### Blockchain i Povjerenje u AI U posljednjim godinama, uzbuđenje oko blockchain tehnologije je uglavnom zasjenjeno rastućim interesovanjem za umjetnu inteligenciju (AI). Dok su obje tehnologije relativno nove, njihove korijene je moguće pratiti nekoliko decenija unazad—koncepti AI datiraju iz antike, dok je blockchain proizašao iz napredaka u funkcijama heširanja i distribuiranom programiranju. Pionirski rad Leslieja Lamporta na distribuiranim sistemima stvorio je osnovu za decentralizaciju i povjerenje, što je ključno za razvoj blockchaina. Distribuirano računanje je bitno za zajedničko rješavanje problema, zahtijevajući kako hronološki redoslijed operacija, tako i metodu za uspostavljanje zajedničke istine među potencijalno neispravnim ili zlonamjernim računarima. Prava decentralizacija oslanja se na neovisno upravljanje ovim distribuiranim sistemima. Međutim, čak i Bitcoin, koji se često hvali kao decentralizovan, ne ispunjava u potpunosti ovu sredinu, jer mali broj rudarskih poolova i velikih institucija dominira njegovim ekosistemom, pri čemu 93% Bitcoina kontrolira mala grupa “kitova”. ### Izazovi AI AI se suočava s značajnim izazovima, uključujući rizik od curenja privatnih podataka, prekomjernu potrošnju energije i pristrasnosti koje proizlaze iz kontinuiranog samoučenja koristeći svoje prethodne izlaze. Izolirani ili privatni podaci otežavaju razvoj ciljanih AI rješenja i postavljaju pitanja o nadoknadi za korištene privatne podatke. Integracija blockchain tehnologije mogla bi pomoći u rješavanju ovih problema. Članak ističe startup pod nazivom Modelx. ai, koji su suosnovali Jamiel Sheikh, a koji se zalaže za distribuirana AI rješenja, posebno kroz federiranu AI. Tradicionalni AI modeli, posebno oni koji koriste duboko učenje, uglavnom su bili kontrolisani od strane pojedinačnih entiteta. Ipak, sljedeća generacija AI ima potencijal da nastane iz kolaborativnog, decentralizovanog "zemlje genija" formiranog unutar data centara.

Ovi modeli zahtijevaju ogromne, raznovrsne skupove podataka kako bi izbjegli prekomjerno prilagođavanje i poboljšali prediktivne sposobnosti. Međutim, oslanjanje na opsežne podatke donosi probleme, kao što su smanjena nijansa kada sadržaj generisan AI-jem ponovo ulazi u ciklus obuke, što dovodi do pristrasnosti. Štaviše, brige o privatnosti se javljaju kada podaci za obuku uključuju javno dostupne ili zaštićene elemente, kao što su sadržaji preuzeti sa platformi poput YouTube-a ili The New York Times-a. ### DeepSeek: Otvoreni AI Model DeepSeek predstavlja proboj u otvorenim AI modelima, postigavši uporedive performanse bez opsežnih podataka, naprednog hardvera ili dugih perioda obuke. Iako su njegovo vrijeme inferencije i računarske potrebe veće, ostaje model otvorenog koda. Otvoreni model omogućava potpuni pristup izvornoj šifri i težinama modela, što omogućava modifikaciju i ponovno obučavanje sa ličnim podacima. Kritičari tvrde da prava otvorenost zahtijeva dijeljenje podataka za obuku, budući da se smatraju "izvornim kodom" za AI. Ipak, Open Source Initiative (OSI) brani svoj stav da se model može još uvijek klasifikovati kao otvoreni izvor. ### Inovacije Modelx. ai Modelx. ai rješava brige o privatnosti čuvajući podatke modela povjerljivim dok omogućava da njegova struktura ostane otvorena. Izazov leži u efikasnoj obuci AI unutar regulisanih sektora, poput zdravstvene zaštite, gdje se podaci o pacijentima ne mogu slobodno dijeliti zbog HIPAA zakona. Modelx. ai inovira dopuštajući bolnicama da poboljšaju AI modele koristeći svoje privatne podatke bez ugrožavanja povjerljivosti. Proces uključuje obuku osnovnog otvorenog modela sa privatnim podacima jedne bolnice, koja tada doprinosi poboljšanju federiranog modela koji uključuje podatke iz više bolnica. Unapređenja se beleže na blockchainu, osiguravajući doprinose i kompenzaciju učesnika sa tokenima na osnovu njihovog doprinosa. Svaka bolnica plaća za korištenje modela sa tokenima, a kvalitet federiranog modela se neprekidno ocjenjuje. Kao što je bilo u trenutku mog posljednjeg ažuriranja u oktobru 2024, kritike otvorenih modela su smanjene zbog napretka poput DeepSeek-a, koji je pokazao poboljšanu efikasnost i reaktivnost u AI performansama.