Генеральный директор Gradient Эрик Ян считает, что следующий крупный сдвиг в развитии искусственного интеллекта произойдет не за счет увеличения размеров закрытых моделей или more powerful data centers.
Вместо этого, по его словам, толчок даст фундаментальное изменение в том, как обучаются модели: перенос обучения с одного корпоративного суперкомпьютера на распределенную по миру, разрешительную сеть вычислительных ресурсов.
В беседе с Yellow.com о работе Gradient Ян сказал, что сегодняшние доминирующие ИИ‑лаборатории, такие как OpenAI, Google, Anthropic, xAI, исходят из предположения, что базовые модели можно обучать только внутри массивной централизованной инфраструктуры.
«ИИ настолько выигрывает от централизации, что никому еще не удавалось обучать крупные модели на нескольких дата‑центрах», — сказал он. Gradient делает ставку на то, что это предположение скоро рухнет.
Ян утверждает, что Gradient уже провела успешные запуски обучения с подкреплением, распределенного между независимыми дата‑центрами, с производительностью, сопоставимой с централизованными RLHF‑процессами.
По его словам, это открывает дверь к тому, что раньше считалось невозможным: постобучению триллион‑параметрических моделей, проводимому не одной компанией, а тысячами поставщиков вычислительных ресурсов по всему миру.
Также читайте: As Bitcoin Evolves Into A Global Economy, A Hidden Battle Emerges Behind Closed Doors
Экономические последствия не менее важны. Ян описывает глобальный «маркетплейс с баунти», где операторы GPU, дата‑центры и даже небольшие независимые инфраструктурные провайдеры соревнуются за право предоставить вычислительные мощности для задач обучения.
Участники получают вознаграждение за поставку вычислений по минимально возможной цене, а стоимость обучения опускается ниже централизованных альтернатив, которые сейчас доминируют на рынке.
Он также считает, что децентрализованная ИИ‑инфраструктура дает существенные преимущества в области безопасности и доверия.
Если вывод (inference) может выполняться полностью на оборудовании, принадлежащем пользователю — MacBook, настольных ПК, домашних GPU или гибридных конфигурациях, — личные данные вовсе не покидают устройство.
«Сегодня мы сливаем в ИИ‑системы гораздо больше конфиденциальных данных, чем когда‑либо отдавали Google, — сказал он. — Суверенная модель, работающая локально, меняет это».
Ян утверждает, что такая прозрачность может быть распространена и на сам процесс обучения.
Если происхождение обучающих данных фиксируется on‑chain, пользователи смогут видеть, какие среды и участники формировали модель. Это, по его словам, противоядие от предвзятости и непрозрачного редакционного контроля, характерных для централизованных систем.
По его мнению, будущий ландшафт ИИ не будет подчиняться одной большой модели, а станет «морем специализированных моделей», обученных и совместно принадлежащих различным участникам.
«Каждая компания будет запускать ИИ так же, как сегодня запускает аналитику, — сказал Ян. — Когда это произойдет, глобальная децентрализованная сеть вычислений станет единственной моделью, которая масштабируется».
Читайте далее: The Aster ETF Hoax That Fooled Even Top Crypto Influencers