В предыдущих частях мы изучили, как ИИ-агенты и децентрализация изменят экономику и чем экономике грозит централизованный ИИ. Теперь рассмотрим «строительные блоки» для создания децентрализованных сетей ИИ-агентов.
Децентрализованные системы сложны в создании, но они гораздо более устойчивы к внешним событиям и атакам. Многие существующие децентрализованные системы называют криптоэкономикой, поскольку они опираются на такие основные компоненты:
- Криптография, которая обеспечивает подлинность, конфиденциальность и целостность данных, идентификации и вычислений.
- Программируемые экономические механизмы, которые эффективно объединяют и распределяют стимулы и координируют работу в одноранговой среде, в отличие от иерархического подхода централизованных организаций.
- Регулирование, включая согласование, гранты, управление проектами OSS (Open Source Software).
Подобно тому, как человеческая цивилизация развивалась не только благодаря индивидуальным интеллектуальным способностям, но и в результате создания социальных и экономических сетей, искусственный интеллект также выиграет от специализации и конкуренции.
Однако для удовлетворения потребностей этих новых кибернетических систем потребуется также создание (в идеале — децентрализованной) инфраструктуры:
Рассмотрим «строительные блоки» для создания децентрализованных сетей ИИ-агентов.
Открытый AGI
Предположительно, для настоящего AGI не будет единой основополагающей модели. Скорее, подобно человеческому мозгу и обществу, он будет состоять из множества специализированных систем, беспрепятственно работающих друг с другом. Чтобы достичь этого, нужен протокол. Как и в Bitcoin и Ethereum, он не должен принадлежать одной стороне. Как и в Web3, каждый может внести свой вклад: предварительное обучение новых моделей, тонкие настройки, предоставление наборов данных RAG, работа RLHF, оценочные бенчмарки.
Чем сложнее задача, тем важнее становится цепочка агентов. Одного промта будет недостаточно, если хотите, чтобы ИИ помог организовать большую конференцию. AutoGPT — забавный эксперимент, но он не может создать больше, чем просто правдоподобный журнал действий. Тысяча специализированных приложений, моделей, тщательно разработанных промтов, навыков агентов (таких как написание и выполнение кода) смогут сделать это: некоторые из них предназначены для планирования или маркетинговой деятельности, другие могут платить людям за работу и контролировать выполнение. Этот список можно продолжать, чтобы отразить и в конечном итоге автоматизировать все шаги.
Конфиденциальность и контроль
Поскольку мы все больше полагаемся на ИИ-агентов в жизни, обеспечение конфиденциальности данных и вычислений приобретает первостепенное значение. Последние достижения в области технологий позволили создать полностью приватный, децентрализованный и контролируемый пользователем стек ML.
- Zero-knowledge Machine Learning. Применение этого технологического инструмента дает ряд преимуществ, например, возможность делать выводы на закрытых данных или сделать модель машинного обучения общедоступной без раскрытия ее кода и весов. EZKL, Giza Tech и Modulus Labs разрабатывают такой стек машинного обучения. Сегодня zkML не масштабируется для запуска больших моделей, таких как трансформаторы, в формате zk, но даже более простые алгоритмы ML, такие как логистическая регрессия, дерево решений и метод случайного леса, могут значительно увеличить пространство проектирования для приложений.
- Конфиденциальные вычисления. Другой подход к достижению аналогичного уровня гарантий конфиденциальности, но с несколько более высокими предположениями о безопасности, может быть достигнут с помощью технологии доверенных сред выполнения. NVIDIA запустила поддержку конфиденциальных вычислений во всех своих продуктах H100 и планирует поддерживать эту технологию в будущем. Super Protocol тоже строит децентрализованную сеть для конфиденциальных вычислений.
- Хранение персональных данных и децентрализованные веб-узлы. Агентам искусственного интеллекта требуются как конфиденциальные вычисления, так и доступ к значительному количеству персональных данных. К ним относятся история общения, финансовая и юридическая информация, подробности личной жизни. Эти данные могут быть использованы для повышения общей точности моделей или служить долговременной памятью в виде RAG. Чтобы обеспечить конфиденциальность, не только вычисления, но и данные должны быть достаточно децентрализованы и контролироваться пользователем. Децентрализованные веб-узлы обеспечивают такую возможность. Одним из примеров приложения для пользователей с полностью приватным, но распределенным хранением данных является Kin.
Стимулы
Блокчейн — это система программируемых стимулов. Они позволяют строить программируемые сети распределения вознаграждений и увеличивают пространство проектирования механизмов. Эту технологию можно использовать для создания децентрализованных стимулов для исследований и разработок в ML.
Например, Bittensor — это одноранговая сеть для совместной работы над моделями машинного обучения и сервисами ИИ. Валидаторы отвечают за проверку работы майнеров и распределение вознаграждения между подсетями и отдельными майнерами. Сеть спроектирована таким образом, чтобы генерировать лучшее возможное решение задачи машинного обучения, определенной в коде подсети. Как майнеры, так и проверяющие получают равную долю вознаграждения, которое может достигать 150 000 долларов в день для каждого узла с лучшими показателями.
Рынки
Децентрализованные сети отлично подходят для создания рыночных площадок с эффективной экономикой и простым участием — от финансовых рынков на базе Bitcoin и Ethereum до узкоспециализированных рынков, необходимых для агентской экономики будущего с искусственным интеллектом.
- Модели и тонкая настройка. В области создания открытых, стимулируемых и одноранговых рынков для моделей и тонких настроек нейронных сетей ведется активная работа в академических кругах, децентрализованных сетях, сообществе разработчиков открытого кода и облачных провайдеров.
- Данные. Они важны для искусственного интеллекта, поскольку необходимы для обучения и постоянного совершенствования этих систем. Децентрализация сбора, лицензирования, маркировки и продажи данных обеспечивает экономическую эффективность за счет передачи этих задач на аутсорсинг. Кроме того, это повышает качество данных, позволяя экспертам в конкретных областях собирать и курировать специализированные наборы данных, а не полагаться только на типовые компании, занимающиеся разработкой ИИ. Компания Ocean создала пространство рынка данных для покупки и продажи активов данных для разработчиков ИИ. Grass создает рынок для сбора данных и ETL с сотнями тысяч поставщиков данных. Sapien решает проблему маркировки данных с помощью краудсорсинга.
- Вычисления. Как и данные, вычисления являются неотъемлемой частью любой системы ИИ, поскольку они необходимы для обучения. В дополнение к традиционным облачным ML-провайдерам, таким как Lambda, Runpod и Replicate, наблюдается рост децентрализованных вычислительных сетей. Например, Akash — это открытая сеть, позволяющая пользователям покупать и продавать вычислительные ресурсы. Gensyn фокусируется на более специализированной работе по обучению моделей машинного обучения с помощью проверяемых вычислительных ресурсов.
Репутация
Построить рыночные площадки как открытые сети непросто. Многие блокчейн-проекты и децентрализованные инициативы в области ИИ потерпели неудачу из-за неспособности найти равновесие. В децентрализованной сети любая возможность получить более высокую выплату за счет нечестного поведения будет немедленно использована участниками сети.
Платежи и связь
Чтобы ИИ мог представлять реальную экономику, необходим общий протокол для общения между агентами ИИ и протокол платежей. Такие сети, как Morpheus и Autonolas, выступают примерами обнаружения агентов и коммуникации между ними, а также децентрализованной среды исполнения для них. Nevermined разрабатывает платежный протокол, который будет способствовать развитию экономики ИИ, основанной на взаимодействии агентов с агентами.
Идентичность и аутентичность
Идентичность и подлинность становятся все более важными как для агентов ИИ, так и для реальных людей. В мире, где большая часть контента в сети генерируется ИИ, подлинность становится ценным ресурсом. Децентрализованные идентификаторы помогут решить проблему мошеннического или спамерского контента.
Маршрутизация
Для выполнения действительно полезных задач (например, организация конференции, съемка видео, обучение ребенка, подача заявления на получение вида на жительство или юридические действия) должен существовать эффективный алгоритм маршрутизации, который организует наиболее оптимальный ансамбль агентов. Для этого потребуется как минимум два децентрализованных компонента:
- скоринг или алгоритм оценки, который будет постоянно обновлять прогнозируемые потери модели, агента или инструмента в зависимости от конкретной задачи,
- механизм маршрутизации, который будет генерировать цепочку агентов, которые будут работать (иногда параллельно, иногда последовательно) для выполнения задачи.
Договор
В настоящее время ведется активная работа по созданию основ для формального заключения договоров в многоагентных системах. Цель — уменьшить сговор и негативные внешние эффекты, возникающие из-за отсутствия сотрудничества между независимыми системами ИИ.
Для виртуального агента гораздо естественнее использовать код и криптографические подписи, аналогичные традиционным правовым рамкам для людей, чтобы добиться большей эффективности и сотрудничества на рынке. Использование агентами контрактов будет способствовать улучшению социальных результатов киберэкономики в целом.
Управление
Последним компонентом децентрализованных систем ИИ является управление. Кто и как будет решать, что разрешено или не разрешено делать моделям и агентам? Кто владеет и руководит ими? Как происходит согласование и объяснение ИИ?
Децентрализованные автономные организации (DAO) исследуют новый рубеж программируемой демократии. Важно отметить, что речь идет не об одном проекте или фреймворке, а о целом пространстве проектирования, начиная с голосования, исполнения, управления капиталом и заканчивая целыми организациями, которые дополняются, расширяются и управляются ИИ.
Заключение
Появление искусственного интеллекта и автономных агентов представляет собой важный поворотный момент в эволюции человечества. Эти технологии способны переосмыслить жизнь общества в целом, что подчеркивает необходимость обеспечить доступ к ИИ в качестве фундаментального права для всех.
Однако нынешняя централизация владения и разработки ИИ создает серьезные риски, включая злоупотребление властью и замедление инноваций. Децентрализованный ИИ, напротив, представляет собой многообещающую альтернативу, способствующую развитию инноваций, собственности и контроля.Поддерживая развитие децентрализованного ИИ, можно обеспечить будущее, в котором ИИ будет приносить пользу всему человечеству.
Читать еще:
Киберэкономика — часть 1: как ИИ-агенты и децентрализация изменят экономику
Киберэкономика — часть 2: чем экономике грозит централизованный ИИ