemas de IA centralizados existentes.

Oportunidades de desenvolvimento da marcação de dados:

A preparação de dados inclui aquisição, limpeza, marcação e enriquecimento de dados, e a demanda diversificada de dados por IA aumentou a dependência de marcações de dados altamente precisas e personalizadas, enquanto o ciclo de trabalho longo e o alto custo de mão de obra das marcações de dados limitaram o desenvolvimento da indústria de IA.

A Web3 pode, através de mecanismos de incentivo económico, entrar em contacto com um grande número de trabalhadores de recolha e anotação de dados de IA de várias regiões do mundo, permitindo-lhes obter lucros a partir da contribuição de dados.

Exemplo: Mercado de Dados Ocean Protocol

Mecanismo de funcionamento

• Provedores：Os provedores de dados podem emitir e vender seus próprios tokens de dados para obter receita.

• Consumidores**:** Comprar ou ganhar tokens de dados necessários para obter acesso.

• Mercados：Refere-se a um mercado aberto, transparente e justo de troca de dados fornecido pela Ocean Protocol ou por terceiros, que pode ligar fornecedores e consumidores em todo o mundo e fornecer vários tipos e domínios de tokens de dados.

• Rede (Network): Refere-se a uma camada de rede descentralizada fornecida pela Ocean Protocol.

• Curador：Refere-se a um papel em um ecossistema que é responsável por selecionar, gerenciar e revisar conjuntos de dados. Eles são responsáveis por revisar informações sobre a origem, conteúdo, formato e licença dos conjuntos de dados, garantindo que atendam aos padrões e possam ser confiáveis e utilizados por outros usuários.

• Verificador: Refere-se ao papel em um ecossistema que é responsável por validar e auditar transações de dados e serviços de dados.

Resumo: AI Agent e marcação descentralizada de dados são atualmente duas direções muito populares para DeAI, e muitas equipes de inicialização estão desenvolvendo nelas.

Riscos e desafios enfrentados pela IA descentralizada

• Limitações da capacitação da IA pelo Web3：Devido ao número limitado de usuários criptografados do Web3, o alcance do mecanismo de incentivo econômico é pequeno. Isso limita o rápido desenvolvimento da IA descentralizada, exigindo mais participação e aceitação dos usuários.
• Desafios da tecnologia de prova zero conhecimento: questões de precisão quantitativa, requisitos de hardware e ataques adversos, entre outros. A tecnologia de prova zero conhecimento (ZKP) tem um significado de longo prazo na verificabilidade de modelos, mas ainda enfrenta desafios técnicos e de implementação atualmente.
• Atratividade da vantagem de custo : Se o fornecimento de recursos de poder de computação no mercado for aliviado, o valor e a vantagem de custo da rede descentralizada de poder de computação enfraquecerão. Isso exige que a IA descentralizada continue a melhorar a eficiência e reduzir os custos para manter sua competitividade.
• Eficiência e custo da combinação de IA e criptografia：A eficiência da execução de tarefas de computação de privacidade usando a tecnologia de prova zero-conhecimento ou criptografia totalmente homomórfica (FHE) é muito menor do que a execução em texto simples. Devido à alta demanda de cálculo da IA, a introdução da tecnologia criptográfica aumentará ainda mais os custos e pode ser difícil de implementar na prática.
• O problema da falsificação profunda da IA: O problema significativo do gargalo de comunicação no treinamento de modelos de IA. A troca frequente de parâmetros do modelo e informações de gradiente consome uma quantidade significativa de largura de banda de rede, resultando em altos custos de comunicação. Além disso, o problema de sincronização entre os nós também afeta os resultados do treinamento, exigindo verificações e operações de sincronização de dados frequentes.
• A popularização da IA aumenta o risco de falsificação profunda. Em cenários de capacitação cruzada de Web3 e IA, é necessário prevenir o risco de falsificação da IA.

O futuro do desenvolvimento da IA descentralizada

Camada de Modelo: Com a popularidade crescente dos Agentes de IA, os usuários dependerão cada vez mais dos AI Agents para ajudá-los a concluir tarefas, sendo a chave para conectar a camada de modelo e a camada de aplicação. A diversificação de plataformas de modelos está gradualmente se formando, e os custos de grandes modelos continuam a diminuir, mas ainda levará tempo para criar aplicativos de nível ‘cavalo negro’.

Camada de Treinamento: Possibilidade de Implementação de Modelos de IA Descentralizados, mas devido à demanda de inferência ser muito maior do que a demanda de treinamento, a camada de treinamento dependerá mais da capacidade computacional centralizada.

Camada de Hashing: A capacidade de hashing descentralizada reduz eficazmente o custo de utilização da GPU, com GPUs de nível empresarial a atenderem às necessidades atuais de hashing. No futuro, com a implementação de modelos de ponta, as GPUs de consumo terão um papel importante a desempenhar.

Camada de Dados: A obtenção de dados públicos está a tornar-se cada vez mais difícil, a recolha descentralizada e a rotulagem de dados tornar-se-ão vias importantes para a obtenção e processamento de dados dos modelos de IA futuros.

Conclusão

A IA descentralizada, como uma nova tendência tecnológica, embora enfrentando desafios, tem um enorme potencial de desenvolvimento. Com o contínuo avanço da tecnologia e o amadurecimento gradual do mercado, a IA descentralizada tem a perspectiva de desempenhar um papel ainda mais significativo no futuro. Devemos continuar a acompanhar esses desafios e buscar soluções inovadoras para impulsionar o desenvolvimento da IA descentralizada. Nesse sentido, acreditamos que a descentralização da IA tem seu lugar nos quatro aspectos: modelos, treinamento, dados e poder computacional, sendo a DeAI uma das direções mais visíveis e capazes de gerar valor.