Merkezi Olmayan Yapay Zeka Hesaplamada Veri Doğrulama: Sorunsuz Yapay Zekaya Doğru Yapısal Bir Değişim @OpenledgerHQ , @gensynai , @OpenGradient Merkeziyetsiz yapay zeka hesaplama, yapay zekanın nasıl oluşturulduğu ve doğrulandığı sorusuna tamamen farklı bir çözüm sunar. Merkezi bir ortamda, verilerin nereden geldiği, öğrenme sürecinin doğru yürütülüp yürütülmediği ve çıkarım sonuçlarının güvenilir olup olmadığı kararı, belirli bir kuruluşun iç yönetimi, dokümantasyonu ve denetimlerine dayanıyordu. Merkeziyetsiz bir yapıda, bu güvenin temeli organizasyonda değil, teknolojinin kendisinde yatar ve veri, hesaplama ve akıl yürütme gibi yapay zeka sürecinin tamamı doğrulanabilir katmanlara ayrılır. Bu yapının başlangıç noktası eğitim verileridir. Yapay zeka modelleri büyük miktarda veriye dayanarak oluşturulur, ancak geleneksel ortamlarda verilerin kaynak ve modifikasyon geçmişini dışarıdan doğrulamak zordur. OpenLedger, bu sorunları ele almak için veri bütünlüğü ve kaynağını takip etmekten sorumludur. OpenLedger'da veri sadece depolanmakla kalmaz, aynı zamanda hangi amaç ve bağlamda kimin sağladığı açıkça kaydedilir. Veriler, alan adına düzenlenmiş bir veri ağında kaydedilir ve her katkı sürüm bilgisiyle birlikte zincir üzerinde kaydedilir. Bu, belirli bir modeli eğitmek için gerçekten hangi verilerin kullanıldığını ve bu verilerin sonuçları nasıl etkilediğini takip etmenizi sağlayan bir yapı oluşturur. Bu süreç, verilerin kara kutuya kaybolmasını önler ve veri ile model performansı arasındaki ilişkiyi doğrulanabilir bir gerçek olarak bırakır. Veriler hazır olduğunda, bir sonraki adım gerçek öğrenmeyi gerçekleştiren hesaplama kaynaklarıdır. Gensyn, dünyanın dört bir yanına dağılmış boşta olan hesaplama kaynaklarını birbirine bağlayan ve bunları yapay zeka öğrenimi için kullanan merkezi olmayan bir hesaplama ağı sağlar. Buradaki anahtar sadece hesaplamaları dağıtmak değil, hesaplamaların doğru yapıldığını kanıtlamaktır. Gensyn, eğitim sürecinin meşruiyetini Verde doğrulama protokolü aracılığıyla doğrular. Öğrenme görevi birden fazla katılımcıya devredilir ve sonuçlar arasında bir anlaşmazlık olursa, yöntem hata noktasını bulmak için tüm süreci yeniden hesaplamadan kullanılır. Bu, aynı işlem sonuçlarının farklı donanımlarda elde edilmesi için operasyonların sırasını kesin şekilde sabitleyen tekrarlanabilir bir operatör yapısı sayesinde mümkün olur. Bunun sayesinde, öğrenme sonuçlarının tutarlılığı merkezi olmayan bir ortamda bile kontrol edilebilir ve doğrulama maliyeti en aza indirilir. Bu yapıların maliyet ve erişilebilirlik açısından da net özellikleri vardır. Merkezi bulut ortamında yüksek performanslı GPU'larla eğitim yapmak pahalı olsa da, Gensyn boşta kaynakları kullanarak aynı seviyede hesaplamayı daha düşük maliyetle sunmayı hedefliyor. Aynı zamanda, hesaplamanın gerçekten yapılıp yapılmadığına dair doğrulama, kriptografik prosedürler ve oyun tabanlı doğrulama ile yürütülür; bu doğrulama basit bir güven beyanıyla değil, teknik temelli bir onayla yerini alır. Doğrulama, öğrenme tamamlandıktan sonra bile sona ermez. Model gerçekten çıkarım yaptığında, sonuçların doğru olduğunu doğrulamak gerekir. OpenGradient bu çıkarım adımını doğrulamaktan sorumludur. OpenGradient yapısında, yapay zeka çıkarımı blok zinciri işlemlerinde gerçekleştirilir ve çıkarım sonuçları seçilen doğrulama yöntemine göre doğrulanır. En güçlü yöntem, hesaplamaların doğruluğunu sıfır bilgi ispatlarıyla matematiksel olarak kanıtlamaktır ve ayrıca donanım tabanlı güvenilir yürütme ortamını kullanan bir yöntem de kullanılır. Görece düşük riskli durumlarda, kriptoekonomik güvenliğe dayanan basit bir yöntem uygulanabilir. Bu farklı yöntemler, akıl yürütme, maliyet ve performans gereksinimlerinin önemine göre seçilir. OpenGradient'in özelliği, çıkarım sürecinin gizlice zincir dışı yürütülmemesi, blokzincir durum geçişinin bir parçası olarak ele alınmasıdır. Model dosyaları dağıtılmış depolamada saklanır ve çıkarım talepleri ile sonuçlar açık tanımlayıcılarla bağlanır. Bu, belirli bir girdi için hangi çıktıyı hangi doğrulama yönteminde sonradan kontrol etmenizi sağlar. Çıkarım sonuçları sadece çıktı değerleri değildir, doğrulanabilir işlemlerin çarpımları olarak kaydedilir. Bu nedenle, OpenLedger, Gensyn ve OpenGradient farklı veri, öğrenme ve çıkarım aşamalarında rol oynar. Veri aşamasında kaynaklar ve katkılar takip edilir, eğitim aşamasında hesaplamaların doğruluğu doğrulanır ve çıkarım aşamasında sonuçlar haklı çıkarılır. Bu üç katman tek bir entegre sisteme bağlı değildir, işlevsel olarak sürekli bir doğrulama zinciri oluşturur. Hiçbir basamak şeffaf kalmayacak şekilde tasarlanmış bir yapıdır. Bu veri doğrulama yapısı, merkezi olmayan yapay zeka hesaplamasında yapay zekanın daha güvenilir hale getirilme biçiminde bir değişimi gösteriyor. Güvenin temeli kurumsal itibardan veya iç kontrolden teknik kanıta kaydıkça, yapay zeka sistemleri açıklanabilirlik ve hesap verebilirlikle yapısal olarak iç içe geçmiştir. Verilerin nereden geldiğini, öğrenmenin nasıl yapıldığını ve akıl yürütmenin doğru olup olmadığını kontrol edebildiğimiz bir ortam, yapay zekayı anlaşılmaz bir araç değil, doğrulanabilir bir hesaplama sistemi haline getirir. Bu, merkeziyetsizliğin basit merkeziyetsizliğin ötesine geçtiğini ve yapay zeka güveninin yapısını yeniden şekillendirmenin bir yolu olduğunu gösteriyor. $OPEN