यह एक शोर डेस्क के साथ शुरू हुआ। डेस्क उत्तरी इंग्लैंड में नॉर्थम्ब्रिया विश्वविद्यालय में एक प्रयोगशाला में एक लकड़ी का क्यूबिकल था, जहां एक युवा एआई शोधकर्ता ने अपना पीएचडी ट्रैक शुरू किया था। यह 2015 में था। शोधकर्ता बेन फील्डिंग थे, जिन्होंने एआई विकसित करने के लिए शुरुआती जीपीयू के साथ एक बड़ी मशीन का निर्माण किया था। मशीन इतनी ज़ोर से फील्डिंग के लैब-मेट्स को नाराज कर रही थी। फील्डिंग ने डेस्क के नीचे मशीन को क्रैम कर दिया, लेकिन यह इतना बड़ा था कि उसे अजीब तरह से अपने पैरों को साइड में चिपका दिया गया।

फील्डिंग में कुछ अपरंपरागत विचार थे। उन्होंने पता लगाया कि एआई के “झुंड” – कई अलग -अलग मॉडलों के समूह – एक -दूसरे से बात कर सकते हैं और एक दूसरे से सीख सकते हैं, जो सामूहिक पूरे में सुधार कर सकते हैं। बस एक समस्या थी: वह अपने डेस्क के नीचे उस शोर मशीन की वास्तविकताओं द्वारा हथकड़ी लगाई गई थी। और वह जानता था कि वह बाहर हो गया था। “Google यह शोध भी कर रहा था,” फील्डिंग अब कहती है। “और उनके पास एक डेटा सेंटर में हजारों (GPUs) थे। वे जो चीजें कर रहे थे, वे पागल नहीं थे। मुझे पता था कि तरीके … मेरे पास बहुत सारे प्रस्ताव थे, लेकिन मैं उन्हें नहीं चला सकता था।”

गेन्सिन के सीईओ बेन फील्डिंग, एक वक्ता हैं टोरंटो में सर्वसम्मति 2025।

जेफ विल्सर की मेजबानी है पीपुल्स एआई: विकेंद्रीकृत एआई पॉडकास्ट और सर्वसम्मति 2025 में एआई शिखर सम्मेलन की मेजबानी करेंगे।

तो एक दशक पहले, यह फील्डिंग पर था: कंप्यूट बाधाएं हमेशा एक मुद्दा होगी। 2015 में, वह जानता था कि यदि गणना एकेडेमिया में एक कठिन बाधा थी, तो यह पूरी तरह से एक कठिन बाधा होगी जब एआई मुख्यधारा में चला गया।

समाधान?

विकेन्द्रीकृत एआई।

फील्डिंग ने 2020 में, या विकेंद्रीकृत एआई फैशनेबल होने से पहले गेन्सिन (हैरी ग्रिव के साथ) की सह-स्थापना की। इस परियोजना को शुरू में विकेंद्रीकृत गणना के निर्माण के लिए जाना जाता था – और मैंने इस बारे में फील्डिंग के साथ बात की है Coindesk के लिए और सम्मेलनों में पैनल के बाद पैनल पर – लेकिन दृष्टि वास्तव में कुछ व्यापक है: “मशीन इंटेलिजेंस के लिए नेटवर्क।” वे टेक स्टैक के ऊपर और नीचे समाधान बना रहे हैं।

और अब, फील्डिंग के शोर डेस्क के एक दशक बाद उनके लैब-मेट्स को नाराज कर दिया, गेन्सिन के शुरुआती उपकरण जंगली में बाहर हैं। Gensyn ने हाल ही में अपना “RL SWARMS” प्रोटोकॉल (फील्डिंग के पीएचडी वर्क के एक वंशज) को जारी किया और अभी अपना टेस्टनेट लॉन्च किया – जो ब्लॉकचेन को गुना में लाता है।

इस बातचीत में एआई शिखर सम्मेलन तक, टोरंटो में सर्वसम्मति सेफील्डिंग एआई झुंडों पर एक प्राइमर देता है, बताते हैं कि ब्लॉकचेन कैसे पहेली में झपकी लेता है, और साझा करता है कि सभी इनोवेटर्स – न कि केवल तकनीकी दिग्गजों – “मशीन लर्निंग टेक्नोलॉजीज बनाने का अधिकार होना चाहिए।”

इस साक्षात्कार को स्पष्टता के लिए संघनित और हल्के से संपादित किया गया है।

टेस्टनेट लॉन्च पर बधाई। यह क्या है का सार क्या है?

बेन फील्डिंग: यह ब्लॉकचेन एकीकरण के पहले एमवीपी विशेषताओं के अलावा है जो हमने अब तक लॉन्च किया है।

वे मूल विशेषताएं क्या थीं, प्री-ब्लॉकचेन?

इसलिए हमने कुछ हफ्तों पहले आरएल (सुदृढीकरण लर्निंग) झुंड लॉन्च किया, जो कि पीयर-टू-पीयर नेटवर्क के रूप में सुदृढीकरण सीखने, पोस्ट-ट्रेनिंग है।

यहाँ इसके बारे में सोचने का सबसे आसान तरीका है। जब एक पूर्व-प्रशिक्षित मॉडल तर्क प्रशिक्षण से गुजरता है-जैसे कि डीपसेक-आर 1-यह अपनी सोच की आलोचना करना सीखता है और कार्य के खिलाफ पुनरावर्ती सुधार करता है। यह तब अपने जवाब में सुधार कर सकता है।

हम उस प्रक्रिया को एक कदम आगे ले जाते हैं और कहते हैं, “यह मॉडल के लिए अपनी सोच की आलोचना करने और पुनरावर्ती सुधार करने के लिए बहुत अच्छा है। क्या होगा अगर वे अन्य मॉडलों से बात कर सकते हैं और एक दूसरे की सोच की आलोचना कर सकते हैं?” यदि आपको एक समूह में एक साथ कई मॉडल मिलते हैं जो सभी एक -दूसरे से बात कर सकते हैं, तो वे सीखना शुरू कर सकते हैं कि अन्य मॉडलों को जानकारी कैसे भेजा जाए … पूरे झुंड में सुधार के समग्र लक्ष्य के साथ।

गोत्चा, जो “झुंड” नाम की व्याख्या करता है।

सही। यह यह प्रशिक्षण विधि है जो कई मॉडलों को समानांतर में, समानांतर में, एक अंतिम मेटा-मॉडल के परिणाम को बेहतर बनाने की अनुमति देती है जिसे आप उन मॉडलों से बना सकते हैं। लेकिन एक ही समय में, आपके पास हर एक व्यक्तिगत मॉडल है जो केवल अपने आप में सुधार कर रहा है। इसलिए यदि आप मैकबुक पर एक मॉडल के साथ आना चाहते हैं, तो एक घंटे के लिए एक झुंड में शामिल हों और फिर से बाहर छोड़ दें, आपके पास झुंड में ज्ञान के आधार पर एक बेहतर स्थानीय मॉडल होगा, और आपने झुंड में अन्य मॉडलों में भी सुधार किया होगा। यह यह सहयोगी प्रशिक्षण प्रक्रिया है जिसे कोई भी मॉडल शामिल कर सकता है और कोई भी मॉडल कर सकता है। तो यह है कि आरएल झुंड क्या है।

ठीक है, इसलिए आपने कुछ सप्ताह पहले जारी किया था। अब ब्लॉकचेन कहाँ आता है?

तो ब्लॉकचेन हमें सिस्टम में निचले स्तर के कुछ आदिमों को आगे बढ़ा रहा है।

बस चलो बहाना करना कि कोई व्यक्ति “निचले-स्तरीय आदिम” वाक्यांश को नहीं समझता है। तुम्हारा इससे क्या मतलब है?

हाँ, तो मेरा मतलब है, संसाधन के बहुत करीब। इसलिए यदि आप सॉफ्टवेयर स्टैक के बारे में सोचते हैं, तो आपको एक डेटा सेंटर में GPU स्टैक मिला है। आपको GPU के शीर्ष पर ड्राइवर मिल गए हैं। आपको ऑपरेटिंग सिस्टम, वर्चुअल मशीन मिल गई हैं। आपको यह सब सामान मिल रहा है।

तो एक निम्न-स्तरीय आदिम टेक स्टैक में निचले नींव के सबसे करीब है। क्या मुझे वह अधिकार मिल रहा है?

हाँ बिल्कुल। और आरएल झुंड मूल रूप से क्या संभव है, इसका प्रदर्शन है। यह वास्तव में दिलचस्प बड़े पैमाने पर, स्केलेबल मशीन लर्निंग करने का कुछ हद तक हैक डेमो है। लेकिन पिछले चार-प्लस वर्षों से गेन्सिन क्या कर रहा है, वास्तविक रूप से, बुनियादी ढांचे का निर्माण कर रहा है। और इसलिए हम अब इस अवधि में हैं जहां बुनियादी ढांचा उस V0.1 प्रकार के बीटा स्तर पर है। यह सब हो गया है। यह जाने के लिए तैयार है। हमें यह पता लगाना होगा कि दुनिया को कैसे दिखाया जाए कि जब लोग मशीन सीखने के बारे में सोचते हैं तो यह काफी बड़ी बदलाव है।

ऐसा लगता है कि आप लोग विकेंद्रीकृत गणना, या यहां तक ​​कि बुनियादी ढांचे की तुलना में बहुत अधिक कर रहे हैं?

हमारे पास तीन मुख्य घटक हैं जो हमारे बुनियादी ढांचे के नीचे बैठते हैं। निष्पादन – हमारे पास लगातार निष्पादन पुस्तकालय हैं। हमारे पास अपना संकलक है। हमारे पास किसी भी हार्डवेयर लक्ष्य के लिए प्रतिलिपि प्रस्तुत करने योग्य पुस्तकालय हैं।

दूसरा टुकड़ा संचार है। तो मान लें कि आप दुनिया के किसी भी उपकरण पर एक मॉडल चला सकते हैं जो संगत है, क्या आप उन्हें एक -दूसरे से बात करने के लिए प्राप्त कर सकते हैं? यदि हर कोई एक ही मानक में विरोध करता है, तो हर कोई इंटरनेट से टीसीपी/आईपी की तरह संवाद कर सकता है, मूल रूप से। इसलिए हम उन पुस्तकालयों का निर्माण करते हैं और आरएल झुंड उस संचार का एक उदाहरण है।

और फिर, अंत में, सत्यापन।

आह, और मैं यह अनुमान लगा रहा हूं कि ब्लॉकचेन जहां आता है …

एक परिदृश्य की कल्पना करें जहां दुनिया में हर उपकरण लगातार निष्पादित कर रहा है। वे मॉडल को एक साथ जोड़ सकते थे। लेकिन क्या वे एक दूसरे पर भरोसा कर सकते हैं? अगर मैं अपने मैकबुक को आपसे जुड़ा हुआ हूं, तो हां, वे समान कार्यों को निष्पादित कर सकते हैं। हां, वे टेंसर्स को आगे और पीछे भेज सकते हैं, लेकिन क्या वे जानते हैं कि वे दूसरे डिवाइस को जो भेजते हैं वह वास्तव में दूसरे डिवाइस पर हो रहा है या नहीं?

वर्तमान दुनिया में, आप और मैं शायद कहने के लिए एक अनुबंध पर हस्ताक्षर करेंगे, हां, हम सहमत हैं कि हम यह सुनिश्चित करेंगे कि हमारे उपकरण सही काम करें। मशीन की दुनिया में, इसे प्रोग्रामेटिक रूप से होने की आवश्यकता है। तो यह अंतिम टुकड़ा है जो हम बनाते हैं, क्रिप्टोग्राफिक प्रूफ, संभाव्य प्रमाण, गेम थ्योरीटिक प्रूफ उस प्रक्रिया को पूरी तरह से प्रोग्रामेटिक बनाने के लिए।

इसलिए यह वह जगह है जहां ब्लॉकचेन आता है। यह हमें ब्लॉकचेन के लाभों के सभी देता है, जिसकी आप कल्पना कर सकते हैं, जैसे कि लगातार पहचान, भुगतान, सर्वसम्मति, आदि।

भविष्य में आपके पास भुगतान करने की क्षमता होगी, लेकिन अभी, आपके पास वह ट्रस्ट सर्वसम्मति तंत्र है जहां हम विवादों को समाप्त कर सकते हैं। तो, यह भविष्य के जेन्सिन इन्फ्रास्ट्रक्चर के एक एमवीपी की तरह है, जहां हम घटकों में जोड़ने जा रहे हैं जैसे हम जाते हैं।

हमें पाइपलाइन के नीचे क्या आ रहा है, इसका एक चिढ़ाना?

जब हम मुख्य-नेट पर पहुंचते हैं, तो सभी सॉफ्टवेयर और इन्फ्रास्ट्रक्चर ब्लॉकचेन के खिलाफ विश्वास, भुगतान, आम सहमति, आदि, पहचान के स्रोत के रूप में लाइव होते हैं। यह उसी का पहला कदम है। यह पहचान को जोड़ रहा है और कह रहा है कि जब आप एक झुंड में शामिल होते हैं, तो आप उसी व्यक्ति के रूप में पंजीकरण कर सकते हैं। हर कोई जानता है कि आप कुछ केंद्रीकृत सर्वर या वेबसाइट की जांच किए बिना कौन हैं।

अब चलो जंगली और भविष्य में आगे बात करते हैं। यह अब से दो साल बाद एक साल से एक साल की तरह दिखता है, अब से पांच साल बाद? आपका नॉर्थ स्टार क्या है?

ज़रूर। अंतिम दृष्टि मशीन सीखने के तहत बैठने वाले सभी संसाधनों को लेने के लिए है और उन्हें तुरंत प्रोग्रामेटिक रूप से सभी के लिए सुलभ बनाती है। मशीन लर्निंग अपने मुख्य संसाधनों से भारी विवश है। यह केंद्रीकृत एआई कंपनियों के लिए इस विशाल खाई बनाता है, लेकिन इसका अस्तित्व की आवश्यकता नहीं है। यदि हम सही सॉफ्टवेयर का निर्माण कर सकते हैं तो यह खुला हो सकता है। तो हमारा विचार यह है कि Gensyn निम्न-स्तरीय बुनियादी ढांचे के सभी का निर्माण करता है ताकि यह अनुमति मिल सके कि यह संभवतः ओपन-सोर्स के करीब पहुंच सकता है। लोगों को मशीन लर्निंग टेक्नोलॉजीज बनाने का अधिकार होना चाहिए।