Người sáng lập CoinFund: Các biện pháp tuân thủ của Anthropic làm nổi bật rủi ro tập trung hóa trong AI, trong khi AI phi tập trung có thể trở thành một lực lượng cân bằng quan trọng

TechFlow đưa tin, ngày 14 tháng 6, Jake Brukhman, người sáng lập CoinFund, gần đây cho rằng các mô hình trí tuệ nhân tạo (AI) vốn dĩ mang tính tập trung cao, do đó dễ trở thành mục tiêu quản lý và kiểm soát chính sách của các chính phủ trên toàn thế giới. Ông nhận định việc Anthropic mới đây triển khai các biện pháp tuân thủ kiểm soát xuất khẩu càng củng cố xu hướng phát triển này.

Brukhman chỉ ra rằng các mạng phi tập trung có tiềm năng trở thành lực lượng cân bằng quan trọng trong cục diện AI hiện nay, trong khi việc xây dựng một hệ sinh thái AI phi tập trung mở, công cộng và mang tính chủ quyền vẫn đối mặt với thách thức kỹ thuật lớn nhất là tổ chức và khai thác hiệu quả nguồn lực tính toán.

Ông nhấn mạnh rằng thị trường thường cho rằng chỉ những công ty công nghệ khổng lồ sở hữu giá trị vốn hóa lên tới hàng nghìn tỷ đô la Mỹ mới đủ khả năng huấn luyện các mô hình AI tiên tiến nhất; tuy nhiên, thực tế trên toàn cầu đã tồn tại một lượng lớn tài nguyên GPU phổ dụng có thể khai thác—điều thực sự cần đột phá là các thuật toán huấn luyện phân tán hiệu quả hơn.

Brukhman đề cập rằng nhiều nhóm như Gensyn, Prime Intellect, Bagel, Pluralis, Nous Research, Macrocosmos AI và Covenant AI đang nghiên cứu các giải pháp huấn luyện AI phân tán. Mặc dù hướng tiếp cận này từng bị nghi ngờ rộng rãi ở giai đoạn đầu, thực tiễn cho thấy các công nghệ liên quan không chỉ khả thi mà còn có thể đạt được hiệu suất gần tương đương với phương pháp huấn luyện tập trung truyền thống, đồng thời giảm đáng kể chi phí trong một số tình huống cụ thể.

Ngoài các vấn đề kỹ thuật, ông cũng cho rằng AI phi tập trung còn phải giải quyết bài toán bền vững về mặt kinh tế. Brukhman nhận xét rằng mặc dù các mô hình mã nguồn mở thúc đẩy đổi mới trong ngành, nhưng lâu nay vẫn thiếu các mô hình kinh doanh trưởng thành; một số dự án hiện đang thử nghiệm các cơ chế chia sẻ trọng số mô hình và mã hóa hóa đơn vị (tokenization) nhằm khám phá các hệ thống phân bổ giá trị mới.

Theo Brukhman, ngành AI hiện đang đứng trước một mốc phát triển then chốt: tương lai của ngành sẽ là tiếp tục đi theo con đường ngày càng tập trung cao độ và chịu sự giám sát chặt chẽ của cơ quan quản lý, hay xây dựng một hệ sinh thái AI công cộng dựa trên nền tảng mạng mở—sự lựa chọn này sẽ tác động sâu sắc đến lộ trình phát triển của toàn bộ ngành công nghiệp.