La conversación en torno a la IA ha pasado de cuestionar su relevancia a centrarse en hacerla más confiable y eficiente a medida que su uso se generaliza. Michael Heinrich imagina un futuro en el que la IA fomente una sociedad post-escasez, liberando a las personas de trabajos mundanos y permitiendo actividades más creativas.
El dilema de los datos: calidad, procedencia y confianza
El debate en torno a la inteligencia artificial (IA) ha cambiado fundamentalmente. La pregunta ya no es su relevancia, sino cómo hacerlo más confiable, transparente y eficiente a medida que su implementación se vuelve común en todos los sectores.
El paradigma actual de la IA, dominado por modelos centralizados de “caja negra” y centros de datos masivos y propietarios, enfrenta una presión creciente por preocupaciones sobre el sesgo y el control monopolístico. Para muchos en el espacio Web3, la solución no reside en una regulación más estricta del sistema actual, sino en una descentralización completa de la infraestructura subyacente.
La eficacia de estos poderosos modelos de IA, por ejemplo, está determinada ante todo por la calidad y la integridad de los datos con los que se entrenan, un factor que debe ser verificable y rastreable para evitar errores sistémicos y alucinaciones de IA. A medida que aumentan los riesgos para industrias como las financieras y la atención médica, la necesidad de una base transparente y sin confianza para la IA se vuelve crítica.
Michael Heinrich, un emprendedor en serie y graduado de Stanford, se encuentra entre los que lideran la tarea de construir esa base. Como director ejecutivo de 0G Labs, actualmente está desarrollando lo que describe como la primera y más grande cadena de IA, con la misión declarada de garantizar que la IA se convierta en un bien público seguro y verificable. Heinrich, que anteriormente fundó Garten, una de las principales empresas respaldadas por YCombinator, y trabajó en Microsoft, Bain y Bridgewater Associates, ahora está aplicando su experiencia a los desafíos arquitectónicos de la IA descentralizada (DeAI).
Heinrich enfatiza que el núcleo del desempeño de la IA reside en su base de conocimiento: los datos. “La eficacia de los modelos de IA está determinada, ante todo, por los datos subyacentes con los que se entrenan”, explica. Los conjuntos de datos equilibrados y de alta calidad conducen a respuestas precisas, pero los datos incorrectos o insuficientemente representados dan como resultado resultados de mala calidad y una mayor susceptibilidad a las alucinaciones.
Para Heinrich, mantener la integridad de estos conjuntos de datos diversos y en constante actualización requiere un alejamiento radical del status quo. Sostiene que el principal culpable de las alucinaciones de la IA es la falta de transparencia en su procedencia. Su remedio es criptográfico:
Creo que todos los datos deben estar anclados en la cadena con pruebas criptográficas y rastros de evidencia verificables para mantener la integridad de los datos.
Esta base descentralizada y transparente, combinada con incentivos económicos y ajustes continuos, se considera el mecanismo necesario para eliminar sistemáticamente errores y sesgos algorítmicos.
Más allá de las soluciones técnicas, Heinrich, galardonado por Forbes 40 Under 40, tiene una visión macro para la IA y cree que debería marcar el comienzo de una era de abundancia.
“En un mundo ideal, es de esperar que se creen las condiciones para una sociedad postescasez en la que los recursos sean abundantes y en la que ya nadie tenga que preocuparse por realizar trabajos mundanos”, afirma. Este cambio permitiría a las personas “centrarse en un trabajo más creativo y relajado”, permitiendo esencialmente que todos disfruten de más tiempo libre y seguridad económica.
Fundamentalmente, sostiene que el mundo descentralizado es el más adecuado para impulsar este futuro. La belleza de estos sistemas es que están alineados con los incentivos, lo que crea una economía autoequilibrada para la potencia informática. Si la demanda de recursos aumenta, los incentivos para suministrarlos aumentan naturalmente hasta que se satisfaga esa demanda, satisfaciendo la necesidad de recursos computacionales de una manera equilibrada y sin permisos.
Salvaguardar la IA: código abierto y diseño de incentivos
Para proteger la IA del uso indebido intencional, como estafas de clonación de voz y deepfakes, Heinrich sugiere una combinación de soluciones arquitectónicas y centradas en el ser humano. En primer lugar, la atención debería centrarse en educar a las personas sobre cómo identificar estafas y falsificaciones de IA utilizadas para suplantación de identidad y desinformación. Heinrich afirma: Necesitamos enseñar a las personas a poder identificar o tomar huellas digitales del contenido generado por IA para que puedan protegerse”.
Los legisladores también pueden desempeñar un papel estableciendo estándares globales para la seguridad y la ética de la IA. Si bien es poco probable que esto elimine el uso indebido de la IA, la presencia de tales estándares “puede contribuir en cierta medida a desalentarlo”. Sin embargo, la contramedida más potente está entretejida en el diseño descentralizado: “El diseño de sistemas alineados con incentivos podría reducir drásticamente el uso indebido intencional de la IA”. Al implementar y gobernar modelos de IA en la cadena, se recompensa la participación honesta, mientras que el comportamiento malicioso tiene consecuencias financieras directas a través de mecanismos de reducción en la cadena.
Si bien algunos críticos temen los riesgos de los algoritmos abiertos, Heinrich le dice a Bitcoin.com News que los apoya con entusiasmo porque brinda visibilidad sobre cómo funcionan los modelos. “Se pueden utilizar elementos como registros de capacitación verificables y rastros de datos inmutables para garantizar la transparencia y permitir la supervisión de la comunidad”, lo que contrarresta directamente los riesgos asociados con los modelos de “caja negra” patentados y de código cerrado.
Para ofrecer esta visión de un futuro de IA seguro y de bajo costo, 0G Labs está construyendo el primer “sistema operativo de IA descentralizado (DeAIOS)”.
Este sistema operativo está diseñado para proporcionar procedencia de IA verificable: una capa de disponibilidad y almacenamiento de datos altamente escalable que permite el almacenamiento de conjuntos de datos de IA masivos en cadena, haciendo que todos los datos sean verificables y rastreables. Este nivel de seguridad y trazabilidad es esencial para los agentes de IA que operan en sectores regulados.
Además, el sistema cuenta con un mercado informático sin permiso, que democratiza el acceso a recursos informáticos a precios competitivos. Esta es una respuesta directa a los altos costos y la dependencia de proveedores asociados con la infraestructura de nube centralizada.
0G Labs ya ha demostrado un avance técnico con Dilocox, un marco que permite la capacitación de LLM que superan los 100 mil millones de parámetros en clústeres descentralizados de 1 Gbps. Al dividir los modelos en partes más pequeñas y entrenadas de forma independiente, Dilocox ha demostrado una mejora de 357 veces en la eficiencia en comparación con los métodos de capacitación distribuidos tradicionales, lo que hace que el desarrollo de IA a gran escala sea económicamente viable fuera de los muros de los centros de datos centralizados.
Un futuro más brillante y asequible para la IA
En última instancia, Heinrich ve un futuro muy brillante para la IA descentralizada, definido por la participación y la eliminación de barreras para la adopción.
“Es un lugar donde las personas y las comunidades crean juntos modelos expertos de IA, garantizando que el futuro de la IA esté moldeado por muchas y no solo por un puñado de entidades centralizadas”, concluye. Dado que las empresas de IA patentadas enfrentan presiones para aumentar los precios, la economía y las estructuras de incentivos de DeAI ofrecen una alternativa convincente y mucho más asequible donde se pueden crear modelos de IA potentes a costos más bajos, allanando el camino para un futuro tecnológico más abierto, más seguro y, en última instancia, más beneficioso.
Preguntas frecuentes
- ¿Cuál es el problema central de la actual IA centralizada? Los modelos actuales de IA sufren problemas de transparencia, sesgo de datos y control monopolístico debido a su arquitectura centralizada de “caja negra”.
- ¿Qué solución está construyendo 0G Labs de Michael Heinrich? 0G Labs está desarrollando el primer “sistema operativo de IA descentralizado (DeAIOS)” para hacer de la IA un bien público, verificable y seguro.
- ¿Cómo garantiza la IA descentralizada la integridad de los datos? La integridad de los datos se mantiene anclando todos los datos en la cadena con pruebas criptográficas y un rastro de evidencia verificable para evitar errores y alucinaciones.
- ¿Cuál es la principal ventaja de la tecnología Dilocox de 0G Labs? Dilocox es un marco que hace que el desarrollo de IA a gran escala sea significativamente más eficiente, lo que demuestra una mejora de 357 veces con respecto a la capacitación distribuida tradicional.