### Blockchain și Încrederea în AI În ultimii ani, entuziasmul din jurul tehnologiei blockchain a fost în mare parte umbrit de interesul crescând pentru inteligența artificială (AI). Deși ambele tehnologii sunt relativ noi, rădăcinile lor se întind pe câteva decenii—conceptele AI datează din antichitate, în timp ce blockchain-ul a apărut din progresele în funcțiile de hashing și programarea distribuită. Lucrările pionierat ale lui Leslie Lamport privind sistemele distribuite au creat o bază pentru descentralizare și încredere, esențiale pentru dezvoltarea blockchain-ului. Computarea distribuită este esențială pentru rezolvarea problemelor în mod colaborativ, necesitând atât o ordine cronologică a operațiunilor, cât și o metodă de stabilire a unei adevăruri comune între computere potențial defecte sau malițioase. Adevărata descentralizare depinde de guvernarea independentă a acestor sisteme distribuite. Totuși, chiar și Bitcoin, adesea lăudat ca descentralizat, se confruntă cu limitări, deoarece un număr restrâns de pool-uri de minerit și instituții mari domină ecosistemul său, cu 93% din Bitcoin controlat de un grup mic de „balenă”. ### Provocările AI AI se confruntă cu provocări notabile, inclusiv riscuri de scurgeri de date private, consum excesiv de energie și prejudecăți care rezultă din auto-antrenări continue folosind ieșirile sale anterioare. Datele izolate sau private complică dezvoltarea soluțiilor AI țintite și ridică întrebări despre compensația pentru datele private utilizate. Integrarea tehnologiei blockchain ar putea ajuta la abordarea acestor probleme. Articolul evidențiază o startup numită Modelx. ai, co-fondată de Jamiel Sheikh, care susține soluții AI distribuite, în special prin AI Federalizat. Modelele tradiționale AI, în special cele care folosesc învățarea profundă, au fost predominant controlate de entități unice. Cu toate acestea, următoarea generație de AI are potențialul de a apărea dintr-o „țară a genialilor” colaborativă și descentralizată formată în centre de date.

Aceste modele necesită seturi de date vaste și diverse pentru a evita supraînvățarea și a îmbunătăți capacitățile predictive. Cu toate acestea, dependența de date extinse prezintă probleme, cum ar fi diminuarea nuanței atunci când conținutul generat de AI este reintegrat în ciclu de antrenare, ducând la prejudecăți. În plus, apar preocupări legate de confidențialitate atunci când datele de antrenare includ elemente disponibile public sau protejate prin drepturi de autor, cum ar fi conținutul extras de pe platforme precum YouTube sau The New York Times. ### DeepSeek: Un Model AI Deschis DeepSeek reprezintă o descoperire în modelele AI deschise, atingând o performanță comparabilă fără date extinse, hardware avansat sau perioade prelungite de antrenare. Deși timpul său de inferență și cerințele computaționale sunt mai mari, se menține ca un model open-source. Un model deschis permite accesul total la codul sursă și greutățile modelului, permițând modificarea și reantrenarea cu date personale. Criticii susțin că adevărata deschidere necesită partajarea datelor de antrenare, deoarece acestea sunt considerate "codul sursă" pentru AI. Cu toate acestea, Open Source Initiative (OSI) își apără poziția că modelul poate fi clasificată în continuare ca fiind open source. ### Inovațiile Modelx. ai Modelx. ai abordează preocupările de confidențialitate prin menținerea confidențialității datelor modelului, în timp ce permite structurii sale să rămână deschisă. Provocarea constă în a antrena AI eficient în sectoare reglementate, precum sănătatea, unde datele pacienților nu pot fi partajate liber din cauza legilor HIPAA. Modelx. ai inovează prin permiterea spitalelor de a îmbunătăți modelele AI utilizând datele lor private fără a compromite confidențialitatea. Procesul implică antrenarea unui model de bază deschis cu date private de la un spital, care apoi contribuie la îmbunătățirea unui model federalizat ce încorporează date de la mai multe spitale. Îmbunătățirile sunt înregistrate pe un blockchain, securizând contribuțiile și compensând participanții cu token-uri pe baza contribuțiilor lor. Fiecare spital plătește pentru utilizarea modelului cu token-uri, iar calitatea modelului federalizat este evaluată în mod continuu. În ultima mea actualizare din octombrie 2024, criticile aduse modelelor open-source au scăzut datorită avansurilor precum DeepSeek, care a demonstrat o eficacitate și o reacție îmbunătățite în performanța AI.