جياهاو صن، الرئيس التنفيذي ومؤسس FLock.io – سلسلة المقابلات

جياهاو صن، الرئيس التنفيذي ومؤسس FLock.io، يقود الشركة منذ أبريل 2022. قبل تأسيس FLock.io، قضى nhiều سنوات في أدوار مدفوعة بالذكاء الاصطناعي – بما في ذلك مدير الذكاء الاصطناعي في شركة مالية كبرى – وخدم كزميل أبحاث في جامعة رفيعة المستوى لدراسة توليد الرسم البياني للمعرفة والتعلم الآلي للتنبؤ المالي. خلفيته الواسعة في كل من الذكاء الاصطناعي للمؤسسات والأبحاث الأكاديمية تجعله في موقع جيد لقيادة مشروع يهدف إلى إعادة اختراع كيفية بناء الذكاء الاصطناعي وتحديده.

FLock.io هي منصة ذكاء اصطناعي متกระتية تجمع بين التعلم الفيدرالي وتكنولوجيا البلوك تشين. بدلاً من مركزية البيانات، تمكن المجتمعات من بناء نماذج الذكاء الاصطناعي وتدريبها وتحديدها بشكل تعاوني مع الحفاظ على سرية المعلومات على الأجهزة المحلية. توفر النظام حوافز للمساهمين الذين يقدمون الحوسبة أو البيانات أو التحقق، وتوزع ملكية الحوكمة عبر الشبكة لضمان الشفافية والأمان والمتانة على المدى الطويل.

لقد أسست FLock.io بعد سنوات من العمل في الأبحاث المتقدمة حول الذكاء الاصطناعي والتنبؤ المالي في كلية الإمبريالية، بالإضافة إلى قيادة الابتكار في الذكاء الاصطناعي في إدارة الثروة في RBC. ما الذي أثار فكرة بناء منصة ذكاء اصطناعي متกระتية، وما هو الفجوة التي رأيتها التي لا يمكن أن يعالجها الهياكل التقليدية للذكاء الاصطناعي؟

فكرة FLock جاءت من رؤية نفس المشكلة في كل من أبحاثي الأكاديمية وعملية في مجال المالية. البيانات القيمة كانت محبوسة، والمنظمات لم تستطع استخدام الذكاء الاصطناعي معًا دون التخلي عن الخصوصية أو السيطرة. الأنظمة التقليدية للذكاء الاصطناعي مبنية حول مقدمي خدمات مركزية كبيرين، وهذا يحد من من يمكنه المشاركة وكيف يمكن توزيع المنافع على نطاق واسع. لقد أدركت أن نهجًا متกระتية يمكن أن يحل هذا. مع أدوات جديدة مثل البلوك تشين والتعلم الفيدرالي وتكنولوجيا الحفاظ على الخصوصية، يمكن للأشخاص والشركات المساهمة في البيانات أو طاقة الحوسبة بأمان، مع الحفاظ على الملكية. تم إنشاء FLock لجعل الذكاء الاصطناعي أكثر انفتاحًا وأكثر أمانًا، وشيئًا يمكن للجميع المساهمة في بنائه، وليس فقط للاعبين الكبار.

خلفيتك تشمل أبحاثًا حول الرسم البياني للمعرفة والتعلم من الصفر للتنبؤ المالي. كيف ساهمت هذه الخبرة في تشكيل نهج FLock.io لتدريب النماذج واعتمادها وسلامة البيانات على السلسلة؟

لقد تعلمت من خلال الخبرة أن التنبؤ المالي هو مجال ذو مخاطر عالية حيث تكون سلامة البيانات وشرح النماذج وقدرة التعميم من مجموعات بيانات محدودة أمرًا بالغ الأهمية. في المالية، مصدر الجودة البيانية هو كل شيء. لقد ترجمنا هذه الحاجة إلى إثبات الأصل إلى هيكلنا على السلسلة في FLock. نحن ننشئ شبكة متกระتية من سيلوس البيانات، مما يسمح للذكاء الاصطناعي بالتعلم من المعرفة الجماعية دون مركزية البيانات الخام نفسها. هذا يسمح لنا ببناء نماذج قوية في قطاعات حساسة مثل الرعاية الصحية والمالية، حيث يجب أن تظل البيانات موزعة وسرية.

لقد أنتج ساحة الذكاء الاصطناعي في FLock.io أكثر من 9000 نموذج تعلم آلي كامل في أقل من عام. ما يكشفه هذا المستوى من النشاط عن الطلب على الذكاء الاصطناعي المتกระتية، ولماذا تعتقد أن المطورين يختارون التدريب القائم على المجتمع على حساب البديل المركزي؟

مستوى النشاط هذا يكشف عن两个 استنارة حاسمة حول حالة سوق الذكاء الاصطناعي الحالية. أولًا، يؤكد على الطلب الهائل على البنية التحتية للذكاء الاصطناعي المتกระتية. المطورون يبحثون بنشاط عن بديل للنموذج السحابي المركزي لأنها هشة هيكليًا وغالية الثمن وتخلق نقطة فشل واحدة لبياناتها. على عكس المنصات المركزية حيث يملك المشاركون النموذج، في ساحة الذكاء الاصطناعي، يحتفظ مطورو النماذج والمساهمون بالملكية ويكافأون بعملات FLOCK عندما يتم استخدام نماذجهم.

يعتمد الذكاء الاصطناعي المتكرر بشكل كبير على الحوافز لجذب المصدقين والمندوبين و مشغلي العقد. كيف يتوازن تصميم رمز FLOCK الحوافز عبر النظام البيئي، وما السلوكيات الاقتصادية التي لاحظتموها الآن مع وجود أكثر من 55,000 حامل رمز؟

رمز FLOCK هو محرك حوكمتنا وملاءمتنا الذي يساعدنا على ضمان أن تكون الحوافز للمشاركين جميعًا محاذاة بشكل مثالي مع صحة الشبكة على المدى الطويل وجودة النماذج المنتجة. تصميمنا مبني على مبدأ واضح لمكافأة المساهمات الإنتاجية والمدقة التي تعزز التعاون بين أصحاب البيانات ومقدمي الحوسبة والمدققين والمندوبين. على سبيل المثال، يكسب مقدمو الحوسبة و مشغلو العقد رمز FLOCK لمساهمتها في الموارد الحاسوبية لتدريب النماذج. يتم مكافأة المصدقين على ضمان أمان ودقة تحديثات النماذج، بينما يكسب المندوبون، الذين يرتهنون رمز FLOCK لدعمهم، حصة من تلك المكافآت. نحن نشهد التزامًا مستدامًا من مجتمعنا، مع نسبة رهان عالية تشير إلى تفضيل المشاركة في الشبكة على المدى الطويل على التداول على المدى القصير.

لقد قامت FLock.io بتأمين شراكات مع برنامج الأمم المتحدة للتنمية، وأليبABA، والخدمة الصحية الوطنية، والمؤسسات الكبرى الأخرى. ما الذي أقنع هذه المنظمات بالاعتماد على إطار عمل الذكاء الاصطناعي المتكرر بدلاً من التدريب القائم على السحابة التقليدية؟

ساهمت هذه الشراكات في تنفيذ حلول للتحديات التي لا يمكن أن يعالجها التدريب السحابي التقليدية. إطارنا، الذي يجمع بين التعلم الفيدرالي وتكنولوجيا البلوك تشين، يسمح بتدريب نماذج الذكاء الاصطناعي مباشرة على الخواديم المحلية. يتم مشاركة رؤى النموذج المجمعة والمجهولة فقط على البلوك تشين. كل اختراقات الذكاء الاصطناعي تتطلب دمج رؤى البيانات عبر المؤسسات التي لن تثق أبدًا في وسيط مركزي. قمنا ببناء عملنا مع برنامج الأمم المتحدة للتنمية على سبيل المثال، حيث بنينا نماذج الذكاء الاصطناعي تعاونيًا مع المنظمات غير الحكومية لتحقيق أهداف التنمية المستدامة. يوفر إطارنا الحكومي القائم على البلوك تشين الشفافية والاتفاق المجتمعي اللازمين لتطوير الذكاء الاصطناعي الأخلاقي على نطاق عالمي.

يصبح الحفاظ على الخصوصية للذكاء الاصطناعي أمرًا ضروريًا في قطاعات مثل الرعاية الصحية والحوكمة العامة والأبحاث العلمية. كيف يضمن FLock.io أن البيانات الحساسة يمكن استخدامها لتدريب نماذج قيمة دون كشفها أو مركztها؟

تكنولوجيا FLock تجلب معًا أفضل ما في التعلم الفيدرالي وتكنولوجيا البلوك تشين، مما يضمن أن البيانات الحساسة يمكن استخدامها لتدريب نماذج قيمة دون كشفها أو مركztها. بدلاً من جمع كميات هائلة من البيانات الحساسة في موقع مركزي واحد، يسمح التعلم الفيدرالي للكيانات المتعددة بتدريب نموذج تعاونيًا عن طريق إحضار عملية التدريب مباشرة إلى البيانات – ثم جمع التحديثات فقط، وليس البيانات الخام. يضيف البلوك تشين نظام الحوافز التشفيرية، مما يجعله أكثر خصوصية وقابلية للتطوير من خلال نظام من الحوافز التشفيرية.

على سبيل المثال، نسمح باختراقات في مجالات مثل اكتشاف الأدوية والصحة العامة من خلال تمكين الباحثين من الوصول إلى مجموعة هائلة من البيانات في العالم الحقيقي، مع الحفاظ على السيطرة الكاملة على البيانات والامتثال.

مع تطور الذكاء الاصطناعي والعملات المشفرة بسرعة، كيف ترى تقاطع البنية التحتية القائمة على البلوك تشين والتعلم الآلي يتطور خلال الخمس سنوات القادمة، وما دور سوق النماذج المتكررة مثل FLock.io سيكون؟

سيختفي احتكار الشركات المركزية للذكاء الاصطناعي في النهاية، حيث يستيقظ العالم على الإمكانيات القوية للذكاء الاصطناعي التعاوني أكثر. ست trởة الإطارات المتكررة إلى البنية التحتية الافتراضية لأي تطبيق ذكاء اصطناعي حساس، لتدريبها المحلي وسيطرة البيانات. مع زيادة توزيع قوة الحوسبة وتشغيلها عبر الشبكات المتكررة، سيتغير القيمة الحقيقية إلى البيانات والنماذج نفسها. نحن نبني البنية التحتية لمستقبل الذكاء الاصطناعي حيث تكون الخصوصية ضمانًا، وليس بمقايضة، والبلوك تشين سيكون التكنولوجيا الافتراضية لضمان ذلك.

تستخدم ساحة الذكاء الاصطناعي هيكلًا قائمًا على المهام حيث يتعاون المجتمع في تدريب النماذج واعتمادها. كيف يحسن هذا البيئة التنافسية التعاونية أداء النموذج، وما هي الحالات الجديدة التي تظهر من خلالها؟

العنصر التنافسي يحفز شبكتنا من مهندسي التعلم الآلي لتقديم مهام نموذجية بأداء أفضل، ويكسبون مكافآت بناءً على دقة وفعاليتهم. في نفس الوقت، يحسن آليات التوافق التعاونية الشفافية عن طريق تصفية التحيزات من الكيانات المركزية. تم تصميمه لإنتاج نماذج الذكاء الاصطناعي أكثر متانة وأكثر تخصصًا بكفاءة أكبر من النماذج المركزية التقليدية.

من خلال هذا النهج، تمكن FLock المجتمعات المتنوعة من تطوير نماذج الذكاء الاصطناعي المخصصة، مع حلول مخصصة لاحتياجات محددة. لقد وجدنا أن هذا الهيكل يتفوق حقًا في المجالات العالمية والمتخصصة حيث يحافظ على الخصوصية. هذا يشمل الرعاية الصحية والخدمات المالية ولوجستيات التوريد، حيث يمكن تحليل البيانات الحساسة محليًا، دون جمع البيانات الخام في قاعدة بيانات مركزية، مما يضمن أقصى قدر من الأمان.

لقد بنيت في السابق NORA في RBC – واحدة من أنظمة الذكاء الاصطناعي الرائدة لإدارة الثروة. كيف يختلف تطوير الذكاء الاصطناعي في بيئة مالية منظمة عن بناء البنية التحتية للذكاء الاصطناعي المتكررة حيث تكون الشفافية والانفتاح جزءًا من النواة؟

الأساس الفني ليس مختلفًا كثيرًا. كل نموذج يحتاج إلى التحقق والتدقيق من التحيزات المتأصلة ويتطلب جهدًا كبيرًا من مهندسي ماهرين. الفرق، مع ذلك، في العقلية الثقافية التي تدفع العمل نفسه.

في إدارة الثروة، يركز على نموذج واحد مركزي يضمن الامتثال التنظيمي ولكنه يفتقر إلى المرونة. التخفيف من المخاطر والامتثال هما في طليعة كل نشاط، في حين أن الذكاء الاصطناعي المتكرر يقلب هذا السيناريو. بدلاً من ذلك، تعتبر الشفافية والانفتاح مبدأً أساسيًا في التصميم، وليس بعد الفكر. هذا الانفتاح يجذب مجتمعًا أكثر تنوعًا للمساهمين، مما يجعل النماذج النهائية أكثر متانة للتحيزات ونقاط الفشل المفردة التي يمكن أن تصيب النماذج التي بنيتها فريقًا مركزيًا واحدًا.

كان FLock.io هو المشروع الوحيد للتدريب على الذكاء الاصطناعي المتكرر الذي تمت إضافته إلى قائمة CB Insights AI 100. ما الذي يميز الذكاء الاصطناعي المتكرر عن موجة التسريع الحالية للذكاء الاصطناعي؟

ما يميز الذكاء الاصطناعي المتكرر عن موجة الابتكار الحالية التي تركز على القدرة الحاسوبية هو التحول في التركيز إلى الحوكمة والخصوصية والتناسب الاقتصادي. مبدأ الحوكمة المتكررة والشفافية والانفتاح ي挑ل مباشرةً vịة اللاعبين المركزيين الذين يهيمنون حاليًا على مجال الذكاء الاصطناعي لضمان فرص اقتصادية أكثر عدلاً وتعاونًا عالميًا حقيقيًا وسيادة بيانات وخصوصية.

الانضمام إلى قائمة CB Insights AI 100 يؤكد تمامًا قيمة مقترحنا وافتراضنا الأساسي. إنه يظهر أن التكرارية هي الخطوة التالية والضرورية لتسهيل الابتكار الذي سيسمح للذكاء الاصطناعي بالاستخدام من أجل الخير.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا FLock.io.