Как децентрализованный ИИ и доказательства с нулевым разглашением демократизируют вычисления

В конце июля Марк Цукерберг написалписьмообъясняя, почему «открытый исходный код необходим для позитивного будущего ИИ», где он поэтично рассуждает о необходимости разработки ИИ с открытым исходным кодом. Некогда занудный подросток-основатель, теперь превратившийся в вейкбордиста, носящего золотую цепь и борца джиу-джитсу «Зака», был назван мессией разработки модели с открытым исходным кодом.

Но до сих пор он и команда Meta T говорили многого о как Эти модели развертываются. Поскольку сложность модели повышает требования к вычислениям, если развертывание модели контролируется горсткой участников, то не поддались ли мы подобной форме централизации? Децентрализованный ИИ обещает решить эту проблему, но Технологии требует усовершенствований в ведущих в отрасли криптографических методах и уникальных гибридных решениях.

Эта статья является частью новой рубрики CoinDeskВертикаль ДеПИН, охватывающий развивающуюся отрасль децентрализованной физической инфраструктуры.

В отличие от централизованных облачных провайдеров, децентрализованный ИИ (DAI) распределяетвычислительные процессы для вывода и обучения ИИ в нескольких системах, сетях и местах. При правильной реализации эти сети, тип децентрализованной физической инфраструктурной сети (DePIN), приносят выгоды в сопротивлении цензуре, доступе к вычислениям и стоимости.

DAI сталкивается с проблемами в двух основных областях: среда ИИ и сама децентрализованная инфраструктура. По сравнению с централизованными системами, DAI требует дополнительных мер безопасности для предотвращения несанкционированного доступа к деталям модели или кражи и копирования конфиденциальной информации. По этой причине существует недостаточно изученная возможность для команд, которые сосредоточены на моделях с открытым исходным кодом, но признают потенциальный недостаток производительности моделей с открытым исходным кодом по сравнению с их аналогами с закрытым исходным кодом.

Децентрализованные системы в частности сталкиваются с препятствиями в целостности сети и накладных расходах ресурсов. Например, распределение клиентских данных по отдельным узлам раскрывает больше векторов атак. Злоумышленники могут раскрутить узел и проанализировать его вычисления, попытаться перехватить передачу данных между узлами или даже внести предубеждения, которые ухудшают производительность системы. Даже в безопасной децентрализованной модели вывода должны быть механизмы аудита вычислительных процессов. Узлы мотивированы экономить затраты на ресурсы, представляя неполные вычисления, а проверка осложняется отсутствием доверенного централизованного субъекта.

Доказательства с нулевым разглашением

Доказательства с нулевым разглашением (ZKP), хотя в настоящее время они слишком дороги в вычислительном отношении, являются ONE из потенциальных решений некоторых проблем DAI . ZKP — это криптографический механизм, который позволяет ONE стороне (доказывающей) убедить другую сторону (проверяющей) в истинности утверждения, не разглашая никаких подробностей о самом утверждении, кроме его действительности. Проверка этого доказательства выполняется QUICK для других узлов и дает возможность каждому узлу доказать, что он действовал в соответствии с протоколом. Технические различия между системами доказательств и их реализациями (подробнее об этом позже) важны для инвесторов в этой области.

Централизованные вычисления делают обучение модели эксклюзивным для нескольких игроков с хорошими позициями и ресурсами. ZKP могут стать ONE разблокировки простаивающих вычислений на потребительском оборудовании; например, MacBook может использовать свою дополнительную пропускную способность вычислений для обучения большой языковой модели, зарабатывая токены для пользователя.

Развертывание децентрализованного обучения или вывода с использованием потребительского оборудования находится в центре внимания таких команд, какГенсин и Лаборатории вывода; в отличие от децентрализованной вычислительной сети, такой какАкаш или Оказывать, сегментирование вычислений добавляет сложности, а именно проблемы с плавающей точкой. Использование простаивающих распределенных вычислительных ресурсов открывает двери для небольших разработчиков для тестирования и обучения собственных сетей — при условии, что у них есть доступ к инструментам, которые решают сопутствующие проблемы.

В настоящее время системы ZKP, по-видимому, на четыре-шесть порядков дороже, чем запуск вычислений изначально, и для задач, требующих высокой вычислительной мощности (например, обучения модели) или низкой задержки (например, вывода модели), использование ZKP является непозволительно медленным. Для сравнения, падение на шесть порядков означает, что передовая система (например,a16z's Jolt) работающая на чипе M3 Max может доказать, что программав 150 раз медленнеечем запустить его на графическом Калькулятор TI-84.

Способность ИИ обрабатывать большие объемы данных делает его совместимым с доказательствами с нулевым разглашением (ZKP), но необходим больший прогресс в криптографии, прежде чем ZKP смогут широко использоваться. Работа, выполняемая такими командами, какНеприводимый(кто спроектировалБиниуссистема доказательств и схема обязательств),Генсин,TensorOpera, Эллада иЛаборатории вывода, среди прочего, станет важным шагом в достижении этого видения. Однако сроки остаются чрезмерно оптимистичными, поскольку истинные инновации требуют времени и математического прогресса.

В то же время стоит отметить другие возможности и гибридные решения. HellasAI и другие разрабатывают новые методы представления моделей и вычислений, которые могут позволить оптимистичную игру-вызов, допуская только подмножество вычислений, которые должны обрабатываться с нулевым знанием. Оптимистичные доказательства работают только при наличии ставок, возможности доказать неправомерность и реальной угрозы того, что вычисление проверяется другими узлами в системе. Другой метод, разработанныйЛаборатории вывода, проверяет подмножество запросов, в которых узел обязуется сгенерировать ZKP со BOND, но представляет доказательство только в том случае, если оно сначала оспорено клиентом.

В сумме

Децентрализованное обучение и вывод ИИ будут служить защитой от консолидации власти несколькими крупными игроками, одновременно разблокируя ранее недоступные вычисления. ZKP будут неотъемлемой частью реализации этого видения. Ваш компьютер сможет зарабатывать вам реальные деньги незаметно, используя дополнительную вычислительную мощность в фоновом режиме. Кратчайшие доказательства того, что вычисления были выполнены правильно, сделают доверие, которое используют крупнейшие поставщики облачных услуг, ненужным, позволяя вычислительным сетям с более мелкими поставщиками привлекать корпоративных клиентов.

Хотя доказательства с нулевым разглашением сделают возможным это будущее и станут неотъемлемой частью не только вычислительных сетей (как видение Ethereum для окончательности одного слота), их вычислительные издержки остаются препятствием. Гибридные решения, которые сочетают игровую механику оптимистичных игр с выборочным использованием доказательств с нулевым разглашением, являются лучшим решением и, вероятно, станут повсеместными в качестве связующего звена, пока ZKP не станут намного быстрее.

Для местных и неместных Криптo понимание ценности и проблем децентрализованных систем ИИ будет иметь решающее значение для эффективного размещения капитала. Команды должны иметь ответы на вопросы, касающиеся доказательств вычислений узлов и избыточности сетей. Кроме того, как мы наблюдали во многих проектах DePIN, децентрализация происходит со временем, и четкий план команд относительно этого видения имеет важное значение. Решение проблем, связанных с вычислениями DePIN, имеет важное значение для передачи контроля обратно отдельным лицам и мелким разработчикам — жизненно важная часть сохранения наших систем открытыми, свободными и устойчивыми к цензуре.

Примечание: Мнения, выраженные в этой колонке, принадлежат автору и не обязательно отражают точку зрения CoinDesk, Inc. или ее владельцев и аффилированных лиц.