Cómo la IA descentralizada y las pruebas de conocimiento cero democratizarán la informática

A finales de julio, Mark Zuckerberg escribióuna cartaExplicando por qué "el código abierto es necesario para un futuro positivo de la IA", donde se explaya poéticamente sobre la necesidad del desarrollo de IA de código abierto. El otrora joven y nerd fundador, ahora convertido en el "Zuck" del wakeboard, la cadena de oro y el jiu-jitsu, ha sido catalogado como el mesías del desarrollo de modelos de código abierto.

Pero hasta el momento, él y el equipo de Meta no han dicho mucho al respecto. cómo Estos modelos se están implementando. A medida que la complejidad de los modelos aumenta los requisitos computacionales, si la implementación de modelos está controlada por un puñado de actores, ¿no hemos sucumbido a una forma similar de centralización? La IA descentralizada promete resolver este desafío, pero la Tecnología requiere avances en técnicas criptográficas líderes en la industria y soluciones híbridas únicas.

Este artículo de opinión es parte del nuevo artículo de CoinDeskDePIN Vertical, que cubre la industria emergente de infraestructura física descentralizada.

A diferencia de los proveedores de nube centralizados, la IA descentralizada (DAI) distribuyeLos procesos computacionales para la inferencia y el entrenamiento de IA en múltiples sistemas, redes y ubicaciones. Si se implementan correctamente, estas redes, un tipo de red de infraestructura física descentralizada (DePIN), ofrecen ventajas en cuanto a resistencia a la censura, acceso computacional y costos.

DAI se enfrenta a desafíos en dos áreas principales: el entorno de IA y la propia infraestructura descentralizada. En comparación con los sistemas centralizados, DAI requiere medidas de seguridad adicionales para evitar el acceso no autorizado a los detalles del modelo o el robo y la replicación de información confidencial. Por ello, existe una oportunidad poco explorada para los equipos que se centran en modelos de código abierto, pero que reconocen la posible desventaja de rendimiento de estos modelos en comparación con sus contrapartes de código cerrado.

Los sistemas descentralizados se enfrentan específicamente a obstáculos en la integridad de la red y la sobrecarga de recursos. La distribución de datos de clientes entre nodos separados, por ejemplo, expone a más vectores de ataque. Los atacantes podrían activar un nodo y analizar sus cálculos, intentar interceptar transmisiones de datos entre nodos o incluso introducir sesgos que degraden el rendimiento del sistema. Incluso en un modelo de inferencia descentralizado seguro, deben existir mecanismos para auditar los procesos de cómputo. Los nodos se ven incentivados a ahorrar recursos presentando cálculos incompletos, y la verificación se complica por la falta de un agente centralizado y de confianza.

Pruebas de conocimiento cero

Las pruebas de conocimiento cero (PCC), si bien actualmente resultan computacionalmente demasiado costosas, son una posible solución a algunos desafíos de la DAI . Las PCC son un mecanismo criptográfico que permite a una parte (el probador) convencer a otra (el verificador) de la veracidad de una afirmación sin revelar ningún detalle sobre la afirmación en sí, salvo su validez. La verificación de esta prueba es QUICK para otros nodos y ofrece a cada nodo una forma de demostrar que actuó de acuerdo con el protocolo. Las diferencias técnicas entre los sistemas de prueba y sus implementaciones (que se analizarán en profundidad más adelante) son importantes para los inversores en este sector.

La computación centralizada permite que el entrenamiento de modelos sea exclusivo de un grupo de actores bien posicionados y con recursos. Los ZKP podrían ONE a liberar el cómputo inactivo en el hardware de consumo; una MacBook, por ejemplo, podría usar su ancho de banda de cómputo adicional para entrenar un modelo de lenguaje extenso y, al mismo tiempo, generar tokens para el usuario.

La implementación de capacitación o inferencia descentralizada con hardware de consumo es el foco de equipos comoGensyn y Laboratorios de inferencia; a diferencia de una red informática descentralizada comoAkash o PrestarLa fragmentación de los cálculos añade complejidad, en particular el problema del punto flotante. El uso de recursos informáticos distribuidos inactivos permite a los pequeños desarrolladores probar y entrenar sus propias redes, siempre que tengan acceso a herramientas que resuelvan los desafíos asociados.

Actualmente, los sistemas ZKP son aparentemente de cuatro a seis órdenes de magnitud más caros que ejecutar el cómputo de forma nativa, y para tareas que requieren un alto cómputo (como el entrenamiento de modelos) o baja latencia (como la inferencia de modelos), usar un ZKP es prohibitivamente lento. A modo de comparación, una reducción de seis órdenes de magnitud significa que un sistema de vanguardia (comoSacudida de a16z) que se ejecuta en un chip M3 Max puede probar un programa150 veces más lentoque ejecutarlo en una Calculadora gráfica TI-84.

La capacidad de la IA para procesar grandes cantidades de datos la hace compatible con las pruebas de conocimiento cero (ZKP), pero se necesitan más avances en criptografía antes de que las ZKP puedan utilizarse ampliamente. El trabajo que realizan equipos comoIrreducible(quien diseñó elBiniussistema de prueba y esquema de compromiso),Gensyn,TensorOpera, Hellas, yLaboratorios de inferencia, entre otros, será un paso importante para lograr esta visión. Sin embargo, los plazos siguen siendo demasiado optimistas, ya que la verdadera innovación requiere tiempo y avances matemáticos.

Mientras tanto, cabe destacar otras posibilidades y soluciones híbridas. HellasAI y otras empresas están desarrollando nuevos métodos de representación de modelos y cálculos que permiten un juego de desafío optimista, permitiendo solo un subconjunto de cálculos que deben gestionarse en conocimiento cero. Las pruebas optimistas solo funcionan cuando existe participación, la capacidad de demostrar irregularidades y una amenaza creíble de que el cálculo esté siendo verificado por otros nodos del sistema. Otro método, desarrollado porLaboratorios de inferencia, valida un subconjunto de consultas donde un nodo se compromete a generar un ZKP con un BOND, pero solo presenta la prueba si el cliente lo desafía primero.

En suma

El entrenamiento y la inferencia descentralizados de IA servirán como protección contra la concentración de poder por parte de unos pocos actores importantes, a la vez que liberarán recursos computacionales previamente inaccesibles. Los ZKP serán un componente fundamental para hacer realidad esta visión. Su computadora podrá generar ingresos reales de forma imperceptible al utilizar potencia de procesamiento adicional en segundo plano. Las pruebas concisas de que un cálculo se realizó correctamente harán innecesaria la confianza que depositan los principales proveedores de nube, lo que permitirá que las redes computacionales con proveedores más pequeños atraigan a la clientela empresarial.

Si bien las pruebas de conocimiento cero posibilitarán este futuro y serán esenciales en más que solo las redes de cómputo (como la visión de Ethereum para la finalidad de ranura única), su sobrecarga computacional sigue siendo un obstáculo. Las soluciones híbridas que combinan la mecánica de la teoría de juegos de los juegos optimistas con el uso selectivo de pruebas de conocimiento cero son una mejor solución y probablemente se generalizarán como puente hasta que las pruebas de conocimiento cero se vuelvan mucho más rápidas.

Para los inversores en Cripto , tanto nativos como no nativos, comprender el valor y los desafíos de los sistemas de IA descentralizados será crucial para invertir el capital eficazmente. Los equipos deben tener respuestas a preguntas sobre las pruebas de computación de los nodos y las redundancias de la red. Además, como hemos observado en muchos proyectos DePIN, la descentralización se produce con el tiempo, y es esencial que los equipos tengan un plan claro para lograr esa visión. Resolver los desafíos asociados con la computación DePIN es esencial para devolver el control a las personas y a los pequeños desarrolladores, un aspecto vital para mantener nuestros sistemas abiertos, libres y resistentes a la censura.

Nota: Las opiniones expresadas en esta columna son las del autor y no reflejan necesariamente las de CoinDesk, Inc. o sus propietarios y afiliados.