Ketika Trump menginvestasikan triliunan untuk AI, siapa yang menyediakan data terpercaya untuk AI?

Ketika Trump menginvestasikan triliunan dolar untuk AI, tampaknya ini adalah persaingan antara model, chip, dan pusat data, tetapi juga memunculkan pertanyaan yang lebih dalam, bagaimana data yang bergantung pada model AI divalidasi, apakah dapat dilacak, apakah proses pelatihan dan proses inferensi dapat diaudit, apakah model dapat berkolaborasi satu sama lain, ataukah hanya dapat bertarung masing-masing?

Ketika kita berbicara, siapa yang bisa memastikan bahwa informasi yang diberikan oleh AI itu benar? Polusi data bukanlah istilah yang bisa dianggap remeh lagi. Sebuah aplikasi AI yang mengklaim sebagai pembunuh ChatGPT telah terjerat dalam lingkungan polusi data. Ketika sumber data semuanya salah, bagaimana mungkin jawaban yang diberikan bisa benar?

Apakah AI saat ini cerdas? Mungkin iya, tetapi bahkan AI yang paling pintar sekalipun memerlukan pelatihan model, tetapi kita tidak dapat mengetahui data apa yang digunakan untuk pelatihan model tersebut, kita juga tidak dapat memverifikasi apakah GPU benar-benar telah menyelesaikan sebuah proses inferensi, dan lebih sulit lagi untuk membangun logika saling percaya di antara beberapa model.

Jika kita ingin AI benar-benar melangkah ke generasi berikutnya, mungkin perlu menyelesaikan tiga masalah ini secara bersamaan:

Pertama, data pelatihan harus dapat dipercaya dan dapat diverifikasi.

Kedua, proses inferensi harus dapat diaudit oleh model pihak ketiga.

Ketiga, model harus dapat mengkoordinasikan kekuatan komputasi, menukar tugas, dan berbagi hasil tanpa memerlukan perantara platform.

Ini bukan sesuatu yang dapat diselesaikan hanya dengan satu model, satu API, atau satu platform GPU, tetapi memerlukan sistem yang benar-benar dibangun untuk AI. Sistem ini harus mampu menyimpan data secara permanen dengan biaya rendah, memberikan hak untuk memeriksa dan diperiksa pada data itu sendiri, serta memungkinkan verifikasi inferensi antar model. Selain itu, sistem juga harus mendukung kemampuan model untuk secara mandiri menemukan kekuatan komputasi, mengoordinasikan tugas, dan mengaudit setiap langkah pelaksanaan berdasarkan prasyarat tertentu.

Ini sulit dilakukan di platform terpusat, jadi apakah mungkin untuk mewujudkannya di platform terdesentralisasi, dan mengapa kita harus menggunakan cara terdesentralisasi untuk mewujudkannya?

Saya rasa hanya blockchain yang dapat benar-benar mengintegrasikan "penyimpanan data, eksekusi data, dan verifikasi data" dalam satu jaringan dasar yang sama. Ini juga merupakan salah satu daya tarik terbesar blockchain, yaitu ketidakubahannya dan transparansi, tetapi masalahnya adalah tidak setiap rantai cocok untuk menjadi dasar AI.

Jika hanya untuk penyimpanan, sudah ada protokol IPFS, tetapi penyimpanan saja tidak cukup, perlu juga agar kontrak pintar dapat langsung memanggil data, mengaudit hasil penalaran, bahkan mengoordinasikan sumber daya GPU untuk menyelesaikan tugas komputasi. Fitur-fitur ini, tidak hanya IPFS, tetapi juga sebagian besar aplikasi L1 atau AI saat ini bahkan belum dapat melakukannya.

Jika ada hubungan yang nyata, mungkin @irys_xyz memiliki beberapa peluang. Irys bukanlah rantai penyimpanan tradisional, melainkan bersiap untuk dibangun sebagai jaringan eksekusi data untuk AI. Menjadikan data sebagai aset yang dapat diprogram. Model-model dapat membaca data di dalam rantai, memverifikasi inferensi, memanggil daya komputasi, dan melalui kontrak pintar mewujudkan penetapan harga, otorisasi, pembagian keuntungan, dan verifikasi.

Tentu saja saat ini Irys masih memiliki beberapa kekurangan, tetapi arah perkembangan ini seharusnya benar, dan baik AI terpusat maupun AI terdesentralisasi, jika sumber datanya tidak dapat dipercaya, maka semua daya komputasi itu seperti membangun menara di atas pasir, sekuat apapun modelnya hanyalah ilusi di air, bunga di cermin.