### Blockchain a důvěra v AI V posledních letech byl nadšení kolem technologie blockchain do značné míry overshadowováno rostoucím zájmem o umělou inteligenci (AI). Ačkoli obě technologie jsou relativně nové, jejich kořeny sahají několik desetiletí zpět - koncepty AI se datují až do antiky, zatímco blockchain vznikl na základě pokroků v hashovacích funkcích a distribuovaném programování. Průkopnická práce Leslieho Lamporta na distribuovaných systémech vytvořila základ pro decentralizaci a důvěru, což je klíčové pro vývoj blockchainu. Distribuované výpočty jsou nezbytné pro společné řešení problémů, vyžadující jak chronologický pořádek operací, tak metodu pro ustanovení sdílené pravdy mezi potenciálně chybujícími nebo zlovolnými počítači. Skutečná decentralizace se spoléhá na nezávislé řízení těchto distribuovaných systémů. Nicméně, i Bitcoin, často chválený jako decentralizovaný, zaostává, protože omezený počet těžebních poolů a velkých institucí dominuje jeho ekosystému, přičemž 93% Bitcoinu ovládá malá skupina „velryb“. ### Výzvy AI AI čelí významným výzvám, včetně rizika úniků soukromých údajů, nadměrné spotřeby energie a zkreslení, které vyplývá z neustálého seberegenerování na základě svých předchozích výstupů. Siloované nebo soukromé údaje komplikují vývoj cílených AI řešení a vzbuzují otázky o kompenzaci za využité soukromé údaje. Integrace technologie blockchain by mohla pomoci vyřešit tyto problémy. Článek zdůrazňuje startup nazvaný Modelx. ai, který byl spoluzaložen Jamielem Sheikhem a který prosazuje distribuovaná AI řešení, zejména prostřednictvím federované AI. Tradiční AI modely, zejména ty, které využívají hluboké učení, byly převážně kontrolovány jednotlivými subjekty. Nicméně příští generace AI má potenciál vzniknout z kolaborativní, decentralizované "země géniů", která se formuje v datových centrech.

Tyto modely vyžadují obrovské, rozmanité datové sady, aby se vyhnuly přetrénování a zlepšily prediktivní schopnosti. Závislost na rozsáhlých datech však přináší problémy, jako je snížení nuance, když obsah generovaný AI se vrací do tréninkového cyklu, což vede k předpojatosti. Obavy o soukromí také vyvstávají, když tréninková data zahrnují veřejně dostupné nebo chráněné prvky, jako je obsah získaný z platforem, jako je YouTube nebo The New York Times. ### DeepSeek: Otevřený AI model DeepSeek představuje průlom v otevřených AI modelech, dosahující srovnatelného výkonu bez potřeby rozsáhlých dat, pokročilého hardwaru nebo dlouhých tréninkových období. Ačkoli jeho čas inference a výpočetní nároky jsou vyšší, zůstává otevřeným modelem. Otevřený model umožňuje úplný přístup ke zdrojovému kódu a váhám modelu, což dovoluje úpravy a novou přípravu s osobními daty. Kritici tvrdí, že pravá otevřenost vyžaduje sdílení tréninkových dat, neboť ta jsou považována za "zdrojový kód" pro AI. Nicméně Open Source Initiative (OSI) obhajuje svůj postoj, že model může být stále klasifikován jako otevřený zdroj. ### Inovace Modelx. ai Modelx. ai se zabývá otázkami soukromí tím, že udržuje data modelu důvěrná, přičemž struktura zůstává otevřená. Výzvou je efektivně trénovat AI ve regulovaných sektorech, jako je zdravotnictví, kde nelze volně sdílet pacientská data kvůli zákonům HIPAA. Modelx. ai inovuje tím, že umožňuje nemocnicím zlepšovat AI modely pomocí svých soukromých dat, aniž by došlo k porušení důvěrnosti. Proces zahrnuje trénink základního otevřeného modelu s privátními daty z jedné nemocnice, které pak přispívá k vylepšení federovaného modelu, jež zahrnuje data z více nemocnic. Vylepšení jsou zaznamenávána na blockchainu, zabezpečující příspěvky a kompenzující účastníky tokeny na základě jejich příspěvku. Každá nemocnice platí za používání modelu tokeny, a kvalita federovaného modelu je neustále hodnocena. K mému poslednímu updatu v říjnu 2024 se kritika otevřených modelů snížila díky pokrokům, jako je DeepSeek, které prokázaly zlepšenou účinnost a reakčnost v výkonu AI.