La monopolización de cualquier industria en manos de unas pocas empresas gigantes siempre ha sido motivo de preocupación. Ahora, incluso la inteligencia artificial (IA) ha sido víctima de estas circunstancias. Tal monopolización de la IA plantea preocupaciones como la concentración de poder y recursos, el monopolio y la privacidad de los datos, la falta de transparencia y rendición de cuentas. Además, los prejuicios de esos grupos limitados de desarrolladores podrían dar lugar a discriminación. Para abordar estos problemas críticos, investigadores del Imperial College London, la Universidad de Newcastle, FLock.io y la Universidad de Hong Kong han desarrollado una solución innovadora, AIArena, una plataforma basada en blockchain que puede descentralizar el entrenamiento en IA.
Tradicionalmente, la formación en IA se ha basado en enfoques centralizados. Las grandes empresas poseen los medios y recursos para recopilar datos, por lo que en adelante monopolizarán fácilmente la IA. Esto limita el desarrollo innovador de la IA debido al acceso restringido a datos y recursos. Debido a esta naturaleza centralizada, sistemas completos pueden fallar, generando un enorme riesgo de seguridad. Por lo tanto, existe la necesidad de un nuevo tipo de método que pueda descentralizar la capacitación en IA de manera justa y transparente e invitar a contribuciones diversas e innovadoras.
La solución propuesta, AIArena, donde personas de todo el mundo pueden trabajar juntas para crear y mejorar modelos de IA, utiliza la tecnología blockchain para garantizar la transparencia y la legitimidad. La metodología incluye los siguientes componentes clave:
- Infraestructura Blockchain: un registro de todas las actividades en la plataforma se registra en la cadena de bloques para garantizar la transparencia. Además, las interacciones entre los participantes se rigen por un contrato inteligente, que se autoejecuta en función de reglas predefinidas.
- Marco de aprendizaje federado: los contribuyentes utilizan sus propios datos para mejorar el rendimiento del modelo. La plataforma garantiza que solo se almacenen en la plataforma las configuraciones del modelo actualizado y no los datos. Las actualizaciones se siguen agregando de forma iterativa, lo que mejora el rendimiento global del modelo.
- Mecanismo de incentivo: los contribuyentes ganan tokens por su participación, ya sea que proporcionen datos, recursos computacionales o actualizaciones valiosas del modelo. Luego, estos tokens se utilizan para la participación basada en tokens en determinadas tareas, como convertirse en validador.
- Protocolos de consenso para actualizaciones de modelos: antes de que la plataforma acepte el modelo actualizado, es necesario validarlo para garantizar que no se cargue contenido malicioso. Esto ayuda a mantener la integridad del modelo a medida que se actualiza globalmente.
AIArena fue probada y validada mediante la implementación de una red de prueba pública de blockchain y la evaluación de varias tareas de IA. Los resultados de la validación mostraron que AIArena es factible en aplicaciones del mundo real, lo que sugiere la viabilidad de su enfoque hacia la capacitación descentralizada de IA para abordar los desafíos relacionados con el desarrollo centralizado de la IA.
En conclusión, AIArena propone una solución transformadora a los desafíos de la capacitación centralizada en IA a través de la transparencia basada en blockchain y el aprendizaje federado para una colaboración que preserve la privacidad. Está bien posicionado para crear un ecosistema equitativo y descentralizado donde los datos y los recursos computacionales puedan ser compartidos de forma segura por varias partes interesadas, garantizando que los problemas con los silos de datos, los riesgos de seguridad y la falta de transparencia no se conviertan en un cuello de botella para el progreso. Su novedoso mecanismo de incentivos y su sólida arquitectura exhiben un gran potencial para el desarrollo de una IA escalable, segura e inclusiva. Si bien esta idea es relativamente fácil de implementar, AIArena ofrece bases prometedoras para democratizar la capacitación en IA y, por lo tanto, una amplia colaboración dentro de diferentes industrias que requieren equidad, seguridad y transparencia.
Verificar el Papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. No olvides unirte a nuestro SubReddit de más de 60.000 ml.
Afeerah Naseem es pasante de consultoría en Marktechpost. Está cursando su licenciatura en tecnología en el Instituto Indio de Tecnología (IIT), Kharagpur. Le apasiona la ciencia de datos y le fascina el papel de la inteligencia artificial en la resolución de problemas del mundo real. Le encanta descubrir nuevas tecnologías y explorar cómo pueden hacer que las tareas cotidianas sean más fáciles y eficientes.