‏ویتالیک در مورد محاسبات خودحاکم اشتباه می‌کند.

‏به قلم گاراوا شارما، مدیر عامل io.net

ویتالیک بوترین اخیراً سال ۲۰۲۶ را سال «بازپس‌گیری زمین‌های از دست رفته در حاکمیت محاسباتی» اعلام کرد. او تغییراتی را که شخصاً ایجاد کرده به اشتراک گذاشت: جایگزینی گوگل داکس با Fileverse، جیمیل با Proton Mail، تلگرام با سیگنال، و آزمایش اجرای مدل‌های زبانی بزرگ به صورت محلی بر روی لپ‌تاپ خود به جای استفاده از خدمات ابری.

زیرساخت متمرکز هوش مصنوعی

این غریزه درست است. زیرساخت متمرکز هوش مصنوعی یک مشکل واقعی است. سه شرکت – آمازون، مایکروسافت و گوگل – اکنون ۶۶ درصد از هزینه‌های زیرساخت ابری جهانی را کنترل می‌کنند، بازاری که سال گذشته در یک سه ماهه به ۱۰۲.۶ میلیارد دلار رسید. وقتی هر درخواست از طریق این زیرساخت متمرکز جریان می‌یابد، کاربران کنترل داده‌هایی را که باید خصوصی بمانند، از دست می‌دهند. برای هر کسی که به استقلال دیجیتال اهمیت می‌دهد، این باید یک شکست ساختاری به نظر برسد. اما راه‌حل پیشنهادی ویتالیک – میزبانی هوش مصنوعی به صورت محلی بر روی سخت‌افزار شخصی – یک مصالحه را می‌پذیرد که نیازی به وجود ندارد. برای هر کسی که سعی در ساخت برنامه‌های هوش مصنوعی جدی دارد، چارچوب او هیچ مسیر واقعی به جلو ارائه نمی‌دهد.

سقف محاسبات محلی

اجرای هوش مصنوعی بر روی دستگاه خودتان جذابیت آشکاری دارد. اگر مدل هرگز لپ‌تاپ شما را ترک نکند، داده‌های شما نیز همین‌طور. هیچ شخص ثالثی، هیچ نظارتی، هیچ وابستگی به زیرساخت شرکتی وجود ندارد. این برای موارد استفاده سبک وزن کار می‌کند. یک فرد که استنتاج اساسی را اجرا می‌کند یا یک توسعه‌دهنده که با یک مدل کوچک آزمایش می‌کند، می‌تواند با مدل‌های میزبانی شده محلی ارزش ایجاد کند. ویتالیک محدودیت‌های فعلی را در مورد قابلیت استفاده و کارایی تصدیق می‌کند، اما آن‌ها را به عنوان اصطکاک موقتی که با گذشت زمان هموار می‌شود، قاب‌بندی می‌کند.

با این حال، آموزش مدل‌ها، اجرای استنتاج در مقیاس و استقرار عاملی که به طور مداوم کار می‌کند، به قدرت GPU نیاز دارد که سخت‌افزار شخصی نمی‌تواند ارائه دهد. حتی یک عامل هوش مصنوعی که یک شب اجرا می‌شود به محاسبات مداوم نیاز دارد. وعده دستیاران هوش مصنوعی همیشه روشن، لحظه‌ای که از میز خود دور می‌شوید، از بین می‌رود. استقرار سازمانی به هزاران ساعت GPU در روز نیاز دارد. یک استارتاپ که یک مدل تخصصی را آموزش می‌دهد می‌تواند در یک هفته محاسباتی بیشتری را مصرف کند تا یک لپ‌تاپ رده بالا در یک سال ارائه می‌دهد. یک تیم تحقیقاتی جاه‌طلب ممکن است ۸۰ درصد یا بیشتر از بودجه خود را فقط صرف ظرفیت GPU کند – منابعی که در غیر این صورت می‌توانستند به استعداد، تحقیق و توسعه یا گسترش بازار اختصاص یابند. غول‌های سرمایه‌دار این هزینه‌ها را به راحتی جذب می‌کنند در حالی که بقیه از قیمت خارج می‌شوند.

میزبانی محلی این مشکل را حل نمی‌کند و تلویحاً یک باینری را می‌پذیرد که اکثر سازندگان را بدون هیچ جایی برای رفتن باقی می‌گذارد: کوچک و مستقل بمانید، یا مقیاس دهید و داده‌های خود را به آمازون، گوگل یا مایکروسافت بسپارید.

یک باینری نادرست

جامعه رمزنگاری باید در موقعیت خوبی برای تشخیص این قاب‌بندی برای آنچه هست، قرار داشته باشد. تمرکززدایی هرگز به معنای کوچک کردن قابلیت برای حفظ استقلال نبود. این در مورد فعال کردن مقیاس و حاکمیت برای همزیستی است. همین اصل در مورد محاسبات نیز صدق می‌کند.

در سراسر جهان، میلیون‌ها GPU در مراکز داده، شرکت‌ها، دانشگاه‌ها و تأسیسات مستقل مورد استفاده قرار نمی‌گیرند. شبکه‌های محاسباتی غیرمتمرکز پیشرفته امروزی این سخت‌افزار پراکنده را به یک زیرساخت الاستیک و قابل برنامه‌ریزی جمع می‌کنند. این شبکه‌ها اکنون بیش از ۱۳۰ کشور را در بر می‌گیرند و GPUهای درجه سازمانی و دستگاه‌های لبه تخصصی را با هزینه‌هایی تا ۷۰ درصد کمتر از ابرمقیاس‌کننده‌های سنتی ارائه می‌دهند.

توسعه‌دهندگان می‌توانند به خوشه‌های با عملکرد بالا در صورت تقاضا دسترسی داشته باشند که از یک مجموعه توزیع‌شده از اپراتورهای مستقل به جای یک ارائه‌دهنده واحد، گرفته شده است. قیمت‌گذاری از استفاده و رقابت در زمان واقعی، نه قراردادهایی که سال‌ها قبل مذاکره شده‌اند، پیروی می‌کند. برای تأمین‌کنندگان، سخت‌افزار بیکار می‌تواند به ظرفیت تولیدی تبدیل شود.

چه کسی از بازارهای محاسباتی باز سود می‌برد

تأثیر این امر فراتر از صرفه‌جویی در هزینه است. برای بازار گسترده‌تر، این یک جایگزین واقعی برای انحصار چندجانبه‌ای است که در حال حاضر هوش مصنوعی را کنترل می‌کند. گروه‌های تحقیقاتی مستقل می‌توانند آزمایش‌های معناداری را اجرا کنند تا اینکه جاه‌طلبی‌های خود را برای مطابقت با محدودیت‌های سخت‌افزاری کاهش دهند. استارتاپ‌ها در اقتصادهای نوظهور می‌توانند مدل‌هایی را برای زبان‌های محلی، سیستم‌های مراقبت‌های بهداشتی منطقه‌ای یا برنامه‌های کاربردی کشاورزی بسازند بدون اینکه سرمایه‌ای را برای تأمین قراردادهای ابرمقیاس‌کننده جمع‌آوری کنند.

مراکز داده منطقه‌ای می‌توانند به جای اینکه توسط ساختار معاملات موجود قفل شوند، در یک بازار جهانی شرکت کنند. این‌گونه است که ما در واقع شکاف دیجیتالی هوش مصنوعی را می‌بندیم: نه با درخواست از توسعه‌دهندگان برای پذیرش ابزارهای کم‌قدرت‌تر، بلکه با سازماندهی مجدد نحوه رسیدن محاسبات به بازار. ویتالیک درست می‌گوید که ما باید در برابر تمرکز زیرساخت‌های هوش مصنوعی مقاومت کنیم، اما پاسخ عقب‌نشینی به سخت‌افزار محلی نیست. سیستم‌های توزیع‌شده‌ای که هم مقیاس و هم استقلال را ارائه می‌دهند، در حال حاضر وجود دارند.

آزمون واقعی اصول رمزنگاری

جامعه رمزنگاری تمرکززدایی را به عنوان یک اصل تأسیسی در نظر گرفت. شبکه‌های محاسباتی غیرمتمرکز فرصتی را برای انجام کاری که رمزنگاری همیشه ادعا می‌کرد می‌تواند انجام دهد، نشان می‌دهند: ثابت کنید که سیستم‌های توزیع‌شده می‌توانند با جایگزین‌های متمرکز مطابقت داشته و از آن‌ها فراتر روند. هزینه‌های کمتر، دسترسی گسترده‌تر، هیچ نقطه کنترل یا شکست واحدی وجود ندارد. زیرساخت‌ها در حال حاضر وجود دارند. این سؤال این است که آیا صنعت از آن استفاده خواهد کرد یا به نسخه‌ای از حاکمیت بسنده خواهد کرد که فقط در صورتی کار می‌کند که مایل به کوچک ماندن باشید.