Як DePIN вирішує проблеми GPU та етичні проблеми ШІ

З вибухом проектів генеративного штучного інтелекту обчислювальна потужність стала ресурсом, який викликає гострі суперечки. Оскільки штучний інтелект стає все більш поширеним і гонка за поставки графічних процесорів (GPU) посилюється, потреба в ширшому та більш демократичному доступі до обчислювальної потужності стала невідкладним пріоритетом для компаній, які не належать до MAANG. Поєднайте цей гарячий попит із дефіцитом, який швидко перетворюється на ексклюзивність ресурсів, і ймовірний потворний результат – екосистема штучного інтелекту в основному формується невеликою жменькою великих технологічних корпорацій.

Марк Райдон є співзасновником і керівником відділу стратегії Aethir, децентралізованої мережі хмарних обчислень корпоративного рівня. Ця стаття є частиною нового CoinDesk Вертикальний DePIN, що охоплює індустрію децентралізованої фізичної інфраструктури, що розвивається.

Якщо ми хочемо уникнути цього, майбутнє штучного інтелекту та його етичні наслідки залежатимуть від здатності широко розподіляти ці ресурси, а не від покладення на жменьку корпорацій, щоб монополізувати цю владу.

Звертаючись до сторони пропозиції обчислювальних вимог

Як попит на обчислення сплескипоточна інфраструктура не KEEP . Як повідомили в Washington Post, у кількох штатах не вистачає електроенергії. Північній Вірджинії, наприклад, потрібні кілька великих атомних електростанцій для обслуговування всіх нових центрів обробки даних, які плануються та будуються.

Крім того, зростаючі витрати на навчання моделей викликають критичні питання щодо майбутнього розвитку штучного інтелекту: звідки візьметься ця необхідна обчислювальна потужність? Нещодавно Китай оголосив, що планує збільшити свою обчислювальну потужність на 50% протягом наступних півтора десятиліття, але цей шлях буде доступний T для всіх.

ONE із способів вирішити цю проблему – це децентралізована модель.

Децентралізовані мережі фізичної інфраструктури (DePIN) можна використовувати для агрегування корпоративних графічних процесорів, які недостатньо використовуються, і їх використання, перерозподіляючи раніше недоступні пропозиції назад на ринок. Вони також можуть допомогти використовувати приховану обчислювальну потужність у споживчих пристроях, створюючи широку доступну мережу графічних процесорів, які можна використовувати для навчання штучному інтелекту та інших інтенсивних обчислювальних завдань. Ці підходи демократизують постачання та доступ до обчислювальних ресурсів, кидаючи виклик традиційним монополіям GPU та сприяючи інноваціям.

Крім того, розподілена інфраструктура оптимізує використання ресурсів, гарантуючи, що невикористана обчислювальна потужність може сприяти значним проектам ШІ. Цей підхід максимізує ефективність і узгоджується з принципами ESG щодо зменшення втрати енергії та впливу на навколишнє середовище, пов’язаного з великомасштабними центрами обробки даних.

Розблокування нових океанів даних

DePIN-код може не тільки вирішити проблему постачання та ресурсів, що сприяє доступності комп’ютерів. Вони також можуть допомогти розблокувати нові океани даних, які можуть надати різноманітні набори даних, необхідні для навчання більш спеціалізованих, надійних і інклюзивних моделей ШІ. Цей підхід покращує якість систем ШІ та сприяє суверенітету та Політика конфіденційності даних.

DePIN-код використовує Технології блокчейну та вдосконалені методи шифрування, щоб забезпечити безпеку даних і чітке визначення права власності. Цей децентралізований підхід розширює спектр інформації, включно з інформацією про недостатньо представлені регіони та громади, що веде до створення більш точних і інклюзивних моделей ШІ.

Крім того, DePIN-код надає власникам даних більше контролю над своєю інформацією, підвищуючи Політика конфіденційності і заохочуючи широкий обмін даними. Наприклад, розглянемо сценарій охорони здоров’я, де дані пацієнта з різних лікарень і клінік можуть безпечно надаватися без шкоди для Політика конфіденційності. Використовуючи DePIN, дослідники можуть отримати доступ до багатого різноманітного набору даних, що покращує їхню здатність розробляти кращі інструменти діагностики та плани лікування. Подібним чином у галузі науки про навколишнє середовище DePINs можуть сприяти обміну кліматичними даними з різних датчиків, які часто розташовані в приватних будинках і на нерухомості по всьому світу, що веде до більш точних моделей і прогнозів.

Етичний імператив

Варто також зазначити, що концентрація розробки ШІ в кількох великих технологічних компаніях викликає значні етичні проблеми. Коли навчання та розгортання розширеної моделі штучного інтелекту монополізовано декількома суб’єктами, це обмежує потенціал ШІ приносити користь усім. Цей централізований контроль може посилити існуючу нерівність і обмежити масштаби позитивного впливу ШІ на суспільство.

Концентрація влади може призвести до упереджених систем штучного інтелекту, які відображають перспективи та пріоритети вузького прошарку населення, посилюючи соціальну та економічну нерівність. Такий сценарій суперечить демократизаційному потенціалу штучного інтелекту, де інновації в ідеалі повинні служити різноманітним спільнотам і вирішувати широкий спектр суспільних проблем.

Демократизація доступу до ресурсів GPU є не просто імперативом для галузі – це етична необхідність. Забезпечуючи дослідникам, стартапам і новаторам у всьому світі доступ до обчислювальної потужності, необхідної для розробки технологій штучного інтелекту, ми можемо сприяти більш інклюзивному та справедливому ландшафту штучного інтелекту. Генеральний директор NVIDIA Дженсен Хуанг, який ввів термін «суверенний штучний інтелект», також підкреслює, що країни повинні створювати штучний інтелект, щоб забезпечити збереження культури. Цей ширший доступ заохочує різноманітні перспективи розвитку ШІ, що веде до більш справедливих, збалансованих і ефективніших рішень ШІ, які можуть принести користь суспільству.

Вплив на інновації

Потенційний вплив децентралізованої інфраструктури GPU на інновації та дослідження, особливо на Ринки, що розвиваються, неможливо переоцінити. Наприклад, наша нещодавня співпраця з TensorOpera AI для вдосконалення навчання широкомасштабній мовній моделі (LLM). на децентралізованій хмарній інфраструктурі продемонстрували відчутні переваги цього підходу. Використовуючи потужність децентралізованих графічних процесорів, TensorOpera тепер може проводити значні навчальні цикли LLM, не покладаючись на традиційні централізовані ресурси. Ця демократизація обчислювальної потужності тепер відкриває шлях для інноваційних проектів і дослідницьких починань, які раніше були недосяжними через обмеження ресурсів.

Подолання розриву в обчисленнях

Децентралізована інфраструктура GPU є ключовим кроком до подолання розриву обчислень і демократизації доступу до ресурсів ШІ. Розподіляючи обчислювальну потужність більш справедливо, ми можемо гарантувати, що переваги штучного інтелекту будуть реалізовані ширшим спектром суспільства, тим самим збільшуючи інновації в усіх сферах. Цей підхід вирішує етичні проблеми, пов’язані з монополіями ШІ, і сприяє глобальним інноваціям і дослідженням, особливо на Ринки, що розвиваються.

По мірі просування вперед впровадження децентралізованих моделей і використання прихованих обчислювальних можливостей матиме вирішальне значення для задоволення зростаючих потреб розвитку ШІ. Майбутнє штучного інтелекту залежить від нашої здатності побудувати більш інклюзивний, справедливий і децентралізований обчислювальний ландшафт.

Примітка: погляди, висловлені в цій колонці, належать автору та не обов’язково відображають погляди CoinDesk, Inc. або її власників і афілійованих осіб.