Desentralisasi Pelatihan: Eksplorasi Piala Suci AI

Dalam seluruh rantai nilai kecerdasan buatan, pelatihan model adalah tahap yang paling banyak mengkonsumsi sumber daya dan memiliki ambang teknis tertinggi, yang secara langsung menentukan batas kemampuan model dan efektivitas aplikasi yang sebenarnya. Dibandingkan dengan pemanggilan ringan pada tahap inferensi, proses pelatihan membutuhkan investasi daya komputasi besar-besaran secara berkelanjutan, alur pengolahan data yang kompleks, dan dukungan algoritma optimasi yang intensif, merupakan "industri berat" sejati dalam membangun sistem AI. Dari sudut pandang paradigma arsitektur, metode pelatihan dapat dibagi menjadi empat jenis: pelatihan terpusat, pelatihan terdistribusi, pembelajaran federasi, dan pelatihan desentralisasi yang menjadi fokus pembahasan dalam artikel ini.

Pelatihan terpusat adalah cara tradisional yang paling umum, di mana semua proses pelatihan diselesaikan oleh satu lembaga dalam cluster berkinerja tinggi lokal, mulai dari perangkat keras, perangkat lunak dasar, sistem penjadwalan cluster, hingga semua komponen kerangka pelatihan dikoordinasikan oleh sistem kontrol yang seragam. Arsitektur kolaborasi mendalam ini memungkinkan berbagi memori, sinkronisasi gradien, dan mekanisme toleransi kesalahan mencapai efisiensi optimal, sangat cocok untuk pelatihan model berskala besar seperti GPT dan Gemini, dengan keuntungan efisiensi tinggi dan sumber daya yang terkontrol, tetapi juga memiliki masalah seperti monopoli data, hambatan sumber daya, konsumsi energi, dan risiko titik tunggal.

Pelatihan terdistribusi adalah cara utama untuk melatih model besar saat ini, intinya adalah membagi tugas pelatihan model dan mendistribusikannya ke banyak mesin untuk dieksekusi secara kolaboratif, guna mengatasi batasan komputasi dan penyimpanan tunggal. Meskipun secara fisik memiliki karakteristik "terdistribusi", keseluruhannya masih dikendalikan oleh lembaga terpusat untuk pengaturan dan sinkronisasi, sering kali berjalan di lingkungan jaringan lokal berkecepatan tinggi, melalui teknologi bus interkoneksi NVLink berkecepatan tinggi, dikoordinasikan secara terpusat oleh node utama untuk setiap sub-tugas. Metode utama termasuk:

• Paralelisme data: setiap node melatih parameter data yang berbeda, berbagi bobot model yang perlu dicocokkan.
• Paralel model: Menempatkan bagian-bagian berbeda dari model di node yang berbeda, mencapai skalabilitas yang kuat
• Paralel pipa: Eksekusi serial bertahap, meningkatkan throughput
• Paralel Tensor: Memecah perhitungan matriks dengan lebih rinci, meningkatkan granularitas paralel

Pelatihan terdistribusi adalah kombinasi dari "kontrol terpusat + eksekusi terdistribusi", seperti seorang bos yang mengarahkan karyawan di beberapa "kantor" untuk bekerja sama menyelesaikan tugas. Saat ini, hampir semua model besar yang utama dilatih dengan cara ini.

Desentralisasi pelatihan mewakili jalur masa depan yang lebih terbuka dan memiliki sifat anti-sensor. Ciri inti dari ini adalah: beberapa node yang saling tidak percaya bekerja sama untuk menyelesaikan tugas pelatihan tanpa koordinator pusat, biasanya melalui protokol yang menggerakkan distribusi dan kolaborasi tugas, serta menggunakan mekanisme insentif kriptografi untuk memastikan kejujuran kontribusi. Tantangan utama yang dihadapi oleh mode ini termasuk:

• Kesulitan heterogenitas perangkat dan pemisahan: Koordinasi perangkat heterogenitas sulit, efisiensi pemisahan tugas rendah
• Bottleneck efisiensi komunikasi: komunikasi jaringan tidak stabil, bottleneck sinkronisasi gradien jelas
• Kekurangan eksekusi yang dapat dipercaya: kurangnya lingkungan eksekusi yang dapat dipercaya, sulit untuk memverifikasi apakah node benar-benar berpartisipasi dalam perhitungan.
• Kurangnya koordinasi yang terpusat: tanpa pengatur pusat, pembagian tugas, dan mekanisme pemulihan dari kesalahan yang kompleks

Pelatihan desentralisasi dapat dipahami sebagai: sekelompok relawan global yang masing-masing menyumbangkan daya komputasi untuk melatih model secara kolaboratif, tetapi "pelatihan desentralisasi skala besar yang benar-benar dapat dilaksanakan" masih merupakan tantangan rekayasa sistemik, yang melibatkan arsitektur sistem, protokol komunikasi, keamanan kriptografi, mekanisme ekonomi, validasi model, dan banyak aspek lainnya. Namun, apakah "kolaborasi yang efektif + insentif untuk kejujuran + hasil yang benar" masih berada dalam tahap eksplorasi prototipe awal.

Pembelajaran federasi sebagai bentuk transisi antara terdistribusi dan Desentralisasi, menekankan pada penyimpanan data secara lokal dan penggabungan parameter model secara terpusat, cocok untuk skenario yang mengutamakan kepatuhan privasi. Pembelajaran federasi memiliki struktur rekayasa pelatihan terdistribusi dan kemampuan kolaborasi lokal, sambil tetap memiliki keuntungan data yang terdistribusi dalam pelatihan Desentralisasi, tetapi masih bergantung pada pihak koordinator yang terpercaya, dan tidak memiliki karakteristik yang sepenuhnya terbuka dan tahan sensor. Ini dapat dianggap sebagai solusi "Desentralisasi terkendali" dalam skenario kepatuhan privasi, yang relatif moderat dalam tugas pelatihan, struktur kepercayaan, dan mekanisme komunikasi, lebih cocok sebagai arsitektur penyebaran transisi di industri.

Batas, Peluang, dan Jalur Realitas dari Pelatihan Desentralisasi

Dari sudut pandang paradigma pelatihan, pelatihan desentralisasi tidak cocok untuk semua jenis tugas. Dalam beberapa skenario, karena struktur tugas yang kompleks, kebutuhan sumber daya yang sangat tinggi, atau kesulitan kolaborasi yang besar, secara alami tidak cocok untuk diselesaikan secara efisien di antara node yang heterogen dan tanpa kepercayaan. Misalnya, pelatihan model besar sering kali bergantung pada memori tinggi, latensi rendah, dan bandwidth tinggi, sehingga sulit untuk membagi dan menyinkronkan secara efektif di jaringan terbuka; tugas yang terikat pada privasi data dan batasan kedaulatan dibatasi oleh kepatuhan hukum dan etika, sehingga tidak dapat dibagikan secara terbuka; sementara tugas yang kekurangan dasar insentif kolaborasi tidak memiliki dorongan partisipasi eksternal. Batasan-batasan ini bersama-sama membentuk batasan nyata dari pelatihan desentralisasi saat ini.

Namun, ini tidak berarti bahwa desentralisasi pelatihan adalah sebuah proposisi palsu. Faktanya, dalam jenis tugas yang ringan strukturnya, mudah diparalelkan, dan dapat memotivasi, desentralisasi pelatihan menunjukkan prospek aplikasi yang jelas. Termasuk namun tidak terbatas pada: penyesuaian LoRA, tugas pelatihan pasca-perilaku yang terarah, pelatihan dan penandaan data crowdsourcing, pelatihan model dasar kecil yang dapat dikendalikan sumber daya, serta skenario pelatihan kolaboratif yang melibatkan perangkat tepi. Tugas-tugas ini umumnya memiliki karakteristik paralelisme tinggi, keterikatan rendah, dan toleransi terhadap kekuatan komputasi heterogen, sangat cocok untuk pelatihan kolaboratif melalui jaringan P2P, protokol Swarm, pengoptimal terdistribusi, dan cara lainnya.

Analisis Proyek Klasik Pelatihan Desentralisasi

Saat ini, di bidang pelatihan desentralisasi dan pembelajaran federasi, proyek blockchain yang representatif terutama mencakup Prime Intellect, Pluralis.ai, Gensyn, Nous Research, dan Flock.io. Dari segi inovasi teknologi dan kesulitan implementasi rekayasa, Prime Intellect, Nous Research, dan Pluralis.ai telah mengajukan banyak eksplorasi orisinal dalam arsitektur sistem dan desain algoritma, mewakili arah penelitian teori yang terdepan saat ini; sementara jalur implementasi Gensyn dan Flock.io relatif jelas, dan kita dapat melihat kemajuan rekayasa awal.

Prime Intellect: pelopor jaringan kolaboratif pembelajaran penguat yang jalurnya dapat diverifikasi

Prime Intellect berkomitmen untuk membangun jaringan pelatihan AI yang tidak memerlukan kepercayaan, sehingga siapa pun dapat berpartisipasi dalam pelatihan dan mendapatkan imbalan yang dapat dipercaya atas kontribusi komputasinya. Prime Intellect berharap dapat membangun sistem pelatihan AI desentralisasi yang memiliki verifikasi, keterbukaan, dan mekanisme insentif yang lengkap melalui tiga modul utama: PRIME-RL + TOPLOC + SHARDCAST.

Struktur dan Nilai Modul Kunci Protokol Prime Intellect

Mekanisme inti dari Prime Intellect mencakup:

PRIME-RL: Arsitektur Tugas Pembelajaran Penguatan Asinkron yang Terdecoupling

PRIME-RL adalah kerangka pemodelan dan pelaksanaan tugas yang disesuaikan oleh Prime Intellect untuk skenario pelatihan yang Desentralisasi, dirancang khusus untuk jaringan heterogen dan partisipasi asinkron. Ini menggunakan pembelajaran penguatan sebagai objek adaptasi utama, memisahkan secara struktural proses pelatihan, inferensi, dan pengunggahan bobot, sehingga setiap simpul pelatihan dapat menyelesaikan siklus tugas secara mandiri di lokal, dan berkolaborasi melalui antarmuka standar dengan mekanisme validasi dan agregasi. Dibandingkan dengan proses pembelajaran terawasi tradisional, PRIME-RL lebih cocok untuk mewujudkan pelatihan yang elastis di lingkungan tanpa penjadwalan pusat, yang tidak hanya mengurangi kompleksitas sistem, tetapi juga meletakkan dasar untuk mendukung paralelisme multi-tugas dan evolusi strategi.

TOPLOC: Mekanisme Verifikasi Perilaku Pelatihan Ringan

TOPLOC adalah mekanisme inti yang dapat diverifikasi untuk pelatihan yang diusulkan oleh Prime Intellect, digunakan untuk menentukan apakah sebuah node benar-benar telah menyelesaikan pembelajaran strategi yang valid berdasarkan data pengamatan. Berbeda dengan solusi berat seperti ZKML, TOPLOC tidak bergantung pada perhitungan ulang seluruh model, tetapi menyelesaikan verifikasi struktur yang ringan dengan menganalisis jejak konsistensi lokal antara "urutan pengamatan↔pembaruan strategi". Ini untuk pertama kalinya mengubah jejak perilaku selama proses pelatihan menjadi objek yang dapat diverifikasi, merupakan inovasi kunci untuk realisasi distribusi imbalan pelatihan tanpa kepercayaan, dan menyediakan jalur yang dapat dilakukan untuk membangun jaringan pelatihan kolaboratif yang terdesentralisasi yang dapat diaudit dan dapat memberikan insentif.

SHARDCAST: Protokol Agregasi dan Penyebaran Bobot Asinkron

SHARDCAST adalah protokol penyebaran dan agregasi bobot yang dirancang oleh Prime Intellect, dioptimalkan untuk lingkungan jaringan nyata yang asinkron, terbatas bandwidth, dan status node yang berubah-ubah. Ini menggabungkan mekanisme penyebaran gossip dengan strategi sinkronisasi lokal, memungkinkan beberapa node untuk terus mengajukan pembaruan parsial dalam keadaan tidak sinkron, mencapai konvergensi bobot yang bertahap dan evolusi multi-versi. Dibandingkan dengan metode AllReduce terpusat atau sinkron, SHARDCAST secara signifikan meningkatkan skalabilitas dan kemampuan toleransi kesalahan dari pelatihan desentralisasi, menjadi dasar inti untuk membangun konsensus bobot yang stabil dan iterasi pelatihan yang berkelanjutan.

OpenDiLoCo: Kerangka Komunikasi Asinkron yang Jarang

OpenDiLoCo adalah kerangka kerja optimasi komunikasi yang diimplementasikan secara independen dan open source oleh tim Prime Intellect berdasarkan konsep DiLoCo yang diajukan oleh DeepMind, dirancang khusus untuk tantangan umum seperti keterbatasan bandwidth, heterogenitas perangkat, dan ketidakstabilan node dalam pelatihan desentralisasi. Arsitekturnya berdasarkan paralelisme data, dengan membangun struktur topologi jarang seperti Ring, Expander, dan Small-World, menghindari biaya komunikasi tinggi dari sinkronisasi global, hanya bergantung pada node tetangga lokal untuk menyelesaikan pelatihan kolaboratif model. Dengan menggabungkan pembaruan asinkron dan mekanisme toleransi kesalahan titik putus, OpenDiLoCo memungkinkan GPU konsumer dan perangkat tepi untuk berpartisipasi dalam tugas pelatihan secara stabil, secara signifikan meningkatkan partisipasi dalam pelatihan kolaboratif global, dan merupakan salah satu infrastruktur komunikasi kunci untuk membangun jaringan pelatihan desentralisasi.

PCCL: Perpustakaan Komunikasi Kooperatif

PCCL adalah pustaka komunikasi ringan yang dirancang khusus oleh Prime Intellect untuk lingkungan pelatihan AI desentralisasi, bertujuan untuk mengatasi kendala adaptasi pustaka komunikasi tradisional pada perangkat heterogen dan jaringan dengan bandwidth rendah. PCCL mendukung topologi jarang, kompresi gradien, sinkronisasi presisi rendah, dan pemulihan titik henti, dapat berjalan di GPU konsumen dan node yang tidak stabil, merupakan komponen dasar yang mendukung kemampuan komunikasi asinkron protokol OpenDiLoCo. Ini secara signifikan meningkatkan toleransi bandwidth jaringan pelatihan dan kompatibilitas perangkat, membuka "jalan terakhir" untuk infrastruktur komunikasi dalam membangun jaringan pelatihan kolaboratif yang benar-benar terbuka dan tanpa kepercayaan.

Jaringan Insentif Prime Intellect dan Pembagian Peran

Prime Intellect membangun jaringan pelatihan yang tidak memerlukan izin, dapat diverifikasi, dan memiliki mekanisme insentif ekonomi, sehingga siapa pun dapat berpartisipasi dalam tugas dan mendapatkan imbalan berdasarkan kontribusi nyata. Protokol beroperasi berdasarkan tiga jenis peran inti:

• Penggagas tugas: mendefinisikan lingkungan pelatihan, model awal, fungsi penghargaan, dan kriteria verifikasi
• Node pelatihan: menjalankan pelatihan lokal, mengirimkan pembaruan bobot dan jejak pengamatan
• Node verifikasi: Menggunakan mekanisme TOPLOC untuk memverifikasi kebenaran perilaku pelatihan dan berpartisipasi dalam perhitungan hadiah serta agregasi strategi

Proses inti dari protokol mencakup penerbitan tugas, pelatihan node, verifikasi jejak, agregasi bobot, dan distribusi hadiah, membentuk sebuah lingkaran insentif yang berfokus pada "perilaku pelatihan yang nyata".

INTELLECT-2: Peluncuran model pelatihan terdesentralisasi yang dapat diverifikasi pertama

Prime Intellect merilis INTELLECT-2 pada Mei 2025, yang merupakan model pembelajaran penguatan besar pertama di dunia yang dilatih melalui kolaborasi node desentralisasi yang asinkron dan tidak perlu kepercayaan, dengan skala parameter mencapai 32B. Model INTELLECT-2 diselesaikan melalui pelatihan kolaboratif lebih dari 100 node GPU heterogen yang tersebar di tiga benua, menggunakan arsitektur sepenuhnya asinkron, dengan waktu pelatihan lebih dari 400 jam, menunjukkan kelayakan dan stabilitas jaringan kolaborasi asinkron. Model ini tidak hanya merupakan terobosan dalam hal kinerja, tetapi juga merupakan implementasi sistem pertama dari paradigma "pelatihan sama dengan konsensus" yang diajukan oleh Prime Intellect. INTELLECT-2 mengintegrasikan modul inti protokol seperti PRIME-RL, TOPLOC, dan SHARDCAST, yang menandai bahwa jaringan pelatihan desentralisasi pertama kali mewujudkan proses pelatihan yang terbuka, verifikatif, dan memiliki siklus insentif ekonomi.

Dalam hal kinerja, INTELLECT-2 didasarkan pada QwQ-32B yang dilatih dan telah melakukan pelatihan RL khusus dalam kode dan matematika, berada pada penyesuaian RL sumber terbuka saat ini.