与AI:Nanda来进行分散的互联网
在现代会议上发言和撰写关于大型语言模型(LLM)的论文的许多专家都会同意我们需要理解为什么事情会以某种方式运作,以及如何利用它们。
本杰明·富兰克林通过将金属物体系在绳子上并思考闪电为什么会这样工作而创造了历史。
他是当时哲学界的一员。我们需要类似的东西。
考虑到这一点,我对Abhishek Singh在四月活动上关于“混乱、协调与代理AI的未来”的演讲印象深刻。
去中心化网络
Singh是致力于去中心化网络这一基本概念的众多研究者之一,以及这如何与我们拥有的新技术相关。
在演讲中,他谈到了与连续性、异质性和可扩展性相关的“三难困境”(如果这不是量化语言,我不知道什么是)。
提到“混沌理论2.0”,他谈到了去中心化网络和算法的连接,作为他所称的AI代理“涌现现象”的主要目标。
“一种思考这两个心理模型如何契合的方式是:我们现在解决智能的方式是通过一个大型的、位于大型科技公司的一个大系统,并能够同时完成所有任务。而另一种观点,更多来自于去中心化的角度,是……许多小脑相互作用。单个小脑不够强大,但结合在一起(它们就变得强大了)。”
当我听到这样的话时,我总是会提到马文·明斯基的《心灵社会》原则,部分是因为他是我的英雄,部分是因为我认为这对我们正在研究的问题至关重要。
去中心化及其挑战
Singh还指出了实施去中心化计划的各种挑战。
其中一些涉及隐私、验证和编排。
其他则与我们如何设计人群用户体验或工程化所讨论的网络有关。
Singh提到复杂模型和大规模协作包含固有的问题需要解决。
另一些与激励有关。
https://www.php.cn/link/c63858b17de9d0649b59be0c57201b9d
“许多个人和组织出于利他主义原因托管开放数据集和志愿计算资源,”Singh在上述论文中写道。“为去中心化系统做出贡献的明确激励结构可能会挤出利他主义,并减少那些希望帮助而不是牟利的人的参与。已观察到外在奖励会随着时间的推移覆盖内在动机。当我们补偿人们曾经自愿进行的活动时,他们往往会失去对这些活动的内在兴趣。因此,设计有效的激励计划需要仔细考虑社区规范、社会动机和人类心理学。目标应该是补充现有的利他主义,而不取代它。结合经济和基于声誉的激励的混合方法可能有所帮助。”
因此,所有这些都必须在做出这些设计选择时考虑在内。
用它自己的话说
我在这里承认,我拿到的这篇关于去中心化AI的论文,Singh是作者之一,相当密集,并且详细讨论了去中心化AI如何运作以及面临的挑战。
所以我把它放进了Google Notebook,以获得生成对话工具中两个无形角色的某种人类回应。
在前几分钟,他们回顾了一些基本概念,描述了单一数据中心是一个巨大的脆弱点,并谈到了“严峻的提醒”(他们不止一次使用这个短语)当它们被攻破时会发生什么。
然后还有数据所有权。
然后他们就去中心化AI的定义进行了对话(为了好玩,可以将其与Singh的定义进行比较):
“在其核心,去中心化AI是关于使不同的实体、公司、个人,甚至我们的设备,能够在AI开发和部署上进行合作,”女声说。“但关键的区别在于,这种合作无需一个单一的中央权威来掌控一切。”
“对,”男声回答道。“没有大老板。”
“正是如此,”他的同伴说。“想象一下,拥有自己分布式资源、自己数据、自己计算能力的不同各方,即使他们彼此之间不完全信任,或者可能不想将控制权交给一个中央玩家,也能一起工作。所以,与其说是一个巨大的AI大脑在某个中央服务器上,不如说是一个由较小的、相互连接的工作网络。”
他们就这样继续了一段时间。在我看来,Notebook LM的“人”似乎朝着一种简单化的方向前进。所以我回到论文本身,查看其呈现的一些更大块内容。
这是结论中的一段:
“本文阐明了去中心化AI的优点、用例和挑战。我们认为,去中心化AI开发可以解锁以前无法访问的数据和计算资源,使AI系统能够在数据敏感领域如医疗保健中蓬勃发展。我们提出了一个自组织的视角,并认为需要五个关键组成部分来实现去中心化实体之间的自组织:隐私、可验证性、激励、编排和人群用户体验。这种自组织方法解决了当前集中式范式的几个局限性,后者严重依赖于对少数几个主导实体的整合和信任。……我们认为,去中心化AI有潜力赋予个人权力,催化创新,并塑造一个AI惠及整个社会的未来。”
你还可以查看各种维恩图,显示如何解决传统AI系统中固有的某些问题。
去中心化的载体
现在,我在Singh的演讲中注意到了一件事——在最后,他提到了一个对去中心化AI可能非常关键的缩写词。
它被称为NANDA,即网络化代理和去中心化AI,由包括Singh和我在MIT的同事拉梅什·拉斯卡在内的团队正在研究。
为了完全透明,他们在网站上以一种不太直接的方式提到了我作为合作者。
但从事这项工作的人拥有前排座位,可以看到当我们建立一个新的去中心化互联网并利用人工智能的力量时,它会是什么样子。
这是我们在2025年继续前进时应该关注的事情,我们将开始看到AI实际能力的更多表现。
以上是与AI:Nanda来进行分散的互联网的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

在从事代理AI时,开发人员经常发现自己在速度,灵活性和资源效率之间进行权衡。我一直在探索代理AI框架,并遇到了Agno(以前是Phi-

该版本包括三种不同的型号,GPT-4.1,GPT-4.1 MINI和GPT-4.1 NANO,标志着向大语言模型景观内的特定任务优化迈进。这些模型并未立即替换诸如

SQL的Alter表语句:动态地将列添加到数据库 在数据管理中,SQL的适应性至关重要。 需要即时调整数据库结构吗? Alter表语句是您的解决方案。本指南的详细信息添加了Colu

模拟火箭发射的火箭发射:综合指南 本文指导您使用强大的Python库Rocketpy模拟高功率火箭发射。 我们将介绍从定义火箭组件到分析模拟的所有内容

在AI社区的重大发展中,Agentica和AI共同发布了一个名为DeepCoder-14B的开源AI编码模型。与OpenAI等封闭源竞争对手提供代码生成功能

Chip Giant Nvidia周一表示,它将开始制造AI超级计算机(可以处理大量数据并运行复杂算法的机器),完全是在美国首次在美国境内。这一消息是在特朗普总统SI之后发布的

隐藏者的开创性研究暴露了领先的大语言模型(LLM)的关键脆弱性。 他们的发现揭示了一种普遍的旁路技术,称为“政策木偶”,能够规避几乎所有主要LLMS

盖伊·佩里(Guy Peri)是麦考密克(McCormick)的首席信息和数字官。尽管他的角色仅七个月,但Peri正在迅速促进公司数字能力的全面转变。他的职业生涯专注于数据和分析信息
