La economía de la IA necesita un nuevo motor: la visión radical de Ambient

Travis Good: Gracias por tenerme, Ishan. soy lo que podrías llamar un contrario de la tecnología profunda. Estoy atraído por dominios difíciles en los que los expertos afirman que los enfoques correctos son "conocimiento establecido".Travis Bueno:

En biotecnología, estaba en una reunión con una gran compañía farmacéutica cuando estaban afirmando orgullosamente que habían probado dos mil millones de compuestos para reemplazar un pesticida en particular utilizando un enfoque completamente de fuerza bruta con muchas personas y máquinas que trabajan 24/7. Todo lo que podía pensar en ese momento era “lo que es tan desperdicioso”.En la empresa donde era CTO, buscamos reducir radicalmente la necesidad de examinar tantos compuestos, utilizando el aprendizaje automático y la química computacional.Los inversores no les gustaron al principio debido a los costos, pero finalmente la apuesta se pagó porque produjo enormes ganancias de productividad y toda la industria ahora toma ese enfoque.

Asimismo, en el transporte, me dijeron los expertos que los motores de reglas (que carecían de garantías de rendimiento pero podían funcionar rápidamente) y los algoritmos genéticos (que carecían de garantías de rendimiento y de tiempo) eran lo mejor que la industria del transporte de mercancías podía esperar lograr. Mi escepticismo al respecto me llevó a un agujero de investigación que terminó con mi reclutamiento de algunos matemáticos afiliados a la Universidad de Roma como consultores que finalmente nos ayudaron a construir el primer planificador de movimiento ferroviario de mercancías matemáticamente óptimo del mundo, que funcionó rápidamente, tenía garantías de rendimiento, y en realidad mejoró la velocidad de toda la red ferroviaria.

Ishan Pandey: Ambient recientemente aseguró $7.2 millones en financiación liderada por a16z's Crypto Startup Accelerator, junto con Delphi Digital y Amber Group. Los inversores suelen buscar modelos económicos fuertes y motores defensibles. ¿Qué aspectos del modelo de ingresos de Ambient y la sostenibilidad económica a largo plazo han hecho que esta apuesta sea convincente para ellos?

Nuestro modelo de ingresos gira en torno a lo que llamamos "evidencia útil de trabajo" - un sistema en el que los mineros ganan tanto la inflación como las recompensas basadas en transacciones realizando inferencias de IA verificadas que los usuarios realmente necesitan y pagan. A diferencia de las criptomonedas tradicionales donde la minería no crea utilidad directa, los mineros ambientales producen valor económico con cada transacción. Esto crea un ciclo virtuoso: cuanto más usuarios necesitan inferencia de IA, más mineros se unen para proporcionarlo, fortalecendo la red y aumentando su utilidad.

La defensibilidad proviene de tres fuentes principales.En primer lugar, nuestras innovaciones técnicas en la inferencia verificada —hemos logrado la verificación con sólo un 0,1% de sobrecarga en comparación con los costes de sobrecarga de los competidores de 10-1000 veces.En segundo lugar, nuestro enfoque en la estandarización —al optimizar para un modelo de lenguaje grande de alta calidad en lugar de fragmentar los recursos en muchos modelos, mejoramos drásticamente la economía minera.Y en tercer lugar, los efectos de red —a medida que más mineros se unen, la latencia disminuye y el rendimiento aumenta, haciendo que la red sea más atractiva para los usuarios.

El aspecto más convincente que pienso fue nuestra capacidad de demostrar, no sólo teorizar, estas innovaciones - por ejemplo, en el momento en que plantamos nuestra semilla ya habíamos implementado nuestro sistema de inferencia verificada en modelos de hasta 400 mil millones de parámetros en tamaño.

Ishan Pandey: Aumentar el capital en el mercado actual es un reto, pero Ambient obtuvo con éxito el respaldo de a16z, Delphi Ventures y Amber Group. ¿Qué lecciones clave aprendió del proceso de recaudación de fondos, y qué consejo le daría a otras startups de IA y blockchain que buscan atraer inversores de primer nivel?

Travis Good: En cuanto a las lecciones del proceso de recaudación de fondos, creo que aprendí que cuanto más cuidadosa sea la diligencia técnica de un fondo, más impresionado y entusiasmado me siento, porque ese esfuerzo muestra las propias capacidades técnicas, las perspectivas y la voluntad de un fondo de participar en el proyecto.Travis Bueno:

La otra lección que aprendí es que no todo el mundo tiene una tesis sobre todo, por lo que es importante y necesario alinearse con fondos que tienen una tesis sobre el área de su proyecto y cuya tesis se alinea con su proyecto.

En cuanto a mi consejo? creo que la intención importa. La misión de Ambient es entregar AI descentralizada a escala, para abordar los problemas económicos fundamentales que crea la IA centralizada, mientras que da a los mineros el mejor acuerdo económico posible al traer de vuelta y modernizar Proof of Work. Queremos ayudar no sólo a nuestra red, sino a servir a Web2 y a muchas otras blockchains con la inferencia verificada más rápida y barata en el mejor modelo de pesos abiertos.

Ishan Pandey: ¿Cómo planea asignar el nuevo capital a través de la I+D, la infraestructura y los esfuerzos de escalación?

Travis Good: Estamos asignando capital a tres prioridades principales, con el desarrollo técnico tomando la mayor parte.

En primer lugar, aproximadamente el 60% va hacia la I+D para perfeccionar nuestro sistema de inferencia verificada y mejorar nuestra forca de Solana.Queremos que la inferencia verificada sea una experiencia sin problemas para mineros grandes y pequeños.

En segundo lugar, alrededor del 25% está dedicado a la infraestructura y el desarrollo de testnet.Estamos apuntando a un lanzamiento de testnet a finales de este año, que permitirá a los mineros y desarrolladores experimentar la plataforma de primera mano.

El 15% restante apoya nuestra estrategia de salida al mercado, que tiene dos pistas: reclutamiento de mineros y compromiso de desarrolladores. En el lado de la minería, estamos creando herramientas y recursos para ayudar a los propietarios de GPU a pasar a la minería Ambient. Para los desarrolladores, nos centramos en demostrar casos de uso convincentes para la IA en cadena verificada. Si eres un potencial minero, desarrollador o plataforma de desarrolladores (como un proveedor de framework de agentes) ¡nos encantaría escuchar de ti!

Esta financiación acelera varios hitos clave, incluyendo nuestro lanzamiento de Testnet, nuestro embarque de nuestra primera cohorte de mineros, nuestra finalización de nuestro puente de interoperabilidad en cadena y el desarrollo de nuestras puertas de API de cara al público.

Ishan Pandey: La inferencia de la IA a escala es un reto complejo, especialmente cuando se trata de equilibrar la seguridad, la descentralización y la eficiencia de costos.Ishan Pandey:

Travis Good: En el corazón de la arquitectura de Ambient está nuestro sistema "proof of logits", que representa un repensamiento fundamental de la inferencia verificada que elimina los tradeoffs tradicionales.

Travis Bueno:

La mayoría de los enfoques de verificación forzan una opción binaria: o bien la eficiencia de sacrificio para la seguridad (como los zkSNARKs con 1000x overhead) o la seguridad de sacrificio para la eficiencia (como los sistemas de verificación optimistas).Nuestra innovación estaba reconociendo que la "impresión" del pensamiento de un modelo de IA - las salidas numéricas crudas llamadas logits - podrían usarse para verificar la ejecución del modelo con un mínimo de overhead.

Aquí está cómo funciona: Cuando un modelo de IA genera texto, produce un conjunto único de logits para cada token.Estos logits reflejan el estado interno del modelo y pueden ser hashados para crear una representación compacta.Una visión clave fue que los validadores no necesitan replicar todo el proceso de generación - pueden verificar los tokens individuales y las relaciones matemáticas entre ellos en puntos aleatorios, reduciendo drásticamente los requisitos computacionales mientras mantienen fuertes garantías de seguridad.

Hemos diseñado el sistema como un mecanismo de prueba de consenso de trabajo no bloqueante, lo que significa que la verificación ocurre en paralelo con el procesamiento de transacciones.

Para la descentralización, hemos implementado técnicas de rascado de modelos inspiradas en los recientes avances académicos. Esto nos permite distribuir modelos masivos (600B + parámetros) a través de varios nodos, lo que permite que incluso el hardware de clase consumidor participe.

Para la seguridad de la blockchain, damos a los mineros que han hecho las mayores contribuciones verificadas a la resolución de problemas de red en dos escalas de tiempo (a corto y medio plazo) la mayor capacidad para seleccionar y ordenar transacciones.En otras palabras, hemos reemplazado lo que significa "acción" en Solana (dinero que has bloqueado para ganar recompensas) con un proxy para la inversión de hardware como lo que ves con Bitcoin, pero de una manera que nos permite reutilizar el consenso bizantino de la Torre de Solana.

Al resolver estos desafíos técnicos, hemos creado un sistema en el que la seguridad, la descentralización y la eficiencia pueden coexistir en lugar de competir, logrando una verificación del 0,1% en lugar de la 10-1000 veces superior de los enfoques alternativos.

Ishan Pandey: ¿Tu sistema tiene como objetivo reducir los costos de formación en 10x y la deducción a 0,1%.¿Puedes descomponer las innovaciones técnicas que permiten estos avances?

Travis Good: Por favor, vea mi respuesta anterior sobre cómo abordamos la inferencia. Para el entrenamiento utilizamos algunas herramientas similares para la verificación junto con algunas innovaciones en el uso de algo llamado escasez, que se refiere a cómo se mantienen las conexiones entre los pesos durante el entrenamiento. Para una inmersión más profunda, por favor, vea nuestro Litepaper en Ambient.xyz!

Ishan Pandey: Mirando hacia adelante tres a cinco años, ¿qué cambios tecnológicos o económicos clave anticipan en AI y web3, y cómo está Ambient posicionándose para esos desarrollos?

Travis Good: En los próximos tres a cinco años, veo cuatro cambios importantes que redefinirán el paisaje de la IA y web3:

En primer lugar, la IA pasará de ser principalmente dirigida por el hombre a convertirse en cada vez más autónoma.Ya estamos viendo el surgimiento de sistemas de agentes que pueden planificar, ejecutar y aprender con una supervisión humana mínima.Estos sistemas impulsarán la demanda de verificación sin confianza -no querrá delegar autoridad a un agente de IA a menos que pueda verificar que está utilizando el modelo y las restricciones que especificó.

En segundo lugar, los requisitos computacionales para los modelos fronterizos de IA aumentarán por lo menos un orden de magnitud, creando una presión de centralización significativa.Los modelos más capaces requerirán una infraestructura que solo las entidades más grandes pueden permitirse, lo que plantea preocupaciones sobre el acceso y el control.

En tercer lugar, las monedas fiat tradicionales se enfrentarán a una presión creciente a medida que la actividad económica se desplaza a reinos digitales donde los agentes de la IA transaccionan con otros agentes de la IA, a menudo a través de las fronteras jurisdiccionales.

En cuarto lugar, los marcos regulatorios madurarán en torno a la IA, con un enfoque probable en la transparencia, la audibilidad y la seguridad.Los sistemas que no pueden proporcionar garantías verificables sobre su funcionamiento se enfrentarán a un seguimiento creciente.

El ambiente está posicionando para estos cambios de varias maneras:

• Nuestro sistema de inferencia verificada ya proporciona la capa de confianza necesaria para los agentes de IA autónomos.
• Nuestro enfoque de división de modelos aborda directamente el problema de la centralización.
• Al establecer la inteligencia de máquina como un estándar de moneda, estamos creando un medio nativo de intercambio para la próxima era del comercio de agentes a agentes.
• Nuestra arquitectura entera está construida en torno a la verificación y la transparencia.

La visión final es crear una capa de infraestructura que permita que la inteligencia de máquinas florezca sin convertirse en centralizada bajo el control de unas pocas corporaciones o gobiernos.

¡No te olvides de compartir la historia!

Vested Interest Disclosure: This author is an independent contributor publishing via our business blogging program. HackerNoon has reviewed the report for quality, but the claims herein belong to the author. #DYO