中心化人工智慧很危險：我們該如何阻止它？

生成式人工智慧聊天機器人(如OpenAI的ChatGPT)展現出的智慧已經引起了個人和企業的想象力,人工智慧突然成為最令人興奮的技術創新領域。 人工智慧被認為是一個遊戲規則改變者,有潛力改變我們生活的許多方面。從個性化醫療到自動駕駛汽車,從自動投資到數字資產,人工智慧帶來的可能性似乎是無窮無盡的。 但是,儘管人工智慧將帶來巨大的變革,但這項新技術也存在許多風險。雖然對一個充滿惡意、類似"天網"的人工智慧系統失控的擔憂是不合理的,但人工智慧集中的危險卻是真實存在的。隨著微軟、谷歌和英偉達等公司在追求人工智慧方面不斷取得進展,對少數幾個中心化參與者手中權力集中的擔憂也越來越強烈。 集中式人工智慧帶來的最緊迫問題是,幾家科技巨頭可能會獲得行業的壟斷控制權。這些科技巨頭已經積累了大量的人工智慧市場份額,掌握了大量的資料。他們還控制著人工智慧系統執行的基礎設施,能夠抑制競爭對手,阻礙創新,並延續經濟不平等。 透過實現對人工智慧發展的壟斷,這些公司更有可能對監管框架產生不公平的影響,並操縱它們以達到自己的利益。這意味著缺乏巨大資源的小型初創公司將很難跟上創新的步伐。那些倖存下來並看起來可能會蓬勃發展的公司幾乎肯定最終會被收購,進一步集中了少數人的權力。結果將是人工智慧發展的多樣性降低,消費者的選擇減少,以及更不利的條件,限制人工智慧所承諾的用例和經濟機會。 除了壟斷控制,人工智慧系統的偏見也引發了真正的擔憂,隨著社會越來越依賴人工智慧,這些擔憂將變得更加重要。 風險源於組織越來越依賴自動化系統來做出決策。一家公司僱用人工智慧演算法來篩選求職者並不罕見,風險在於偏見系統可能會根據種族、年齡或地點不公平地排斥某些候選人。保險公司也使用人工智慧來確定保單費率,金融服務公司使用人工智慧來決定某人是否有資格獲得貸款以及需要支付的利率,執法部門使用人工智慧來確定哪些地區可能會出現更高的犯罪率。在所有這些用例中,偏見人工智慧系統的潛在影響都令人擔憂。 無論是執法部門針對少數群體社群,還是歧視性的貸款實踐,集中式人工智慧都可能加劇社會不平等,並助長系統性歧視。 集中式人工智慧系統帶來的另一個風險是缺乏隱私保護。當只有少數幾家大公司控制了由人工智慧產生的絕大部分資料時,他們就能夠進行前所未有的使用者監視。最主導的人工智慧平臺積累的資料可用於以令人難以置信的準確度監控、分析和預測個人行為,侵蝕隱私,增加資訊被濫用的可能性。 在擁有威權政府的國家,資料可能被用作創造更復雜監視工具的武器,這尤其令人擔憂。但即使在民主社會,也存在著因監視增加而帶來的威脅,正如斯諾登關於美國國家安全域性稜鏡計劃的爆料所示。 企業也可能濫用消費者的資料來增加利潤。此外,當集中實體積累大量敏感資料時,這使他們成為駭客的更誘人目標,增加了資料洩露的風險。 由於集中式人工智慧,國家安全問題也可能出現。例如,有人擔心人工智慧系統可能被國家武器化,用於網路戰、間諜活動和開發新的武器系統。人工智慧可能成為未來戰爭的關鍵工具,增加地緣政治衝突的風險。 人工智慧系統本身也可能成為目標。隨著各國越來越依賴人工智慧,這些系統將成為誘人的目標,因為它們是明顯的單點故障。摧毀一個人工智慧系統就可能擾亂整個城市的交通流量,關閉電網等。 集中式人工智慧的另一個主要擔憂是倫理問題。這是因為控制人工智慧系統的少數公司將對社會的文化規範和價值觀產生重大影響,並可能經常優先考慮利潤,從而引發進一步的倫理問題。 例如,人工智慧演算法已被社交媒體平臺廣泛用於內容稽核,試圖識別和過濾令人反感的帖子。人們擔心,演算法可能會有意或無意地壓制言論自由。 關於人工智慧驅動的稽核系統的有效性已經存在爭議,許多看似無害的帖子都被自動演算法遮蔽或刪除,這引發了人們對這些系統是否被操縱以推動特定政治敘述的猜測。 唯一合乎邏輯的對抗集中式人工智慧的辦法是發展分散式人工智慧系統,確保技術的控制權掌握在多數人手中,而不是少數人手中。透過這樣做,我們可以確保沒有單一公司或實體對人工智慧的發展方向產生重大影響。 當人工智慧的發展和治理由成千上萬的實體共享時,它的進步將更加公平,更好地滿足個人的需求。結果將是更多樣化的人工智慧應用,擁有幾乎無窮無盡的模型,而不是幾個主導行業的模型。 分散式人工智慧系統還意味著對大規模監視和資料操縱的風險設定了制衡機制。而集中式人工智慧可能被武器化,並以違背多數人利益的方式使用,分散式人工智慧可以防範這種壓迫。 分散式人工智慧的主要優勢在於,每個人都可以控制技術的發展,防止任何單一實體獲得過大的影響力。 分散式人工智慧涉及對構成人工智慧技術棧的各個層面進行重新思考,包括基礎設施(計算和網路資源)、資料、模型、訓練、推理和微調等。 如果底層基礎設施仍然完全由亞馬遜、微軟和谷歌等雲計算巨頭掌控,我們就不能僅僅寄希望於開源模型。我們需要確保人工智慧的每個方面都是分散的。 實現人工智慧棧的分散化的最佳方式是將其分解為模組化元件,並根據供給和需求創造市場。Spheron就是一個如何實現這一目標的例子,它建立了一個分散式物理基礎設施網路(DePIN),任何人都可以參與其中。 透過Spheron的DePIN,每個人都可以自由分享未充分利用的計算資源,本質上是將它們租賃給需要基礎設施來託管其人工智慧應用程式的人。因此,一名使用功能強大的膝上型電腦帶有GPU的平面設計師,在不使用它進行自己的工作時,可以將處理能力捐贈給DePIN,並獲得代幣獎勵。 這意味著人工智慧基礎設施層變得廣泛分散和去中心化,沒有單一提供商掌控。這是由區塊鏈技術和智慧合約實現的,它們提供了透明性、不可變性和自動化。 DePIN還可以用於開源模型和底層資料。例如,可以在像Qubic這樣的分散式網路上共享訓練資料集,這將確保每次該資料被人工智慧系統訪問時,其提供者都能獲得報酬。 為了確保訪問和許可權的分散化,技術棧的每個部分都以這種方式分佈。然而,人工智慧行業目前難以提供如此程度的分散化。儘管開源模型已經在人工智慧開發者中變得非常流行,但大多數人仍然依賴專有的雲網絡,這意味著訓練和推理過程高度集中。 但分散化最終會勝出,這是有很強的激勵因素的。DePIN網路的主要優勢之一是,它們有助於降低開支。因為像Spheron這樣的網路不依賴中介,參與者無需支付任何費用或與第三方分享收益。此外,他們可以在定價方面更具競爭力,因為他們不像受利潤壓力的公司那樣。 人工智慧的未來充滿了潛力,但也充滿了危險。雖然人工智慧系統的能力在過去幾年裡有了巨大的進步,但大部分進步都是由一些強大的公司完成的,這導致了他們對行業的影響力增加。這樣做是有代價的,不僅僅是金錢上的。 唯一合理的替代方案是促進分散式人工智慧的更廣泛採用,這可以提高可訪問性,並確保人工智慧的靈活性更大。透過讓每個人在平等的基礎上參與人工智慧的發展,我們將看到更多樣化、更有趣和更有用的應用程式,這些應用程式可以平等地惠及所有人,並將使用者置於首位。 建立一個分散式人工智慧的未來將需要在人工智慧棧的每一層進行大量的協調和合作。幸運的是,參與者有強烈的動力去做到這一點。而且,這些激勵因素不僅僅是金錢上的。