डिजिटल तालमेल: एआई और ब्लॉकचेन का विलय कैसे होगा

नवंबर 2022 में, OpenAI ने चैटबॉट ChatGPT पेश किया। लॉन्च होने के दो महीने बाद, सेवा के सक्रिय उपयोगकर्ताओं की संख्या 100 मिलियन तक पहुँच गई। तुलना के लिए, TikTok को इस मुकाम तक पहुँचने में लगभग नौ महीने लगे और Instagram को दो साल से अधिक।

तब तक, जनरेटिव एआई पहले से ही काफी लोकप्रिय हो चुका था, और नए उत्पाद ने इस सेगमेंट में रुचि को और बढ़ा दिया। आश्चर्य की बात नहीं है कि आर्टिफिशियल इंटेलिजेंस (एआई) के इर्द-गिर्द प्रचार की लहर ने क्रिप्टोकरेंसी उद्योग को भी नहीं छोड़ा।

2022 के अंत से, समय-समय पर उन परियोजनाओं के टोकन में स्थानीय रैलियों का निरीक्षण करना संभव हो गया है, जो डेवलपर्स के आश्वासन के अनुसार, प्रौद्योगिकी का उपयोग करते हैं। हालांकि, कुछ लोग ऐसी परिसंपत्तियों के बारे में संदेह करते हैं, बिना किसी कारण के, यह मानते हुए कि किसी भी एल्गोरिदम के एकीकरण की डिग्री निम्न स्तर पर है।

हालाँकि, मौजूदा उत्पादों पर अलग-अलग और ध्रुवीकृत विचार हैं, लेकिन ब्लॉकचेन और कृत्रिम बुद्धिमत्ता के बीच संभावित तालमेल पर कुछ आम सहमति है।

क्रिप्टो एक्सचेंज और वेब3 एक्सेलरेटर सहित कई खिलाड़ियों का मानना है कि एआई और ब्लॉकचेन को मिलाने से दोनों उद्योगों को मौजूदा समस्याओं को हल करने में मदद मिलेगी। कुछ वेंचर कैपिटलिस्ट भी इसी तरह का विचार रखते हैं। उदाहरण के लिए, मई 2023 में, यह बताया गया कि पैराडाइम एआई में अपनी रुचि का विस्तार करेगा ।

एआई एल्गोरिदम को विकेंद्रीकरण की आवश्यकता क्यों है?

कृत्रिम बुद्धिमत्ता और ब्लॉकचेन के बीच तालमेल के बारे में कहानी कोई नई बात नहीं है। हालाँकि, पिछले कुछ वर्षों में इस क्षेत्र में रुचि काफी बढ़ गई है, जैसा कि प्रासंगिक शोध डेटा इंगित करता है।

वितरित नेटवर्क को AI सेवाओं के साथ एकीकृत करने से AI डेवलपर्स को कई दीर्घकालिक लाभ मिलते हैं। ब्लॉकचेन में कई महत्वपूर्ण बाधाओं को खत्म करने या कम से कम कम करने की क्षमता है, जैसे कि कंप्यूटिंग शक्ति की कमी से संबंधित बाधाएँ।

यह तालमेल अभिनव अंतर-संचालन विकल्पों तक पहुंच भी खोलता है। उदाहरण के लिए, डीएलटी तकनीक तंत्रिका मॉडल को ठीक करने और प्रशिक्षण एल्गोरिदम के लिए अधिक प्रतिनिधि डेटासेट एकत्र करने में सक्षम हो सकती है।

आर्टिफिशियल इंटेलिजेंस के साथ सिस्टम को एकीकृत करना - विशेष रूप से ऑन-चेन और स्मार्ट कॉन्ट्रैक्ट्स - ब्लॉकचेन उद्योग को भी लाभ पहुंचाएगा। AI संभावित रूप से वितरित नेटवर्क के प्रदर्शन में सुधार कर सकता है और विकेंद्रीकृत वित्त (DeFi) क्षेत्र के लिए एक प्रमुख विकास चालक बन सकता है।

हर किसी को समस्याएँ हैं

वैज्ञानिक क्षेत्र के रूप में कृत्रिम बुद्धिमत्ता का इतिहास लगभग 70 साल पुराना है। हालाँकि, उद्योग कभी भी उन बाधाओं को दूर करने में कामयाब नहीं हुआ है जो इसके व्यापक रूप से अपनाए जाने में बाधा डालती हैं। इसके अलावा, जैसे-जैसे उद्योग विकसित हुआ है, नई चुनौतियाँ सामने आई हैं।

नीचे, मैं कुछ संभावित परिदृश्यों का विवरण दे रहा हूँ, जहाँ वितरित नेटवर्क कुछ सीमाओं को दूर कर सकते हैं।

बिजली की कमी

ग्राफ़िक्स प्रोसेसिंग यूनिट (GPU) एल्गोरिदम को प्रशिक्षित करने और उपयोगकर्ता क्वेरीज़ का अनुमान लगाने में महत्वपूर्ण हैं। यह विशेष रूप से Nvidia की Q1 FY 2024 की रिपोर्ट में स्पष्ट है।

एआई क्षेत्र के विकास की पृष्ठभूमि में, जीपीयू की मांग में तेज वृद्धि हुई - जिससे माइक्रोसर्किट की महत्वपूर्ण कमी हो गई । स्थिति इतनी गंभीर थी कि Google और Amazon जैसे प्रमुख क्लाउड सेवा प्रदाताओं ने अपने ग्राहकों पर प्रतिबंध लगाना भी शुरू कर दिया।

एआई से जुड़ी कई कंपनियों ने वैकल्पिक आपूर्तिकर्ताओं (जैसे, लैम्ब्डा) की ओर रुख किया है, लेकिन वे भी अपनी क्षमता सीमा के करीब पहुंच चुके हैं।

विकेंद्रीकृत कंप्यूटिंग नेटवर्क इस समस्या को हल कर सकते हैं। वे वास्तव में मध्यस्थ हैं जो कंप्यूटिंग शक्ति की आवश्यकता वाले संगठनों को उन सिस्टम स्वामियों से जोड़ते हैं जिनके पास आवश्यक संसाधन हैं।

ऐसे समाधान केंद्रीकृत सेवा प्रदाताओं की तुलना में कम कीमत प्रदान करते हैं। यह मुख्य रूप से सिस्टम से जुड़े प्रदाताओं के लिए अतिरिक्त लागत की अनुपस्थिति के कारण है।

ऐसे कंप्यूटिंग नेटवर्क के दो मुख्य प्रकार हैं:

• सामान्य प्रयोजन (जीपी)। इनमें विकेंद्रीकृत क्लाउड सेवाएँ शामिल हैं जो विभिन्न अनुप्रयोगों को संसाधन प्रदान करती हैं। उनका ऑपरेटिंग मॉडल एक बाज़ार जैसा दिखता है - ग्राहक प्रदाताओं से सर्वर स्पेस किराए पर लेते हैं जो अपनी कीमतें खुद तय करते हैं।
• विशेष उद्देश्य (एसपी)। इसके विपरीत, इन्हें विशिष्ट उपयोग परिदृश्यों के लिए डिज़ाइन किया गया है। आम तौर पर, उनकी वास्तुकला कंप्यूटिंग संसाधनों को एक ही पूल में जोड़ती है - एक तरह का विकेंद्रीकृत कंप्यूटर। इस मामले में, सेवाओं की लागत बाजार की गतिशीलता या समुदाय द्वारा नियंत्रित मापदंडों द्वारा निर्धारित की जाती है। यहाँ एक उदाहरण है जेनसिन , जिसे एमएल मॉडल को प्रशिक्षित करने के लिए डिज़ाइन किया गया है।

विकेंद्रीकृत नेटवर्क कंप्यूटिंग शक्ति तक पहुँच को लोकतांत्रिक बनाते हैं। इससे प्रशिक्षण, एल्गोरिदम को ठीक करने और उपयोगकर्ता प्रश्नों को संभालने की लागत कम हो जाती है, जो कि कम्प्यूटेशनल रूप से और भी अधिक गहन कार्य हैं।

हालांकि, समुदाय वितरित संसाधन पर एमएल मॉडल के प्रशिक्षण की गति के बारे में चिंतित है। वोल्ट कैपिटल में एलायंस के सदस्य और भागीदार मोहम्मद फौदा के अनुसार, यह केंद्रीकृत तरीकों की तुलना में एक या दो गुना धीमा हो सकता है।

टीमें पहले से ही विकेंद्रीकृत शिक्षण प्रक्रिया को अनुकूलित करने पर काम कर रही हैं। टुगेदर डेवलपर्स सैद्धांतिक रूप से अड़चन को दूर करने वाला समाधान बना रहे थे, जबकि जेनसिन नेटवर्क से अलग-अलग हार्डवेयर को जोड़ने से उत्पन्न होने वाली समस्याओं को कम करने की कोशिश कर रहा था।

हालाँकि, समुदाय को पैसा बचाने के लिए धीमी गति से सीखने पर समझौता करना पड़ेगा।

शून्य प्रकटीकरण के साथ मशीन लर्निंग

मैं शून्य-ज्ञान मशीन लर्निंग (ZKML) पर केंद्रित परियोजनाओं को अलग से चिन्हित करना चाहता हूँ।

कंप्यूटिंग नेटवर्क में सही संचालन सुनिश्चित करने के लिए विश्वसनीय निष्पादन वातावरण (TEE) और प्रतिष्ठा मॉडल जैसे विभिन्न तंत्रों का उपयोग किया जाता है। लेकिन प्रत्येक दृष्टिकोण की अपनी सीमाएँ और कमियाँ हैं। उदाहरण के लिए, TEE में संभावित हार्डवेयर अटैक वेक्टर हो सकता है।

इसलिए, परियोजनाओं की एक नई लहर (जेन्सिन, मॉडुलस लैब्स और गीज़ा ) ने एमएल के लिए कम्प्यूटेशनल अखंडता को सत्यापित करने के लिए शून्य-ज्ञान प्रमाण (ZKP) को लागू करने के साथ प्रयोग करना शुरू कर दिया है।

ZKP एक क्रिप्टोग्राफ़िक प्रोटोकॉल है जो एक पक्ष (साबित करने वाला पक्ष) को किसी भी अतिरिक्त जानकारी का खुलासा किए बिना किसी दावे की सच्चाई की पुष्टि दूसरे पक्ष (सत्यापन करने वाला पक्ष) को करने की अनुमति देता है। ब्लॉकचेन उद्योग में यह प्रोटोकॉल काफी लोकप्रिय है क्योंकि यह डेवलपर्स को स्केलेबल और सुरक्षित एप्लिकेशन बनाने की अनुमति देता है।

मशीन लर्निंग पर लागू होने पर, ZKP इनपुट डेटा या मॉडल के हिस्से को छिपा देता है, यदि आवश्यक हो । यह विशेष रूप से तब प्रासंगिक होता है जब एल्गोरिदम स्वास्थ्य सेवा और वित्त जैसे अत्यधिक विनियमित उद्योगों में काम कर रहे हों।

ZKML के अन्य लाभ भी हैं। उदाहरण के लिए, यह विधि यह साबित करने की अनुमति देती है कि किसी विशेष एल्गोरिदम को कड़ाई से परिभाषित डेटा सेट पर प्रशिक्षित किया गया है। मालिकाना AI के मामले में, यह यह सत्यापित करना भी संभव बनाता है कि एक ही मॉडल सभी उपयोगकर्ताओं के लिए उपलब्ध है।

इस दृष्टिकोण का एक नुकसान यह है कि साक्ष्य तैयार करने की प्रक्रिया ही बहुत जटिल है - यह एक संसाधन-गहन कार्य है जिसे करने में मूल संचालन की तुलना में अधिक लागत आ सकती है। इसका मतलब यह है कि, कुछ मामलों में, इसकी गणना करना अव्यावहारिक है।

फिर भी, ZKML AI उद्योग के लिए विकेंद्रीकरण का एक वेक्टर है। यह ऐसी स्थिति में महत्वपूर्ण है जहां खिलाड़ियों के एक संकीर्ण समूह के हाथों में प्रौद्योगिकी का संकेन्द्रण चिंता का कारण है।

सामग्री प्रमाणीकरण

जनरेटिव एआई के विकास और प्रसार ने यथार्थवादी डीप फेक के उद्भव को जन्म दिया है। उदाहरणों में बैलेनियागा डाउन जैकेट में पोप फ्रांसिस की मनगढ़ंत तस्वीरें और पेंटागन के पास बमबारी के दृश्य का वीडियो शामिल है।

क्रिप्टोग्राफ़िक हस्ताक्षरों का उपयोग ऐसे डीप फ़ेक से निपटने के लिए किया जा सकता है - कंटेंट क्रिएटर की पहचान निजी-सार्वजनिक कुंजी जोड़ी के मिलान से सत्यापित की जाती है। कार्यान्वयन का एक उदाहरण विकेंद्रीकृत सामाजिक नेटवर्क है। लेंस प्रोटोकॉल-आधारित परियोजनाएँ उपयोगकर्ता खातों को सार्वजनिक ब्लॉकचेन में पतों से जोड़ती हैं, जिससे पहचान सरल हो जाती है।

बंडलर और आर्वेव की टीमें भी उद्योग-व्यापी मानकों पर काम कर रही हैं। आर्वेव ने वितरित रजिस्ट्री में दर्ज डिजिटल सामग्री में अपरिवर्तनीय क्रिप्टोग्राफ़िक हस्ताक्षरों और टाइमस्टैम्प के एकीकरण की आवश्यकता वाले विनिर्देशों को पेश करने की परिकल्पना की है।

दक्षता की ओर एआई और ब्लॉकचेन का तालमेल

दीर्घावधि में, ब्लॉकचेन तंत्रिका मॉडल प्रशिक्षण की दक्षता में सुधार करेगा और उद्योग के अनुसंधान संचालन के तरीके में बदलाव ला सकता है।

हालांकि ब्लॉकचेन पर अधिकांश शोध शुरुआती दिनों में अकादमिक क्षेत्र में किए गए थे, लेकिन अब इस पर बड़ी प्रौद्योगिकी कंपनियों का दबदबा है। यह स्थिति सहयोग के लिए प्रोत्साहन और अवसरों की कमी के कारण स्थानीय प्रयोगशालाओं और व्यक्तियों की भागीदारी को सीमित करती है।

बिटेंसर जैसे विकेंद्रीकृत प्लेटफ़ॉर्म चीजों को ठीक कर सकते हैं। ये ऐसे बाज़ार हैं जहाँ प्रतिभागियों को विकास में उनके योगदान के लिए पुरस्कृत किया जाता है और वे मॉडल को प्रशिक्षित करने के लिए डेटा साझा कर सकते हैं। ओपन-सोर्स AI बनाते समय ऐसे प्लेटफ़ॉर्म विशेष रूप से आकर्षक होते हैं।

ब्लॉकचेन मानव प्रतिक्रिया (आरएलएचएफ) से सुदृढीकरण सीखने के अनुप्रयोग की सुविधा भी प्रदान करता है। यह एक ऐसी विधि है जो तंत्रिका मॉडल को ठीक करने के लिए प्रक्रिया में मानव प्रतिक्रिया को शामिल करती है।

आरएलएचएफ आपको मॉडल को “पॉलिश” करने की अनुमति देता है, जिससे गलत या पक्षपाती परिणामों की संख्या कम हो जाती है। उदाहरण के लिए, ओपनएआई ने इसका उपयोग GPT-3 को डीबग करने और चैटजीपीटी विकसित करने के लिए किया।

फ़ाइन-ट्यूनिंग एल्गोरिदम के प्रदर्शन को बढ़ाता है और उन्हें डोमेन-विशिष्ट विशेषज्ञता हासिल करने में सक्षम बनाता है। जैसे-जैसे ऐसे अत्यधिक विशिष्ट मॉडलों की मांग बढ़ती है, वैसे-वैसे फीडबैक देने के लिए विशेषज्ञों की ज़रूरत भी बढ़ती है।

मल्टीकॉइन टोकन के रूप में प्रोत्साहन भुगतान के माध्यम से आरएलएचएफ को बढ़ाने का एक तरीका प्रस्तावित करता है। हालाँकि, इस दृष्टिकोण में कम से कम दो समस्याएँ हैं:

• विशेषज्ञों को मुआवजे के रूप में टोकन स्वीकार करने पर सहमत होना पड़ता है, जिससे सीखने की प्रक्रिया में शामिल व्यक्तियों की सीमा सीमित हो जाती है।

• फीडबैक की सटीकता बनाए रखने के लिए ऐसी प्रणाली को चालाकीपूर्ण हमलों से सुरक्षित रखने की आवश्यकता है।

  
  

हालाँकि, हाइवमैपर जैसी परियोजनाओं ने पहले ही इस पद्धति को व्यवहार में ला दिया है।

एक स्मार्ट अनुबंध कितना बुद्धिमान हो सकता है?

ऐसे कई क्षेत्र हैं जहां ब्लॉकचेन प्लेटफॉर्म बुनियादी ढांचे से लेकर अनुप्रयोग तक विभिन्न स्तरों पर कृत्रिम बुद्धिमत्ता का उपयोग कर सकते हैं।

हालाँकि, क्रिप्टोकरेंसी उद्योग के लिए सबसे ज़्यादा दिलचस्पी के परिदृश्य वे हैं जिनमें AI सीधे वितरित खाता बही में काम करता है। सामान्य अर्थ में, एल्गोरिदम की गतिविधि को ब्लॉकचेन में स्थानांतरित करने के दो तरीके हैं:

• स्वायत्त एजेंटों को भुगतान करने और डिजिटल संसाधनों तक पहुंच के लिए वेब3 बुनियादी ढांचे का उपयोग करने की अनुमति दें।
• तंत्रिका मॉडलों को ZKML के माध्यम से स्मार्ट अनुबंधों के साथ बातचीत करने की अनुमति दें।

दिलचस्प है, है ना?

स्वायत्त एजेंटों के लिए भुगतान और संसाधन

स्वायत्त आर्थिक एजेंट (AEA) मशीन लर्निंग एल्गोरिदम पर आधारित स्वायत्त प्रणालियाँ हैं जो प्रक्रिया में अपने मालिकों के प्रत्यक्ष हस्तक्षेप के बिना उनकी ओर से विशिष्ट कार्य निष्पादित करती हैं।

विशेषज्ञों का मानना है कि जैसे-जैसे प्रौद्योगिकी आगे बढ़ेगी, एईए अधिक विशिष्ट होते जाएंगे , जिससे "मल्टी-एजेंट सिस्टम" का प्रसार होगा।

इसके परिणामस्वरूप, एक ऐसा बाजार उभरेगा जिसमें कुछ एजेंट दूसरों को “नौकरी पर” रख सकते हैं और उन्हें कुछ कार्य करने के लिए पारिश्रमिक दे सकते हैं। इस संदर्भ में, कई कारणों से क्रिप्टोक्यूरेंसी भुगतान संभवतः फ़िएट भुगतानों से बेहतर होंगे:

• मौजूदा कानून AEA को बैंक खाते खोलने या खाताधारकों के खातों का उपयोग सीमा पार लेनदेन करने की अनुमति नहीं देते हैं।
• क्रिप्टोकरेंसी विश्वसनीय बिचौलियों की आवश्यकता को समाप्त कर देती है।
• ब्लॉकचेन अवसंरचना तीव्र एवं सस्ते निपटान को सक्षम बनाती है।

एईए भुगतान और विकेन्द्रीकृत भौतिक अवसंरचना नेटवर्क (डी.ई.पी.आई.एन. ) के साथ बातचीत करने में सक्षम होंगे। डी.ई.पी.आई.एन. हार्डवेयर उपकरणों को एकीकृत करते हैं - ऊपर चर्चा की गई कंप्यूटिंग प्रणाली को भी इस सेगमेंट के लिए जिम्मेदार ठहराया जा सकता है।

DePINs AI को डिस्क स्पेस और कंप्यूटिंग पावर जैसे डिजिटल संसाधनों तक पहुँच प्रदान करेगा। उदाहरण के लिए, यदि किसी एल्गोरिदम को 3D मॉडल बनाने की आवश्यकता है, तो वह केंद्रीकृत समाधानों पर निर्भर रहने के बजाय रेंडरिंग के लिए रेंडर नेटवर्क और डेटा स्टोरेज के लिए Arweave का उपयोग कर सकता है।

स्मार्ट अनुबंधों में एआई को एकीकृत करना

स्मार्ट कॉन्ट्रैक्ट में एआई मॉडल का उपयोग उनकी क्षमताओं का काफी विस्तार करता है। न्यूरल नेटवर्क न केवल अभिनव उपयोग के मामलों तक पहुंच खोलेंगे बल्कि मौजूदा उपकरणों की दक्षता भी बढ़ाएंगे।

इस एकीकरण में से अधिकांश ब्लॉकचेन में एल्गोरिदम को तैनात करने से जुड़ी उच्च कम्प्यूटेशनल लागतों से बाधित है। हालाँकि, ऑफ-चेन मॉडल के सटीक निष्पादन को मान्य करने के लिए ZKP का उपयोग करके इस समस्या को हल किया जा सकता है, क्योंकि केवल प्रासंगिक साक्ष्य को वितरित रजिस्ट्री में रखा जा सकता है।

इस तरह के दृष्टिकोण से स्मार्ट कॉन्ट्रैक्ट्स को हार्ड-कोडेड नियमों के सेट तक सीमित हुए बिना गतिशील डेटा के आधार पर निर्णय लेने की अनुमति मिलेगी। इस तरह, वे अधिक स्वायत्त, लचीले और परिष्कृत बनेंगे।

ZKML का उपयोग कई उद्योग क्षेत्रों में किया जा सकता है, जिसमें DeFi, GameFi, DeSo (विकेंद्रीकृत सामाजिक) और DePIN शामिल हैं।

उदाहरण के लिए, विकेंद्रीकृत वित्तीय अनुप्रयोगों में, AI वर्तमान नेटवर्क मापदंडों के आधार पर प्रोटोकॉल मापदंडों को समायोजित कर सकता है । एक संभावित उपयोग मामला एक उधार प्रोटोकॉल है जो वास्तविक समय में संपार्श्विक कारक को समायोजित करने के लिए एक एमएल मॉडल का उपयोग करता है।

अन्य परिदृश्यों में स्वचालित ट्रेजरी प्रबंधन, क्रेडिट ऑन-चेन स्कोरिंग और एएमएम तरलता प्रबंधन शामिल हैं।

निष्कर्ष

वर्तमान में, बुनियादी तर्क स्तर पर AI और Web3 उद्योगों के बीच विरोधाभास है: पहला अत्यधिक केंद्रीकृत है। वहीं, दूसरा व्यापक विकेंद्रीकरण के सिद्धांतों पर आधारित है। कई बार, यह स्थिति अनुप्रयोगों को एकीकृत करना मुश्किल बना देती है।

हालाँकि, यही विरोधाभास इन दोनों क्षेत्रों के उत्पादों को प्रभावी रूप से एक दूसरे के पूरक बनने तथा पारस्परिक विकास को बढ़ावा देने का अवसर प्रदान करता है।

इस बात की कोई गारंटी नहीं है कि ब्लॉकचेन भविष्य के तंत्रिका मॉडलों का आधार बनेगा या एल्गोरिदम विकेन्द्रीकृत प्लेटफार्मों के मूल में चलेंगे।

लेकिन यह कहना सुरक्षित है कि दोनों प्रौद्योगिकियों के संयोजन से कई नई कहानियां सामने आएंगी, जिनमें से कुछ काफी व्यवहार्य साबित होंगी।