Jiahao Sun, CEO en oprichter van FLock.io – Interviewreeks

Jiahao Sun, CEO en oprichter van FLock.io, leidt het bedrijf sinds april 2022. Voor de oprichting van FLock.io heeft hij vele jaren in AI-gedreven rollen gewerkt — onder meer als directeur Kunstmatige Intelligentie bij een grote financiële instelling — en was hij onderzoek fellow aan een topuniversiteit waar hij kennisgrafiekgeneratie, NLP en machine learning voor financiële voorspelling bestudeerde. Zijn uitgebreide achtergrond in zowel enterprise AI als academisch onderzoek maakt hem uitstekend geschikt om een project te leiden dat gericht is op het heruitvinden van hoe AI wordt gebouwd en ingezet.

FLock.io is een gedecentraliseerd AI-platform dat federated learning combineert met blockchain. In plaats van data te centraliseren, stelt het gemeenschappen in staat om gezamenlijk AI-modellen te bouwen, trainen en inzetten terwijl de informatie privé blijft op lokale apparaten. Het systeem biedt incentives voor bijdragers die rekenkracht, data of validatie leveren, en verdeelt eigendom en governance over het netwerk om transparantie, veiligheid en langdurige veerkracht te waarborgen.

U heeft FLock.io opgericht na jaren te hebben gewerkt aan geavanceerd AI-onderzoek en financiële voorspelling aan Imperial College, evenals het leiden van AI-innovatie bij RBC Wealth Management. Wat heeft oorspronkelijk het idee doen ontstaan om een gedecentraliseerd AI-platform te bouwen, en welke kloof zag u die traditionele AI-architecturen niet konden opvullen?

Het idee voor FLock kwam voort uit het zien van hetzelfde probleem in zowel mijn academisch onderzoek als mijn werk in de financiële sector. Waardevolle data zat opgesloten, en organisaties konden AI niet samen gebruiken zonder privacy of controle op te geven. Traditionele AI-systemen zijn gebouwd rond grote centrale providers, en dat beperkt wie kan deelnemen en hoe breed de voordelen kunnen worden gedeeld. Ik realiseerde me dat een gedecentraliseerde aanpak dit kon oplossen. Met nieuwe tools zoals blockchain, federated learning en privacy-behoudende technologie kunnen mensen en bedrijven veilig data of rekenkracht bijdragen, terwijl ze eigendom behouden. FLock werd gecreëerd om AI opener, veiliger en iets te maken dat iedereen kan helpen bouwen, niet alleen een paar grote spelers.

Uw achtergrond omvat onderzoek naar kennisgrafieken en zero-shot learning voor financiële voorspelling. Hoe heeft die ervaring de manier gevormd waarop FLock.io modeltraining, validatie en dataintegriteit on-chain benadert?

Ik heb door ervaring geleerd dat financiële voorspelling een inherent high‑stakes domein is waar dataintegriteit, modelverklaarbaarheid en het vermogen om te generaliseren van beperkte datasets van het grootste belang zijn. In de financiële sector is de bron en kwaliteit van data alles. We hebben deze behoefte aan verifieerbare herkomst vertaald naar onze on-chain architectuur bij FLock. We structureren een gedecentraliseerd netwerk van datasilo’s, waardoor de AI de collectieve kennis kan leren zonder de ruwe data zelf te centraliseren. Dit stelt ons in staat krachtige modellen te bouwen in gevoelige sectoren zoals gezondheidszorg en financiën, waar de data verdeeld en privé moet blijven.

De AI Arena van FLock.io heeft al meer dan 9.000 volledig getrainde machine‑learning modellen geproduceerd in minder dan een jaar. Wat onthult dit niveau van activiteit over de vraag naar gedecentraliseerde AI, en waarom denken jullie dat ontwikkelaars kiezen voor community‑gedreven training boven gecentraliseerde alternatieven?

Dit niveau van activiteit onthult twee kritieke inzichten over de huidige staat van de AI‑markt. Ten eerste bevestigt het de enorme vraag naar gedecentraliseerde AI‑infrastructuur. Ontwikkelaars zoeken actief alternatieven voor het gecentraliseerde cloud‑model omdat dit structureel broos, duur en een enkel punt van falen voor data creëert. In tegenstelling tot gecentraliseerde platforms waar de deelnemers het model bezitten, behouden in de AI Arena de modelontwikkelaars en bijdragers eigendom en worden ze beloond met FLOCK‑tokens wanneer hun modellen worden gebruikt.

Gedecentraliseerde AI is sterk afhankelijk van incentives om validators, delegators en node‑operators aan te trekken. Hoe stemt het FLOCK‑tokenontwerp incentives af over het ecosysteem, en welke economische gedragingen hebben jullie waargenomen nu er meer dan 55.000 token‑houders zijn?

Het FLOCK‑token is onze governance‑ en utility‑motor die ons helpt ervoor te zorgen dat de incentives van elke deelnemer perfect zijn afgestemd op de langetermijngezondheid van het netwerk en de kwaliteit van de geproduceerde modellen. Ons ontwerp is gebaseerd op een duidelijk principe om productieve, verifieerbare bijdragen te belonen die samenwerking stimuleren tussen data‑eigenaren, compute‑providers, validators en delegators. Bijvoorbeeld, compute‑providers en node‑operators verdienen FLOCK voor het leveren van hun rekenresources aan modeltraining. Validators worden beloond voor het waarborgen van de veiligheid en nauwkeurigheid van modelupdates, terwijl delegators, die FLOCK inzetten ter ondersteuning, een deel van die beloningen ontvangen. We zien een blijvende inzet van onze community, met een hoge staking‑ratio die wijst op een voorkeur voor langdurige netwerkparticipatie boven kortetermijnhandel.

FLock.io heeft partnerschappen veiliggesteld met het United Nations Development Programme, Alibaba, de NHS en andere grote instellingen. Wat heeft deze organisaties overtuigd om een gedecentraliseerd AI‑framework te adopteren in plaats van traditionele cloud‑gebaseerde training?

Deze partnerschappen hebben ons geholpen oplossingen te implementeren voor de uitdagingen die traditionele, cloud‑gebaseerde training niet kan aanpakken. Ons framework, dat federated learning combineert met blockchain, stelt AI‑modellen in staat om direct op lokale servers te worden getraind. Alleen de geaggregeerde, geanonimiseerde modelinzichten worden gedeeld op de blockchain. Alle transformatieve AI‑doorbraken vereisen het bundelen van data‑inzichten over instellingen die nooit een centrale tussenpersoon zouden vertrouwen. Ons werk met de UNDP is een duidelijk voorbeeld, waar we samen met NGO’s AI‑modellen bouwen om de Sustainable Development Goals te bereiken. Ons blockchain‑governance framework biedt de transparantie en community‑consensus die nodig zijn voor ethische AI‑ontwikkeling op wereldwijde schaal.

Privacy‑behoudende AI wordt steeds essentieel in sectoren zoals gezondheidszorg, openbaar bestuur en wetenschappelijk onderzoek. Hoe zorgt FLock.io ervoor dat gevoelige data kan worden gebruikt om hoogwaardige modellen te trainen zonder ooit blootgesteld of gecentraliseerd te worden?

De kerntechnologie van FLock brengt het beste van federated learning en blockchain samen, waardoor gevoelige data kan worden gebruikt om hoogwaardige modellen te trainen zonder ooit blootgesteld of gecentraliseerd te worden. In plaats van enorme hoeveelheden gevoelige data te verzamelen op één centrale locatie, laat federated learning meerdere entiteiten gezamenlijk een model trainen door het trainingsproces direct naar de data te brengen – en vervolgens alleen de updates te verzamelen, niet de ruwe data. Voeg blockchain toe en het wordt nog meer privacy‑behoudend en schaalbaar via een systeem van crypto‑incentives.

Zo stellen we doorbraken mogelijk in gebieden zoals geneesmiddelenontdekking en volksgezondheid door onderzoekers toegang te geven tot een enorme pool van real‑world data, terwijl ze volledige controle over de data en naleving behouden.

Naarmate zowel crypto als AI zich snel ontwikkelen, hoe ziet u de kruising van blockchain‑gebaseerde infrastructuur en machine learning zich ontwikkelen in de komende vijf jaar, en welke rol zullen gedecentraliseerde modelmarktplaatsen zoals FLock.io spelen?

Het monopolie van gecentraliseerde AI‑bedrijven zal niet eeuwig duren, nu de wereld zich bewust wordt van het krachtige potentieel van meer collaboratieve, soevereine AI. Gedecentraliseerde frameworks zullen de standaardinfrastructuur worden voor elke gevoelige AI‑toepassing, vanwege hun lokale training en datacontrole. Naarmate rekenkracht steeds meer wordt gedistribueerd en gecommoditiseerd via gedecentraliseerde netwerken, zal de echte waarde verschuiven naar de data en de modellen zelf. Wij bouwen de infrastructuur voor een AI‑toekomst waarin privacy een garantie is, geen afweging, en blockchain zal de technologie worden om dat te waarborgen.

De AI Arena gebruikt een taak‑gebaseerde structuur waarbij gemeenschappen gezamenlijk modellen trainen en valideren. Hoe verbetert deze competitieve‑collaboratieve omgeving de modelprestaties, en welke nieuwe use‑cases ontstaan hieruit?

Het competitieve element stimuleert ons netwerk van machine‑learning engineers om de best presterende modeltaken in te dienen, waarbij ze beloningen verdienen op basis van de nauwkeurigheid en efficiëntie van hun inzendingen. Ondertussen verbetert het collaboratieve consensusmechanisme de transparantie door bias van gecentraliseerde entiteiten te filteren. Het is ontworpen om robuustere en gespecialiseerdere AI‑modellen efficiënter te produceren dan traditionele gecentraliseerde modellen.

Via deze aanpak stelt FLock diverse gemeenschappen in staat om op maat gemaakte AI‑modellen te ontwikkelen, met oplossingen die zijn afgestemd op specifieke behoeften. We hebben gemerkt dat deze structuur echt uitblinkt in diverse, wereldwijde en niche‑domeinen waar privacy cruciaal is. Dit omvat gezondheidszorg, financiële diensten en logistiek in de toeleveringsketen, waar gevoelige data lokaal kan worden geanalyseerd zonder de ruwe informatie ooit te bundelen in een centrale database, wat maximale beveiliging garandeert.

U heeft eerder NORA bij RBC gebouwd — een van de toonaangevende AI‑systemen voor vermogensbeheer. Hoe verhoudt het ontwikkelen van AI in een gereguleerde financiële omgeving zich tot het bouwen van gedecentraliseerde AI‑infrastructuur waar transparantie en openheid in de kern zijn ingebouwd?

Interessant genoeg zijn de technische fundamenten niet zo verschillend. Elk model moet worden gevalideerd en geaudit op inherente bias en vereist een enorme inspanning van bekwame engineers. Het verschil ligt echter in de culturele mindset die het werk zelf aandrijft.

In vermogensbeheer ligt de focus op één enkel, sterk gecontroleerd model dat de regelgeving naleeft maar weinig wendbaarheid biedt. Risicobeperking en compliance staan centraal in elke activiteit, terwijl gedecentraliseerde AI van nature dat script omdraait. In plaats daarvan worden transparantie en openheid beschouwd als fundamentele ontwerpprincipes in plaats van bijzaak. Deze openheid trekt een meer diverse gemeenschap van bijdragers aan, waardoor de uiteindelijke modellen veerkrachtiger zijn tegen bias en single points of failure die modellen kunnen teisteren die door één gecentraliseerd team zijn gebouwd.

FLock.io was het enige gedecentraliseerde AI‑trainingsproject dat werd genoemd in de CB Insights AI 100. Wat denkt u dat gedecentraliseerde AI onderscheidt van de bredere golf van AI‑versnelling die vandaag plaatsvindt?

Wat gedecentraliseerde AI onderscheidt van de huidige golf van innovatie die zich richt op computationele schaal, is de verschuiving van focus naar governance, privacy en economische afstemming. De kernprincipes van decentralisatie, transparantie en openheid dagen de status van de enkele gecentraliseerde spelers die momenteel de AI‑ruimte domineren uit, om eerlijkere economische kansen, grotere wereldwijde samenwerking en echte data‑soevereiniteit en privacy te waarborgen.

Het enige gedecentraliseerde AI‑trainingsproject dat werd genoemd in de CB Insights AI 100 bevestigt volledig onze waardepropositie en kernhypothese. Het toont aan dat decentralisatie de volgende en noodzakelijke stap is om innovatie te faciliteren die AI in staat stelt voor het goede te worden gebruikt.

Dank u voor het geweldige interview, lezers die meer willen weten, kunnen FLock.io bezoeken.