Modelli di intelligenza artificiale preparati con dati provenienti da mercati basati sulla blockchain hanno il potenziale per creare l’intelligenza artificiale più potente al mondo.

Essi combinano due potenti concetti primitivi: l’intelligenza artificiale privata, che consente lo svolgimento del training su dati privati sensibili senza rivelarli ed incentivi basati sulla blockchain, che permettono a questi sistemi di attirare i dati migliori ed i modelli per renderli più intelligenti.

Il risultato è rappresentato da mercati aperti dove ciascuno può vendere i propri dati mantenendoli privati, mentre gli sviluppatori possono utilizzare incentivi con l’obiettivo di attirare i dati migliori per i loro algoritmi.

Costruire questi sistemi è impegnativo e gli elementi costruttivi necessari sono ancora in fase di creazione, ma le versioni iniziali sembrano iniziare a diventare possibili.

Crediamo che questi mercati ci faranno passare dall’epoca attuale dei monopoli di dati Web 2.0 ad un’epoca di libera concorrenza per dati ed algoritmi Web 3.0, dove entrambi sono direttamente monetizzati.

Origine

Le fondamenta di questa idea sono arrivate nel 2015 dal dialogo con Richard di Numerai. Numerai è un hedge fund che si occupa di mandare dati di mercato criptati ad un qualsiasi scienziato di dati che voglia competere per creare un modello del mercato azionario.

Numerai riunisce le migliori presentazioni di modelli in un “metamodello”, commercializza quel metamodello e paga degli scienziati di dati che hanno dei modelli che funzionano bene.

Quella di avere scienziati di dati in competizione sembrava un’idea potente. Così ci ha fatto pensare: è possibile creare una versione di questo sistema completamente decentralizzata che possa essere generalizzata per qualsiasi problema? Crediamo che la risposta sia si.

Costruzione

Per fare un esempio proviamo a creare un sistema completamente decentralizzato per commerciare criptovalute su exchange decentralizzati. Si tratta di una delle molte potenziali costruzioni:

Data – i fornitori di dati mettono in gioco i dati e li mettono a disposizione dei modellisti.

Costruzione dei modelli – I modellisti scelgono quali dati utilizzare e creano dei modelli. La preparazione viene effettuata utilizzando un metodo di calcolo sicuro che permette ai modelli di essere preparati senza rivelare i dati sottostanti. I modelli vengono anche messi in gioco.

Costruzione dei metamodelli – Un metamodello viene creato su un algoritmo che tiene conto della messa in gioco di ciascun modello.

La creazione di un metamodello è facoltativa – E’ possibile immaginare dei modelli che vengono utilizzati senza essere riuniti in un metamodello.

Utilizzando il metamodello – Uno smart contract prende il metamodello e commercia in maniera programmatica attraverso meccanismi di exchange on-chain.

Distribuire le vincite e le perdite – Dopo un certo lasso di tempo, il commercio produce un profitto o una perdita.

Questo stesso profitto (o perdita) viene diviso fra i partecipanti al metamodello in base a quanto l’hanno resto più intelligente. Ai modelli che hanno contribuito in maniera negativa viene sottratta una parte o tutti i fondi che hanno scommesso.

I modelli in seguito tornano indietro ed eseguono simili distribuzioni/scommesse riducendo i loro fornitori di dati.

Calcoli verificabili – I calcoli per ogni passo vengono eseguiti o su piattaforme centralizzate ma verificabili e impugnabili utilizzando un gioco di verifica come Truebit, o decentralizzati utilizzando calcoli multilaterali sicuri.

Organizzazione – I dati ed i modelli vengono organizzati sia su IPFS, sia tramite node in un calcolo multilaterale sicuro, poiché lo storage on-chain sarebbe troppo costoso.

Cosa rende questo sistema così potente?

Incentivi per attirare i migliori dati al livello globale – Gli incentivi per attirare dati sono la parte più forte del sistema poiché i dati tendono a rappresentare il fattore limitante per la maggior parte delle intelligenze artificiali.

Proprio come Bitcoin ha creato un sistema emergente con la più grande potenza di calcolo al mondo attraverso incentivi aperti, una struttura di incentivi ben progettata farebbe si che i migliori dati al mondo per la vostra application arriverebbero a voi.

Ed è quasi impossibile fermare un sistema dove i dati arrivano da migliaia o milioni di fonti.

Concorrenza fra algoritmi – Crea una concorrenza aperta fra modelli/algoritmi in posti dove non esisteva in precedenza. Immaginate una versione di Facebook decentralizzata con milioni di algoritmi di newsfeed in concorrenza.

Trasparenza come ricompensa – I fornitori di dati e di modelli possono vedere che stanno traendo il giusto valore da ciò che hanno presentato, poiché tutti i calcoli sono verificabili, rendendo ancora più probabile la loro partecipazione.

Automazione – Entrare in azione on-chain e generare valore direttamente in token crea un circuito chiuso automatizzato e senza bisogno di fiducia.

Effetti sul network – Grazie ai molteplici effetti sul network da parte degli utenti, fornitori di dati e scienziati di dati,il sistema diventa autorinforzante.

Venendo eseguito al meglio attirerà più capitale, il che vuol dire una maggiore quantità di pagamenti, che a loro volta attireranno più fornitori di dati e scienziati di dati, i quali rendono il sistema più intelligente, attirando più capitale e così via.

Privacy

In aggiunta ai punti sopra citati, una caratteristica importante è la privacy, che permette:

1) alle persone di trasmettere dati che altrimenti sarebbero troppo privati per essere condivisi e 2) evita che ci sia una fuga di notizie sul valore economico dei dati e sui modelli.

Se lasciati allo scoperto non criptati, i dati ed i modelli verranno copiati gratuitamente ed utilizzati da altri che non hanno contribuito al lavoro (il problema del “free rider”).

Una soluzione parziale al problema del free rider è quella di vendere dati privatamente. Anche se gli acquirenti scegliessero di rivendere o di lasciare i dati, il valore decade col tempo.

Tuttavia, questo approccio ci limita a casi d’uso di breve durata e continua a creare preoccupazioni con la privacy. Come risultato, l’approccio più complicato ma efficace è quello di utilizzare una forma di calcolo sicuro.

Di: medium

Questo articolo continua nelle prossime puntate, dove parlaremo di calcolo sicuro e sistema di predizione..