A ficção científica de hoje é o fato científico de amanhã
Há um romance de ficção científica muito bom de Neil Stephenson, chamado The Diamond age – A era do diamante, em português –, que fala de uma ferramenta de IA conhecida como The Illustrated primer – um tipo de dispositivo artificialmente inteligente que tem a função de ser o mentor e o professor das pessoas ao longo da vida.
Imagine você, “chipado” com uma IA que o conhece muito bem, aprende suas preferências e o acompanha por toda sua vida, te ajudando a tomar decisões e te orientando na direção certa.
Num futuro de ficção científica, você poderá estar ligado 24h a uma IA. Seria ótimo ter um assistente que nos ajudasse ao longo da vida, otimizando nosso trabalho, nos auxiliando diariamente.
Sem dúvida, é interessante um dispositivo IA capaz de nos tornar mais “inteligentes”. Mas seria essencial que esse dispositivo fosse desvinculado de qualquer empresa intermediária ou controle de terceiros.
Já imaginou como essa posição daria à empresa intermediária uma grande quantidade de controle e poderia impactar nosso livre arbítrio e privacidade?
Assim como hoje existem muitas situações que pareciam impossíveis há cinquenta anos atrás, essa visão de Neil Stephenson parece já estar se tornando realidade.
Parafraseando Isaac Asimov, “a ficção científica de hoje é o fato científico de amanhã”.
Tendo isto em conta, no artigo de hoje, a importância da interseção entre Blockchain, Inteligência artificial e criptografia.
IA e Blockchain como contrapesos naturais
IA é uma tecnologia que prospera e permite o controle centralizado “de cima para baixo”, enquanto blockchains “públicas” e criptografia são tecnologias que tem tudo a ver com a cooperação descentralizada “de baixo para cima”.
Blockchains e criptografia são as tecnologias chave na construção de sistemas descentralizados, que permitem a cooperação em larga escala de seres humanos, onde não há realmente nenhum ponto central de controle – essa é uma maneira natural pela qual essas duas tecnologias são contrapesos uma para a outra.
Um exemplo disto seria o Google ser capaz de decidir exatamente qual anúncio exibir para cada um de seus usuários em bilhões de usuários e bilhões de visualizações de página, enquanto blockchains e criptografia são inovações que tem o poder de fundamentalmente criar novos modelos de negócios que impactam diretamente o atual modelo das grandes empresas de tecnologia.
Não à toa, o ecossistema blockchain-cripto tem sido liderado por rebeldes à margem, em vez de ser liderado pelos players históricos.
Paralelamente a isto, há o boom da Inteligência Artificial atingindo a privacidade. IA, como tecnologia, impacta diretamente todos os tipos de incentivos que nos levam a ter menos privacidade individual.
E é esta a razão pela qual empresas buscam ferozmente ter acesso a todos os nossos dados e os modelos de IA – que são treinados com cada vez mais dados – se tornarão cada vez mais eficazes.
Se de um lado, temos IA com a agregação coletiva dos todos os dados possíveis para o treinamento desses enormes modelos de treinamento de IA, a fim de torná-los tão bons quanto possível. De outro, blockchain e cripto nos levam à direção oposta – de aumento da soberania, em que os usuários buscam ter controle sobre seus próprios dados numa tentativa de preservação da privacidade individual.
Daí porque, IA e blockchain são o contrapeso uma da outra.
Agora, IA é claramente uma tecnologia poderosa, uma ferramenta criativa que nos levará a uma abundância infinita de mídia e criatividade de muitas maneiras.
Já blockchain e criptografia são um contrapeso a isso, porque nos ajudam a verificar e distinguir o que é criado por humanos e o que é criado pela IA.
Blockchains públicos e criptografia são essenciais para a manutenção e preservação do que realmente é humano em um mundo em que milhões de conteúdos são gerados artificialmente.
Essas duas tecnologias são diametralmente opostas em muitos aspectos.
Mas muitas áreas de IA estão tendo um impacto significativo em blockchains, e vice-versa – blockchains e criptografia têm um impacto significativo em IA.
Como veremos a seguir, há muitos pontos de interseção entre IA e blockchain
ZKML: A interseção entre blockchain criptografia e IA
Quando olhamos genericamente, as técnicas usadas em IA parecem muito diferentes das técnicas usadas em blockchains.
Blockchains são sobre criptografia, descentralização, mecanismos de consenso, tokenomics, enquanto a Inteligência Artificial é sobre estatística, matemática de aprendizado de máquina e assim por diante.
Ao olharmos para um cenário mais amplo, as tecnologias realmente parecem diametralmente opostas. Mas na verdade há muitos pontos de interseção onde uma tecnologia complementa e ajuda a potencializar a outra – o que é conhecido como Era da Convergência.
Já existe uma área emergente de aplicações de Zero Knowledge proof [ZKp] para aprendizado de máquina [ML], o que foi apelidado de “ZKML”.
E a razão para ZKML ser interessante é que técnicas de criptografia ZKP melhoraram drasticamente por causa de sua aplicação em blockchains.
Há uma década, essa ideia de provas de conhecimento zero e os sistemas de prova em geral que eram considerados muito teóricos.
Todavia, devido a todas as suas aplicações em blockchains, de repente houve um grande esforço para torná-los mais práticos e reais e, como resultado, houve um tremendo progresso nessa área. E agora ZK são realmente implementadas e usadas para proteger sistemas reais.
Para entender melhor, vamos ver alguns exemplos onde ZK é útil para ML.
Imagine que Maria Luiza tenha um modelo de IA sigiloso – que ela passou muito tempo treinando. Como seria possível verificar se esse modelo de IA realmente funciona, atendendo às solicitações de André, sem que nem o segredo do modelo, nem os dados sigilosos de André fossem revelados?
Dito de outro modo, imagine que André tenha pago por um determinado modelo de IA, e queira ter certeza de que Maria Luiza está realmente treinando esse modelo. Talvez André tenha pago pela última versão do Chat-GPT e queira ter certeza de que Maria Luiza está realmente usando a última versão.
Nestes dois exemplos que acabamos de ver, a criptografia Zero-Knowledge Proof [ZKp] poderia ajudar muito – já que possibilita validar uma declaração sem revelar os fatos subjacentes que a tornam verdadeira ou falsa.
Dessa forma, Maria Luiza poderia comprovar a eficiência de seu modelo de IA publicamente, sem comprometer o sigilo de seu modelo. E sempre que André lhe enviasse um dado, Maria Luiza poderia executar o modelo nesses dados e enviar os resultados de volta para André, juntamente com uma prova de que o modelo foi avaliado corretamente.
Da mesma forma, André agora teria uma garantia de que, de fato, a última versão do modelo de IA pela qual pagou é aquela que realmente executou com seus dados. Tudo isto está muito distante do seu dia a dia?
Imagine, então, um modelo de IA usado para decidir se você tem direito a um empréstimo ou a uma hipoteca. Uma instituição financeira pode querer usar um modelo como esse, e você quer ter certeza de que o mesmo modelo está sendo aplicado a todos os clientes.
Você quer ter certeza de que nenhum modelo de IA diferente está sendo aplicado a você e, por isso, quer que o banco demonstre que qualquer um pode verificar se seus dados estão sendo avaliados pelo mesmo modelo aplicado a todos os clientes.
Ainda estamos nos estágios iniciais do uso de ZKp em modelos de Inteligência Artificial e Machine Learning [ML], mas o importante aqui é você compreender em quais situações ocorre a interseção entre essas tecnologias.
A necessária descentralização de IA
A Inteligência Artificial prospera, escala e se torna eficiente em efeito cascata, utilizando uma enorme quantidade de dados disponíveis em data centers centralizados.
Ou seja, IA se torna cada vez mais poderosa via centralização.
Some-se a isto o fato de que geralmente, os dados que alimentam os modelos de IA exigem grande poder computacional e são controlados por um pequeno número de empresas de tecnologia como intermediárias, o que também leva a uma centralização adicional.
Nesse contexto, três aspectos sobre IA merecem destaque:
- o enorme poder computacional exigido, que necessita de GPUs em larga escala.
- o grande volume de dados necessário, cujo controle se dá por empresas centralizadas.
- os próprios modelos de aprendizado de máquina [ML] – Como realmente descentralizar a computação para o treinamento e a inferência de modelos de aprendizado de máquina?
É aqui que a tecnologia blockchain e ZKp ajudar. Elas podem ser utilizadas para:
- provar que o processo de inferência ou de formação de um modelo de IA foi feito corretamente;
- subcontratar a uma grande comunidade para obter um processo distribuído, onde qualquer pessoa com uma GPU possa contribuir com computação para a rede e ajudar a treinar um modelo – dispensando a necessidade de um centro de dados enorme com todas as GPUs de forma centralizada.
Através dos incentivos certos, é possível aproveitar toda a capacidade ociosa de GPUs inativas, oferecendo, ainda, uma alternativa ao que, de outra forma, seria apenas feito pelas grandes empresas de tecnologia.
Agora que você já sabe como blockchain e criptografia podem proporcionar alternativas à centralização de IA aberta, vejamos alguns dos desafios técnicos que precisam ser superados para a descentralização de IA.
Oportunidades e desafios
Os maiores desafios para descentralizar IA estão no problema dos sistemas distribuídos e na falta de maturidade do desempenho de ZKp.
No tocante ao problema dos sistemas distribuídos, é preciso descobrir como coordenar uma grande comunidade de pessoas que estão contribuindo com GPUs para determinada rede, de tal forma que tudo pareça um substrato unificado integrado para computação. E aqui, há muitas oportunidades interessantes como, por exemplo, descobrir:
- Como dividir uma carga de trabalho de aprendizado de máquina de uma forma que faça sentido, e enviar diferentes partes dela para diferentes nós na rede.
- como fazer tudo isso de forma eficiente.
- quando os nós falharem, como recuperar e atribuir novos nós para assumir o trabalho que estava sendo feito pelo nó que falhou.
Portanto, há muitos detalhes confusos no nível dos sistemas distribuídos que as empresas terão que resolver para nos fornecer essa rede descentralizada que pode executar cargas de trabalho de aprendizado de máquina de uma forma que talvez seja ainda mais barata do que apenas usar a nuvem.
Quanto à falta de maturidade de ZKp, seu desempenho não está nem perto do que precisa para ser capaz de fazer o treinamento ou a inferência de modelos de IA muito grandes.
É verdade que as técnicas de ZK hoje lidam com os modelos menores que estão sendo usados, mas os LLMs geralmente são grandes demais para as técnicas de ZK lidarem hoje.
Os modelos atuais – os MMLs que todos nós conhecemos como o Chat-GTP – , não são viáveis de usar no atual estado do ZKp.
Portanto, há muito trabalho a ser feito para que o desempenho do processo de prova possa ser utilizado, de forma eficiente, em cargas de trabalho cada vez maiores.
A boa notícia é que esse é um problema em aberto e algo em que muitas pessoas estão trabalhando. O hardware está melhorando e, assim, provavelmente as técnicas de ZK conseguirão alcançar os LLMs.
Enquanto isso, outras técnicas – não são apenas relacionadas à criptografia –, têm sido usadas para descentralizar IA.
Técnicas para descentralizar IA relacionadas à teoria dos jogos
Aqui, o objetivo é recrutar o maior número de partes independentes possível, para realizar tarefas e compará-las entre si para garantir que o trabalho seja feito corretamente.
Essa é uma abordagem que não depende de criptografia, mas está relacionada à teoria dos jogos e alinhada com esse objetivo maior de descentralizar IA, ou ajudar a criar um ecossistema para IA que seja muito mais orgânico, de propriedade da comunidade, “de baixo para cima”, em oposição ao “de cima para baixo” que está sendo apresentado por empresas como open IA.
Pensamentos finais
Como vimos, IA é uma tecnologia inerentemente centralizadora, o que é prejudicial para a privacidade e soberania individual.
Bem por isso, é preciso achar soluções na interseção entre blockchain, criptografia e computação geral verificável, para que o avanço de IA seja feito de forma mais transparente e mais confiável.
É verdade que blockchains e técnicas criptográficas têm avançado e acelerado significativamente toda essa área. Mas quando olhamos para onde estamos agora, e para o que é possível fazer, percebemos que ainda há trabalho a ser feito.
Hoje, já é possível fazer a classificação de modelos de tamanho médio. E é possível provar que a classificação de um modelo de IA foi feita corretamente.
Todavia, o uso de criptografia ZKp em Machine Learning ainda está aquém do ideal – além de exigir muito poder computacional, as técnicas de ZKp ainda não estão maduras o suficiente e, ainda há muitos detalhes confusos que precisam ser resolvidos nos sistemas distribuídos.
De todo modo, tais limitações e os desafios à descentralização de IA têm sido contornados de outras maneiras. Além da criptografia ZKp, empresas têm usado soluções com foco na teoria dos jogos para incentivar a contribuição comunitária e distribuída no treinamento de modelos de IA.
Tais incentivos são utilizados para que pessoas não trapaceiem, de modo que se alguém trapacear, é possível reclamar do treinamento computado incorretamente e, então, quem trapaceou não será pago por seu esforço.
Neste contexto, na interseção entre IA, blockchain e criptografia estamos vivenciando numa fase de abordagens alternativas, pelo menos até que a maturidade e a escalabilidade das tecnologias envolvidas chegue ao ponto ideal.
Mas e você? Tinha ideia de que blockchains públicos e criptografia são essenciais para manutenção e preservação do que realmente é humano em um mundo em que milhões de conteúdos são gerados artificialmente?
Sabia que devido a suas aplicações em blockchains, com um grande esforço para torná-los mais práticos e reais, agora ZK são realmente implementadas e usadas para proteger sistemas reais de IA?
Percebeu como o contrapeso entre IA, Blockchain e criptografia é essencial à privacidade e à soberania individual?
Conhecimento é poder! Nos vemos em breve!
Trusted
Isenção de responsabilidade
Todas as informações contidas em nosso site são publicadas de boa fé e apenas para fins de informação geral. Qualquer ação que o leitor tome com base nas informações contidas em nosso site é por sua própria conta e risco.
