让你的 AI 与我的 AI 对话 - 面向未来的去中心化智

　　关于如何组织我们的大语言模型和新技术以更好地发挥其能力，目前出现了一个新的想法。由于人们仍在适应 AI 这个概念，这个想法还不是很主流，但已经在学术界和商业领域的一些地方崭露头角。

　　MIT Media Lab 就是其中之一，研究人员在这里延续着 Marvin Minsky、Seymour Papert 等伟人的工作。今年恰逢实验室成立 40 周年，我们发现这个研究机构为 AI 时代的发展方向提供了一些很好的见解。

　　其中一个想法就是去中心化 AI 平台。这是我在规划下一代服务和部署时经常听到的概念。什么是去中心化 AI？为什么它很重要？

　　一些去中心化 AI 的倡导者指出，在当前中心化和单体模型中，一些大公司正在主导数据的使用来训练系统。

　　我的朋友兼同事 Ramesh Raskar 就是这些分析师之一。在论证去中心化 AI 的必要性时，他指出企业正在以令人担忧的方式集中化数据、计算和治理，而且他们往往不愿以建设性的方式共享数据。

　　他提到各方互不信任、互不关联且缺乏兴趣，没有真正的合作动力。

　　与此相对，去中心化 AI 的支持者提出了专家混合设计的可能性，即强化学习和监督微调之间的相互作用创造了成功的工作流程。正如 Venturebeat 文章所述，这也是 DeepSeek 的切入点 - 利用强化学习的暴力特性在大语言模型效率上实现突破，绕过了监督微调。

　　但在 DeepSeek 模型突破之外，创新前沿的公司本身也存在脆弱性。Grayscale 的文章指出，就在 DeepSeek 宣布突破后，该公司就遭遇了黑客攻击，这正是去中心化 AI 可能解决的问题类型。

　　当你听 Ramesh 或其他人谈论去中心化 AI 原则时，他们指出这些过程有四个总体目标：

　　我还发现了一个关于去中心化 AI 的有趣类比，它与互联网的发展有关。Web 1.0是构成全球互联网的网站和页面系列。Web 2.0是社交媒体。Web 3.0是区块链，一个真正的去中心化系统，其中节点和组件以主权的方式进行交互。

　　例如，去中心化 AI的理念呼应了 Marvin Minsky 在其著作《心智社会》中的一些观点。他认为最好的 AI 系统应该像人脑一样运作，本质上不是一台计算机，而是一系列相互连接的计算机协同工作。

　　关于风险，那些试图为去中心化系统做准备的人指出，这些构造可能容易崩溃，或在 51% 攻击的情况下被恶意接管。

　　另一方面，如果系统足够智能，能够审查代理以确保其可信度，它们可以加速复杂的认可过程。

　　很大程度上，这归结为信任问题。我们每个人可能都有自己的 AI 代理为我们行事，或者我们可能只是拥有大型的现实生活 NPC 网络。我们必须有某种建立信任的框架，其他一切才能就位。

　　有数十亿个代理。它们都想互相交谈，但彼此不信任。它们甚至不知道自己在哪里。它们甚至不知道自己做什么。就像我今天遇见你......如果我遇到别人，我不知道...他们的名字，我不知道他们的专长，也不知道如何判断我们是否应该合作。 - Ramesh Raskar

　　想想我们现在正在设计的所有系统的去中心化 AI 可能性 - 从推荐引擎到自动驾驶，从保险和贷款系统到智慧城市的 AI 规划师。借助人工智能，我们能够以鸟瞰视角运作，同时理解全局和所有细节。这是一个强大的工具，但必须正确地驾驭和部署它，这就是为什么很多专家还有一个建议：

　　我们需要首先在低风险环境中部署我们的先锋系统。然后继续改进它们，直到我们可以信任它们，只有在那时才能将它们投入关键任务系统。让我们在前进的过程中牢记这一点。