A visão de Ben Fielding, CEO da Gensyn, sobre como a IA descentralizada pode competir com as gigantes da tecnologia está moldando o futuro da inteligência artificial. Fielding é um dos palestrantes no festival Consensus 2025 deste ano, onde participa do AI Summit, trazendo insights cruciais sobre o tema.
A Origem da Visão de IA Descentralizada de Ben Fielding
A história de Fielding é um exemplo de como a inovação pode surgir de ambientes inesperados. Tudo começou com uma mesa barulhenta, localizada em um cubículo de madeira no laboratório da Northumbria University, no norte da Inglaterra. Em 2015, um jovem pesquisador de IA, então iniciando seu doutorado, começou a construir uma máquina grande, repleta de GPUs primitivas, com o objetivo de desenvolver inteligência artificial. O problema era que a máquina era extremamente barulhenta, perturbando seus colegas de laboratório. Fielding, tentando resolver o problema, enfiou a máquina embaixo da mesa, mas o equipamento era tão grande que ele teve que manter as pernas desconfortavelmente para o lado. Essa experiência, aparentemente trivial, foi fundamental para moldar sua visão sobre o futuro da IA. Essa narrativa ilustra como as limitações e os desafios podem inspirar soluções inovadoras.
Naquele período, Fielding já explorava ideias pouco convencionais. Ele investigava como “enxames” de IA – clusters de múltiplos modelos diferentes – poderiam se comunicar e aprender uns com os outros, visando melhorar o desempenho coletivo. No entanto, ele enfrentava um obstáculo significativo: as limitações de sua máquina barulhenta. Ele tinha plena consciência de que estava competindo com gigantes da tecnologia. “O Google também estava realizando essa pesquisa”, relembra Fielding. “Eles tinham milhares [de GPUs] em um data center. As coisas que eles estavam fazendo não eram loucura. Eu conhecia os métodos… Eu tinha muitas propostas, mas não conseguia executá-las”. Essa percepção foi crucial para direcioná-lo para a busca de uma solução mais escalável e acessível.
A Previsão de uma Desigualdade Computacional
Há uma década, Fielding percebeu que as restrições computacionais sempre seriam um problema. Em 2015, ele já previa que, se a capacidade computacional era uma limitação severa na academia, ela seria ainda mais crítica quando a IA se tornasse popular. As empresas com grandes recursos computacionais teriam uma vantagem desproporcional, potencialmente sufocando a inovação. Essa visão antecipatória o levou a buscar alternativas que pudessem nivelar o campo de jogo.
A solução que ele vislumbrou foi a Inteligência Artificial Descentralizada. Ele acreditava que a distribuição do poder computacional e dos dados poderia democratizar o acesso à IA, permitindo que mais pessoas e organizações participassem do desenvolvimento e da utilização dessas tecnologias. A descentralização, portanto, não era apenas uma escolha tecnológica, mas uma necessidade para garantir um futuro mais inclusivo para a IA.
Gensyn: Construindo a Rede para Inteligência de Máquina
Fielding co-fundou a Gensyn (juntamente com Harry Grieve) em 2020, anos antes da IA Descentralizada se tornar um tema popular. O projeto foi inicialmente conhecido por construir computação descentralizada, e Fielding já havia falado sobre isso em diversas plataformas, incluindo o CoinDesk e vários painéis de conferências. No entanto, a visão da Gensyn é muito mais ampla: construir “a rede para inteligência de máquina”. Eles estão desenvolvendo soluções em toda a pilha tecnológica, desde a infraestrutura de baixo nível até as aplicações de alto nível. A Gensyn não está apenas descentralizando a computação, mas também construindo um ecossistema completo para a IA descentralizada.
O Lançamento do Protocolo RL Swarms e a Integração com Blockchain
Agora, uma década depois da mesa barulhenta que incomodava seus colegas de laboratório, as primeiras ferramentas da Gensyn estão disponíveis. Recentemente, a Gensyn lançou seu protocolo “RL Swarms” (um descendente do trabalho de doutorado de Fielding) e acaba de lançar sua Testnet, que integra a blockchain ao processo. Essa integração é crucial para garantir a segurança, a transparência e a confiança na rede descentralizada. A integração da blockchain não é apenas um detalhe técnico, mas um componente essencial para garantir a integridade e a confiabilidade do sistema.
Nesta conversa que antecede o AI Summit no Consensus em Toronto, Fielding oferece um guia sobre IA Swarms, explica como a blockchain se encaixa no quebra-cabeça e compartilha por que todos os inovadores – não apenas as gigantes da tecnologia – “deveriam ter o direito de construir tecnologias de aprendizado de máquina”. Ele argumenta que a IA não deve ser um monopólio de algumas empresas, mas sim uma tecnologia acessível a todos. Essa visão ressoa com a crescente preocupação sobre a concentração de poder nas mãos de poucas empresas de tecnologia.
Essa entrevista foi condensada e levemente editada para maior clareza. A visão de Fielding é clara: a IA descentralizada não é apenas uma tendência tecnológica, mas uma necessidade para garantir um futuro mais equitativo e inovador. Para aqueles interessados em dominar as habilidades necessárias para navegar nesse novo cenário, a busca por conhecimento em Inteligência Artificial é fundamental.
O Lançamento do Testnet: Um Passo Crucial para a Descentralização da IA
“Parabéns pelo lançamento do testnet. Qual é a essência do que ele representa?”, pergunta o entrevistador.
Ben Fielding responde: “É a adição dos primeiros recursos MVP [Minimum Viable Product – Produto Mínimo Viável] da integração blockchain com o que lançamos até agora.” Essa integração é um marco importante na jornada da Gensyn para construir uma plataforma de IA verdadeiramente descentralizada. O testnet serve como um campo de provas para validar a funcionalidade e a segurança da plataforma antes do lançamento completo.
O entrevistador questiona quais eram as funcionalidades originais, antes da blockchain ser integrada.
Fielding explica: “Lançamos o RL [Reinforcement Learning – Aprendizado por Reforço] Swarm há algumas semanas, que é aprendizado por reforço, pós-treinamento, como uma rede peer-to-peer [ponto a ponto].” O aprendizado por reforço é uma técnica poderosa que permite aos modelos de IA aprenderem através da interação com um ambiente.
Entendendo o RL Swarm: Uma Analogia para Simplificar
Para simplificar o conceito, ele oferece a seguinte analogia: “A maneira mais fácil de pensar sobre isso é a seguinte: quando um modelo pré-treinado passa por um treinamento de raciocínio – como o DeepSeek-R1 – ele aprende a criticar seu próprio pensamento e a melhorar recursivamente em relação à tarefa. Ele pode então melhorar sua própria resposta.” Essa capacidade de auto-reflexão e auto-aperfeiçoamento é fundamental para o aprendizado contínuo. Essa analogia ajuda a tornar o conceito mais acessível para aqueles que não são especialistas em IA.
A Gensyn leva esse processo um passo adiante: “Nós pegamos esse processo e dizemos, ‘É ótimo para os modelos criticarem seu próprio pensamento e melhorarem recursivamente. E se eles puderem conversar com outros modelos e criticar o pensamento uns dos outros?’ Se você juntar muitos modelos em um grupo que podem conversar uns com os outros, eles podem começar a aprender como enviar informações para os outros modelos… com o objetivo geral de melhorar todo o enxame em si.” Essa colaboração entre modelos é a chave para o poder do RL Swarm. A colaboração entre diferentes modelos de IA pode levar a resultados surpreendentes, impulsionando a inovação e a resolução de problemas complexos.
Essa explicação detalhada justifica o nome “Swarm” (Enxame). É a colaboração e a inteligência coletiva que impulsionam o sistema.
Fielding elabora: “É este método de treinamento que permite que muitos modelos se combinem, em paralelo, para melhorar o resultado de um meta-modelo final que você poderia criar a partir desses modelos. Mas, ao mesmo tempo, você tem cada modelo individual melhorando por conta própria. Então, se você viesse com um modelo em um MacBook, entrasse em um enxame por uma hora e depois saísse novamente, você teria um modelo local aprimorado com base no conhecimento do enxame, e também teria aprimorado os outros modelos no enxame. É este processo de treinamento colaborativo que qualquer modelo pode participar e qualquer modelo pode fazer. Então, isso é o que o RL Swarm é.” A flexibilidade e a escalabilidade do sistema são impressionantes. Essa descrição detalhada demonstra o potencial do RL Swarm para democratizar o acesso ao aprendizado de máquina avançado.
O entrevistador, então, direciona a conversa para a integração da blockchain: “Ok, então isso é o que você lançou há algumas semanas. Agora, onde entra a blockchain?”
Fielding responde: “Então, a blockchain é nós avançando alguns dos primitivos de nível inferior para o sistema.” Essa resposta introduz um conceito técnico que exige uma explicação mais detalhada.
O entrevistador pede esclarecimentos: “Vamos apenas fingir que alguém não entende a frase ‘primitivos de nível inferior’. O que você quer dizer com isso?”
Desmistificando os Primitivos de Nível Inferior
Fielding explica: “Sim, então, quero dizer, muito próximo do recurso em si. Então, se você pensar na pilha de software, você tem uma pilha de GPU em um data center. Você tem drivers em cima da GPU. Você tem sistemas operacionais, máquinas virtuais. Você tem todas essas coisas subindo.” A imagem da “pilha” ajuda a visualizar a hierarquia de componentes de software. Essa explicação detalhada ajuda a contextualizar o conceito de primitivos de nível inferior.
Ele continua: “Então, um primitivo de nível inferior é o mais próximo da base fundamental na pilha de tecnologia. Estou entendendo certo?”
Fielding confirma: “Sim, exatamente. E o RL Swarm é uma demonstração do que é possível, basicamente. É apenas uma demonstração um tanto ‘hacky’ de fazer aprendizado de máquina em larga escala e escalável realmente interessante. Mas o que a Gensyn tem feito nos últimos quatro anos ou mais, realisticamente, é construir infraestrutura. E então estamos neste período agora onde a infraestrutura está toda naquele nível beta v0.1. Está tudo pronto. Temos que descobrir como mostrar ao mundo o que é possível quando é uma mudança tão grande na maneira como as pessoas pensam sobre o aprendizado de máquina.” A Gensyn está construindo as bases para uma nova era da IA. A construção de uma infraestrutura robusta e escalável é fundamental para o sucesso da IA descentralizada.
A declaração de Fielding sugere que a Gensyn está fazendo muito mais do que apenas computação descentralizada ou infraestrutura. A visão é muito mais abrangente.
“Parece que vocês estão fazendo muito mais do que computação descentralizada, ou mesmo infraestrutura?”, pergunta o entrevistador.
Os Três Componentes Principais da Infraestrutura da Gensyn
Fielding confirma: “Temos três componentes principais que ficam sob nossa infraestrutura. Execução – temos bibliotecas de execução consistentes. Temos nosso próprio compilador. Temos bibliotecas reproduzíveis para qualquer alvo de hardware.” A consistência e a reprodutibilidade são cruciais para garantir resultados confiáveis. Esses componentes garantem que os modelos de IA possam ser executados de forma consistente em diferentes plataformas e dispositivos.
Ele continua: “A segunda peça é a comunicação. Então, suponha que você possa executar um modelo em qualquer dispositivo no mundo que seja compatível, você pode fazê-los conversar uns com os outros? Se todos optarem pelo mesmo padrão, todos podem se comunicar como TCP/IP da internet, basicamente. Então, construímos essas bibliotecas e o RL Swarm é um exemplo dessa comunicação.” A interoperabilidade é fundamental para permitir a colaboração entre diferentes modelos e dispositivos. A capacidade de diferentes modelos de IA se comunicarem e colaborarem é essencial para o desenvolvimento de sistemas de IA mais avançados.
“E então, finalmente, verificação”, conclui Fielding.
O entrevistador, percebendo a conexão com a blockchain, questiona: “Ah, e imagino que é aqui que a blockchain entra…”
Blockchain como a Base da Confiança na IA Descentralizada
Fielding elabora: “Imagine um cenário onde cada dispositivo no mundo está executando de forma consistente. Eles poderiam ligar modelos juntos. Mas eles podem confiar uns nos outros? Se eu conectasse meu MacBook ao seu, sim, eles poderiam executar as mesmas tarefas. Sim, eles poderiam enviar tensores de volta e forth, mas eles sabem que o que eles enviam para o outro dispositivo está realmente acontecendo no outro dispositivo ou não?” A confiança é um desafio fundamental em um ambiente descentralizado. A necessidade de confiança é um dos principais obstáculos para a adoção generalizada da IA descentralizada.
Ele continua: “No mundo atual, você e eu provavelmente assinaríamos um contrato para dizer, sim, concordamos que vamos garantir que nossos dispositivos façam a coisa certa. No mundo da máquina, precisa acontecer programaticamente. Então, essa é a peça final que construímos, provas criptográficas, provas probabilísticas, provas teóricas de jogos para tornar esse processo inteiramente programático.” A Gensyn está construindo um sistema de confiança baseado em matemática e criptografia. A utilização de provas criptográficas e teóricas de jogos permite garantir a integridade e a confiabilidade do sistema sem a necessidade de intermediários confiáveis.
“Então, é aí que a blockchain entra. Ela nos dá todos os benefícios da blockchain que você pode imaginar, como identidade persistente, pagamentos, consenso, etc. E então, o que estamos fazendo com o testnet agora é pegar o RL Swarm e os primitivos da outra infraestrutura e estamos adicionando os componentes da blockchain e dizendo, ‘Ei, quando você entra em um enxame agora, você tem uma identidade persistente, que existe lá fora em um ledger descentralizado.'” A blockchain fornece a base para a identidade, o pagamento e o consenso em um ambiente descentralizado. A identidade persistente e a capacidade de realizar pagamentos de forma descentralizada são cruciais para o funcionamento de um ecossistema de IA descentralizado.
Fielding conclui: “No futuro, você terá a capacidade de fazer pagamentos, mas agora, você tem esse mecanismo de consenso de confiança onde podemos terminar disputas. Então, é meio que um MVP da futura infraestrutura da Gensyn, onde vamos adicionar componentes à medida que avançamos.” O testnet é um passo importante para a construção de uma plataforma de IA descentralizada totalmente funcional. O desenvolvimento gradual e iterativo da plataforma, com a adição de novos componentes ao longo do tempo, permite garantir a estabilidade e a segurança do sistema.
O Futuro da IA Descentralizada: Um Olhar para o Horizonte
“Dê-nos uma amostra do que está por vir?”, pede o entrevistador, buscando vislumbrar o futuro da Gensyn.
Fielding responde: “Quando chegarmos à main-net, todo o software e a infraestrutura estarão ativos contra a blockchain como a fonte de confiança, pagamentos, consenso, etc., identidade. Este é o primeiro passo disso. Está adicionando identidade e dizendo que quando você entra em um enxame, você pode se registrar como a mesma pessoa. Todos sabem quem você é sem ter que verificar algum servidor centralizado ou site em algum lugar.” A main-net representará um marco crucial na jornada da Gensyn. O lançamento da main-net marcará a transição da plataforma para um ambiente de produção totalmente funcional.
O entrevistador, então, pede uma visão mais ampla: “Agora, vamos ficar loucos e falar mais no futuro. Como isso se parece daqui a um ano, dois anos, cinco anos? Qual é sua Estrela do Norte?”
Fielding compartilha sua visão ambiciosa: “Claro. A visão final é pegar todos os recursos que ficam sob o aprendizado de máquina e torná-los instantaneamente acessíveis programaticamente a todos. O aprendizado de máquina é fortemente restringido por seus recursos principais. Isso cria este enorme fosso para empresas de IA centralizadas, mas não precisa existir. Pode ser de código aberto se pudermos construir o software certo. Então, nossa visão é que a Gensyn construa toda a infraestrutura de baixo nível para permitir que isso se aproxime o máximo possível do código aberto. As pessoas deveriam ter o direito de construir tecnologias de aprendizado de máquina.” A Gensyn busca democratizar o acesso à IA, permitindo que todos participem do desenvolvimento e da utilização dessas tecnologias. A visão de Fielding é ousada e ambiciosa, buscando transformar fundamentalmente a maneira como a IA é desenvolvida e utilizada.
- A Gensyn visa criar uma plataforma onde qualquer pessoa possa acessar e utilizar recursos de aprendizado de máquina.
- A infraestrutura de baixo nível da Gensyn busca tornar o aprendizado de máquina o mais próximo possível do código aberto.
- Fielding acredita que todos deveriam ter o direito de construir tecnologias de aprendizado de máquina.
A visão de Ben Fielding e o trabalho da Gensyn representam um movimento importante em direção a um futuro onde a inteligência artificial é mais acessível, transparente e equitativa. A descentralização da IA pode destravar um potencial inovador enorme, permitindo que mais pessoas e organizações construam e utilizem essas tecnologias para resolver problemas complexos e criar novas oportunidades. O AI Summit no Consensus 2025 em Toronto promete ser um palco crucial para discutir e moldar este futuro promissor.
Para aqueles que buscam otimizar seus próprios modelos de IA, é crucial entender a importância de dados limpos e consentidos. A otimização de modelos de IA com dados de qualidade pode impulsionar significativamente o sucesso de seus projetos.
Além disso, a verificação de identidade desempenha um papel fundamental na construção de sistemas de IA confiáveis e seguros. A Trulioo está revolucionando esse processo, oferecendo soluções inovadoras para garantir a integridade dos dados e a segurança das transações.
Para se manter atualizado com as últimas tendências e avanços na área de aprendizado de máquina, participar de conferências relevantes é essencial. Descubra onde encontrar as melhores conferências de Machine Learning e expanda seus conhecimentos.
A aplicação de machine learning em diversos setores está transformando a forma como as empresas operam e interagem com seus clientes. Um exemplo notável é o uso de machine learning na hospitalidade, que está revolucionando a experiência do cliente e otimizando as operações dos hotéis.
A inovação continua a impulsionar o avanço da IA, com empresas como a IBM patenteando tecnologias disruptivas. A IBM patenteou a impressão 4D com aprendizado de máquina, abrindo novas possibilidades para a fabricação e o design de produtos.
A análise de dados e o aprendizado de máquina também estão sendo aplicados para entender e mitigar os impactos das mudanças climáticas. O mapeamento da literatura sobre políticas climáticas com aprendizado de máquina revela disparidades importantes entre a atenção científica, a densidade de políticas e as emissões de gases de efeito estufa.
Além disso, avanços significativos estão sendo feitos no desenvolvimento de modelos interatômicos baseados em aprendizado de máquina. O ChIMES Carbon 2.0 representa um avanço importante nessa área, permitindo simulações mais precisas e eficientes de materiais e processos químicos.
Word count: 1704
