Rejoignez-Nous sur

Le problème à longue traîne dans l'IA et comment les marchés autonomes peuvent le résoudre

2 human babysitting

News

Le problème à longue traîne dans l'IA et comment les marchés autonomes peuvent le résoudre

Au cours de la dernière décennie, nos progrès en matière d'intelligence artificielle ont été stupéfiants. Nous sommes passés de la détection à peine des chats dans les vidéos YouTube à la construction de voitures capables de se conduire elles-mêmes. Et pourtant, comme nos aspirations pour A.I. est devenu plus grand, il est lentement devenu un jeu auquel seuls les géants de la technologie peuvent jouer. Les connaissances et les ressources nécessaires pour innover dans l'espace sont désormais tout simplement hors de portée pour la plupart des individus et des startups. Comment pouvons-nous changer cela? La seule réponse est de créer une nouvelle technologie qui égalise les règles du jeu.

Un refrain courant en 2018 était «A.I. est communiste; crypto est libertaire. » Peter Thiel a d'abord dit comme une observation ironique que, bien que la crypto soit un mouvement technologique qui s'efforce de décentraliser le pouvoir, A.I. en est une autre qui ne semble pas s’empêcher de la centraliser. Cela peut sembler vrai: la crypto est une technologie qui consiste à construire des systèmes détenus et contrôlés par diverses communautés, alors que A.I. aujourd'hui, il repose sur la consolidation des données et tend à renforcer la capacité d’une entité centrale à prendre des décisions descendantes.

Au cours de la dernière décennie, ce point de vue est devenu notre récit dominant sur A.I. Nary une semaine se passe sans titres qui déplorent les excès du pouvoir concentré désormais exercé par les géants de la technologie et comment il sape tragiquement la démocratie, corrompt les jeunes, provoque le reflux, etc. Une grande partie de la société semble maintenant supposer que la seule façon dont nous pouvons espérer pour arracher ce pouvoir à Google et Facebook, c'est, ironiquement, par l'exercice d'un autre type de pouvoir centralisé – une réglementation gouvernementale descendante et inévitablement sévère. La vérité est, cependant, que c'est un échec monumental d'imagination pour nous de croire que nous sommes à la fin de l'histoire – qu'il n'existe pas une seule voie à suivre pour qu'une startup puisse construire une technologie qui modifie l'équilibre des pouvoirs.

Il est presque naturel de penser qu'il y a quelque chose d'inhérent à A.I. qui prête des avantages aux grands acteurs – que A.I. est inévitablement «communiste». L'histoire que les gens aiment raconter se concentre sur la façon dont les géants de la technologie stockent toutes nos données personnelles et bénéficient des «effets de réseau de données» inattaquables. Mais la vraie raison pour laquelle les géants de la technologie sont bons en A.I. est en fait beaucoup plus simple. Ils sont bons dans ce domaine parce qu'ils y investissent. Ils ont toutes les raisons de le faire. Pour les géants de la technologie, A.I. est une technologie qui améliore les secteurs d’activité existants – pour reprendre les mots de Clay Christensen, c’est une innovation durable et non perturbatrice.

Et c'est vrai, il est indéniable que le fait d'avoir beaucoup de données donne en fait un avantage aux géants. Les grands ensembles de données d'exemples de formation sont toujours une entrée cruciale pour nos algorithmes d'apprentissage automatique les plus efficaces en termes de données, et il est peu probable que cela change de si tôt. Mais néanmoins, à la base même de la force imposante des géants de la technologie en IA, il existe une fissure presque invisible.

Il existe désormais une opportunité pour les startups de coordonner l'énergie humaine à une échelle sans précédent en développant une technologie qui exploite mieux les forces du marché. Cliquez pour tweeter

Bâtiment A.I. Les systèmes actuels sont de plus en plus un problème de coordination des efforts de collecte de données à grande échelle et à grande échelle. Les géants de la technologie ont toujours résolu ce problème grâce à un bon commandement et un contrôle à l'ancienne. Mais la planification centralisée ne peut aller que très loin. Il existe désormais une opportunité pour les startups de coordonner l'énergie humaine à une échelle sans précédent en développant une technologie qui exploite mieux les forces du marché. Pour faire cela pour A.I., nous devons construire ce que j'appellerai Hiveminds autonomes décentralisés.

Construire des robots Hiveminds

Dans une vie antérieure, j'ai travaillé sur un effort chez Google X pour construire un réseau de robots partageant une intelligence collective. Notre travail s'inscrivait dans une stratégie plus large visant à obtenir un avantage sur les données en exploitant l'une des principales forces de Google: sa capacité à créer des systèmes à grande échelle. Nous avons voulu permettre à une collection de robots, chacun apprenant indépendamment de son propre environnement, de contribuer leur expérience en temps réel à un réseau neuronal central dont le travail était d'informer les actions de tous les robots.

En d'autres termes, nous voulions construire un esprit hivernal.

Pour le tester, nous avons mis en place un défi d'ouverture de porte. Notre esprit humain pourrait-il apprendre à régler correctement les tensions du moteur pour les sept articulations de chaque robot de sorte que chacune d'elles puisse ouvrir avec succès la porte unique qui se trouvait devant lui?

Vous pourriez penser, comme moi, qu'avoir un robot pour ouvrir une porte aurait été facile. Et vous avez raison – c'est facile si vous le faites pour une porte spécifique dans des conditions spécifiques. Mais, à ce jour, c'est un problème difficile à résoudre pour toutes les portes dans toutes les circonstances possibles. C'est parce qu'il y a une très longue queue de variations (cas de bord) dans les choses les plus banales – des choses comme l'éclairage et les ombres; la couleur, la texture et la réflectivité de la poignée; le poids de la porte; le type de poignée; les forces nécessaires pour le faire fonctionner; etc.

S'il y a une leçon que j'ai tirée de cette expérience, c'est que presque tous les A.I. les problèmes qui méritent d'être résolus sont compliqués par le défi de la longue traîne – un défi qui ne peut être relevé qu'avec beaucoup de données. J'ai tout écrit à ce sujet ici.

Le problème de la longue queue est la fissure de la racine des cheveux à la base de l'IA d'aujourd'hui. structure du pouvoir. Cliquez pour tweeter

Le problème de la longue queue est la fissure de la racine des cheveux à la base de l'IA d'aujourd'hui. structure du pouvoir. Cela nous donne l'occasion de créer une nouvelle technologie qui change la donne.

Pour comprendre comment cela peut être vrai, nous devons d'abord saisir certaines des limites structurelles de A.I. aujourd'hui. Commençons par cette question: pourquoi, contrairement aux cerveaux humains, nos meilleurs algorithmes pour entraîner les réseaux de neurones profonds sont toujours aussi inefficaces en données?

Les limites des réseaux de neurones

La vérité est que les réseaux de neurones d’aujourd’hui sont des interpolateurs fantastiques mais de terribles extrapolateurs. Ce sont de puissants apparieurs de modèles avec la capacité de se contorsionner pour s'adapter à presque n'importe quel ensemble de données, mais leur ajustement est aveugle aux mécanismes qui génèrent les données en premier lieu.

Les réseaux de neurones ne s'engagent pas encore, comme le font les humains, dans une recherche créative de théories explicatives qui rendent compte Pourquoi les données sont telles qu'elles sont. Ils ne vont certainement pas de l'avant, comme les humains devraient le faire, et s'efforcent constamment de falsifier chacune de ces théories créatives jusqu'à ce qu'une seule émerge triomphante comme la meilleure explication des données observées.

Un scientifique humain (comme, par exemple, James Maxwell) fait des prédictions sur des choses (comme l'électromagnétisme) en construisant, à travers un processus itéré de conjectures et de falsifications (c.-à-d. La science), un cadre déductif (les équations de Maxwell) qui se généralise aux situations futures.

Les réseaux de neurones profonds, quant à eux, adoptent une approche différente pour modéliser la réalité. Ils assemblent des milliers de fonctions linéaires, décalant laborieusement chacune d'entre elles légèrement pour chaque exemple d'entraînement, en une sorte de courtepointe de grande dimension – une variété – qui s'adapte à l'ensemble d'entraînement. Ce faisant, ils ne peuvent s’empêcher de faire des prédictions en faisant correspondre les modèles de manière inductive à ce qu’ils ont vu se produire auparavant. Ils reflètent (plutôt que d'expliquer, comme le font les humains) le chaos et la complexité des phénomènes qu'ils observent.

Les réseaux de neurones arrivent à leurs prédictions par induction et non par déduction.

Cela explique pourquoi les réseaux de neurones profonds d’aujourd’hui nécessitent autant de données pour apprendre quoi que ce soit d’utile: ce sont des interpolateurs inductifs et, en tant que tels, ils nécessitent un grand nombre de points entre lesquels ils peuvent effectuer leur interpolation.

Pourquoi est-ce que nos progrès vers la résolution difficile de A.I. problèmes ralentit dès que nous entrons dans le domaine des cas extrêmes? La réponse a à voir avec la portée des explications. Cliquez pour tweeter

Mais cela n’explique pas encore pourquoi la longue traîne, en particulier, est souvent si problématique. Pourquoi est-ce que nos progrès vers la résolution difficile de A.I. problèmes ralentit dès que nous entrons dans le domaine des cas extrêmes? La réponse a à voir avec la portée des explications.

L'une des choses les plus remarquables de la science humaine, pour citer David Deutsch, est «le contraste entre l'énorme portée et la puissance de nos meilleures théories et les moyens locaux précaires par lesquels nous les créons». Il dit: «Aucun humain n'a jamais été à la surface d'une étoile, encore moins visité le noyau où la transmutation se produit et l'énergie est produite. Pourtant, nous voyons ces points froids dans notre ciel et savoir que nous regardons les surfaces chauffées à blanc de fours nucléaires éloignés. La pensée humaine a en quelque sorte le pouvoir de distinguer ce qui est fondamental de ce qui est simplement accessoire et peut donc se généraliser à la longue traîne sans que nous ayons à en faire l'expérience directement.

Pour être honnête, le modèle inductif au cœur d'un réseau neuronal profond a également un certain pouvoir de généralisation, mais il y a un hic. L'hypothèse inductiviste clé est que l'avenir ressemblera au passé et l'invisible ressemblera au vu. Et c'est vrai, parfois c'est le cas. Plus souvent, cependant, la réalité est différente. Le monde est radicalement non linéaire. On ne le modélise pas simplement avec une courtepointe de fonctions linéaires cousues ensemble, car il s'avère que l'avenir et l'invisible sont souvent méconnaissablement différents du passé et du vu. À titre d'exemple, pensez au fonctionnement interne au centre d'une étoile lointaine dont la lumière a commencé son long voyage vers la Terre il y a des milliers d'années. Il n'y a rien qui ressemble, même de loin, à l'environnement de cette étoile ici sur Terre.

Sans une explication sur la raison pour laquelle un modèle qui tient si sûrement dans le cas commun devrait continuer à être valable dans les cas moins courants (les cas extrêmes), les foulées d'un réseau de neurones profonds deviennent tout aussi aveugles qu'elles sont confiantes lorsqu'elles s'aventurent dans le long terme. queue. L'obscurité de ce royaume, pour un réseau de neurones, ne peut être éclairée que par une expérience directe avec lui – de vrais exemples de formation tirés de la longue queue elle-même qui peuvent aider à façonner les prédilections linéaires du réseau en des prédilections non linéaires mieux adaptées. Mais, bien sûr, ces exemples de formation sont, par définition, des valeurs aberrantes et les plus difficiles à trouver. Ainsi, une fois que tous les fruits à portée de main ont été cueillis et que la longue queue est tout ce qui reste, le coût marginal de la collecte de nouveaux points de données utiles commence à augmenter.

Une fois que tous les fruits à portée de main ont été cueillis et que la longue queue est tout ce qui reste, le coût marginal de la collecte de nouveaux points de données utiles commence à augmenter. Cliquez pour tweeter

Pensez à ce qu'il faut aujourd'hui pour former un grand réseau de neurones. Comme nos applications pour A.I. deviennent plus ambitieux et nos réseaux se développent de plus en plus profonds, toute l'entreprise se consacre principalement à traquer – dans les endroits les plus improbables – des données qui offrent un signal différencié. C’est pourquoi c’est un problème de coordination complexe. Passer au peigne fin suffisamment de longue queue appelle inévitablement le rassemblement d'une armée qui parcourt le monde à la recherche des bons morceaux de données rares et utiles.

Nos réseaux de neurones sont aujourd'hui architecturés et formés grâce aux efforts hiérarchiques descendants d'un groupe de personnes qui travaillent invariablement pour la même entreprise. Chez X, par exemple, mon équipe et moi étions sur la sellette pour tout, depuis la définition des ambitions du projet, la spécification de l'architecture de nos réseaux, le réglage de leurs paramètres, la construction de nos robots à partir de zéro et leur garde (ci-dessous) comme ils ont collecté des pétaoctets de données.

2 human babysitting

Et n’oublions pas que notre esprit humain n’était qu’une preuve de concept. Il a fallu quatre robots formés simultanément sur différentes portes pendant des heures – en apprenant par essais et erreurs – pour atteindre un taux de réussite de 95% sur toutes les variantes de ces quatre portes.

3 door formation scaled

Imaginez ce qu'il aurait fallu pour que cela fonctionne vraiment tout portes sous tout conditions, et encore moins s'aventurer au-delà du domaine de la simple ouverture des portes. Pour toute son échelle, même Google a eu du mal à mobiliser suffisamment de ressources pour couvrir la longue traîne pour des choses comme les voitures autonomes.

Le robot que nous avons construit chez X était cool – c'est ce que pensait le garçon de huit ans en moi. La grande ironie, cependant, est qu'un esprit hivernal est censé émerger de bas en haut comme une intelligence unifiée qui intègre les impulsions innombrables de chacun de ses agents lointains. Le «hivemind» sur lequel je travaillais n’était pas du tout comme ça. Chaque aspect de celui-ci – chaque ligne de code écrite, chaque ressource déployée – était contrôlé par nous. C'était un système centralisé se faisant passer pour un système décentralisé – un simulacre quelque peu «communiste» d'un esprit humain.

Mais que faire si une telle intelligence pourrait émergent réellement de bas en haut? Et s'il pouvait naître, non pas des efforts d'une seule entreprise, mais des connaissances globales d'innombrables personnes travaillant indépendamment de loin pour apporter un signal diversifié au collectif?

Entrez crypto.

Un ordinateur mondial décentralisé

En son cœur, la crypto est un mouvement technologique qui nous offre de nouveaux outils pour la gouvernance ascendante des grands systèmes. Le terme même de «décentralisation» dans l'espace fait référence à une classe de structures de pouvoir dont l'équilibre est penché en faveur des communautés plutôt que des points de contrôle centraux.

Les outils de décentralisation que la crypto a mis en œuvre nous ont conduit à construire une sorte d '«ordinateur mondial» logique. Il est constitué d'un réseau distribué de machines physiques détenues et exploitées par des membres d'une large communauté. Ethereum est le premier exemple d'un tel ordinateur. Il a étendu les idées derrière Bitcoin en incluant la prise en charge d'un langage de programmation à usage général. Depuis lors, il est incontestablement devenu l'un des projets les plus importants de l'espace.

Mais pourquoi ce type d'ordinateur est-il même utile?

Ce qui est vraiment nouveau dans ce mode de calcul, c'est que son modèle de sécurité et de confiance émerge de bas en haut de ses utilisateurs – des utilisateurs qui peuvent être n'importe qui, n'importe où, et peuvent participer sans la permission de quiconque. Le contrôle de cet ordinateur collectif est littéralement décentralisé. Il n'y a pas de gardien.

Le défi est, bien sûr, que bon nombre de ces utilisateurs sont sans aucun doute malhonnêtes et aimeraient plutôt jouer le système pour le profit s'ils le pouvaient. Le génie au cœur d'Ethereum et de Bitcoin (et de la crypto plus généralement) est un ensemble de structures d'incitation qui rend ces systèmes auto-régulés. Grâce à des récompenses économiques bien calibrées, les réseaux cryogéniques comme Ethereum encouragent leurs utilisateurs à se contrôler les uns les autres. Et donc, même s'ils ne se font pas confiance, ils peuvent en venir à faire confiance à l'ordinateur décentralisé qu'ils contribuent collectivement à sécuriser.

La propriété déterminante d'un tel ordinateur est donc que tout le monde peut en venir à faire confiance (et vérifier) ​​que les programmes qui y sont déployés fonctionneront bien et fonctionneront correctement comme écrit peu importe ce que. C'est pourquoi ces programmes sont connus sous le nom de «contrats intelligents». Un meilleur terme pour eux, cependant, pourrait être «programmes souverains» car, une fois déployés, ils sont indépendants – ils s’exécutent de manière déterministe, instruction par instruction, sous l’autorité de personne. Ils fonctionnent avec immunité contre l'intervention (1) des personnes qui les ont rédigés à l'origine; (2) les personnes qui interagissent avec eux pendant qu'ils courent; et (3) même les personnes qui contrôlent les machines physiques qui les exécutent.

C'est cette souveraineté inviolable qui permet à un contrat intelligent d'agir de manière crédible comme un intermédiaire de confiance entre des étrangers. En fait, c'est exactement cette propriété qui autorise un seul programme – par ex. la base de code Bitcoin – pour devenir une réserve de valeur mondiale entièrement numérique. Mais ce n’est que le début. Les contrats intelligents sont un bloc de construction informatique fondamentalement nouveau qui est très général. Ils débloquent un royaume d'applications possibles que nous avons à peine commencé à explorer. Quelques-uns d'entre eux pourraient même avoir quelque chose à voir avec A.I.!

C’est, en fait, une coïncidence digne d’une bonne science-fiction que, alors qu’un sous-ensemble considérable de l’humanité se retrouve à travailler avec acharnement vers une IA forte, un autre sous-ensemble (commodément dissocié du premier) consiste à construire un ordinateur mondial imparable. Je ne peux pas inventer ce truc!

Marchés cryptographiques et bilatéraux

Blague fantaisiste mise à part, imaginons une seconde si nous pouvions prendre un contrat intelligent et y intégrer un réseau neuronal profond. Pas besoin de faire Skynet. Pensons plutôt à un réseau qui est très simple – disons, un classificateur qui accepte comme entrée une image et produit comme sortie une prédiction de ce qu'il pense que l'image contient (par exemple, «voiture», «chien», «blaireau de miel», « le chiffre trois », etc.).

Au début, notre modèle ne sera pas formé, donc il ne sera pas très utile. La formation, cela nous obligerait normalement à collecter (ou à avoir déjà sous la main) un large corpus de données étiquetées représentatives des types d'images sur lesquelles nous aimerions que notre modèle fonctionne bien. Et n'oublions pas que s'il y a un espoir que notre modèle sera capable de bien fonctionner dans tous les domaines, cet ensemble de données d'exemples d'entraînement doit inclure des images qui proviennent directement de la longue traîne. Les nombreuses variations exotiques de chaque objet doivent en quelque sorte être représentées.

Nous pourrions, bien sûr, faire ce que Google fait habituellement et parcourir la Terre, par force brute, pour trouver toutes les bonnes données – des images étiquetées des nombreux types de voitures, de chiens et de blaireaux de miel dans toutes sortes de poses et de conditions d'éclairage amusantes. Mais soyons réalistes, ce playbook est une vieille nouvelle. Un nouveau playbook consiste à exploiter les forces du marché. Au lieu de retourner complètement chaque dernière pierre à la recherche de bits, nous pourrions faire appel à une communauté plus large pour collecter les données pour nous.

L'astuce consiste à créer un marché à deux faces en intégrant les bonnes structures d'incitation dans notre contrat intelligent. Du côté de l'offre, les personnes qui ont accès aux données précieuses peuvent être payées si elles les contribuent (sous forme étiquetée) à notre réseau neuronal naissant. Et, du côté de la demande, les développeurs qui souhaitent tirer parti de l'intelligence de notre réseau neuronal peuvent payer des frais pour l'utiliser comme API et obtenir sa prédiction pour ce qu'une image inconnue contient (encore une fois «voiture», «blaireau de miel ," etc.).

Une fois que ce type de lieu économique est amorcé et atteint la masse critique, il déclenche une boucle de rétroaction d'amélioration auto-renforçante: plus de capital déployé par notre réseau de neurones conduit au crowdsourcing de données plus ésotériques, ce qui conduit à une précision améliorée du modèle, ce qui conduit à la demande croissante des développeurs, ce qui conduit à encore plus de capital déployé par notre réseau neuronal. Et autour du volant, nous allons.

Voyons comment exactement nous pourrions faire en sorte que cela fonctionne.

Résolution du problème de démarrage à froid

Le premier problème difficile est de faire décoller notre marché. Pourquoi un côté de l'offre volontaire devrait-il apparaître avec des données, si le côté de la demande n'existe pas déjà? Et, au contraire, pourquoi le côté de la demande paierait-il jamais beaucoup d'argent pour les délires fous d'un réseau de neurones non formé? Le problème du démarrage à froid est le défi majeur que chaque startup qui a jamais démarré un marché à multiples facettes, comme Airbnb ou Uber, a dû surmonter. Un niveau minimum d'énergie d'activation est nécessaire pour déclencher le moteur vertueux en mouvement.

Cette énergie initiale doit venir de quelque part. Traditionnellement, il est toujours venu du capital financier – un financement de capital-risque fourni par un ensemble de personnes qui a tendance à être complètement dissocié de l'ensemble des participants au réseau lui-même. Des entreprises comme Uber et Airbnb ont historiquement levé d'énormes sommes d'argent pour subventionner un ou les deux côtés de leurs marchés avec de l'argent afin de démarrer le volant. Ceci est capital et rate une énorme opportunité.

Imaginez une seconde un monde dans lequel Uber avait levé moins d'argent et, au lieu de subventionner l'offre de son nouveau marché avec uniquement de l'argent, il avait également récompensé les premiers conducteurs avec une petite part de propriété dans Uber (la société). . Dans ce monde, les tout premiers conducteurs d'Uber apprécieraient sans aucun doute le fait que leur participation durement acquise dans Uber (quoique petite, au début) pourrait un jour valoir beaucoup d'argent. Ce seul fait pourrait-il aider à persuader certains d’entre eux de participer? À quel point ces pilotes seraient-ils plus fidèles à Uber que certains de ses concurrents? Seraient-ils plus susceptibles d'évangéliser Uber à d'autres personnes? Et, à mesure qu’Uber grandissait et que la propriété de chaque conducteur commençait à valoir de l’argent réel, cela inspirerait-il la prochaine cohorte de conducteurs à monter à bord?

Oui.

Il n'y a aucune raison pour que le capital nécessaire pour lancer un marché multiforme soit entièrement de nature financière et provienne de sources externes. Cliquez pour tweeter

Il s'agit d'une structure de capital fondamentalement plus efficace pour un marché multidimensionnel. Il n'y a aucune raison pour que le capital nécessaire pour le faire démarrer doive être entièrement de nature financière et provenir de sources extérieures. Une partie peut provenir des participants eux-mêmes, car ils ont un capital humain et productif à apporter. Dans le cas d'Uber, chaque conducteur met en avant sa capacité de conduite et sa voiture pour aider le réseau à décoller. Pourquoi ne devraient-ils pas en posséder un morceau?

Alors, comment la crypto pourrait-elle aider ici?

Marchés autonomes

N'oubliez pas que le contrat intelligent qui abrite notre réseau neuronal est entièrement programmable. Alors, pourquoi ne pas y intégrer la possibilité de frapper des jetons librement négociables qui accordent à quiconque les détient une réclamation sur tous les revenus qui en découlent? Comme dans notre expérience de réflexion impliquant Uber, notre contrat peut commencer à subventionner le côté offre de son marché naissant, non seulement avec de l'argent, mais aussi avec des jetons de propriété nouvellement créés.

Avec ce nouveau peu de logique, notre réseau de neurones commence à prendre vie en tant qu'entité autonome et autofinancée. Et, au fur et à mesure que le volant d'inertie est mis en mouvement, le service qu'il offre commencera à devenir également utile du côté de la demande, c'est-à-dire aux développeurs prêts à payer de l'argent réel pour ses prévisions. Bien sûr, les frais facturés par notre contrat devraient être faibles au départ, mais à mesure que la précision de notre modèle s’améliore, ils peuvent commencer à augmenter. Des frais plus élevés peuvent ensuite être utilisés pour inciter davantage les contributions de données qui, à leur tour, améliorent le modèle, et donc encore une fois, autour du volant d'inertie.

L'idée clé est qu'un marché qui appartient à ses participants agit sur sa région d'influence comme une bobine magnétique le fait sur la limaille de fer. C'est une force d'alignement entre les personnes – une force qui fait tourner le moteur du marché par son arbre à son moment de départ crucial.

Appelons cela des marchés autonomes.

Quels sont les obstacles techniques?

Il ne fait aucun doute que le fonctionnement de notre réseau neuronal décentralisé nous obligera également à résoudre toute une série de problèmes techniques difficiles. J'en mentionnerai brièvement quelques-uns.

Nous devons, par exemple, intégrer dans notre contrat intelligent un mécanisme capable de mesurer de manière fiable le signal dans les données qui y sont fournies. Il doit avoir une logique capable de distinguer les données inutiles de la réalité.

Une solution possible consiste à permettre à notre contrat intelligent d'accéder à un jeu de données de référence secret qu'il peut utiliser pour mesurer ses propres performances. Les contributions de données qui améliorent la précision du réseau neuronal sur le benchmark peuvent être récompensées, tandis que celles qui ne le sont pas peuvent entraîner des frais.

Un problème connexe est que, comme l'état de tous les contrats intelligents aujourd'hui est visible sur la blockchain pour quiconque souhaite regarder, il serait trivial pour un attaquant de voler le réseau neuronal sous-jacent (une fois formé) et de contourner le besoin de payer ses prédictions.

La solution à toute cette famille de problèmes dépend de l'existence de contrats intelligents dont l'exécution est encore vérifiable par quiconque, mais dont l'état interne est chiffré. Ces programmes sont appelés «contrats intelligents privés» et constituent un domaine de recherche actif dans l'espace. Une approche pour les construire est basée sur une sorte de preuve cryptographique (connue sous le nom de zk-SNARK) qui peut convaincre mathématiquement tout observateur qu'un calcul a été effectué correctement sans révéler l'état sous-jacent. Et, il existe de nombreuses autres approches en cours.

Les défis sont énormes, mais les solutions sont bien engagées.

Étendre Internet

En fin de compte, notre réseau de neurones sera une entité autonome dans le monde dont l'intelligence aura émergé des efforts de la base d'innombrables personnes qui travaillent de manière indépendante pour découvrir et fournir un signal où qu'elles se trouvent.

Nous aurons construit un Hivemind autonome décentralisé – un hivemind qui est fidèle à la forme et, contrairement à celui sur lequel j'ai travaillé chez Google, rendrait fier le garçon de huit ans qui est en moi. Et, à partir de là, ce n'est qu'un petit pas pour imaginer un avenir qui comprend un écosystème vaste et ouvert d'innombrables de ces êtres humains, chacun étant animé par sa propre communauté et servant de bloc de construction modulaire que n'importe qui, grand ou petit, peut utiliser pour construire des produits.

L'ensemble de tous ces éléments constitutifs peut ainsi commencer à émerger comme une nouvelle couche de protocole qui étend les capacités d'Internet lui-même. Ce sera un tissu de renseignement qui, comme Internet, sera open source et contrôlé collectivement par sa propre communauté.

En fait, c'est précisément parce que le contrôle d'un tel réseau sera décentralisé qu'il a le potentiel de s'adapter à des millions de développeurs et de contributeurs. Aucune plate-forme n'atteint jamais cette échelle sans s'engager fermement à tenir ses propres promesses au fil du temps. Et il n'y a pas de meilleur moyen pour une plate-forme de faire cette garantie que de graver ses propres règles dans un programme souverain qui est détenu et gouverné par ceux-là mêmes qui construisent dessus.

C'est, après tout, Pourquoi la décentralisation est importante. L'idée centrale derrière l'argument de Chris Dixon est que la décentralisation – et donc la cryptographie – est importante car elle aborde le problème du risque de plate-forme. L'histoire regorge d'innombrables entreprises oubliées qui ont été tentées de construire entièrement sur des plates-formes centralisées. Pour beaucoup de ces entreprises, tout avait tendance à avoir une belle apparence jusqu'à ce que, comme les sables mouvants, les règles de la plate-forme commencent à changer. Les règles qui étaient autrefois généreuses pour les développeurs se sont facilement transformées en règles qui sont maintenant plus favorables à la plate-forme. En cours de route, des entreprises entières ont été entraînées par le ressac, souvent sous le sable étouffant.

C'est parce que les protocoles de base d'Internet (c'est-à-dire TCP / IP) sont décentralisés, qu'il est possible pour des entreprises d'un billion de dollars comme Google d'être construites sur eux. De la même manière, il est inconcevable qu'une entreprise de la taille de Google puisse être construite sur Google, de la même manière que Google a été construite sur TCP / IP.

Que pourrait-il être possible de construire sur un réseau décentralisé de réseaux neuronaux alimentés par le marché?

Le pouvoir des marchés

Revenons à la question avec laquelle nous avons commencé. Pourquoi une approche guidée par les forces du marché devrait-elle mieux couvrir la longue traîne de A.I. que les efforts planifiés au niveau central et quelque peu «communistes» d'un géant de la technologie d'un billion de dollars? Comment cette nouvelle approche peut-elle gagner?

N'oubliez pas que le défi qui oblige même les géants qui marchent à ralentir alors qu'ils trébuchent tête baissée dans les vastes étendues de la longue traîne a moins à voir avec des ressources contondantes à porter qu'avec la nécessité de gérer des problèmes de coordination complexe. De tels problèmes sont compliqués pour un planificateur central par le fait que les informations nécessaires pour les résoudre sont éparpillées et enfermées dans d'innombrables endroits éloignés et des esprits inconnus.

Les personnes les mieux équipées pour exploiter les diverses poches de connaissances localisées qu'exigent ces problèmes sont celles qui sont les plus proches de ces poches, et non l'entité monolithique au centre qui essaie de faire toute la planification et le commandement de haut en bas. Ainsi, plutôt que de rassembler une armée qui fouille aveuglément le monde, il est beaucoup plus efficace de créer des structures d'incitation qui encouragent les individus à s'auto-organiser.

Plutôt que de rassembler une armée qui recherche aveuglément dans le monde des données à longue traîne, il est beaucoup plus efficace de créer des structures d'incitation qui encouragent les individus à s'auto-organiser. Cliquez pour tweeter

C'est vrai parce qu'il n'y a tout simplement aucun moyen qu'un seul esprit (ou un petit groupe d'esprits) au centre puisse égaler les connaissances et la créativité sans fin d'un écosystème diversifié de personnes qui sont toutes alignées les unes sur les autres par la présence d'un puits. marché calibré. La «main invisible du marché» d’Adam Smith n’est, après tout, qu’une métaphore du pouvoir de l’auto-organisation ascendante.

Aujourd'hui, les connaissances et les ressources nécessaires pour innover en A.I. sont détenus dans les poches de géants – bien au-delà de la portée de la plupart des individus et des startups. Mais, grâce à la création de marchés efficaces et mondiaux autour d'eux, ils peuvent être rendus plus accessibles. Nous pourrions découvrir que les systèmes basés sur le marché et construits de bas en haut offrent à la société une nouvelle approche, qui perturbe davantage les structures de pouvoir enracinées, pour la construction de systèmes informatiques intelligents. La différence sera de savoir qui finira par les contrôler.

Chaque nouveau mini-esprit peut commencer modestement. Mais le bon ensemble d'incitations, gravé de manière crédible dans une sorte de pacte dont la gouvernance est décentralisée (un contrat intelligent), a le potentiel de coordonner l'énergie humaine à une échelle qui éclipse même celle de nos plus grands géants. Et donc, à la fin, il se peut que A.I. n'est pas si intrinsèquement communiste après tout.

***

Les opinions exprimées ici sont celles de l'individu AH Capital Management, L.L.C. («A16z») cités et ne reflètent pas l'opinion d'a16z ou de ses affiliés. Certaines informations contenues ici ont été obtenues de sources tierces, y compris de sociétés de portefeuille de fonds gérés par a16z. Bien que tirées de sources considérées comme fiables, a16z n'a pas vérifié de manière indépendante ces informations et ne fait aucune déclaration quant à l'exactitude durable des informations ou à leur pertinence pour une situation donnée. De plus, ce contenu peut inclure des publicités de tiers; a16z n'a pas examiné ces publicités et ne cautionne aucun contenu publicitaire qui y est contenu.

Ce contenu est fourni à titre informatif uniquement et ne doit pas être considéré comme un conseil juridique, commercial, d'investissement ou fiscal. Vous devriez consulter vos propres conseillers sur ces questions. Les références à des titres ou des actifs numériques sont à titre indicatif uniquement et ne constituent pas une recommandation d'investissement ou une offre de fournir des services de conseil en investissement. En outre, ce contenu n'est pas destiné ni destiné à être utilisé par des investisseurs ou des investisseurs potentiels, et ne peut en aucun cas être invoqué lors de la décision d'investir dans un fonds géré par a16z. (Une offre d'investissement dans un fonds a16z ne sera faite que par le protocole de placement privé, le contrat de souscription et toute autre documentation pertinente d'un tel fonds et doit être lue dans son intégralité.) Tout investissement ou société de portefeuille mentionné, mentionné ou described are not representative of all investments in vehicles managed by a16z, and there can be no assurance that the investments will be profitable or that other investments made in the future will have similar characteristics or results. A list of investments made by funds managed by Andreessen Horowitz (excluding investments for which the issuer has not provided permission for a16z to disclose publicly as well as unannounced investments in publicly traded digital assets) is available at https://a16z.com/investments/.

Charts and graphs provided within are for informational purposes solely and should not be relied upon when making any investment decision. Past performance is not indicative of future results. The content speaks only as of the date indicated. Any projections, estimates, forecasts, targets, prospects, and/or opinions expressed in these materials are subject to change without notice and may differ or be contrary to opinions expressed by others. Please see https://a16z.com/disclosures for additional important information.





Traduction de l’article de zoran : Article Original

BlockBlog

Le Meilleur de l'Actualité Blockchain Francophone & Internationale | News, Guides, Avis & Tutoriels pour s'informer et démarrer facilement avec Bitcoin, les Crypto-Monnaies et le Blockchain. En Savoir Plus sur L'Équipe BlockBlog

Commenter cet Article

Commenter cet Article

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Plus dans News

Les Plus Populaires

Acheter des Bitcoin

Acheter des Alt-Coins

Sécuriser vos Cryptos

Vêtements et Produits Dérivés

Top