ИИ для всех: суперумные системы, вознаграждающие создателей данных

Эта публикация является частью обзора CoinDesk за 2019 год, представляющего собой сборник из 100 статей, интервью и обзоров состояния блокчейна и мира. Бен Герцель — основатель и генеральный директор SingularityNET, проекта маркетплейса искусственного интеллекта на основе блокчейна.

Поскольку ИИ быстро проникает во все секторы экономики, мало вопросов важнее, чем кто владеет, контролирует и направляет данные, используемые для обучения систем ИИ, а также какие модели и выводы ИИ делает на основе этих данных.

Сейчас ответ, как правило, — крупные корпорации. Данные о наших мыслях, предпочтениях, страхах и желаниях, которые раскрываются в наших электронных письмах, сообщениях, фотографиях и документах, хранятся в корпоративных репозиториях и используются для создания персонализированной рекламы, которая управляет нашим покупательским поведением. Данные о наших телах и наших геномах хранятся в базах данных фармацевтических компаний и используются для собственных НИОКР без нашего явного согласия и без получения нами какого-либо вознаграждения за обнаруженные терапии. Эти крупные корпорации, конечно, работают в тесном сотрудничестве с государственными органами надзора, иногда для защиты гражданского населения, а иногда и более гнусно.

По мере того, как ИИ становится все более и более интеллектуальным, вопрос о том, кто владеет и контролирует его, станет еще более острым. Поэтому к счастью, существуют технологии, позволяющие тщательно отслеживать и контролировать использование ИИ персональных данных, моделей и выводов, а также способностей, полученных на основе данных людей. Это может оказаться в конечном итоге наиболее критическим применением Технологии блокчейн и связанных с ней методов, таких как гомоморфное шифрование и многосторонние вычисления, которые позволяют выполнять сложную обработку данных ИИ, при этом соблюдая Политика конфиденциальности данных.

По мере того, как ИИ становится все более интеллектуальным, вопрос о том, кто им владеет и контролирует, будет становиться еще более острым.

За последние два года важность объединения ИИ и блокчейна стала почти обычным явлением на конференциях, семинарах и стартапах. Пока еще не существует децентрализованной сети ИИ с широким коммерческим внедрением, но эта концепция получила широкое признание. К концу 2020 года, по всей вероятности, появятся захватывающие примеры использования, в которых крупные и малые компании будут получать свои услуги ИИ из вызовов API в децентрализованную сеть на основе блокчейна вместо централизованной службы ИИ.

За тот же период времени системы ИИ значительно возросли в мощности, появилось больше громких бизнес-приложений на различных вертикальных Рынки, а фундаментальные исследования совершили скачок от специализированных «узких» систем ИИ к более универсальным системам ИИ, давно предвиденным писателями-фантастами и футурологами.

Не так давно Искусственный Общий Интеллект (AGI) был предметом обсуждения только в определенных изысканных исследовательских кругах. Но с тех пор, как Microsoft инвестировала 1 миллиард долларов вOpenAI, ONE этот термин можно услышать из уст национальных и корпоративных лидеров. Теперь это довольно широко понимается, что ИИ должен выйти за рамки имитации своих обучающих наборов данных и достичь способности обрабатывать новые области, которые его программисты и тренеры не ожидали. Хотя системы AGI человеческого уровня остаются в будущем, мы предпринимаем шаги в этом направлении с системами ИИ, которые могут выполнять причинно-следственные выводы (определяя первопричины, лежащие в основе сложных Мероприятия, таких как крахи фондового рынка или вспышки заболеваний) и делать рассуждения по аналогии (используя знания, скажем, о болезнях мышей, чтобы помочь понять Human болезни, или знания о китайском языке, чтобы помочь нам понять английский язык).

Однако слияние AGI и децентрализованного ИИ пока не привлекло большого внимания общественности. В 2020 году мы, вероятно, увидим первые конкретные шаги в этом направлении. Это пробудит внимание общественности к потенциалу децентрализованных фреймворков для работы над ИИ с возможностью глубокого воображения, обобщения и творческого обучения.

Практические формы

Ориентированные на AGI агенты в децентрализованной метасети ИИ (включающей несколько взаимодействующих децентрализованных сетей ИИ: скажем, SingularityNET, OCEAN, Fetch.ai, Shivom и десятки других, работающих вместе) смогут предоставлять услуги абстракции и обобщения ориентированным на приложения агентам ИИ, работающим в этой же метасети.

Предположим, что агенту ИИ, ориентированному на медицинские технологии, необходимо выдвинуть гипотезу о том, какие из примерно 25 000 Human генов участвуют в возникновении рака простаты. Но предположим, что у него есть только данные ДНК нескольких сотен человек — недостаточно, чтобы сделать надежные выводы о таком количестве различных генов. Без фреймворка, позволяющего этому агенту ИИ обращаться за помощью к другим агентам ИИ, ИИ, вероятно, просто сдастся. Но в контексте, подобном SingularityNET, где ИИ могут обращаться за помощью к другим ИИ, могут быть тонкие пути к успеху. Если есть другие наборы данных о расстройствах, похожих на рак простаты, в модельных организмах, таких как мыши, мы можем увидеть прогресс в понимании того, какие гены участвуют в раке простаты, посредством объединения нескольких агентов ИИ с различными возможностями, сотрудничающих друг с другом.

Предположим, что ИИ № 1 — назовем его Мастером аналогий — обладает талантом к рассуждениям по аналогии. Это тот тип рассуждений, который отображает знания об ONE ситуации в ситуации другого рода — например, используя знания о войне, чтобы вывести выводы о бизнесе. Мастер аналогий мог бы использовать генетические данные о мышах с заболеваниями, похожими на рак простаты, чтобы сделать косвенные выводы о раке простаты у Human .

Мы увидим работу над более общими формами ИИ, которые будут принадлежать отдельным лицам и управляться ими.

Затем предположим, что ИИ № 2 — назовем его Data Connector — хорош в поиске биологических и медицинских наборов данных, относящихся к определенной проблеме, и подготовке этих наборов данных для анализа ИИ. Затем предположим, что ИИ № 3 — назовем его Disease Analyst — является экспертом в использовании машинного обучения для понимания коренных причин Human заболеваний.

Аналитик заболеваний, когда ему поручают задачу поиска Human генов, связанных с раком простаты, может решить, что ему нужно латеральное мышление, чтобы сделать концептуальный скачок и решить проблему. Он просит Мастера аналогий или множество различных ИИ о помощи.

Analogy Master может ничего не знать о биологии рака, хотя он хорош в концептуальных скачках, используя рассуждения по аналогии. Поэтому, чтобы помочь Disease Analyst с его проблемой, ему может потребоваться заполнить свою базу знаний некоторыми соответствующими данными, например, о раке у мышей. Затем на помощь приходит Data Connector, снабжая Analogy Master данными о раке у мышей, которые ему нужны для творческого мозгового штурма, поддерживая Disease Analyst в решении его проблемы.

Все это сотрудничество между агентами ИИ может происходить за кулисами с точки зрения пользователя. Исследовательская лаборатория, обращающаяся к Disease Analyst за помощью в генетическом анализе рака простаты, никогда не должна знать, что Disease Analyst выполнил свою работу, обратившись за помощью к Analogy Master и Data Connector. Более того, Analogy Master и Data Connector T обязательно должны видеть собственные данные Disease Analyst, поскольку с помощью многосторонних вычислений или гомоморфного шифрования аналитика ИИ может выполняться на зашифрованной версии набора данных, не нарушая Политика конфиденциальности данных (в данном случае Политика конфиденциальности пациента).

С достижениями в области Технологии ИИ и облачных ИТ такое сотрудничество между несколькими ИИ только сейчас становится возможным. Конечно, такое сотрудничество может происходить под контролем крупных корпораций за брандмауэрами. Но что еще интереснее, так это то, как естественно эта парадигма достижения все более мощного и всеобщего ИИ может соответствовать децентрализованным модальностям контроля.

Что, если три агента ИИ в этом примере сценария принадлежат разным сторонам? Что, если данные о раке простаты Human , используемые аналитиком заболеваний, принадлежат и контролируются лицами с раком простаты, у которых были собраны данные? Это не то, как работает медицинское учреждение прямо сейчас. Но, по крайней мере, мы можем сказать, что на технологическом уровне нет причин, по которым медицинские Истории, основанные на ИИ, должны быть монолитными и централизованными. Децентрализованный подход, при котором интеллект достигается посредством нескольких агентов с несколькими владельцами, действующими на надежно зашифрованных данных, теперь технологически осуществим, путем объединения современного ИИ с инфраструктурой блокчейна.

Централизация анализа данных и принятия решений на основе ИИ в медицине, как и в других областях, на данном этапе преобладает по политическим и структурным причинам, а также по инерции отрасли, а не потому, что это единственный способ заставить технологию работать.

В этом случае изначально ориентированный на медицинские технологии ИИ, которому поручено понять генетические причины рака, будет иметь смысл взаимодействовать за кулисами с этим ИИ, рассуждающим по аналогии, и с поставщиком соответствующих данных о модельном организме, которые можно будет передать ИИ, рассуждающему по аналогии, чтобы получить от него помощь в решении своей задачи.

В сети искусственного интеллекта общего назначения NEAR будущего интеллект будет существовать на двух разных уровнях — отдельные агенты ИИ и согласованная и скоординированная деятельность сети агентов ИИ (комбинация трех агентов ИИ в приведенном выше примере; и комбинации большего числа более разнообразных агентов ИИ в более сложных случаях). Способность к обобщению и абстрагированию также будет существовать, в некоторой степени, на обоих этих уровнях. Она будет существовать в отдельных агентах ИИ, таких как Analogy Master в приведенном выше примере, которые ориентированы на общий интеллект, а не на решение узкоспециализированных проблем. Она будет существовать в общей сети, включая комбинацию ориентированных на обобщение агентов ИИ, таких как Analogy Master, и агентов ИИ специального назначения, таких как Disease Analyst, и агентов ИИ «коннектора», таких как Data Connector выше.

Масштабируемое развертывание и широкое внедрение децентрализованных сетей ИИ все еще находятся в начале пути, и в ближайшие годы предстоит столкнуться со многими тонкостями и решить их. В конце концов, то, что нужно сообществу децентрализованного ИИ для достижения его среднесрочных целей, в корне сложнее, чем ИТ-системы, созданные Google, Facebook, Amazon, IBM, Tencent или Baidu. Эти системы являются результатом десятилетий инженерной работы десятков тысяч блестящих инженеров.

Сообщество децентрализованного ИИ не будет нанимать больше инженеров, чем эти компании. Но Linux Foundation никогда не нанимала столько инженеров, как Microsoft или Apple, и теперь у него есть операционная система №1, лежащая в основе как серверного Интернета, так и экосистем мобильных устройств и IoT. Если попытка мира блокчейн-ИИ катализировать возникновение общего интеллекта посредством кооперативной деятельности многочисленных агентов ИИ с различными уровнями абстракции должна увенчаться успехом, это должно произойти через активность сообщества. Эта активность сообщества должна быть в значительной степени самоорганизованной. Но токеномные модели, лежащие в основе многих проектов децентрализованного ИИ, точно настроены на поощрение этой самоорганизации посредством предоставления токеновых стимулов агентам ИИ, которые служат для стимулирования и направления интеллекта всей сети, а также для работы над их индивидуальными целями.

Крупные централизованные корпорации приносят огромные ресурсы. Однако для многих приложений, включая медицину и рекламу, не корпорации, а отдельные лица приносят данные. И ИИ нужны данные для Словарь. По мере появления приложений ИИ на основе блокчейна крупные корпорации могут обнаружить, что их уникальная сила вырывается из-под них.

Вы бы предпочли владеть частью медицинской терапии, открытой с использованием ваших медицинских записей и геномных данных? Вы бы предпочли точно знать, как содержание ваших сообщений и ваши шаблоны веб-серфинга используются для принятия решения о том, какие продукты вам рекомендовать? Я тоже.

2020 год станет годом, когда это видение начнет обретать некоторую поддержку. Мы увидим начало реального принятия пользователями платформ, объединяющих блокчейн и ИИ. Мы увидим работу над более общими формами ИИ, которые будут принадлежать и управляться людьми, снабжающими ИИ данными, необходимыми для Словарь и роста.