BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
Trang chủ
AI AI
Tin nhanh
Bài viết
Sự kiện
BlockBeats Pro
Thêm
Thông tin tài chính
Chuyên đề
Hệ sinh thái chuỗi khối
Mục nhập
Podcast
Data
OPRR
Partnered With:

CoinFund: AI phổ biến trở lại, xây dựng hệ thống AI công bằng và cởi mở hơn thông qua Web3

Đọc bài viết này mất 21 phút
Việc tích hợp Web3 vào lớp cơ sở hạ tầng của AI là một bước quan trọng nhằm đảm bảo rằng các hệ thống AI được xây dựng một cách công bằng, cởi mở và dễ tiếp cận.

Tiêu đề gốc: "Mạng lưới thần kinh mở: sự giao thoa giữa AI và web3"
Tác giả gốc: Rishin Sharma & amp; Jake Brukhman @CoinFund
Bản biên soạn gốc: Peter Pan @BlockBeats


Đổi mới công nghệ sẽ không bao giờ kết thúc, đặc biệt là trí tuệ nhân tạo (AI). Trong vài năm qua, chúng ta đã chứng kiến sự trở lại phổ biến của các mô hình học sâu với tư cách là những người tiên phong về AI. Các mô hình này bao gồm các lớp nút được liên kết chặt chẽ với nhau để truyền thông tin cho nhau. Chúng gần giống với cấu trúc của bộ não con người nên còn được gọi là nơ-ron thần kinh mạng.


Đầu những năm 2010, các mô hình học sâu tiên tiến nhất chỉ có hàng triệu các thông số , được sử dụng để phân tích tình cảm cụ thể và giám sát cấp cao. Các mô hình tiên tiến ngày nay đang đạt tới mức một nghìn tỷ thông số, chẳng hạn như 5WGtySnJzMmxYQl9YZEwxo2NpZNkgS3ZZWkpLU2htVW9PalhwY2xRbEtZVXh1Y0FWZXNsSE4">DreamStudio, GPT-3, DALL-E 2 và Imagen, đang hoàn thành các nhiệm vụ có độ phức tạp cạnh tranh với con người hoặc thậm chí là các nhiệm vụ sáng tạo hơn.


Lấy hình ảnh bên dưới làm ví dụ, nó được tạo ra bởi AI và có đường nét rất chi tiết và sắc nét. Ngoài ra, chúng ta bắt đầu thấy tác động xã hội và văn hóa của những mô hình này, chúng định hình cách chúng ta học những điều mới, tương tác với nhau và thể hiện bản thân một cách sáng tạo.


Hình ảnh do AI tạo ra của công cụ tìm kiếm Lexica.art


Tuy nhiên , nhiều công nghệ cốt lõi, bộ dữ liệu quan trọng và sức mạnh tính toán để đào tạo một số "mạng lưới thần kinh" lớn hiện nay hầu như đều là mã nguồn đóng và được kiểm soát bởi các công ty công nghệ lớn như Google và Meta. Mặc dù GPT-NeoX, DALLE-mega và BLOOM a>v.v. Các mô hình nguồn mở được sao chép đã được phát triển bởi StabilityAI, EleutherAI và HuggingFace đang dẫn đầu nhưng AI nguồn mở vẫn có thể được nâng cao hơn nữa thông qua Web3.


Đặc biệt, lớp cơ sở hạ tầng Web3 của AI có thể giới thiệu sự phát triển nguồn mở, quyền sở hữu và quản trị cộng đồng cũng như các yếu tố của tiếp cận phổ cập, tạo ra các mô hình mới và hiệu quả trong việc phát triển các công nghệ mới này.


Ngoài ra, việc áp dụng công nghệ AI cũng sẽ nâng cao nhiều trường hợp sử dụng chính của Web3, chẳng hạn như từ Tạo NFT nghệ thuật cho Metaverse. Và AI nguồn mở cũng phù hợp với tinh thần mở, phi tập trung và dân chủ hóa của Web3, đại diện cho giải pháp thay thế AI do Big Tech cung cấp.


Các mô hình AI cơ bản khác nhau


Các mô hình cơ bản là "mạng lưới thần kinh" được đào tạo trên các tập dữ liệu lớn để thực hiện các nhiệm vụ thường đòi hỏi hành vi thông minh của con người. Những mô hình này đã tạo ra một số kết quả ấn tượng.


GPT-3, LaMDA của Google và ngôn ngữ các mô hình như Megatron-Turing NLG của Nvidia có khả năng hiểu và tạo ra ngôn ngữ tự nhiên, tóm tắt và tổng hợp văn bản, thậm chí cả Khả năng viết mã máy tính.


DALLE-2 là Mô hình truyền bá văn bản thành hình ảnh có thể tạo ra những hình ảnh độc đáo từ văn bản viết. Đồng thời, đơn vị AI DeepMind của Google đã sản xuất các mô hình cạnh tranh, bao gồm PaLM (mô hình ngôn ngữ tham số 540B) và mô hình tạo hình ảnh Imagen của riêng họ, đã vượt trội hơn DALLE-2 trên các điểm chuẩn của DrawBench và COCO FID. có thể tạo ra hiệu ứng thực tế hơn và khả năng đánh vần.


Ngoài ra, AlphaGo và các mô hình học tăng cường khác cũng đã đánh bại nhà vô địch cờ vây thế giới của con người, đồng thời khám phá ra các chiến lược mới và kỹ thuật chơi cờ chưa từng xuất hiện trong lịch sử ba nghìn năm của cờ vua. Đi.


Cuộc đua xây dựng các mô hình nền tảng phức tạp đã bắt đầu và Big Tech đang đi đầu trong đổi mới . Nhưng trong khi tiến bộ trong lĩnh vực này rất thú vị, có một chủ đề chính đáng được chú ý. Nghĩa là, trong thập kỷ qua, khi các mô hình AI ngày càng tinh vi hơn thì chúng ngày càng ít được cung cấp cho công chúng.


Mặt khác, những gã khổng lồ công nghệ đang đầu tư mạnh vào việc sản xuất những mô hình như vậy và giữ dữ liệu và mã công nghệ độc quyền đồng thời duy trì lợi thế cạnh tranh thông qua quy mô kinh tế trong đào tạo mô hình và điện toán. Đối với bất kỳ bên thứ ba nào, việc tạo mô hình cơ bản là một quá trình sử dụng nhiều tài nguyên với ba nút thắt chính: dữ liệu, tính toán và kiếm tiền.


Tuy nhiên, chúng tôi đang thấy tiến bộ ban đầu về một số chủ đề Web3 đang giải quyết một số vấn đề này.


Việc sản xuất tập dữ liệu có thể được tổng hợp thông qua quyền sở hữu Web3


Các tập dữ liệu được gắn nhãn rất quan trọng trong việc xây dựng các mô hình hiệu quả. Hệ thống AI học hỏi bằng cách khái quát hóa từ các ví dụ trong tập dữ liệu và liên tục cải tiến theo thời gian.


Tuy nhiên, ngoài tài nguyên tính toán, việc biên soạn và ghi nhãn tập dữ liệu chất lượng cao đòi hỏi kiến thức chuyên môn và xử lý. Các công ty công nghệ lớn thường có nhóm dữ liệu nội bộ chuyên sử dụng các bộ dữ liệu độc quyền lớn và đào tạo hệ thống IP mô hình của họ và có ít động lực để mở quyền truy cập vào việc sản xuất hoặc phân phối dữ liệu của họ.


Tuy nhiên, vẫn có một số cộng đồng là những mô hình đào tạo mở và có thể tiếp cận được với toàn cầu cộng đồng các nhà nghiên cứu, Ví dụ:

- Common Crawl là kho lưu trữ công khai gồm 10 năm dữ liệu Internet có thể được sử dụng cho đào tạo chung. (Mặc dù nghiên cứu cho thấy rằng các bộ dữ liệu gọn gàng hơn, chính xác hơn có thể cải thiện kiến thức chung về nhiều miền của mô hình)


- LAION không phải là A -tổ chức lợi nhuận nhằm mục đích cung cấp các mô hình và bộ dữ liệu máy học quy mô lớn cho công chúng đã phát hành LAION5B. Tập dữ liệu gồm 5,85 tỷ cặp văn bản-hình ảnh được lọc CLIP. Sau khi phát hành, LAION5B đã trở thành bộ dữ liệu văn bản hình ảnh có thể truy cập công khai lớn nhất thế giới.


- EleutherAI là tập dữ liệu phi tập trung xuất bản dữ liệu văn bản nguồn mở lớn nhất The Pile. The Pile là bộ dữ liệu tiếng Anh 825,18 GiB để lập mô hình ngôn ngữ bằng cách sử dụng 22 nguồn dữ liệu khác nhau.


Hiện tại, các cộng đồng này là các tổ chức không chính thức và dựa vào sự đóng góp của nhiều tình nguyện viên. Để làm cho những nỗ lực của họ có giá trị hơn, phần thưởng mã thông báo có thể được sử dụng như một động lực để tạo các bộ dữ liệu nguồn mở. Ví dụ: mã thông báo có thể được phát hành dựa trên những đóng góp cụ thể và bộ dữ liệu hình ảnh văn bản lớn có thể được gắn thẻ và cộng đồng DAO có thể xác minh các khiếu nại đó.


Cuối cùng, các mô hình deep learning quy mô lớn có thể phát hành token từ một nhóm công cộng và dựa trên Doanh thu hạ nguồn từ các sản phẩm xây dựng mô hình cũng có thể được tính vào giá trị của Token. Bằng cách này, những người đóng góp dữ liệu thậm chí có thể nắm giữ cổ phần trong các mô hình lớn thông qua mã thông báo của họ.


Ngoài ra, việc biên soạn các bộ dữ liệu nguồn mở được xây dựng tốt là rất quan trọng để mở rộng khả năng tiếp cận và phát triển nghiên cứu của các mô hình lớn. Cải thiện hiệu suất của mô hình là rất quan trọng. Đồng thời, bộ dữ liệu hình ảnh văn bản có thể được mở rộng bằng cách tăng kích thước và bộ lọc của các loại hình ảnh khác nhau để thu được kết quả tinh tế hơn. Những người nói tiếng Anh. Theo thời gian, chúng tôi sẽ có thể đạt được những kết quả này nhanh hơn và công khai hơn bằng cách sử dụng Web3.


Điện toán AI sẽ được chuyển sang các mạng phi tập trung


Việc tính toán cần thiết để huấn luyện "mạng lưới thần kinh" quy mô lớn là một trong những điểm nghẽn lớn nhất trong mô hình cơ bản. Trong thập kỷ qua, cứ sau 3,4 tháng, yêu cầu tính toán để đào tạo các mô hình AI đã tăng gấp đôi. Trong thời gian này, các mô hình AI đã chuyển từ nhận dạng hình ảnh sang sử dụng thuật toán học tăng cường, đánh bại các nhà vô địch con người trong trò chơi chiến lược đến đào tạo mô hình ngôn ngữ bằng Transformers.


Ví dụ: GPT-3 của OpenAI có 175 tỷ thông số và thời gian đào tạo là 3640 petaFLOPS- ngày. Trên siêu máy tính nhanh nhất thế giới, việc này phải mất hai tuần, trong khi một máy tính xách tay tiêu chuẩn sẽ mất hơn một nghìn năm để tính toán. Khi kích thước mô hình tiếp tục tăng lên, việc tính toán vẫn là một trở ngại trong lĩnh vực này.



Siêu máy tính AI yêu cầu phần cứng cụ thể, chẳng hạn như bộ xử lý đồ họa (GPU) hoặc mạch tích hợp dành riêng cho ứng dụng (ASIC), được tối ưu hóa để thực hiện các phép toán cần thiết để đào tạo một máy tính. "mạng lưới thần kinh." Ngày nay, hầu hết phần cứng được tối ưu hóa cho loại máy tính này đều được kiểm soát bởi một số nhà cung cấp đám mây đầu sỏ, chẳng hạn như Google Cloud, Amazon Web Services, Microsoft Azure và IBM Cloud.


Đây cũng là giao lộ lớn tiếp theo nơi chúng ta sẽ thấy sự phân cấp thông qua các mạng mở công cộng Như điện toán phân tán đạt được đà, quản trị phi tập trung có thể được sử dụng để tài trợ và phân bổ nguồn lực để đào tạo các dự án hướng tới cộng đồng. Ngoài ra, mô hình thị trường phi tập trung có thể truy cập công khai trên khắp các khu vực địa lý để bất kỳ nhà nghiên cứu nào cũng có thể truy cập tài nguyên máy tính.


Hãy tưởng tượng một hệ thống tiền thưởng gây quỹ cho mô hình đào tạo bằng cách phát hành mã thông báo. Huy động vốn cộng đồng thành công Sẽ nhận được điện toán ưu tiên cho mô hình của nó và thúc đẩy sự đổi mới ở những nơi có nhu cầu cao. Ví dụ: nếu DAO có yêu cầu mạnh mẽ về việc tạo ra mô hình GPT tiếng Tây Ban Nha hoặc tiếng Hindi để phục vụ lượng dân số lớn hơn, thì nghiên cứu có thể tập trung vào lĩnh vực đó.


Và thích Các công ty như GenSynđang nỗ lực triển khai các giao thức nhằm khuyến khích và điều phối quyền truy cập vào phần cứng thay thế, tiết kiệm chi phí và dựa trên đám mây cho điện toán học sâu. Theo thời gian, khi chúng tôi tiếp tục khám phá các giới hạn của AI, mạng điện toán toàn cầu phi tập trung, dùng chung được xây dựng bằng cơ sở hạ tầng Web3 sẽ trở nên tiết kiệm chi phí hơn, mở rộng quy mô và phục vụ chúng tôi tốt hơn.


Truy cập mở và điều phối sản phẩm


Trong vài năm qua, các mô hình lớn ngày càng trở nên riêng tư hơn do việc đầu tư các nguồn lực cần thiết để sản xuất chúng đã khiến các dự án trở thành nguồn đóng . Do đó, cuộc thảo luận trên có thể được thực hiện thông qua các mô hình trí tuệ nhân tạo nguồn mở.


Lấy OpenAI làm ví dụ. OpenAI Được thành lập vào năm 2015, đây là một phòng thí nghiệm nghiên cứu phi lợi nhuận có sứ mệnh sản xuất AI phổ quát, trái ngược hoàn toàn với Google và Facebook, những công ty dẫn đầu về AI vào thời điểm đó.


Theo thời gian, sự cạnh tranh gay gắt và áp lực tài chính đã làm xói mòn các lý tưởng về tính minh bạch và mã nguồn mở khi OpenAI chuyển sang một nền tảng vì -mô hình lợi nhuận và ký một hợp đồng kinh doanh khổng lồ trị giá 1 tỷ USD với Microsoft. Ngoài ra, tranh cãi gần đây nhất là việc kiểm duyệt rộng rãi xung quanh mô hình hình ảnh văn bản DALLE-2 của họ.


DALLE-2 cấm sử dụng "súng", "hành quyết", "tấn công", "Ukraine" ” và các thuật ngữ như hình ảnh người nổi tiếng, cơ chế kiểm duyệt thô thiển này chặn nội dung như “LeBron James tấn công vành xe” hoặc “Lập trình viên thực thi các dòng mã” và việc truy cập vào bản beta riêng tư của những mô hình này có tác động đối với người dùng phương Tây. khiến phần lớn dân số toàn cầu không thể tương tác với các mô hình này.


Đây không phải là cách AI nên phổ biến: chỉ được bảo vệ và quản lý bởi một số công ty công nghệ lớn . Cũng như blockchain, công nghệ mới nên được áp dụng một cách công bằng nhất có thể để không tập trung vào một số ít người có thể sử dụng nó. Làm việc cùng nhau để khám phá các trường hợp sử dụng hấp dẫn nhất và xây dựng sự đồng thuận về việc sử dụng hợp lý AI thông qua tiến bộ tổng hợp trong việc tận dụng AI một cách công khai trên các ngành, khu vực địa lý và cộng đồng khác nhau.


Với cấu trúc Token của mô hình cơ bản chung sẽ có thể thu thập được người đóng góp lớn hơn pool, Những người đóng góp này có thể kiếm tiền từ công việc của họ trong khi phát hành mã của họ dưới dạng nguồn mở. Các dự án như OpenAI được xây dựng dựa trên nguồn mở đã phải chuyển sang một công ty tài trợ độc lập để cạnh tranh về tài năng và nguồn lực.


Web3 cho phép các dự án nguồn mở có lợi nhuận tài chính như nhau và cạnh tranh hơn nữa với các dự án do Big Tech phát triển cuộc thi dự án do tư nhân dẫn đầu. Ngoài ra, các nhà đổi mới xây dựng sản phẩm dựa trên các mô hình nguồn mở có thể tự tin chứng minh tính minh bạch của việc xây dựng AI cơ bản, sau đó sẽ nhanh chóng được áp dụng và tiếp thị ở cấp dưới bởi một số trường hợp sử dụng AI mới.


Trong không gian Web3, điều này bao gồm phân tích dự đoán về các lỗ hổng hợp đồng thông minh và trình tạo hình ảnh có thể được sử dụng để tạo NFT và tạo cảnh quan metaverse có thể tồn tại trên chuỗi để duy trì quyền sở hữu cá nhân Tính cách AI kỹ thuật số và hơn thế nữa.


Kết luận


AI là một trong những công nghệ phát triển nhanh nhất hiện nay và sẽ có tác động to lớn đến toàn bộ xã hội của chúng ta. Ngày nay, lĩnh vực này bị thống trị bởi các công ty công nghệ lớn, khi các khoản đầu tư tài chính vào nhân tài, dữ liệu và điện toán tạo ra những con hào quan trọng cho sự phát triển nguồn mở. Tích hợp Web3 vào lớp cơ sở hạ tầng của AI là một bước quan trọng nhằm đảm bảo rằng các hệ thống AI được xây dựng một cách công bằng, cởi mở và dễ tiếp cận.


Chúng tôi đã thấy các mô hình mở nhanh chóng chiếm lĩnh sự đổi mới của công chúng trong các không gian mở như Twitter và vị trí Ôm mặt và Web3 có thể thúc đẩy những nỗ lực này tiến lên phía trước.


Liên kết gốc



Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia

举报 Báo lỗi/Báo cáo
Chọn thư viện
Thêm mới thư viện
Hủy
Hoàn thành
Thêm mới thư viện
Chỉ mình tôi có thể nhìn thấy
Công khai
Lưu
Báo lỗi/Báo cáo
Gửi