Quando você compra por meio de links afiliados em nosso site, podemos ganhar uma comissão sem nenhum custo adicional para você. Saiba Um sistema de Inteligência Artificial descentralizada (DAI) é um tipo de solução de Inteligência Artificial (IA) que usa a tecnologia blockchain para distribuir, processar e armazenar dados em uma rede de nós. Sendo assim, saiba o que é e como funciona a Inteligência Artificial Descentralizada (DAI) no artigo que segue.
O que é Inteligência Artificial Descentralizada (DAI)?
Os sistemas de IA descentralizados permitem que os usuários usem modelos de IA pré-treinados em seus dispositivos locais para que possam se beneficiar dos insights gerados pela IA sem entregar seus dados a uma autoridade centralizada.
Como parte de uma abordagem descentralizada, o usuário pode usar um modelo de IA pré-construído para processar dados armazenados em seu dispositivo e enviar os resultados a terceiros sem compartilhar seus dados pessoais subjacentes.
Quais são os principais componentes da IA descentralizada?
Como explicou o professor Longbing Cao, pesquisador de IA:
“DeAI refere-se ao pensamento, metodologias, tecnologias, sistemas e serviços de IA para desenvolver, gerenciar e implantar inteligência descentralizada em ambientes descentralizados.”
Isso inclui “armazenar, atualizar, compartilhar e trocar inteligência descentralizada entre agentes, nós ou dispositivos descentralizados; e integrar inteligência descentralizada de agentes locais e em ecossistemas descentralizados (com seus serviços e ambientes) para inteligência de nível superior e solução inteligente de problemas”.
Em um alto nível, os sistemas de IA descentralizados são construídos com vários componentes principais, incluindo plataformas de IA ou aplicativos descentralizados (dApps), livros-razão distribuídos por blockchain, contratos inteligentes, aprendizagem federada e tecnologias de criptografia homomórfica.
Os livros-razão distribuídos do blockchain permitem que os desenvolvedores de IA distribuam modelos pré-construídos de aprendizado de máquina (ML – do Inglês, machine learning) para os dispositivos dos usuários.
Em seguida, esses dispositivos podem atuar como agentes autônomos que executam tarefas de inferência de IA localmente, seja como uma entidade independente ou como parte de uma rede conectada coordenada.
Da mesma forma, a aprendizagem federada e a criptografia homomórfica ajudam a isolar e manter a privacidade das atividades de processamento de dados no dispositivo do usuário para que suas informações não possam ser visualizadas por terceiros não autorizados.
O resultado final é um sistema de IA descentralizado que permite:
Qual é o objetivo da IA descentralizada?
Tradicionalmente, o desenvolvimento de sistemas de IA permaneceu isolado entre alguns fornecedores de tecnologia, como o Google e a OpenAI, que tiveram os recursos financeiros necessários para desenvolver a infraestrutura e os recursos necessários para criar e processar grandes conjuntos de dados.
No entanto, a centralização do desenvolvimento de IA no setor fez com que as organizações precisassem de um financiamento significativo para poder desenvolver e processar os dados necessários para competir no mercado.
Da mesma forma, também incentivou os fornecedores a buscar uma abordagem de caixa preta para o desenvolvimento de IA, dando aos usuários e reguladores pouca ou nenhuma transparência sobre como os modelos de IA de uma organização operam e tomam decisões.
Isso dificulta a identificação de imprecisões, parcialidade, preconceito e desinformação.
Os aplicativos de IA descentralizados abordam essas deficiências, fornecendo uma solução para afastar o desenvolvimento de IA dos provedores centralizados e direcioná-lo para pesquisadores menores que inovam como parte de uma comunidade de código aberto.
Ao mesmo tempo, os usuários podem aproveitar os benefícios da tomada de decisões orientada por IA localmente, sem a necessidade de compartilhar seus dados pessoais com terceiros.
Aprendizagem federada vs. IA descentralizada
Aprendizagem federada é o nome dado a uma abordagem em que dois ou mais modelos de IA são treinados em computadores diferentes, usando um conjunto de dados descentralizado.
Em uma metodologia de aprendizagem federada, os modelos de aprendizagem de máquina são treinados em dados armazenados em um dispositivo de usuário sem que esses dados sejam compartilhados com o provedor upstream.
Embora isso pareça semelhante à IA descentralizada, há uma diferença fundamental.
Na aprendizagem federada, uma organização tem controle centralizado sobre o modelo de IA usado para processar os conjuntos de dados, enquanto em um sistema de IA descentralizado, não há uma entidade central responsável pelo processamento dos dados.
Assim, a aprendizagem federada é normalmente usada por organizações que buscam criar um modelo de IA centralizado que toma decisões com base em dados que foram processados de forma descentralizada (geralmente para manter a privacidade do usuário), enquanto as soluções de IA descentralizadas não têm uma autoridade central responsável pelo modelo subjacente que processa os dados.
Como Patricia Thaine, cofundadora e CEO da Private AI, explicou à Techopedia, “o aprendizado federado tende a ter um modelo centralizado que é atualizado com base no aprendizado de modelos distribuídos.
Um sistema descentralizado teria vários nós que chegam a um consenso, sem um modelo central como autoridade.”
“Acho que os dois podem se confundir porque ambos são formas distribuídas de IA. Em geral, dependendo do problema, pode ser muito difícil acertar, principalmente com grandes empresas como FAANG, Microsoft ou similares, que têm a experiência e os recursos para fazer a P&D necessária para uma implantação confiável em escala.”
Benefícios da IA descentralizada
O uso de uma arquitetura de IA descentralizada oferece alguns benefícios importantes tanto para os desenvolvedores de IA quanto para os usuários. Alguns deles são:
Democratizando o desenvolvimento da IA
Embora a IA descentralizada ainda esteja em seu início, ela tem o potencial de democratizar o desenvolvimento da IA, oferecendo mais oportunidades para que os desenvolvedores de modelos de código aberto interajam com os usuários independentemente de uma autoridade centralizada.
Se um número suficiente de fornecedores oferecer suporte a modelos de IA descentralizados, isso poderá reduzir significativamente a quantidade de controle que os desenvolvedores de modelos proprietários têm no mercado e aumentar a transparência sobre o desenvolvimento de IA como um todo.
