Jiahao Sun, administrerende direktør og grunnlegger av FLock.io – Intervjuserie

Jiahao Sun, administrerende direktør og grunnlegger av FLock.io, har ledet selskapet siden april 2022. Før han grunnla FLock.io, tilbrakte han mange år i AI‑drevede roller — inkludert som direktør for kunstig intelligens i et stort finansselskap — og var forskningsstipendiat ved et ledende universitet som studerte kunnskapsgrafgenerering, NLP og maskinlæring for finansiell prediksjon. Hans omfattende bakgrunn innen både bedrifts‑AI og akademisk forskning gjør ham godt posisjonert til å lede et prosjekt som har som mål å gjenoppfinne hvordan AI bygges og distribueres.

FLock.io er en desentralisert AI‑plattform som kombinerer federert læring med blokkjedeteknologi. I stedet for å sentralisere data, gjør den det mulig for fellesskap å samarbeide om å bygge, trene og distribuere AI‑modeller mens informasjonen holdes privat på lokale enheter. Systemet tilbyr insentiver til bidragsytere som leverer beregning, data eller validering, og fordeler eierskap og styring over nettverket for å sikre åpenhet, sikkerhet og langsiktig robusthet.

Du grunnla FLock.io etter år med arbeid innen avansert AI‑forskning og finansiell prediksjon ved Imperial College, samt ledelse av AI‑innovasjon i RBC Wealth Management. Hva var det som opprinnelig tente idéen om å bygge en desentralisert AI‑plattform, og hvilket gap så du at tradisjonelle AI‑arkitekturer ikke kunne fylle?

Idéen til FLock oppsto da jeg så det samme problemet både i min akademiske forskning og i finansarbeidet. Verdifulle data var låst bort, og organisasjoner kunne ikke bruke AI sammen uten å gi opp personvern eller kontroll. Tradisjonelle AI‑systemer er bygget rundt store sentrale leverandører, og det begrenser hvem som kan delta og hvor bredt fordelene kan deles. Jeg innså at en desentralisert tilnærming kunne løse dette. Med nye verktøy som blokkjedeteknologi, federert læring og personvern‑bevarende teknologi kan folk og selskaper trygt bidra med data eller beregningskraft, samtidig som de beholder eierskapet. FLock ble skapt for å gjøre AI mer åpen, mer sikker, og noe alle kan bidra til å bygge, ikke bare noen få store aktører.

Ditt bakgrunn inkluderer forskning på kunnskapsgrafer og zero‑shot‑læring for finansiell prediksjon. Hvordan har den erfaringen påvirket måten FLock.io tilnærmer seg modelltrening, validering og dataintegritet på kjeden?

Jeg har gjennom erfaring lært at finansiell prediksjon er et iboende høyrisiko‑område hvor dataintegritet, modellforklarbarhet og evnen til å generalisere fra begrensede datasett er avgjørende. I finans er kilden og kvaliteten på data alt. Vi oversatte dette behovet for verifiserbar opprinnelse til vår on‑chain‑arkitektur i FLock. Vi strukturerer et desentralisert nettverk av datasiloer, som gjør at AI kan lære den samlede kunnskapen uten å sentralisere rådataene. Dette gjør at vi kan bygge kraftige modeller i sensitive sektorer som helsevesen og finans, hvor dataene må forbli distribuerte og private.

FLock.io sin AI‑Arena har allerede produsert mer enn 9 000 fullt trente maskinlæringsmodeller på under ett år. Hva avslører dette aktivitetsnivået om etterspørselen etter desentralisert AI, og hvorfor tror du utviklere velger fellesskapsdrevet trening fremfor sentraliserte alternativer?

Dette aktivitetsnivået avslører to kritiske innsikter om den nåværende tilstanden i AI‑markedet. For det første bekrefter det den enorme etterspørselen etter desentralisert AI‑infrastruktur. Utviklere søker aktivt alternativer til den sentraliserte sky‑modellen fordi den er strukturelt skjør, kostbar og skaper et enkelt feilpunkt for data. I motsetning til sentraliserte plattformer hvor deltakerne eier modellen, beholder modellutviklere og bidragsytere eierskapet i AI‑Arenaen og belønnes med FLOCK‑tokens når modellene deres brukes.

Desentralisert AI er sterkt avhengig av insentiver for å tiltrekke validatorer, delegatorer og node‑operatører. Hvordan sørger FLOCK‑token‑designet for å justere insentiver på tvers av økosystemet, og hvilke økonomiske atferdsmønstre har du observert nå som det finnes over 55 000 token‑eiere?

FLOCK‑tokenet er vår styrings‑ og nytte‑motor som hjelper oss å sikre at insentivene til hver deltaker er perfekt tilpasset nettverkets langsiktige helse og kvaliteten på de produserte modellene. Designet vårt er bygget på et klart prinsipp om å belønne produktive, verifiserbare bidrag som fremmer samarbeid mellom dataeiere, beregningsleverandører, validatorer og delegatorer. For eksempel tjener beregningsleverandører og node‑operatører FLOCK for å bidra med sine beregningsressurser til modelltrening. Validatorer belønnes for å sikre sikkerheten og nøyaktigheten til modelloppdateringer, mens delegatorer, som satser FLOCK for å støtte dem, får en andel av disse belønningene. Vi ser en vedvarende forpliktelse fra vårt fellesskap, med en høy staking‑ratio som indikerer en preferanse for langsiktig nettverksdeltakelse fremfor kortsiktig handel.

FLock.io har sikret partnerskap med United Nations Development Programme, Alibaba, NHS og andre store institusjoner. Hva overbeviste disse organisasjonene til å adoptere et desentralisert AI‑rammeverk i stedet for tradisjonell sky‑basert trening?

Disse partnerskapene har hjulpet oss med å implementere løsninger på utfordringene tradisjonell, sky‑basert trening ikke kan løse. Vårt rammeverk, som kombinerer federert læring med blokkjedeteknologi, gjør det mulig å trene AI‑modeller direkte på lokale servere. Kun de aggregerte, anonymiserte modellinnsiktene deles til blokkjedene. Alle transformative AI‑gjennombrudd krever samling av data‑innsikter på tvers av institusjoner som aldri ville stole på en sentral mellommann. Vårt arbeid med UNDP er et tydelig eksempel, hvor vi sammen med NGO‑er bygger AI‑modeller for å oppnå bærekraftige utviklingsmål. Vårt blokkjedestyrte rammeverk gir den åpenheten og fellesskapskonsensus som er nødvendig for etisk AI‑utvikling på global skala.

Personvern‑bevarende AI blir stadig viktigere i sektorer som helsevesen, offentlig forvaltning og vitenskapelig forskning. Hvordan sikrer FLock.io at sensitiv data kan brukes til å trene høyverdige modeller uten å bli eksponert eller sentralisert?

FLocks kjerne­teknologi samler det beste fra federert læring og blokkjedeteknologi, noe som sikrer at sensitiv data kan brukes til å trene høyverdige modeller uten å bli eksponert eller sentralisert. I stedet for å samle store mengder sensitiv data i ett sentralt lager, lar federert læring flere enheter samarbeide om å trene en modell ved å bringe treningsprosessen direkte til dataene – og kun samle inn oppdateringene, ikke rådataene. Legg til blokkjedeteknologi, så blir det enda mer personvern‑bevarende og skalerbart gjennom et system av kryptoincentiver.

For eksempel gjør vi det mulig med gjennombrudd innen områder som legemiddelforskning og folkehelse ved å la forskere få tilgang til en enorm pool av virkelige data, samtidig som full datakontroll og overholdelse opprettholdes.

Ettersom både krypto og AI utvikler seg raskt, hvordan ser du krysningspunktet mellom blokkjedebasert infrastruktur og maskinlæring utvikle seg de neste fem årene, og hvilken rolle vil desentraliserte modellmarkedsplasser som FLock.io spille?

Monopolet til sentraliserte AI‑selskaper vil ikke vare evig, ettersom verden våkner opp for det kraftige potensialet i mer samarbeids‑ og suveren AI. Desentraliserte rammeverk vil bli standardinfrastrukturen for enhver sensitiv AI‑applikasjon, på grunn av lokal trening og datakontroll. Etter hvert som beregningskraft blir stadig mer distribuert og kommersialisert gjennom desentraliserte nettverk, vil den egentlige verdien skifte til dataene og modellene selv. Vi bygger infrastrukturen for en AI‑fremtid hvor personvern er en garanti, ikke et kompromiss, og blokkjedeteknologi vil bli den foretrukne teknologien for å sikre dette.

AI‑Arenaen bruker en oppgavebasert struktur hvor fellesskap samarbeider om å trene og validere modeller. Hvordan forbedrer dette konkurransedyktige‑samarbeidsmiljøet modellytelsen, og hvilke nye bruksområder dukker opp fra det?

Det konkurransepregede elementet gir insentiver til vårt nettverk av maskinlæringsingeniører til å levere de best‑presterende modelloppgavene, og tjener belønninger basert på nøyaktigheten og effektiviteten i deres innleveringer. Samtidig forbedrer den samarbeids‑baserte konsensusmekanismen åpenheten ved å filtrere bias fra sentraliserte enheter. Den er designet for å produsere mer robuste og spesialiserte AI‑modeller mer effektivt enn tradisjonelle sentraliserte modeller.

Gjennom denne tilnærmingen gjør FLock det mulig for ulike fellesskap å utvikle formålsbyggde AI‑modeller, og tilby skreddersydde løsninger tilpasset spesifikke behov. Vi har oppdaget at denne strukturen virkelig utmerker seg i ulike, globale og nisjeområder hvor bevaring av personvern er avgjørende. Dette inkluderer helsevesen, finansielle tjenester og logistikk i forsyningskjeden, hvor sensitiv data kan analyseres lokalt, uten å samle råinformasjonen i en sentral database, og dermed sikre maksimal sikkerhet.

Du bygde tidligere NORA i RBC – ett av de ledende AI‑systemene for formuesforvaltning. Hvordan sammenlignes utvikling av AI i et regulert finansmiljø med bygging av desentralisert AI‑infrastruktur hvor åpenhet og transparens er innebygd i kjernen?

Interessant nok er de tekniske grunnprinsippene ikke så forskjellige. Hver modell må valideres og revideres for innebygde skjevheter, og krever en enorm innsats fra dyktige ingeniører. Forskjellen ligger imidlertid i den kulturelle tankegangen som driver arbeidet.

I formuesforvaltning er fokuset på en enkelt, sterkt kontrollert modell som garanterer regulatorisk etterlevelse, men som mangler smidighet. Risikoredusering og etterlevelse står i front av all aktivitet, mens desentralisert AI naturlig snur dette skriptet. I stedet blir åpenhet og transparens betraktet som grunnleggende designprinsipper, snarere enn ettertanker. Denne åpenheten tiltrekker et mer mangfoldig fellesskap av bidragsytere, noe som i seg selv gjør de endelige modellene mer robuste mot skjevheter og enkelt‑feilpunkter som kan plage modeller bygget av ett sentralisert team.

FLock.io var det eneste desentraliserte AI‑treningsprosjektet som ble navngitt i CB Insights AI 100. Hva mener du skiller desentralisert AI fra den bredere bølgen av AI‑akselerasjon som skjer i dag?

Det som skiller desentralisert AI fra den nåværende bølgen av innovasjon som fokuserer på beregningsskala, er skiftet i fokus mot styring, personvern og økonomisk tilpasning. De grunnleggende prinsippene for desentralisering, åpenhet og transparens utfordrer direkte statusen til de få sentraliserte aktørene som for tiden dominerer AI‑markedet, for å sikre rettferdigere økonomiske muligheter, større globalt samarbeid og ekte datasuvereinitet og personvern.

Å være det eneste desentraliserte AI‑treningsprosjektet som ble navngitt i CB Insights AI 100 bekrefter fullt ut vårt verdiforslag og kjerne‑hypotese. Det viser at desentralisering er det neste og nødvendige steget for å legge til rette for innovasjon som vil gjøre AI mulig å bruke til det gode.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke FLock.io.