Ben Fielding: decentralizzare l'intelligenza artificiale

Tutto cominciò con una scrivania rumorosa. La scrivania era un cubicolo di legno in un laboratorio della Northumbria University, nel nord dell'Inghilterra, dove un giovane ricercatore di intelligenza artificiale aveva iniziato il suo dottorato di ricerca. Era il 2015. Il ricercatore era Ben Fielding, che aveva costruito una grande macchina piena di GPU iniziali per sviluppare l'intelligenza artificiale. La macchina era così rumorosa che infastidiva i compagni di laboratorio di Fielding. Fielding stipò la macchina sotto la scrivania, ma era così grande che dovette infilare goffamente le gambe di lato.

Fielding aveva delle idee poco ortodosse. Esplorò come "sciami" di IA, cluster di molti modelli diversi, potessero comunicare tra loro e Imparare gli uni dagli altri, il che avrebbe potuto migliorare l'insieme collettivo. C'era solo ONE problema: era ammanettato dalle realtà di quella macchina rumorosa sotto la sua scrivania. E sapeva di essere in inferiorità numerica. "Anche Google stava conducendo questa ricerca", dice Fielding ora. "E avevano migliaia [di GPU] in un data center. Le cose che stavano facendo T erano folli. Conoscevo i metodi... Avevo un sacco di proposte, ma T potevo eseguirle".

Ben Fielding, CEO di Gensyn, è un relatore aConsenso 2025 a Toronto.

Jeff Wilser è l'ospite diL'intelligenza artificiale del popolo: il podcast sull'intelligenza artificiale decentralizzatae ospiterà l'AI Summit al Consensus 2025.

Quindi, un decennio fa, Fielding capì:I vincoli di calcolo sarebbero sempre un problema.Nel 2015 sapeva che se l'informatica era un vincolo vincolante nel mondo accademico, lo sarebbe stato ancora di più quando l'intelligenza artificiale sarebbe diventata mainstream.

La soluzione?

Intelligenza artificiale decentralizzata.

Fielding ha co-fondato Gensyn (insieme a Harry Grieve) nel 2020, ovvero anni prima che l'intelligenza artificiale decentralizzata diventasse di moda. Il progetto era inizialmente noto per la creazione di un'elaborazione decentralizzata, e ne ho parlato con Fieldingper CoinDeske in panel dopo panel alle conferenze, ma la visione è in realtà qualcosa di più ampio: "La rete per l'intelligenza artificiale". Stanno costruendo soluzioni su e giù per lo stack tecnologico.

E ora, un decennio dopo che la scrivania rumorosa di Fielding ha infastidito i suoi compagni di laboratorio, i primi strumenti di Gensyn sono in circolazione. Gensyn ha recentemente rilasciato il suo protocollo "RL Swarms" (un discendente del lavoro di dottorato di Fielding) e ha appena lanciato la sua Testnet, che porta la blockchain nel gruppo.

In questa conversazione che ha preceduto l'AI Summit,al Consensus di Toronto, Fielding fornisce una panoramica sugli sciami di intelligenza artificiale, spiega come la blockchain si inserisce nel puzzle e condivide il motivo per cui tutti gli innovatori, non solo i giganti della tecnologia, "dovrebbero avere il diritto di sviluppare tecnologie di apprendimento automatico".

Per maggiore chiarezza, l'intervista è stata condensata e leggermente modificata.

Congratulazioni per il lancio del testnet. Qual è il succo di cosa si tratta?

Ben Fielding:Si tratta dell'aggiunta delle prime funzionalità MVP di integrazione blockchain con ciò che abbiamo lanciato finora.

Quali erano le caratteristiche originali, prima della blockchain?

Così qualche settimana fa abbiamo lanciato RL [Reinforcement Learning] Swarm, che è un apprendimento per rinforzo, post-addestramento, come rete peer-to-peer.

Ecco il modo più semplice per pensarci. Quando un modello pre-addestrato passa attraverso un training di ragionamento, come DeepSeek-R1, impara a criticare il proprio pensiero e a migliorare ricorsivamente rispetto al compito. Può quindi migliorare la propria risposta.

Portiamo questo processo ONE passo avanti e diciamo: "È fantastico per i modelli criticare il proprio pensiero e migliorare ricorsivamente. E se potessero parlare con altri modelli e criticare il pensiero degli altri?" Se riunisci molti modelli in un gruppo che può parlare tra loro, possono iniziare a imparare come inviare informazioni agli altri modelli... con l'obiettivo generale di migliorare l'intero sciame stesso.

Capito, il che spiega il nome "Swarm".

Esatto. È questo metodo di formazione che consente a molti modelli di combinarsi in parallelo per migliorare il risultato di un meta-modello finale che potresti creare da quei modelli. Ma allo stesso tempo, hai ogni singolo modello individuale che migliora da solo. Quindi se dovessi venire con un modello su un MacBook, unirti a uno sciame per un'ora e poi uscire di nuovo, avresti un modello locale migliorato basato sulla conoscenza nello sciame e avresti anche migliorato gli altri modelli nello sciame. È questo processo di formazione collaborativa a cui qualsiasi modello può unirsi e che qualsiasi modello può fare. Ecco cos'è RL Swarm.

Ok, quindi questo è quello che hai pubblicato qualche settimana fa. Ora, dove entra in gioco la blockchain?

Quindi la blockchain è il modo in cui spostiamo alcune delle primitive di livello inferiore nel sistema.

Andiamo e bastafare finta che qualcuno T capisce la frase "primitivi di livello inferiore". Cosa intendi con questo?

Sì, quindi intendo, molto vicino alla risorsa stessa. Quindi se pensi allo stack software, hai uno stack GPU in un data center. Hai driver in cima alla GPU. Hai sistemi operativi, macchine virtuali. Hai tutte queste cose che vanno su.

Quindi una primitiva di livello inferiore è la più vicina alla base inferiore del tech stack. Ho capito bene?

Sì, esattamente. E RL Swarm è una dimostrazione di ciò che è possibile, fondamentalmente. È solo una demo un po' improvvisata di apprendimento automatico su larga scala e scalabile davvero interessante. Ma ciò che Gensyn ha fatto negli ultimi quattro anni e passa, realisticamente, è costruire infrastrutture. E quindi siamo in questo periodo in cui l'infrastruttura è tutta a quel livello beta v0.1. È tutto fatto. È pronto per partire. Dobbiamo capire come mostrare al mondo cosa è possibile quando si tratta di un cambiamento abbastanza grande nel modo in cui le persone pensano all'apprendimento automatico.

Sembra che stiate facendo molto di più di un semplice calcolo decentralizzato o addirittura di un'infrastruttura?

Abbiamo tre componenti principali che stanno sotto la nostra infrastruttura. Esecuzione: abbiamo librerie di esecuzione coerenti. Abbiamo il nostro compilatore. Abbiamo librerie riproducibili per qualsiasi target hardware.

Il secondo pezzo è la comunicazione. Quindi supponiamo che tu possa semplicemente eseguire un modello su qualsiasi dispositivo al mondo compatibile, puoi farli comunicare tra loro? Se tutti optano per lo stesso standard, tutti possono comunicare come TCP/IP da Internet, in pratica. Quindi creiamo quelle librerie e RL Swarm è un esempio di quella comunicazione.

E poi, infine, la verifica.

Ah, e immagino che sia qui che entra in gioco la blockchain...

Immagina uno scenario in cui ogni dispositivo al mondo esegue in modo coerente. Potrebbero LINK modelli insieme. Ma possono fidarsi l'uno dell'altro? Se collegassi il mio MacBook al tuo, sì, potrebbero eseguire le stesse attività. Sì, potrebbero inviare tensori avanti e FORTH, ma sanno che ciò che inviano all'altro dispositivo sta effettivamente accadendo sull'altro dispositivo o no?

Nel mondo attuale, tu e io probabilmente firmeremmo un contratto per dire, sì, siamo d'accordo che ci assicureremo che i nostri dispositivi facciano la cosa giusta. Nel mondo delle macchine, deve avvenire in modo programmatico. Quindi questo è il pezzo finale che costruiamo, prove crittografiche, prove probabilistiche, prove di teoria dei giochi per rendere quel processo interamente programmatico.

Ecco dove entra in gioco la blockchain. Ci offre tutti i vantaggi della blockchain che puoi immaginare, come identità persistente, pagamenti, consenso, ETC. E quindi quello che stiamo facendo con la testnet ora è prendere RL Swarm e le primitive dell'altra infrastruttura e stiamo aggiungendo i componenti della blockchain e dicendo: "Ehi, quando ti unisci a uno swarm ora, hai un'identità persistente, che esiste là fuori su un registro decentralizzato".

In futuro avrete la possibilità di effettuare pagamenti, ma ora avete quel meccanismo di consenso di fiducia in cui possiamo porre fine alle controversie. Quindi, è una specie di MVP della futura infrastruttura Gensyn, in cui aggiungeremo componenti man mano che andiamo avanti.

Dacci un'anticipazione di cosa ci aspetta in futuro?

Quando raggiungiamo la rete principale, tutto il software e l'infrastruttura sono attivi contro la blockchain come fonte di fiducia, pagamenti, consenso, ETC., identità. Questo è il primo passo. Aggiunge l'identità e dice che quando ti unisci a uno sciame, puoi registrarti come la stessa persona. Tutti sanno chi sei senza dover controllare un server centralizzato o un sito web da qualche parte.

Ora sbizzarriamoci e parliamo più in là nel futuro. Come sarà questo tra ONE anno, tra due anni, tra cinque anni? Qual è la tua Stella Polare?

Certo. La visione finale è quella di prendere tutte le risorse che si trovano sotto l'apprendimento automatico e renderle immediatamente accessibili a livello di programmazione a tutti. L'apprendimento automatico è fortemente limitato dalle sue risorse CORE . Ciò crea questo enorme fossato per le aziende di intelligenza artificiale centralizzate, ma T è necessario che esista. Può essere open source se riusciamo a creare il software giusto. Quindi la nostra visione è che Gensyn crea tutta l'infrastruttura di basso livello per consentire che si avvicini il più possibile all'open source. Le persone dovrebbero avere il diritto di creare tecnologie di apprendimento automatico.