AI Terdesentralisasi Dapat Membuka Masyarakat Pasca-Kelangkaan, Kata CEO 0G Labs

Percakapan tentang AI telah berkembang dari mempertanyakan relevansinya menjadi fokus pada membuatnya lebih dapat diandalkan dan efisien seiring dengan semakin luasnya penggunaannya. Michael Heinrich membayangkan masa depan di mana AI mendorong masyarakat pasca-kekurangan, membebaskan individu dari pekerjaan membosankan dan memungkinkan pengejaran yang lebih kreatif.

Dilema Data: Kualitas, Asal, dan Kepercayaan

Diskusi sekitar kecerdasan buatan (AI) telah berubah secara fundamental. Pertanyaannya bukan lagi tentang relevansinya, tetapi bagaimana membuatnya lebih dapat diandalkan, transparan, dan efisien saat penerapannya menjadi hal yang umum di setiap sektor.

Paradigma AI saat ini, yang didominasi oleh model “kotak hitam” terpusat dan pusat data besar yang bersifat kepemilikan, menghadapi tekanan yang semakin meningkat dari kekhawatiran tentang bias dan kontrol monopoli. Bagi banyak orang di ruang Web3, solusinya bukan terletak pada regulasi yang lebih ketat terhadap sistem saat ini, tetapi pada desentralisasi total dari infrastruktur yang mendasarinya.

Efektivitas model AI yang kuat ini, misalnya, ditentukan yang paling utama oleh kualitas dan integritas data yang mereka latih—sebuah faktor yang harus dapat diverifikasi dan dilacak untuk mencegah kesalahan sistemik dan halusinasi AI. Seiring meningkatnya taruhan untuk industri seperti keuangan dan kesehatan, kebutuhan akan fondasi AI yang tanpa kepercayaan dan transparan menjadi krusial.

Michael Heinrich, seorang pengusaha serial dan lulusan Stanford, adalah salah satu yang memimpin upaya untuk membangun fondasi tersebut. Sebagai CEO 0G Labs, ia saat ini sedang mengembangkan apa yang ia sebut sebagai rantai AI pertama dan terbesar, dengan misi yang dinyatakan untuk memastikan AI menjadi barang publik yang aman dan dapat diverifikasi. Setelah sebelumnya mendirikan Garten, sebuah perusahaan teratas yang didukung oleh YCombinator, dan bekerja di Microsoft, Bain, dan Bridgewater Associates, Heinrich kini menerapkan keahliannya pada tantangan arsitektural AI terdesentralisasi (DeAI).

Heinrich menekankan bahwa inti dari kinerja AI terletak pada basis pengetahuannya: data. “Efektivitas model AI ditentukan pertama dan terutama oleh data dasar yang mereka latih,” jelasnya. Dataset berkualitas tinggi dan seimbang menghasilkan respons yang akurat, tetapi data yang buruk atau kurang terwakili menghasilkan output berkualitas rendah dan meningkatkan kerentanan terhadap halusinasi.

Bagi Heinrich, menjaga integritas dari dataset yang terus diperbarui dan beragam ini memerlukan perubahan radikal dari keadaan yang ada. Dia berpendapat bahwa penyebab utama di balik halusinasi AI adalah kurangnya asal-usul yang transparan. Obatnya bersifat kriptografis:

Saya percaya semua data harus diikat di on-chain dengan bukti kriptografi dan jejak bukti yang dapat diverifikasi untuk menjaga integritas data.

Fondasi yang terdesentralisasi dan transparan ini, dipadukan dengan insentif ekonomi dan penyesuaian yang terus-menerus, dipandang sebagai mekanisme yang diperlukan untuk secara sistematis menghilangkan kesalahan dan bias algoritma.

Selain perbaikan teknis, Heinrich, seorang penerima penghargaan Forbes 40 Under 40, memiliki visi makro untuk AI, percaya bahwa itu seharusnya membuka era kelimpahan.

“Dalam dunia yang ideal, semoga ini akan menciptakan kondisi untuk masyarakat pasca-kekurangan di mana sumber daya menjadi melimpah dan di mana tidak ada orang yang perlu khawatir tentang melakukan pekerjaan sehari-hari lagi,” katanya. Pergeseran ini akan memungkinkan individu untuk “fokus pada pekerjaan yang lebih kreatif dan santai,” pada dasarnya memungkinkan setiap orang untuk menikmati lebih banyak waktu luang dan keamanan ekonomi.

Yang penting, ia berargumen bahwa dunia terdesentralisasi sangat cocok untuk memberdayakan masa depan ini. Keindahan dari sistem-sistem ini adalah bahwa mereka selaras dengan insentif, menciptakan ekonomi yang seimbang secara otomatis untuk daya komputasi. Jika permintaan akan sumber daya meningkat, insentif untuk menyuplai mereka secara alami akan meningkat sampai permintaan tersebut terpenuhi, memenuhi kebutuhan akan sumber daya komputasi dengan cara yang seimbang dan tanpa izin.

Melindungi AI: Sumber Terbuka dan Desain Insentif

Untuk melindungi AI dari penyalahgunaan yang disengaja—seperti penipuan kloning suara dan deepfake—Heinrich menyarankan kombinasi solusi yang berpusat pada manusia dan arsitektur. Pertama, fokus harus pada mendidik orang tentang cara mengidentifikasi penipuan dan pemalsuan AI yang digunakan untuk peniruan dan disinformasi. Heinrich menyatakan: Kita perlu mengajarkan orang untuk dapat mengidentifikasi atau memverifikasi konten yang dihasilkan AI sehingga mereka dapat melindungi diri mereka sendiri.

Pembuat undang-undang juga dapat berperan dengan menetapkan standar global untuk keamanan dan etika AI. Meskipun ini tidak mungkin menghilangkan penyalahgunaan AI, adanya standar semacam itu “dapat membantu menguranginya.” Namun, tindakan pencegahan yang paling kuat terjalin dalam desain terdesentralisasi: “Merancang sistem yang sejalan dengan insentif dapat secara dramatis mengurangi penyalahgunaan AI yang disengaja.” Dengan menerapkan dan mengatur model AI di blockchain, partisipasi yang jujur dihargai, sementara perilaku jahat mengalami konsekuensi finansial langsung melalui mekanisme pemotongan di blockchain.

Sementara beberapa kritikus khawatir akan risiko algoritma terbuka, Heinrich mengatakan kepada Bitcoin.com News bahwa ia mendukungnya dengan antusias karena memberikan visibilitas tentang bagaimana model-model tersebut bekerja. “Hal-hal seperti catatan pelatihan yang dapat diverifikasi dan jejak data yang tidak dapat diubah dapat digunakan untuk memastikan transparansi dan memungkinkan pengawasan komunitas,” yang secara langsung melawan risiko yang terkait dengan model “kotak hitam” yang bersifat kepemilikan dan tertutup.

Untuk mewujudkan visi masa depan AI yang aman dan biaya rendah ini, 0G Labs sedang membangun “sistem operasi AI terdesentralisasi (DeAIOS).”

Sistem operasi ini dirancang untuk menyediakan asal usul AI yang dapat diverifikasi—lapisan penyimpanan data dan ketersediaan yang sangat dapat diskalakan yang memungkinkan penyimpanan dataset AI yang besar di dalam blockchain, menjadikan semua data dapat diverifikasi dan dilacak. Tingkat keamanan dan pelacakan ini sangat penting bagi agen AI yang beroperasi di sektor yang diatur.

Selain itu, sistem ini memiliki pasar komputasi tanpa izin, yang mendemokratisasi akses ke sumber daya komputasi dengan harga yang kompetitif. Ini adalah jawaban langsung terhadap biaya tinggi dan kunci vendor yang terkait dengan infrastruktur cloud terpusat.

0G Labs telah menunjukkan terobosan teknis dengan Dilocox, sebuah kerangka kerja yang memungkinkan pelatihan LLM yang melebihi 100 miliar parameter di atas kluster terdesentralisasi, 1 Gbps. Dengan membagi model menjadi bagian yang lebih kecil dan dilatih secara independen, Dilocox telah menunjukkan peningkatan efisiensi sebesar 357x dibandingkan dengan metode pelatihan terdistribusi tradisional, sehingga pengembangan AI skala besar menjadi ekonomis di luar dinding pusat data terpusat.

Masa Depan AI yang Lebih Cerah dan Terjangkau

Akhirnya, Heinrich melihat masa depan yang sangat cerah untuk AI terdesentralisasi, yang ditentukan oleh partisipasi dan menghapus hambatan untuk adopsi.

“Ini adalah tempat di mana orang-orang dan komunitas menciptakan model AI ahli bersama-sama, memastikan masa depan AI dibentuk oleh banyak orang daripada hanya segelintir entitas terpusat,” ia menyimpulkan. Dengan perusahaan AI milik yang menghadapi tekanan untuk menaikkan harga, ekonomi dan struktur insentif DeAI menawarkan alternatif yang menarik dan jauh lebih terjangkau di mana model AI yang kuat dapat dibuat dengan biaya yang lebih rendah, membuka jalan untuk masa depan teknologi yang lebih terbuka, lebih aman, dan pada akhirnya lebih bermanfaat.

FAQ

• Apa masalah inti dengan AI terpusat saat ini? Model AI saat ini mengalami masalah transparansi, bias data, dan kontrol monopolistik akibat arsitektur “kotak hitam” yang terpusat.
• Solusi apa yang dibangun oleh 0G Labs milik Michael Heinrich? 0G Labs sedang mengembangkan “sistem operasi AI terdesentralisasi (DeAIOS)” untuk menjadikan AI sebagai barang publik yang aman, dapat diverifikasi, dan bermanfaat.
• Bagaimana Decentralized AI memastikan integritas data? Integritas data dipertahankan dengan menautkan semua data di blockchain dengan bukti kriptografi dan jejak bukti yang dapat diverifikasi untuk mencegah kesalahan dan halusinasi.
• Apa keuntungan utama dari teknologi Dilocox 0G Labs? Dilocox adalah kerangka kerja yang membuat pengembangan AI skala besar menjadi jauh lebih efisien, menunjukkan peningkatan 357x dibandingkan dengan pelatihan terdistribusi tradisional.