آیا پروتکل‌های غیرمتمرکز، زیرساخت آینده‌ی یادگیری ماشین خواهند شد؟

بیت پورت: با افزایش تقاضا برای هوش مصنوعی (AI) و یادگیری ماشین (ML)، کمبود منابع سخت‌افزاری و هزینه‌های گزاف سرویس‌های ابری به چالش‌های جدی تبدیل شده‌اند. اما زیرساخت‌های غیرمتمرکز می‌توانند وابستگی به بازیگران متمرکز را به چالش بکشند.

هری گریو، یکی از بنیان‌گذاران شبکه‌ی محاسباتی یادگیری ماشین «جنسیِن»، در رویداد «ای‌تی‌اچ‌گلوبال» لندن، به‌صورت انحصاری با کوین‌تلگراف درباره‌ی پتانسیل شبکه‌های محاسباتی همتا به همتا برای به چالش کشیدن سرویس‌های وب 2 مانند «سرویس‌های وب آمازون» صحبت کرد.

جنسیِن یک شبکه‌ی غیرمتمرکز در حال توسعه است که به افراد امکان می‌دهد تا برای آموزش مدل‌های یادگیری ماشین، به دستگاه‌های مختلف در سراسر اینترنت متصل شوند. این شرکت از حمایت چندین شرکت سرمایه‌گذاری خطرپذیر وب 3 برخوردار است و در سال ۲۰۲۳، مبلغ ۵۰ میلیون دلار از شرکت «آندرسن هوروویتز» جذب سرمایه کرده است.

گریو می‌گوید با تغییر اینترنت به شکلی پویاتر از اطلاعات، این شبکه پتانسیل قابل توجهی دارد و «حاکمیت فردی» و «آزادی محاسباتی آنلاین» را تقویت می‌کند.

توسعه‌ی جنسیِن از سال ۲۰۲۰ با تحقیقات گریو و بنیان‌گذار دیگرش، بن فیلدینگ، در زمینه‌ی محاسبات یادگیری ماشین برای آموزش و سیستم‌های قابل تأیید غیرمتمرکز آغاز شده است. این زوج به دنبال راه‌حل برای یک مشکل سه‌وجهی با فناوری مبتنی بر بلاکچین بوده‌اند:

«چگونه می‌توانید با یک دستگاه دیگر همتا به همتا شوید و یک مدل یادگیری ماشین را روی آن دستگاه آموزش دهید؛ جایی که الف) به دستگاه اعتماد ندارید، ب) مدل آموزشی شما نمی‌تواند روی آن دستگاهِ واحد جا شود، و پ) مقیاس‌پذیری کل سیستم و نتایج اقتصادی واحد به اندازه‌ی سرویس‌های وب آمازون خوب باشد؟» – گریو

کاغذه‌ی سبک‌وزن جنسیِن، پروتکل را به عنوان «پروتکلی بدون نیاز به اعتماد برای محاسبات یادگیری عمیق در لایه‌ی ۱» توصیف می‌کند. این شبکه به‌صورت مستقیم و لحظه‌ای، مشارکت‌کنندگان را به خاطر در اختیار گذاشتن منابع محاسباتی برای شبکه و انجام وظایف یادگیری ماشین، پاداش می‌دهد.

گریو می‌گوید چالش ساخت این شبکه، تأیید کارهای تکمیل‌شده‌ی یادگیری ماشین است که در تقاطع نظریه‌ی پیچیدگی، نظریه‌ی بازی‌ها، رمزنگاری، و بهینه‌سازی قرار دارد:

«ما متوجه شدیم که اگر می‌خواهید این کار را به صورت غیرمتمرکز انجام دهید، به روشی نیاز دارید تا به اجماعی غیرمتمرکز درباره‌ی اینکه چه کسی چه کاری را انجام داده است، برسید. این اساساً همان چیزی است که یک بلاکچین انجام می‌دهد.»

برگرفته از روش بازی بیت‌کوین ساتوشی

شبکه‌ی جنسیِن تا حدی از آرمان‌های پروتکل بیت‌کوین الهام می‌گیرد. گریو می‌گوید او طرفدار سرسخت روزهای ابتدایی استخراج بیت‌کوین با لپ‌تاپ است، زمانی که کاربران می‌توانستند زمانی که هنوز امکان استفاده از دستگاه‌های کوچک‌تر برای استخراج وجود داشت، بیت‌کوین به دست بیاورند:

«ساتوشی دوباره به مردم حق پولشان را داد؛ آن‌ها می‌توانستند با یک لپ‌تاپ آن را تولید کنند. آن‌ها می‌توانستند برق را به پول تبدیل کنند. آن‌ها می‌توانستند پول رایج را به چیزی سخت‌تر تبدیل کنند.»

در حالی که برنامه‌ی بلندمدت این است که جنسیِن را به ابزاری تبدیل کند که به مجموعه‌ی وسیعی از کاربران و سخت‌افزارها امکان ارائه یا دسترسی به منابع محاسباتی برای آموزش یادگیری ماشین را بدهد، راه‌اندازی اولیه کاربران بیشتری را با واحدهای پردازش گرافیک (GPU) هدف قرار خواهد داد، زیرا آن‌ها سریع‌ترین راه برای دریافت بازخورد زیاد هستند.

«ما کاملاً روی این موضوع برنامه‌ریزی کرده‌ایم که افراد روی بستر جنسیِن ابزارهای کاربرپسندتر، تأمین‌کننده و مشارکت‌محور بسازند. در نهایت، فردی با یک لپ‌تاپ می‌تواند نرم‌افزار ما را دانلود کند و آن را به گونه‌ای اجرا کند که او را به شبکه متصل کند.» – گریو

تراشه‌های سیلیکونی اپل نیز نویدبخش آزاد کردن منابع محاسباتی عظیم جهانی هستند. گریو می‌گوید تحقیقات روی تراشه‌های M2 و M3 اپل نشان می‌دهند که این سخت‌افزار با کارت‌های گرافیک میان‌رده نسل فعلی Nvidia RTX برابری می‌کند.

این امر دو مزیت بالقوه عمده را برای پروتکل‌هایی مانند جنسیِن فراهم می‌کند، که می‌توانند از مجموعه‌ی گسترده‌ای از دستگاه‌ها برای مشارکت در ابررایانه‌ی جهانی خود استفاده کنند. گریو می‌گوید:

«به نظر من، احتمالاً افراد بیشتری یک وسیله‌ای شبیه به مک‌بوک را نسبت به یک کارت گرافیک مستقل در اختیار دارند، بنابراین اگر بتوانید با آن مشارکت کنید، این به مراتب قدرت دموکراتیزه‌کننده‌ی بیشتری دارد.»

تراشه‌های سیلیکونی اپل همچنین بسیار همه‌کاره هستند و به عنوان یک «سیستم روی تراشه» عمل می‌کنند که می‌توانند توسط سایر تولیدکنندگان تراشه تقلید شوند.

گریو بر این باور است که آینده می‌تواند دستگاه‌های بیشتری در لبه‌ی شبکه داشته باشد که بسیار قدرتمندتر از تلفن‌های هوشمند موجود هستند و اضافه می‌کند که تمرکززدایی در میان انبوهی از دستگاه‌ها و تأیید مستقل از دستگاه، ضروری است.

همانطور که کوین‌تلگراف قبلاً گزارش داده بود، شبکه‌ی غیرمتمرکز io.net مبتنی بر سولانا، سخت‌افزار تراشه‌ی سیلیکونی اپل را برای خدمات هوش مصنوعی و یادگیری ماشین خود ادغام خواهد کرد.