Розмова з співзасновником Gensyn Гаррі Грівом: Основна мережа незабаром запуститься, як використати невикористані ресурси для подолання "стеля масштабування" обчислювальної потужності AI?

null Гості: Гаррі Грів, співзасновник Gensyn, редактор: momo, ChainCatcher

Коли штучний інтелект стикається з природним вузьким місцем централізованого постачання обчислювальної потужності, відбувається революція в обчислювальній потужності. Два співзасновники Gensyn, Гаррі Грів і Бен Філдінг, усвідомили, що ключ до розв'язання проблеми полягає в активації сплячого потенціалу обчислювальної потужності мільярдів крайових пристроїв у всьому світі, а шлях до цього — децентралізація.

Gensyn прагне створити дистрибутивну мережу машинного навчання, яка з'єднує глобальні вільні обчислювальні пристрої через блокчейн-протокол, і забезпечує надійність навчальних результатів завдяки своїм інноваційним технологіям перевірки обчислень. Його тестова мережа вже залучила 150 тисяч користувачів і стабільно працює. Після успішного завершення етапу тестової мережі, основна мережа Gensyn також незабаром буде запущена.

Gensyn отримав 43 мільйони доларів США в раунді фінансування серії A, що проводився a16z, а загальна сума фінансування перевищує 50 мільйонів доларів США. У цьому інтерв'ю Гаррі Гріва системно виклав, як Gensyn виходить з основної теми “перетворення масштабу”, щоб побудувати технологічну архітектуру та бізнес-стратегію наступного покоління AI.

Децентралізація має на меті подолання обмежень масштабів обчислювальної потужності

1. ChainCatcher: Будь ласка, спочатку представте себе. Які три найважливіші етапи вашого життя перед створенням Gensyn? Як вони сформували ваш вхід у сферу “децентралізованих обчислень на основі штучного інтелекту”?

Гаррі Грів: Я покоління, яке рано зіткнулося з Інтернетом. Тоді мережа була більш відкритою, децентралізованою, наповненою мережами обміну файлами та різними інформаційними базами. Це сформувало моє розуміння інформації та мережі і змусило мене рано схилятися до ідей відкритого коду та децентралізації.

Під час університету та після нього я познайомився з класичними ідеями лібералізму, що змусило мене більше зосередитися на особистих правах і свободі та почати ставити під сумнів централізовану владу та цензуру. Це безпосередньо пов'язано з сучасними моделями ШІ — коли моделі приймають рішення за нас, хто визначає їхні “права” та способи поведінки? Це викликало в мене роздуми про зв'язок між ШІ, суверенітетом та етикою.

Після закінчення університету я працював у Лондоні в компанії з машинного навчання і на власному досвіді відчув величезні труднощі в отриманні масштабних обчислювальних ресурсів та якісних даних. Я зрозумів, що для подальшого розвитку потужніших моделей необхідно вирішити проблеми доступу та масштабу базових ресурсів (обчислення та дані), що стало причиною, чому я пізніше рішуче вирішив зайнятися децентралізованими AI обчисленнями та заснував Gensyn.

2. ChainCatcher: Які були обставини створення Gensyn? Як ви та Бен Філдінг вирішили йти в напрямку “All-in” за 8 тижнів у Entrepreneur First?

Гаррі Грів: Ми познайомилися на соціальному заході перед стартом британського акселератора Entrepreneur First. Ми змогли швидко вирішити напрямок “All-in” на основі двох ключових домовленостей:

По-перше, ми твердо віримо, що машинне навчання є майбутнім. У 2020 році (перед появою ChatGPT) ми всі були впевнені, що машинне навчання стане наступною технологічною хвилею. Хоча на той момент це не було загальноприйнятою думкою, ми стали свідками технологічних проривів у таких областях, як генерація зображень, взаємодія тощо, і глибоко віримо в його потенціал.

По-друге, ми спільно виступаємо проти “централізації”. Я зазнав труднощів через вузькі місця централізованих обчислень і джерел даних, тоді як Бен у своїх докторських дослідженнях і підприємницькій діяльності зосередився на особистій конфіденційності та безпеці даних. Ми обидва маємо критичне ставлення до централізації. Спочатку ми зосереджувалися на таких технологіях, як “федеративне навчання”, але потім усвідомили, що для вирішення проблеми довіри потрібен механізм запису стану та підзвітності, що врешті-решт привело нас до блокчейну. Ми з “AI-орієнтованих” засновників перетворилися на дослідників “AI+крипто”.

3. ChainCatcher: Чому ви твердо вважаєте, що “децентралізовані обчислення” обов'язково матимуть можливість? Які основні фактори, що спонукали вас вибрати декомпозовані обчислення, ви тоді вважали?

Гаррі Грів: Драйвери є багатогранними, але найосновніша відповідь – це масштаб.

Наразі більшість доступних даних в Інтернеті вже використані для навчання моделей. Подальше підвищення продуктивності залежить від отримання даних, що знаходяться на «краю», які наразі недоступні. Щоб скористатися цими даними, вам потрібно рухатися до краю, що природно вимагає децентралізації.

Незважаючи на те, що централізовані обчислювальні потужності є величезними, потреба в обчислювальних потужностях для ШІ є “безкінечною”. Це відчуття голоду спонукатиме попит на обчислювальні потужності поширюватися на всі недостатньо використовувані пристрої. Єдиний шлях з'єднати та масштабно використовувати ці розподілені ресурси, не концентруючи їх усі разом, – це децентралізація.

Отже, масштаб є єдиною відповіддю. Децентралізація покликана розблокувати безпрецедентний масштаб обчислювальних та даних ресурсів.

Яка основна різниця Gensyn?

4. ChainCatcher: Якщо коротко пояснити не технічним слухачам, що саме створює Gensyn?

Гаррі Грів: Gensyn — це система, яка дозволяє вам отримувати доступ до всіх основних ресурсів, необхідних для побудови систем машинного навчання (таких як обчислювальна потужність і дані), в небувалих масштабах.

5. ChainCatcher: У децентралізованій сфері обчислювальної потужності вже є такі гравці, як Akash, Render, io.net тощо. Який акцент або основна відмінність підходу Gensyn?

Гаррі Грів: Ми дуже поважаємо таких ранніх учасників, як Akash. Наша основна відмінність, з одного боку, полягає в різному погляді на ресурси: інші проекти в основному пропонують єдине, контейнеризоване орендування GPU-обчислювальної потужності. А погляд Gensyn є більш широким, ми розглядаємо різноманітні ресурси машинного навчання (обчислювальна потужність, дані, моделі), і ці ресурси переплітаються та можуть бути повторно використані.

Наприклад, вихід, отриманий від моделі інференції на вузлі, є даними, які можуть бути використані для навчання інших моделей. У нашій мережі межі між інференцією, навчанням, обчисленнями та даними стають розмитими. Система, яку ми будуємо, створена саме для того, щоб адаптуватись до цієї динамічної, хаотичної нової парадигми машинного навчання.

6. ChainCatcher: Можете пояснити читачам, яку продукцію зараз реалізує Gensyn? Як ви систематизуєте реалізацію децентралізованих обчислень?

Гаррі Гріва: Це технічний опис: це децентралізована криптографічна мережа, користувачі можуть отримувати доступ до різних ресурсів через наш рідний токен — будь то перевірювані обчислювальні ресурси для навчання або висновків, або механізм мотивації для навчання різних моделей шляхом встановлення об'єктивних стандартів. Ця система складається з трьох основних блоків, які разом утворюють потужну замкнуту систему:

Система верифікації: це наша основна технологія. Ми розробили власний компілятор та верифікаційний фреймворк, які здатні забезпечити бітове точне підтвердження на різному апаратному та програмному забезпеченні. Це означає, що ми можемо довести, що результати навчання моделі на одному пристрої повністю збігаються з результатами, верифікованими на зовсім іншому пристрої. Це основа для встановлення довіри в мережі та запобігання шахрайству.

Технологія розширення (Swarm): це фреймворк навчання з рівняннями у точці (як для навчання з підкріпленням на основі людського зворотного зв'язку). Він дозволяє вам підключати численні пристрої по всьому світу для горизонтального масштабування, використовуючи обчислення та дані на крайових пристроях для навчання, створюючи таким чином потужніші моделі.

Технологія помічника (Assist Agent): У нас є автономні AI-помічники, які можна інтегрувати в додатки. Вони можуть навчатися без направлення та допомагати користувачам виконувати завдання. Коли ці помічники проходять навчання, вони можуть використовувати нашу розширену технологію для навчання на різних пристроях, що дозволяє їм самостійно еволюціонувати та ставати сильнішими.

Загалом, коли користувач інтегрує розумного помічника в додаток, він постійно генерує інтерактивні дані під час виконання завдань; згодом ці дані вводяться в нашу розширену технологічну платформу, де через розподілене навчання з міжпристроєвим співробітництвом постійно оптимізується модель; під час цього процесу основна технологія валідації забезпечує точність та надійність навчального процесу, в результаті чого виходить нове покоління моделей з помітно покращеною продуктивністю. Цей процес формує нелінійну, безперервну екосистему машинного навчання, що дозволяє системі зберігати надійність та еволюційну здатність під час масштабованого розширення.

7. ChainCatcher: Які найбільші технологічні досягнення Gensyn з моменту фінансування раунду A у 2023 році до публічного тестування тестової мережі у 2025 році? Чи був момент, коли команда “колективно закричала”? Яка технологічна інновація Gensyn, на вашу думку, є найбільш недооціненою на даний момент?

Гаррі Грів: Відверто кажучи, ми, можливо, кричимо від “страху” частіше, ніж від “захоплення”, підприємництво нелегке.

Я вважаю, що найменш оціненою технологічною інновацією насправді є наша система верифікації. Конструювання цієї технології надзвичайно складне, воно вимагає комплексного вирішення всіх можливих факторів, що можуть призвести до невизначеності (навіть зокрема, перевертання біт на GPU, викликане космічними променями), від компілятора та фреймворків машинного навчання до апаратного забезпечення. Її цінність має величезну розбіжність з тим, як її сприймає зовнішній світ. Саме ця технологія забезпечує безпечність і масштабованість нашої мережі, дозволяючи нам з упевненістю дозволяти будь-яким пристроям приєднуватися до мережі та здійснювати верифікацію, не побоюючись розмивання безпеки.

Користувачів тестової мережі понад 150 тисяч, основна мережа незабаром буде запущена.

8. ChainCatcher: В порівнянні з централізованими гігантами хмарних обчислень або іншими децентралізованими мережами обчислювальної потужності, чи є у вас на даний момент певні переваги у ефективності продуктивності та витратах?

Гаррі Грів: На абсолютному масштабі кластерів наразі ми не можемо зрівнятися з такими гігантами, як AWS, але це в основному проблема прийняття мережі, а не технічних обмежень. Наша перевага полягає в розблокуванні нових масштабів ресурсів (особливо обчислень і даних на краю), а також у створенні інфраструктури для майбутньої цивілізації машинного інтелекту. Ми віримо, що справжній автономний AI, який може самостійно еволюціонувати і існувати в криптоекономічній системі, потребуватиме децентралізовану, бездозвільну мережу як своє «середовище проживання», і саме цим ми займаємося.

9. ChainCatcher: Як ви оцінюєте активність вашої мережі зараз? Які дані варто поділитися?

Гаррі Грів: На етапі тестової мережі ми досягли дуже позитивного прогресу: маємо понад 150 тисяч користувачів, більшість з яких зросли природним чином завдяки привабливості продукту; близько 40 тисяч вузлів працюють у мережі; система навчила понад 800 тисяч моделей.

10. ChainCatcher: Які “останні кілометри” перешкод для запуску основної мережі? Який графік запуску основної мережі ви встановили для команди? Чи є чіткий графік TGE?

Гаррі Грів: Запуск основної мережі є пріоритетом, і TGE прийде слідом за цим. Зараз ми приблизно за 3-4 тижні до запуску основної мережі, після чого почнеться аудит основної мережі.

Перед цим головним було забезпечити, щоб усі механізми були на місці, працювали правильно, мали повний функціонал, і що найважливіше, гарантувати безпеку економічної діяльності мережі.

11. ChainCatcher: Які зміни в ринковому попиті Gensyn зазнав у порівнянні з моментом свого заснування? Як ви вважаєте, який вплив на вас матиме прихід ери машинного інтелекту?

Гаррі Гріва: У порівнянні з початковими етапами заснування, ринкове середовище, з яким стикається Gensyn, зазнало принципових змін. Згадуючи 2020 рік, коли ми тільки починали, нам доводилося кілька разів пояснювати інвесторам важливість машинного навчання, а після появи ChatGPT ШІ став загальноприйнятою концепцією в суспільстві. Ця зміна свідомості також призвела до більш жорстокої конкуренції на ринку, адже різноманітні стартапи в галузі ШІ та обчислювальної потужності з'являються, як гриби після дощу. Тим часом, теми обговорення в галузі також зазнали помітних змін — етичні межі відкритих моделей, регуляторні рамки управління ШІ — ці питання, які кілька років тому мало кого цікавили, сьогодні стали гарячими темами для політиків у різних країнах.

Саме на такому фоні прискорене прибуття епохи машинного інтелекту підтверджує цінність існування Gensyn. Децентралізована обчислювальна мережа, яку ми створюємо, в основному має на меті забезпечити базову підтримку для автономного еволюційного машинного інтелекту, що наближається. Коли системи ШІ потребують подолання існуючих обмежень обчислювальної потужності для досягнення справжнього автономного навчання та швидкої ітерації, наша інфраструктура стане ключовою основою цієї нової ери.

12. ChainCatcher: Ви згадали в публічній промові про «економічні, етичні та регуляторні виклики штучного інтелекту». Які регуляторні ризики вас найбільше турбують? Як дизайн протоколу Gensyn забезпечує баланс між «дружністю до регулювання» та «стійкістю до цензури»?

Гаррі Грів: Коли я розмірковую про регулювання штучного інтелекту, мене найбільше турбує можливість того, що регуляторна політика може помилково націлитися на інфраструктурний рівень. Уявіть собі, що в майбутньому можуть бути введені політики, які обмежують кількість GPU, масштаб наборів даних, навіть встановлюють обмеження на частку електроенергії, що використовується для навчання ШІ; такий грубий підхід до регулювання серйозно заважатиме розвитку всієї технологічної сфери. З нашої точки зору, моделі ШІ в основному повинні бути відкритими для спільного використання, як математичні формули, і не повинні підлягати надмірним обмеженням.

На рівні проектування протоколів ми досліджуємо шлях до балансу. У поточній мережі моделі ваги та передача даних все ще здійснюються у відкритому вигляді, що забезпечує необхідну прозорість для відповідності регуляторним вимогам. Водночас, оскільки ми будуємо на базових публічних блокчейнах, таких як Ethereum, ми природно успадковуємо їх децентралізовані характеристики та механізми верифікації. Така архітектура зберігає необхідну видимість для регулювання та забезпечує стійкість системи до цензури.

Зі збільшенням можливостей ШІ, пошук балансу між відкритістю та контролем стане важливою темою, з якою нам і всій галузі потрібно буде постійно стикатися в найближчі роки.

13. ChainCatcher: Які ключові показники успіху Gensyn, якщо подивитися назад у 2030 році?

Гаррі Грів: Ключовими показниками успіху є не просто фінансові дані або кількість користувачів. Я сподіваюся, що найбільший внесок Gensyn полягатиме в тому, щоб стати економічною основою паралельної машинної цивілізації.

До 2030 року я сподіваюсь побачити повністю паралельне суспільство, цивілізацію та економіку, які працюють на блокчейні, без людей. Ця цивілізація зможе генерувати економічний вихід, аналогічний або навіть більший, ніж у людей, матиме справжню креативність і зможе значно сприяти науковому розвитку та вирішенню серйозних проблем, з якими стикається людство (таких як продовження життя, зменшення нерівності). Якщо Gensyn стане основою для реалізації всього цього, це буде нашим остаточним знаком успіху.