Jiahao Sun, CEO dan Pendiri FLock.io – Seri Wawancara

Jiahao Sun, CEO dan Pendiri FLock.io, telah memimpin perusahaan sejak April 2022. Sebelum mendirikan FLock.io, ia menghabiskan banyak tahun dalam peran yang berfokus pada AI — termasuk sebagai Direktur Kecerdasan Buatan di sebuah perusahaan keuangan besar — dan pernah menjadi Research Fellow di universitas terkemuka yang mempelajari pembuatan knowledge-graph, NLP, dan pembelajaran mesin untuk prediksi keuangan. Latar belakangnya yang luas baik di AI perusahaan maupun penelitian akademis membuatnya sangat cocok untuk memimpin proyek yang bertujuan merevolusi cara AI dibangun dan diterapkan.

FLock.io adalah platform AI terdesentralisasi yang menggabungkan federated learning dengan blockchain. Alih‑alih memusatkan data, platform ini memungkinkan komunitas untuk secara kolaboratif membangun, melatih, dan menyebarkan model AI sambil menjaga informasi tetap pribadi di perangkat lokal. Sistem ini menawarkan insentif bagi kontributor yang menyediakan komputasi, data, atau validasi, dan mendistribusikan kepemilikan serta tata kelola di seluruh jaringan untuk memastikan transparansi, keamanan, dan ketahanan jangka panjang.

Anda mendirikan FLock.io setelah bertahun‑tahun bekerja dalam penelitian AI lanjutan dan prediksi keuangan di Imperial College serta memimpin inovasi AI di RBC Wealth Management. Apa yang awalnya memicu ide untuk membangun platform AI terdesentralisasi, dan celah apa yang Anda lihat yang tidak dapat diatasi oleh arsitektur AI tradisional?

Ide untuk FLock muncul setelah saya melihat masalah yang sama dalam penelitian akademik dan pekerjaan keuangan saya. Data berharga terkunci, dan organisasi tidak dapat menggunakan AI bersama tanpa mengorbankan privasi atau kontrol. Sistem AI tradisional dibangun di sekitar penyedia pusat besar, yang membatasi siapa yang dapat berpartisipasi dan seberapa luas manfaat dapat dibagikan. Saya menyadari bahwa pendekatan terdesentralisasi dapat menyelesaikan hal ini. Dengan alat baru seperti blockchain, federated learning, dan teknologi yang melindungi privasi, orang dan perusahaan dapat berkontribusi data atau daya komputasi secara aman, sambil mempertahankan kepemilikan. FLock dibuat untuk membuat AI lebih terbuka, lebih aman, dan sesuatu yang dapat dibangun bersama oleh semua orang, bukan hanya beberapa pemain besar.

Latar belakang Anda mencakup penelitian knowledge graph dan zero-shot learning untuk prediksi keuangan. Bagaimana pengalaman itu membentuk cara FLock.io mendekati pelatihan model, validasi, dan integritas data di blockchain?

Saya telah belajar melalui pengalaman bahwa prediksi keuangan merupakan domain dengan risiko tinggi di mana integritas data, kemampuan menjelaskan model, dan kemampuan untuk menggeneralisasi dari kumpulan data terbatas sangat penting. Dalam keuangan, sumber dan kualitas data adalah segalanya. Kami menerjemahkan kebutuhan akan provenance yang dapat diverifikasi ke dalam arsitektur on-chain kami di FLock. Kami menyusun jaringan terdesentralisasi dari silo data, memungkinkan AI belajar pengetahuan kolektif tanpa pernah memusatkan data mentah itu sendiri. Hal ini memungkinkan kami membangun model yang kuat di sektor sensitif seperti perawatan kesehatan dan keuangan, di mana data harus tetap tersebar dan pribadi.

AI Arena FLock.io telah menghasilkan lebih dari 9.000 model pembelajaran mesin yang sepenuhnya terlatih dalam kurang dari setahun. Apa yang diungkapkan tingkat aktivitas ini tentang permintaan untuk AI terdesentralisasi, dan mengapa Anda pikir pengembang memilih pelatihan berbasis komunitas dibandingkan alternatif terpusat?

Tingkat aktivitas ini mengungkapkan dua wawasan penting tentang keadaan pasar AI saat ini. Pertama, ini menegaskan permintaan besar untuk infrastruktur AI terdesentralisasi. Pengembang secara aktif mencari alternatif dari model cloud terpusat karena model tersebut secara struktural rapuh, mahal, dan menciptakan titik kegagalan tunggal untuk data. Tidak seperti platform terpusat di mana peserta memiliki model, di AI Arena, pengembang model dan kontributor mempertahankan kepemilikan dan diberi hadiah dengan token FLOCK ketika model mereka digunakan.

AI terdesentralisasi sangat bergantung pada insentif untuk menarik validator, delegator, dan operator node. Bagaimana desain token FLOCK menyelaraskan insentif di seluruh ekosistem, dan perilaku ekonomi apa yang Anda amati sekarang setelah ada lebih dari 55.000 pemegang token?

Token FLOCK adalah mesin tata kelola dan utilitas kami yang membantu memastikan bahwa insentif setiap peserta selaras sempurna dengan kesehatan jangka panjang jaringan dan kualitas model yang dihasilkan. Desain kami dibangun atas prinsip jelas untuk memberi penghargaan pada kontribusi produktif dan dapat diverifikasi yang mendorong kolaborasi antara pemilik data, penyedia komputasi, validator, dan delegator. Misalnya, penyedia komputasi dan operator node memperoleh FLOCK untuk menyumbangkan sumber daya komputasi mereka ke pelatihan model. Validator diberi hadiah untuk memastikan keamanan dan akurasi pembaruan model, sementara delegator, yang men‑stake FLOCK untuk mendukung mereka, memperoleh bagian dari hadiah tersebut. Kami melihat komitmen berkelanjutan dari komunitas kami, dengan rasio staking yang tinggi menunjukkan preferensi untuk partisipasi jaringan jangka panjang dibandingkan perdagangan jangka pendek.

FLock.io telah menjalin kemitraan dengan United Nations Development Programme, Alibaba, NHS, dan institusi besar lainnya. Apa yang meyakinkan organisasi‑organisasi ini untuk mengadopsi kerangka AI terdesentralisasi alih‑alih pelatihan berbasis cloud tradisional?

Kemitraan ini membantu kami menerapkan solusi untuk tantangan yang tidak dapat diatasi oleh pelatihan berbasis cloud tradisional. Kerangka kerja kami, yang menggabungkan federated learning dengan blockchain, memungkinkan model AI dilatih langsung di server lokal. Hanya wawasan model yang teragregasi dan dianonimkan yang dibagikan ke blockchain. Semua terobosan AI transformatif memerlukan penggabungan wawasan data antar institusi yang tidak akan pernah mempercayai perantara pusat. Kerja kami dengan UNDP adalah contoh utama, di mana bersama LSM, kami secara kolaboratif membangun model AI untuk mencapai tujuan pembangunan berkelanjutan. Kerangka kerja yang diatur oleh blockchain kami menyediakan transparansi dan konsensus komunitas yang diperlukan untuk pengembangan AI etis pada skala global.

AI yang melindungi privasi semakin penting di sektor seperti perawatan kesehatan, pemerintahan publik, dan penelitian ilmiah. Bagaimana FLock.io memastikan bahwa data sensitif dapat digunakan untuk melatih model bernilai tinggi tanpa pernah terekspos atau dipusatkan?

Teknologi inti FLock menggabungkan yang terbaik dari federated learning dan teknologi blockchain, yang memastikan bahwa data sensitif dapat digunakan untuk melatih model bernilai tinggi tanpa pernah terekspos atau dipusatkan. Alih‑alih mengumpulkan sejumlah besar data sensitif ke satu lokasi pusat, federated learning memungkinkan banyak entitas melatih model secara kolaboratif dengan membawa proses pelatihan langsung ke data – kemudian hanya mengumpulkan pembaruan, bukan data mentah. Tambahkan blockchain dan menjadi lebih melindungi privasi serta skalabel melalui sistem insentif kripto.

Sebagai contoh, kami memungkinkan terobosan di bidang seperti penemuan obat dan kesehatan masyarakat dengan memungkinkan peneliti mengakses kumpulan data dunia nyata yang luas, sambil tetap mempertahankan kontrol penuh atas data dan kepatuhan.

Seiring kripto dan AI berkembang pesat, bagaimana Anda melihat persimpangan infrastruktur berbasis blockchain dan pembelajaran mesin berkembang dalam lima tahun ke depan, dan peran apa yang akan dimainkan oleh pasar model terdesentralisasi seperti FLock.io?

Monopoli perusahaan AI terpusat tidak akan bertahan selamanya, karena dunia mulai menyadari potensi kuat AI yang lebih kolaboratif dan berdaulat. Kerangka kerja terdesentralisasi akan menjadi infrastruktur default untuk aplikasi AI sensitif, karena pelatihan lokal dan kontrol data. Seiring daya komputasi menjadi semakin terdistribusi dan menjadi komoditas melalui jaringan terdesentralisasi, nilai sejati akan beralih ke data dan model itu sendiri. Kami sedang membangun infrastruktur untuk masa depan AI di mana privasi menjadi jaminan, bukan kompromi, dan blockchain akan menjadi teknologi pilihan untuk memastikan hal itu.

AI Arena menggunakan struktur berbasis tugas di mana komunitas secara kolaboratif melatih dan memvalidasi model. Bagaimana lingkungan kompetitif‑kolaboratif ini meningkatkan kinerja model, dan kasus penggunaan baru apa yang muncul darinya?

Elemen kompetitif memberi insentif pada jaringan insinyur pembelajaran mesin kami untuk mengirimkan tugas model dengan performa terbaik, memperoleh hadiah berdasarkan akurasi dan efisiensi kiriman mereka. Sementara itu, mekanisme konsensus kolaboratif meningkatkan transparansi dengan menyaring bias dari entitas terpusat. Ini dirancang untuk menghasilkan model AI yang lebih kuat dan khusus secara lebih efisien dibandingkan model terpusat tradisional.

Melalui pendekatan ini, FLock memungkinkan komunitas beragam mengembangkan model AI yang dibangun khusus, menawarkan solusi yang disesuaikan dengan kebutuhan spesifik. Kami menemukan struktur ini benar‑benar unggul di domain yang beragam, global, dan niche di mana menjaga privasi sangat penting. Ini termasuk perawatan kesehatan, layanan keuangan, dan logistik rantai pasokan, di mana data sensitif dapat dianalisis secara lokal, tanpa pernah mengumpulkan informasi mentah ke basis data pusat, memastikan keamanan maksimal.

Anda sebelumnya membangun NORA di RBC—salah satu sistem AI terkemuka untuk manajemen kekayaan. Bagaimana mengembangkan AI di lingkungan keuangan yang diatur dibandingkan dengan membangun infrastruktur AI terdesentralisasi di mana transparansi dan keterbukaan dibangun ke dalam inti?

Secara menarik, dasar teknis tidak begitu berbeda. Setiap model perlu divalidasi dan diaudit untuk bias yang melekat dan memerlukan upaya besar dari insinyur terampil. Perbedaannya, bagaimanapun, terletak pada pola pikir budaya yang mendorong pekerjaan itu sendiri.

Di manajemen kekayaan, fokusnya pada satu model yang sangat terkendali yang menjamin kepatuhan regulasi tetapi kurang gesit. Mitigasi risiko dan kepatuhan berada di garis depan setiap aktivitas, sementara AI terdesentralisasi, secara alami, membalikkan skenario itu. Sebaliknya, transparansi dan keterbukaan dianggap sebagai prinsip desain fundamental bukan sekadar pemikiran setelahnya. Keterbukaan ini menarik komunitas kontributor yang lebih beragam, yang pada dasarnya membuat model akhir lebih tahan terhadap bias dan titik kegagalan tunggal yang dapat mengganggu model yang dibangun oleh satu tim terpusat.

FLock.io adalah satu‑satunya proyek pelatihan AI terdesentralisasi yang dinamai dalam CB Insights AI 100. Apa yang Anda yakini membedakan AI terdesentralisasi dari gelombang percepatan AI yang lebih luas saat ini?

Apa yang membedakan AI terdesentralisasi dari gelombang inovasi saat ini yang berfokus pada skala komputasi adalah pergeseran fokus ke tata kelola, privasi, dan keselarasan ekonomi. Prinsip inti desentralisasi, transparansi, dan keterbukaan secara langsung menantang posisi beberapa pemain terpusat yang saat ini mendominasi ruang AI untuk memastikan peluang ekonomi yang lebih adil, kolaborasi global yang lebih besar, serta kedaulatan dan privasi data yang sejati.

Menjadi satu‑satunya proyek pelatihan AI terdesentralisasi yang dinamai dalam CB Insights AI 100 sepenuhnya memvalidasi proposisi nilai dan tesis inti kami. Ini menunjukkan bahwa desentralisasi adalah langkah selanjutnya dan diperlukan untuk memfasilitasi inovasi yang akan memungkinkan AI digunakan untuk kebaikan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin belajar lebih lanjut sebaiknya mengunjungi FLock.io.