### Blockchain i Confiança en IA En els últims anys, l'emoció al voltant de la tecnologia blockchain ha estat en gran mesura eclipsada pel creixent interès en la intel·ligència artificial (IA). Si bé ambdues tecnologies són relativament noves, les seves arrels es remunten a diverses dècades—els conceptes d'IA es remunten a l'antiguitat, mentre que la blockchain va sorgir d'avançaments en funcions de hashing i programació distribuïda. El treball pioner de Leslie Lamport en sistemes distribuïts va crear una base per a la descentralització i la confiança, crucials per al desenvolupament de la blockchain. La computació distribuïda és essencial per resoldre problemes de manera col·laborativa, requerint tant un ordre cronològic d'operacions com un mètode per establir una veritat compartida entre ordinadors potencialment defectuosos o malintencionats. La veritable descentralització depèn de la governança independent d'aquests sistemes distribuïts. No obstant això, fins i tot Bitcoin, sovint celebrat com a descentralitzat, es queda curt, ja que un nombre limitat de pools de mineria i institucions importants dominen el seu ecosistema, amb un 93% de Bitcoin controlat per un petit grup de "baleines". ### Reptes de la IA La IA afronta reptes notables, incloent el risc de filtracions de dades privades, un consum energètic excessiu i biaixos resultants de l'autoformació contínua utilitzant les seves sortides prèvies. Les dades aïllades o privades compliquen el desenvolupament de solucions d'IA específiques i plantegen qüestions sobre la compensació per les dades privades utilitzades. Integrar la tecnologia blockchain podria ajudar a abordar aquests problemes. L'article destaca una startup anomenada Modelx. ai, cofundada per Jamiel Sheikh, que defensa solucions d'IA distribuïda, particularment a través de la IA Federada. Els models d'IA tradicionals, especialment aquells que aprofiten l'aprenentatge profund, han estat predominantment controlats per entitats úniques. No obstant això, la pròxima generació d'IA té el potencial d'emergir d'un "país de genis" col·laboratiu i descentralitzat format dins de centres de dades.

Aquests models requereixen conjunts de dades vastos i diversos per evitar l'excés d'ajust i millorar les capacitats predictives. Tanmateix, la dependència d'un gran volum de dades presenta problemes, com ara la disminució del matís quan el contingut generat per IA torna a alimentar el cicle de formació, provocant biaix. A més, sorgeixen preocupacions sobre la privadesa quan les dades d'entrenament inclouen elements disponibles públicament o amb drets d'autor, com el contingut recuperat de plataformes com YouTube o The New York Times. ### DeepSeek: Un Model d'IA Obert DeepSeek representa un avanç en models d'IA oberts, aconseguint un rendiment comparable sense dades extensives, maquinari avançat o períodes d'entrenament prolongats. Tot i que el seu temps d'inferència i les demandes computacionals són més alts, continua sent un model de codi obert. Un model obert permet l'accés complet al codi font i els pesos del model, permetent la modificació i el re-entrenament amb dades personals. Els crítics argumenten que la veritable obertura requereix compartir les dades d'entrenament, ja que es considera el "codi font" per a la IA. No obstant això, l'Open Source Initiative (OSI) defensa la seva postura que el model encara es pot classificar com a codi obert. ### Innovacions de Modelx. ai Modelx. ai aborda les preocupacions de privadesa mantenint les dades del model confidencials mentre permet que la seva estructura es mantingui oberta. El repte rau en entrenar la IA de manera efectiva dins de sectors regulats, com la salut, on les dades dels pacients no poden ser compartides lliurement a causa de les lleis HIPAA. Modelx. ai innova permetent que els hospitals millorin els models d'IA utilitzant les seves dades privades sense comprometre la confidencialitat. El procés implica entrenar un model obert base amb dades privades d'un hospital, que després contribueix a millorar un model federat que incorpora dades de múltiples hospitals. Les millores es registren en una blockchain, assegurant les contribucions i compensant els participants amb tokens basats en la seva aportació. Cada hospital paga per l'ús del model amb tokens, i la qualitat del model federat es valora contínuament. Fins a la meva última actualització a l'octubre de 2024, la crítica als models de codi obert havia disminuït gràcies a avenços com DeepSeek, que va demostrar una millora en l'eficàcia i la reactivitat del rendiment de la IA.