Június 12-én, péntek este az Anthropic amerikai kormányzati utasítást kapott a két legerőseb AI-modelljének, a Claude Fable 5 és a Claude Mythos 5 működésének felfüggesztésére. A cég más modelljei, például az Opus 4.8, továbbra is elérhetők maradtak, de az eset így egyértelművé tette, hogy az AI-modellekhez való hozzáférés akár az egyik pillanatról a másikra megszűnhet.
A hírre látványosan reagált a kriptopiac decentralizált AI-szegmense. A Bittensor TAO tokenje rövid idő alatt mintegy 30 százalékot erősödött, miközben más mesterséges intelligenciához kapcsolt tokenek értéke is emelkedett.
A piac gyorsan ráugrott a decentralizált AI-ra
A Bittensor és több hasonló projekt éppen arra az alapgondolatra épít, hogy az AI-infrastruktúrának nem szabadna kizárólag néhány központosított szereplőtől függenie. Ha a hozzáférés egyetlen vállalati vagy kormányzati döntéssel megszüntethető, akkor a decentralizált hálózatok érve hirtelen már nem elméletinek, hanem sokkal inkább gyakorlati problémának tűnik.
A cél az, hogy a modellek tanítása, futtatása, ellenőrzése és finanszírozása ne egyetlen céghez, országhoz vagy adatközponthoz kötődjön, hanem sok résztvevőből álló hálózatokra épüljön.
A decentralizált működésnek több rétege van. Az egyik a számítási kapacitás, ugyanis világszerte sok kihasználatlan GPU-kapacitás létezik, amelyet megfelelő koordinációval AI-feladatokra lehetne használni. A másik a tulajdonlás: ha egy modell működtetése, tanítása és bevételei tokenizált formában oszlanak meg, akkor a közreműködők nemcsak ingyenes nyílt forráskódú fejlesztést adhatnak a világnak, hanem részesedést is kaphatnak a rendszer növekedéséből.
Ez különösen fontos lehet az open source AI egyik régi problémája miatt. A nyílt modellek hasznosak a felhasználóknak, de a fejlesztésük és üzemeltetésük drága, ezért nehéz fenntartható üzleti modellt építeni köréjük. A decentralizált AI-projektek azt ígérik, hogy tokenalapú ösztönzőkkel ez a probléma részben kezelhető.
A kockázatok továbbra is nagyok
A decentralizált AI narratíva az események hatására erősödött, de ez nem jelenti azt, hogy a technológia már bizonyított volna.
A szektor piaci értéke még mindig töredéke annak, amit a legnagyobb központosított AI-laborok és felhőszolgáltatók képviselnek. A tokenárfolyamok ráadásul sokkal gyorsabban reagálnak bármilyen pletykára vagy változásra, mint ahogy azt a valódi használat vagy bevétel indokolná.
A decentralizált tanítás és futtatás technikailag is nehéz feladat. A szétszórt, eltérő sebességű, nem feltétlenül megbízható gépek koordinálása bonyolultabb, mint egy nagy adatközpontban futtatni ugyanazt a rendszert. Bár több projekt is ígéretes eredményeket mutatott fel, a decentralizált AI még nem bizonyította, hogy rövid távon képes lenne versenyezni a legnagyobb központosított modellekkel.
A decentralizáció szabályozási szempontból is sok kérdést vet fel. A tokenekkel kereskedő tőzsdék, a fejlesztőcsapatok, a működést összefogó alapítványok, a validátorok és a felhasználók mind különböző joghatóságok alatt működnek. Egy decentralizált hálózat nehezebben kapcsolható le, de ettől még nem lesz érinthetetlen, neki is be kell tartania bizonyos szabályokat.
Az Anthropic ügye rávilágított, hogy nagyon is létezik a központi AI-kikapcsológomb. A decentralizált mesterséges intelligenciák ezzel erős alapot kaptak arra, hogy bebizonyíthassák, nemcsak elméletben tudnak jó választ adni egy valós problémára, hanem működőképes technológiai és üzleti modellek is egyben.