مقابلة حصرية | قال مؤسس XTAO إن Bittensor يأمل في أن يصبح Bitcoin في مجال الذكاء الاصطناعي

وفقًا لموقع Bijie.com ، أوضحت Karia Samaroo ، مؤسس ورئيس الرئيس التنفيذي لـ Xtao ، سبب حاجة الذكاء الاصطناعي إلى اللامركزية. XTAO هي الشركة الوحيدة المدرجة المخصصة للنظام الإيكولوجي Bittensor. اجتذبت الذكاء الاصطناعي خيال الجمهور بمعدل غير مسبوق. ومع ذلك ، في ظل إمكاناتها ، يتم إخفاء مخاوفها الخطيرة بشأن تركيز القوة والسيطرة. حاليًا ، فإن نماذج الذكاء الاصطناعى الأكثر شعبية هي الخاصية الحصرية للعديد من شركات التكنولوجيا الكبيرة التي تتحكم تمامًا في تصميم واستخدام هذه النماذج. أجرى Crypto.news مقابلة مع Karia Samaroo ، مؤسس ومدير التنفيذي لشركة Xtao ، وهي شركة متداولة علنًا مخصصة للنظام الإيكولوجي للنيتيوم في Bittensor (TAO). يشرح Samaroo سبب حاجة إلى نموذج بديل لجعل الذكاء الاصطناعي أكثر انفتاحًا ، ولامركزية ، وتلبية احتياجات المستخدمين. crypto.news: ما الذي يجلبه blockchain إلى الذكاء الاصطناعي ، وما هو الدور الذي يلعبه Bittensor؟ كاريا سامارو: المركزية هي أكبر مشكلة في الذكاء الاصطناعي. مع تطور الذكاء الاصطناعى إلى أقوى أداة تم إنشاؤها على الإطلاق من قبل البشر ، فإن عدد قليل من الشركات فقط تتحكم في أنها تخلق مخاطر ضخمة مركزة. أنا في كثير من الأحيان تشبه bittensor إلى Bitcoin. Bitcoin يحل مشكلة المركزية حول العملة: لن يتم تضخيمها ، ويمكن الوصول إليها من قبل أي شخص ، ولا يوجد حارس بوابة. يطبق Bittensor نفس الفكرة على الذكاء الاصطناعي. بالنسبة إلى الذكاء الاصطناعي المركزي ، مثل Openai ، تقرر المؤسسة كيفية تدريب نموذج ، وما هي البيانات التي يجب استخدامها ، وما هي التحيزات الموجودة ، وما الذي يمكن مراجعته. يمكنهم أيضًا قطع الوصول في أي وقت. هذه مشكلة كبيرة. يستخدم Bittensor نموذج Bitcoin لحل مشكلة AI هذه. CN: كيف تقدم الشركات اللامركزية في الذكاء الاصطناعي؟ KS: هناك بعض الأمثلة الجيدة لحلول AI اللامركزية. يحفز العشب جمع البيانات ، على الرغم من أنه يركز على جزء من مكدس الذكاء الاصطناعي. العرض هي شبكة حوسبة لا مركزية ، وهي أيضًا مهمة للغاية. يحتوي Bittensor على نطاق أوسع. أود أن أسميها "الشبكة العالمية من الذكاء الاصطناعي". وهو يركز أكثر من مجرد مجال واحد مثل البيانات أو الحوسبة. إنه يحتوي على شبكات فرعية متعددة ، كل حل مشاكل مختلفة في مكدس الذكاء الاصطناعي ، وكلها متصلة ببعضها البعض. CN: لماذا تعتمد الشركات على Bittensor بدلاً من استخدام نماذج أكثر نضجًا مثل Openai؟ KS: أعتقد أن هناك عدة أسباب. واحد فلسفي. يرى العديد من الأشخاص المبني على Bittensor قيمة المساهمة في الشبكات اللامركزية ومهمة AI اللامركزية. هذا بالتأكيد لديه الكثير من النداء. والآخر فني. في الشبكات اللامركزية ، قابلية التوسع لها مزايا. Bitcoin ، على سبيل المثال ، أنشأت أكبر كمبيوتر في العالم من خلال آلية الحوافز. إنه واسع لدرجة أنه لن يتم إيقافه أبدًا لأنه يحتوي على العديد من العقد التي تعمل في مواقع مختلفة وشبكات مختلفة ومستلزمات الطاقة. ثم هناك مفهوم الابتكار المفتوح. يمكن لأي شخص تجربة نماذجها وتكرارها دون الحاجة إلى حارس البوابة. إذا كنت مهندسًا منظمة العفو الدولية ، فعادة ما يتعين عليك التقدم بطلب للحصول على وظيفة ، وحضور مقابلة ، وتوظيف ، ثم تعمل في النهاية على مهمة محددة للغاية داخل الشركة. على Bittensor ، يمكنك اختيار شبكة فرعية تريد استخراجها ، وبناء النموذج الخاص بك ، والتنافس مع الآخرين ، والحصول على الدفع على الفور. CN: نماذج الذكاء الاصطناعى التي تديرها شركات التكنولوجيا الكبيرة تستفيد من الكثير من البيانات ، مثل Grok تمتلك Twitter. كيف تتنافس الذكاء الاصطناعي اللامركزي؟ KS: أعتقد أن العشب مثال جيد ، وهناك مشاريع مماثلة على Bittensor. تتمثل الفكرة في الحصول على البيانات وإلهام الناس لجمع البيانات وإدارتها. تطورت الشبكة بشكل كبير للغاية. هذه هي الطريقة التي تقدم بها الشبكات اللامركزية مجموعات بيانات متساوية أو حتى أعلى. تتحكم شركات التكنولوجيا الكبيرة في أغنى بيانات اليوم ، ولكن مع الحوافز الصحيحة ، يمكن أن تتنافس الأنظمة اللامركزية معها. مشكلة كبيرة أخرى هي أنه عندما يكون لدى Meta أو Twitter بياناتك ، فإنك لا تحصل على شيء. كمساهم ، لن تحصل على مكافآت. الشبكات اللامركزية تخريب هذا. إنها تتوافق مع الحوافز مع المبدعين والمساهمين ، وهذا هو ما ينبغي أن يكونوا. إذا التقطت صورة ، فيجب توقيعك. إذا قمت بنشر مقال ، فيجب أن تستفيد منه. CN: كيف تحل AI اللامركزي قضايا الأمن والتأثير الاجتماعي في نماذجها؟ KS: هناك العديد من الجوانب للسلامة. واحد هو بيانات التدريب. إذا كانت متحيزة أو سامة أو تحتوي على معلومات حساسة ، فهناك مشكلة ، وينطبق على كل من الأنظمة المركزية واللامركزية. هذه مشكلة تعمل الناس بجد لحلها كل يوم. والآخر هو إخراج النموذج. كيف تمنع الإخراج الضار؟ في Bittensor ، يتم التعامل مع هذا من قبل المدقق. إنهم مسؤولون عن اكتشاف المخرجات الضارة أو المنخفضة الجودة ، وكلما كان ذلك أفضل ، كلما زاد عدد المكافآت التي يتلقونها. تم دمجه في تصميم الويب. لدى المؤسسة أيضًا بعض سياسات المراقبة ، ولكن الهدف من ذلك هو التخلص التدريجي من هذه السياسات. بمرور الوقت ، أصبح الأمن والحكم بالفعل عمل المدققين. CN: هل أنت قلق من أن هذه النماذج ستكون تحت التدقيق في المستقبل ، سواء من الحكومة أو كرد على الإنتاج المتحيز؟ KS: هذا سؤال جيد. أود أن أقارنها بالوسائط المركزية أو المملوكة للدولة حيث يكون لدى صانع قرار واحد خيار إظهار أو عدم إظهار ما. إذا كانوا تحت الضغط أو يتخذون القرارات داخليًا ، فيمكنهم تغيير الطريقة التي يبدو بها الإخراج. هذه مشكلة كبيرة. لقد رأينا هذا على وسائل التواصل الاجتماعي بالفعل. إذا أراد Meta الضغط من أجل بعض السرد ، فسوف يفعلون ذلك. إنه ليس بالضرورة شريرًا - إنه مجرد كيفية عمل الحوافز. يمكن أن تمثل منظمة العفو الدولية اللامركزية الناس بشكل أفضل. إنه ليس مثاليًا ، ولكن إذا أصبحت الشبكة الفرعية أو المنتج على Bittensor متحيزة للغاية ، فيمكن للمشاركين في الشبكة التصويت وضبط الحوافز. هذا يعني أن الأداء الضعيف سيحصل على عدد أقل من المكافآت. والفكرة هي أنه إذا كان النظام يعكس السكان ، فسيدعم الأشخاص المنتجات التي تشعر بالرضا والشفافية. ومن الأسهل التدقيق - يمكنك رؤية بنية الحوافز ، يمكنك رؤية الرمز. مع أنظمة مغلقة ، لا يمكنك القيام بذلك. هذا هو السبب في أن الناس قلقون بشأن الذكاء الاصطناعي المركزي.