Xác thực dữ liệu trong AI phi tập trung: Chuyển đổi cấu trúc hướng tới trí tuệ nhân tạo hoàn hảo @OpenledgerHQ , @gensynai , @OpenGradient AI phi tập trung đưa ra giải pháp hoàn toàn khác cho câu hỏi về cách thức trí tuệ nhân tạo được tạo ra và xác thực. Trong môi trường tập trung, việc xác định nguồn gốc dữ liệu, quá trình học tập có được thực hiện chính xác hay không và kết quả suy luận có đáng tin cậy hay không phụ thuộc vào quản lý nội bộ, tài liệu và kiểm toán của một tổ chức cụ thể. Trong cấu trúc phi tập trung, cơ sở của sự tin cậy không nằm ở tổ chức mà ở chính công nghệ, và toàn bộ quá trình của trí tuệ nhân tạo, bao gồm dữ liệu, tính toán và suy luận, được xử lý bằng cách tách biệt thành các lớp có thể xác thực riêng biệt. Điểm khởi đầu của cấu trúc này là dữ liệu học tập. Mô hình trí tuệ nhân tạo được xây dựng dựa trên một lượng lớn dữ liệu, nhưng trong môi trường truyền thống, nguồn gốc và lịch sử sửa đổi của dữ liệu khó có thể được xác minh từ bên ngoài. OpenLedger đóng vai trò theo dõi tính toàn vẹn và nguồn gốc của dữ liệu để giải quyết vấn đề này. Tại OpenLedger, dữ liệu không chỉ được lưu trữ mà còn rõ ràng ghi lại ai đã cung cấp dữ liệu với mục đích và bối cảnh nào. Dữ liệu được đăng ký vào mạng dữ liệu được cấu trúc theo miền, và mỗi đóng góp được ghi lại trên chuỗi với thông tin phiên bản. Điều này tạo ra một cấu trúc cho phép theo dõi dữ liệu nào thực sự được sử dụng trong việc học mô hình cụ thể và dữ liệu đó đã ảnh hưởng đến kết quả như thế nào. Quá trình này ngăn chặn dữ liệu biến mất vào trong hộp đen và để lại mối quan hệ giữa dữ liệu và hiệu suất mô hình dưới dạng sự thật có thể xác thực. Khi dữ liệu đã sẵn sàng, bước tiếp theo là tài nguyên tính toán thực tế để thực hiện việc học. Gensyn cung cấp một mạng lưới tính toán phi tập trung kết nối các tài nguyên tính toán nhàn rỗi trên toàn cầu để phục vụ cho việc học trí tuệ nhân tạo. Điểm cốt lõi ở đây không chỉ là phân tán tính toán mà còn là chứng minh rằng các phép tính đó đã được thực hiện đúng cách. Gensyn xác nhận tính hợp lệ của quá trình đào tạo thông qua giao thức xác thực Verde. Các nhiệm vụ học tập được ủy quyền cho nhiều người tham gia, và trong trường hợp có bất đồng về kết quả, phương pháp được sử dụng để tìm ra điểm lỗi mà không cần tính toán lại toàn bộ quá trình. Điều này được thực hiện nhờ vào cấu trúc toán học có thể tái hiện, đảm bảo rằng kết quả tính toán giống nhau trên các phần cứng khác nhau bằng cách cố định thứ tự phép toán một cách nghiêm ngặt. Nhờ đó, ngay cả trong môi trường phi tập trung, tính nhất quán của kết quả học tập có thể được xác nhận và chi phí xác thực được tối thiểu hóa. Cấu trúc này cũng có những đặc điểm rõ ràng về chi phí và khả năng tiếp cận. Việc học sử dụng GPU hiệu suất cao trong môi trường đám mây tập trung yêu cầu chi phí cao, nhưng Gensyn nhằm mục đích cung cấp cùng mức độ tính toán với chi phí thấp hơn bằng cách tận dụng các tài nguyên nhàn rỗi. Đồng thời, việc xác thực rằng tính toán thực sự đã được thực hiện được xử lý thông qua các quy trình mật mã và xác thực dựa trên trò chơi, thay thế cho những tuyên bố tin cậy đơn giản bằng những xác nhận có cơ sở kỹ thuật. Sau khi việc học hoàn tất, quá trình xác thực vẫn chưa kết thúc. Cần có một quy trình để xác minh rằng kết quả của mô hình khi thực hiện suy luận là chính xác. OpenGradient chịu trách nhiệm cho việc xác thực ở giai đoạn suy luận này. Trong cấu trúc của OpenGradient, suy luận trí tuệ nhân tạo được thực hiện trong các giao dịch blockchain và kết quả suy luận được xác minh theo phương pháp xác thực đã chọn. Phương pháp mạnh mẽ nhất là chứng minh tính chính xác của phép tính một cách toán học thông qua chứng minh không kiến thức, và cũng có phương pháp sử dụng môi trường thực thi tin cậy dựa trên phần cứng. Trong các tình huống có rủi ro tương đối thấp, có thể áp dụng phương pháp đơn giản dựa vào bảo mật kinh tế mật mã. Những phương pháp đa dạng này được chọn dựa trên tầm quan trọng, chi phí và yêu cầu hiệu suất của suy luận. Điểm đặc trưng của OpenGradient là quá trình suy luận không được xử lý bí mật bên ngoài chuỗi mà được coi là một phần của chuyển đổi trạng thái blockchain. Tệp mô hình được lưu trữ trong kho lưu trữ phân tán và yêu cầu suy luận cùng với kết quả được kết nối thông qua các định danh rõ ràng. Điều này cho phép xác minh sau này rằng mô hình nào đã tạo ra đầu ra nào với phương pháp xác thực nào cho một đầu vào cụ thể. Kết quả suy luận không chỉ là giá trị đầu ra đơn giản mà còn được ghi lại như là sản phẩm của các phép toán có thể xác thực. Như vậy, OpenLedger, Gensyn và OpenGradient đảm nhận các vai trò khác nhau ở các giai đoạn khác nhau của dữ liệu, học tập và suy luận. Ở giai đoạn dữ liệu, nguồn gốc và đóng góp được theo dõi; ở giai đoạn học tập, tính chính xác của phép tính được xác thực; và ở giai đoạn suy luận, tính hợp lệ của kết quả được chứng minh. Ba lớp này không được liên kết thành một hệ thống tích hợp duy nhất, nhưng về mặt chức năng, chúng tạo thành một chuỗi xác thực liên tục. Cấu trúc này được thiết kế để không có giai đoạn nào bị mờ mịt. Cấu trúc xác thực dữ liệu trong AI phi tập trung này cho thấy sự thay đổi trong cách làm cho trí tuệ nhân tạo trở nên đáng tin cậy hơn. Khi cơ sở của sự tin cậy chuyển từ danh tiếng của doanh nghiệp hoặc kiểm soát nội bộ sang chứng minh kỹ thuật, hệ thống trí tuệ nhân tạo sẽ được tích hợp cấu trúc khả năng giải thích và trách nhiệm. Môi trường cho phép xác minh nguồn gốc dữ liệu, cách thức học tập và độ chính xác của suy luận sẽ biến trí tuệ nhân tạo từ một công cụ không thể hiểu thành một hệ thống tính toán có thể xác thực. Điều này cho thấy rằng sự phi tập trung không chỉ đơn thuần là phân tán mà còn tái cấu trúc chính cấu trúc của sự tin cậy trong trí tuệ nhân tạo.