분산형 AI와 영지식 증명이 컴퓨팅을 민주화하는 방법

AI berisiko terhadap pemusatan yang sama yang dilihat dalam edisi awal internet. Tetapi cara lain mungkin, katakan Mahesh Ramakrishnan dan Vinayak Kurup.

AI terdesentralisasi berjanji untuk mendemokrasikan pengiraan, menjadikannya boleh diakses oleh pembangun yang lebih kecil dan melindungi daripada penyatuan kuasa oleh beberapa aktor utama.

Pada penghujung bulan Julai, Mark Zuckerberg menulis surat yang menjelaskan mengapa "sumber terbuka diperlukan untuk masa depan AI yang positif," di mana beliau menyanjung puitis tentang keperluan untuk pembangunan AI sumber terbuka. Pengasas remaja yang dahulunya kutu buku, kini bertukar menjadi wakeboarding, memakai rantai emas dan jiu-jitsu bertarung "Zuck," telah dijenamakan sebagai mesias pembangunan model sumber terbuka.

Tetapi setakat ini, dia dan pasukan Meta tidak banyak menyatakan tentang cara model ini digunakan. Memandangkan kerumitan model mendorong keperluan pengiraan lebih tinggi, jika penggunaan model dikawal oleh segelintir pelakon, adakah kita tidak tunduk kepada bentuk pemusatan yang serupa?

AI terdesentralisasi berjanji untuk menyelesaikan cabaran ini, tetapi teknologi memerlukan kemajuan dalam teknik kriptografi terkemuka industri dan penyelesaian hibrid yang unik.

Op-ed ini adalah sebahagian daripada DePIN Vertical baharu CoinDesk, yang meliputi industri baru muncul bagi infrastruktur fizikal terpencar.

Tidak seperti penyedia awan berpusat, AI terdesentralisasi (DAI) mengedarkan proses pengiraan untuk inferens dan latihan AI merentas berbilang sistem, rangkaian dan lokasi. Jika dilaksanakan dengan betul, rangkaian ini, sejenis rangkaian infrastruktur fizikal terdesentralisasi (DePIN), membawa faedah dalam rintangan penapisan, akses pengiraan dan kos.

DAI는 AI 환경과 분산형 인프라 자체라는 두 가지 주요 영역에서 과제에 직면해 있습니다. 중앙 집중식 시스템과 비교하여 DAI에는 모델 세부 사항에 대한 무단 액세스 또는 독점 정보의 도난 및 복제를 방지하기 위한 추가 보호 장치가 필요합니다. 이러한 이유로 오픈 소스 모델에 중점을 두지만 폐쇄 소스 모델에 비해 오픈 소스 모델의 잠재적인 성능 단점을 인식하는 팀에게는 기회가 충분히 탐색되지 않습니다.

분산형 시스템은 특히 네트워크 무결성 및 리소스 오버헤드 측면에서 장애물에 직면합니다. 예를 들어 클라이언트 데이터가 별도의 노드에 분산되면 더 많은 공격 벡터가 노출됩니다. 공격자는 노드를 가동하여 계산을 분석하고, 노드 간 데이터 전송을 가로채거나, 시스템 성능을 저하시키는 편향을 도입할 수도 있습니다. 안전한 분산형 추론 모델에서도 컴퓨팅 프로세스를 감사하는 메커니즘이 있어야 합니다. 노드는 불완전한 계산을 제시하여 리소스 비용을 절약하도록 장려되며, 신뢰할 수 있는 중앙 집중식 행위자가 없기 때문에 검증이 복잡합니다.

영지식 증명

영지식 증명(ZKP)은 현재 계산 비용이 너무 높지만 일부 DAI 문제에 대한 잠재적인 솔루션 중 하나입니다. ZKP는 유효성을 제외하고 진술 자체에 대한 세부 정보를 공개하지 않고 한 당사자(증명자)가 다른 당사자(검증자)에게 진술의 진실성을 확신시킬 수 있도록 하는 암호화 메커니즘입니다. 이 증명의 검증은 다른 노드가 빠르게 실행될 수 있도록 하며 각 노드가 프로토콜에 따라 작동했음을 증명할 수 있는 방법을 제공합니다. 증명 시스템과 그 구현(나중에 자세히 설명) 간의 기술적 차이점은 해당 분야의 투자자에게 중요합니다.

중앙 집중식 컴퓨팅을 통해 좋은 위치에 있고 자원을 갖춘 소수의 플레이어에게만 모델 교육을 제공합니다. ZKP는 소비자 하드웨어에서 유휴 컴퓨팅을 잠금 해제하는 일부가 될 수 있습니다. 예를 들어 MacBook은 추가 컴퓨팅 대역폭을 사용하여 사용자를 위한 토큰을 획득하는 동시에 대규모 언어 모델을 훈련하는 데 도움을 줄 수 있습니다.

소비자 하드웨어를 사용하여 분산형 교육 또는 추론을 배포하는 것은 Gensyn 및 Inference Labs와 같은 팀의 초점입니다. Akash 또는 Render와 같은 분산형 컴퓨팅 네트워크와 달리 계산을 분할하면 복잡성, 즉 부동 소수점 문제가 추가됩니다. 유휴 분산 컴퓨팅 리소스를 활용하면 소규모 개발자가 관련 문제를 해결하는 도구에 액세스할 수 있는 한 자체 네트워크를 테스트하고 교육할 수 있는 기회가 열립니다.

현재 ZKP 시스템은 기본적으로 컴퓨팅을 실행하는 것보다 4~6배 더 비싼 것으로 보이며, 높은 컴퓨팅(예: 모델 교육) 또는 짧은 대기 시간(예: 모델 추론)이 필요한 작업의 경우 ZKP를 사용하는 것은 불가능합니다. 느린. 비교하자면, 크기가 6자리 감소한다는 것은 M3 Max 칩에서 실행되는 최첨단 시스템(예: a16z의 Jolt)이 TI-84 그래프 계산기에서 실행하는 것보다 프로그램이 150배 느린 것으로 입증될 수 있음을 의미합니다.

대량의 데이터를 처리하는 AI의 능력으로 인해 영지식 증명(ZKP)과 호환되지만, ZKP가 널리 사용되기 위해서는 암호화 분야에서 더 많은 발전이 필요합니다. Irreducible(Binius 증명 시스템 및 약속 체계를 설계한 사람), Gensyn, TensorOpera, Hellas 및 Inference Labs와 같은 팀이 수행하는 작업은 이 비전을 달성하는 데 중요한 단계가 될 것입니다. 그러나 진정한 혁신에는 시간과 수학적 발전이 필요하기 때문에 타임라인은 지나치게 낙관적입니다.

그동안 다른 가능성과 하이브리드 솔루션에 주목할 가치가 있습니다. HellasAI와 다른 사람들은 영지식에서 처리해야 하는 계산의 하위 집합만 허용하여 낙관적인 챌린지 게임을 가능하게 할 수 있는 모델과 계산을 나타내는 새로운 방법을 개발하고 있습니다. 낙관적 증명은 스테이킹, 불법 행위를 증명할 수 있는 능력이 있는 경우에만 작동합니다.

위 내용은 분산형 AI와 영지식 증명이 컴퓨팅을 민주화하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!