如果AI不是我们访问的东西，而是我们集体拥有的东西呢？

在过去的几十年里，计算技术从主要由政府、大学和大公司访问的东西，转变为数十亿人个人拥有的东西。计算机进入了我们的家庭，然后我们的口袋，互联网将数十亿独立拥有的设备连接成一个全球网络。人工智能似乎正沿着一条不同的路径发展。虽然AI的访问变得广泛，但最强大的系统本身仍然集中在由相对少数公司运营的巨大数据中心中。我们可以使用这些智能，但我们并不拥有它们。最强大的AI系统越来越多地存在于由少数公司运营的巨大数据中心中。我们不拥有这些智能。我们访问它们。我们支付订阅费或API调用费用。我们的应用程序依赖于它们的基础设施、模型、策略、定价，最终依赖于它们的许可。这背后有非常好的技术原因。前沿模型的训练和运行成本极其高昂。但我一直在想，我们是否将AI的发展方式与AI最终必须存在的方式混淆了。因为另一条技术路径已经在研究中。而且其中一些部分已经奏效了。2025年ICT Express上的一项系统综述检查了71项研究和项目，这些研究现在明确被称为去中心化人工智能（DeAI）。研究人员确定的动机包括隐私、所有权、控制以及中心化AI固有的集中性。更重要的是，该综述发现该领域已经包含了许多必要的构建模块——但尚未有广泛采用的去中心化AI网络将它们组合成一个完整的通用系统。[1] 所以，这实际上不再是一个去中心化AI是否在科学上可想象的问题。这些组件正在出现。我们已经知道数据不一定必须离开你的设备。联邦学习允许多个设备在保持底层训练数据本地化的同时，协作改进机器学习系统。[2] Flower研究框架演示了涉及多达1500万客户端模拟的联邦学习实验，特别探索了异构边缘设备，而不是假设所有东西都在同质数据中心中。[2] 研究人员更进一步。去中心化联邦学习移除了中央协调服务器本身。相反，每个参与者不是向一个权威机构报告，节点可以直接相互通信。2024年IEEE的一篇综述精确描述了这种架构以及现在围绕其网络拓扑、通信和协调问题的大量研究。[3] 在医学领域，研究人员在《自然》杂志上发表了一些更有趣的东西。群体学习结合了边缘计算、点对点网络和去中心化协调，使机构能够在将医疗数据保持在本地所有者处且不需要中央协调器的情况下，协作训练机器学习系统。研究人员使用了超过16,400个血液转录组和超过95,000张胸部X光片进行了演示。[4] 想想这意味着什么。独立机构已经可以进行计算协作，而无需首先将所有私有数据放入一个公司的数据库中。[4] 我们也知道计算本身可以被分布。这个想法比现代AI更古老。志愿计算系统如BOINC几十年来一直在将普通台式机、笔记本电脑和其他消费设备转变为分布式科学计算基础设施。BOINC现在明确将消费台式机、笔记本电脑、平板电脑和智能手机描述为潜在的计算资源，其开发人员现在正在研究这种模式如何为AI研究人员提供访问大量原本未使用的GPU。[5][6] 存在严重的局限性：消费硬件是异构的，节点会消失，互联网连接比数据中心互连慢得多，而且机器位于防火墙后面。BOINC本身也指出了这些问题。[6] 但同样：问题不在于分布式消费计算是否存在。它确实存在。而且我们已经知道大型AI模型可以分布在不同人拥有的机器上。Petals可能是我最喜欢的例子。研究人员通过加入多方计算资源，演示了BLOOM-176B的协作推理和微调。他们的系统在分布在消费者GPU网络上的1760亿参数语言模型上运行，而不是要求每个参与者都拥有一台能够容纳整个模型的机器。这项工作发表在ACL 2023上，后续工作研究了通过互联网进行的分布式LLM推理。[7] 同样，这并不意味着连接一千万台笔记本电脑就能神奇地创造出与前沿超级计算机相当的系统。它不能。带宽很重要。延迟很重要。内存很重要。同步很重要。可靠性很重要。安全性很重要。异构硬件很重要。协作边缘推理研究明确指出了许多这些权衡，而最近的点对点联邦学习研究继续揭示涉及拓扑、激励、通信效率、恶意参与者、信任和节点流失的未解决问题。[8][9] 所以不：你的笔记本电脑+我的笔记本电脑≠一个OpenAI数据中心。但这可能是错误的比较。因为也许我们不需要建造另一个中心化超级计算机。也许我们需要建造别的东西。想象一下。你的计算机运行你的AI。你的手机运行你的AI。你的家可以运行你的AI。它的内存属于你。你的文档属于你。你的历史属于你。你的个人上下文属于你。它们不需要被上传到别人的智能中，以便它能理解你是谁。而且你的机器拥有其他东西：能力。也许你的计算机可以运行视觉模型。我的GPU今晚闲置。大学有专门的科学模型。其他人有巨大的存储空间。实验室有仪器。城市有传感器。研究人员有一个他们不能合法或道德上分发的数据集，但他们可能能够本地执行计算。一个人可以拥有任何机器都没有的能力。现在想象一下，不是交换所有底层私有信息，这些节点可以公布它们能做什么。不是：“这是我所知道的一切。”而是：“我能执行这个任务。”一个问题进入网络。它被分解。不同的节点执行不同的部分。一些计算。一些检索。一些模拟。一些验证。一些贡献专门的模型。一些贡献人类知识。结果被组合。节点再次分离。没有人必须拥有整个智能。这是我觉得迷人的部分。也许去中心化AI的基本单位不应该是模型。也许它应该是能力。然后这个想法就超越了技术。因为如果智能成为21世纪主要的生产资源之一，那么在这所有事情之下隐藏着一个政治问题：谁拥有它？我们听到关于AI产生丰裕的非凡预测。AI将执行我们的工作。AI将大幅提高生产力。AI将创造科学发现。AI将运营公司。最终，也许人类甚至不需要工作。很好。但有一个缺失的问题：做这项工作的AI属于谁？如果一个AI产生了相当于10,000人的经济产出，但这个AI属于一家公司，我们并没有自动实现生产力的民主化。我们可能只是自动化了资本。机器在工作。但它不一定为你工作。现在改变一个变量。如果个人拥有他们的智能会怎样？如果社区拥有