Tehisintellekti valdkond konsolideerub kiiresti. Viis juhtivat uurimislaborit (OpenAI, Anthropic, Google DeepMind, Meta ja xAI) kontrollivad enamikku maailma võimsamatest mudelitest, nende koolitamiseks kasutatud varalisi andmeid ning uute mudelite koolitamiseks vajalikke arvutusklastreid. Detsentraliseeritud tehisintellekt on krüptovaldkonna omapärane vastus sellele.
Detsentraliseeritud tehisintellekt ehk DeAI põhineb ideel, et tänapäevase tehisintellekti toimimist tagavaid komponente saab koordineerida mitte ühe ettevõtte, vaid plokiahelate ja tokenite abil. Selle eesmärk ei ole võita OpenAI-d 10 miljardi dollari maksvate GPU-klastrite abil, vaid luua avatud alternatiive nendel tasanditel, kus detsentraliseerimine tegelikult toimib.
Mis on detsentraliseeritud tehisintellekt?
Detsentraliseeritud tehisintellekt, mida sageli lühendatakse DeAI-ks, tähendab tehisintellekti süsteeme, mis on rajatud plokiahela infrastruktuurile ja mida koordineeritakse tokenite abil – arvutusvõimsus, andmed, mudelid ja otsuste tegemine jaotatakse paljude osalejate vahel, mitte üheainsa ettevõtte kätte.
Lühend „DeAI“ (suur D, suur AI) on selles valdkonnas nüüdseks standardiks saanud; kasutame seda kogu tekstis sünonüümina väljendiga „detraliseeritud tehisintellekt“. See termin on laiem kui ükski konkreetne projekt. See hõlmab tervet struktuuri (allosas arvutusvõimsuse turud, keskel andme- ja mudelivõrgustikud, ülaosas agendi raamistikud), mida ühendavad plokiahela koordineerimiskihid.
DeAI on loodud selleks, et võidelda kolme suundumuse vastu. Esiteks, tipptasemel tehisintellekti koondumine viide laborisse, mille sisemised kooskõlastus-, ohutus- ja hinnakujundusotsused mõjutavad kõiki. Teiseks suletud mudelite läbipaistmatus, mis on treenitud andmetel, mida avalikkus ei näe ja mille kasutamiseks ei ole antud nõusolekut. Kolmandaks ebakõla tehisintellekti laborite ja nende kasutajate vahel, kelle andmetel mudeleid treeniti: väärtus voolab ühes suunas, ilma et panustajatele läheks tagasi mingeid märke, osakuid või tulu.
Ühtegi neist probleemidest ei lahenda täielikult plokiahela kasutuselevõtt. Kuid igaühega on lihtsam toime tulla, kui omandiõigust, makseid ja tõendeid on võimalik koordineerida loata süsteemis.
Detsentraliseeritud tehisintellekt vs. föderatiivne õppimine
„Detsentraliseeritud tehisintellekt“ ja „föderatiivne õppimine“ kõlavad küll sarnaselt, kuid lahendavad hoopis teistsuguseid probleeme. Föderatiivne õppimine on privaatsust kaitsvat masinõppe tehnikat, mida kasutavad suured tehnoloogiaettevõtted; DeAI on krüptovaldkonnale omane liikumine, mis tugineb plokiahelatele ja tokenitele.
Föderatiivse õppimise puhul treenitakse mudelit paljudel seadmetel (teie telefon, haigla serverid, panga andmebaas), ilma et toorandmed seadmetest kunagi väljapoole jõuaksid. Edastatakse ainult mudeli uuendused. Google Gboard kasutab seda järgmise sõna ennustamiseks; Apple kasutab seda seadmesisese õppimise jaoks; meditsiinikonsortsiumid kasutavad seda diagnoosimudelite treenimiseks ilma patsientide andmeid avalikustamata. Kõike koordineerib keskne osapool, tavaliselt ettevõte, kellele mudel kuulub.
DeAI on keskse koordineerimise vastand. Arvutusvõimsust, andmeid ja mõnikord ka mudelit ennast omavad ja haldavad paljud sõltumatud osapooled. Neid koordineerib plokiahel; kasulikke panuseid premeeritakse tokenitega.
Neid kahte on võimalik ühendada, kuna föderatiivse õppe meetodeid saab privaatsuse tagamiseks kasutada DeAI-süsteemide raames. Kuid föderatiivne õpe üksi ei ole veel DeAI. Föderatiivne õppimine käsitleb seda, kuidas matemaatika toimib. DeAI käsitleb seda, kellele süsteem kuulub.
Kuidas detsentraliseeritud tehisintellekt toimib
DeAI ei ole üksik tehnoloogia, vaid terviklik süsteem. Olulised on neli kihti, millest igaühel on oma projektid.
Arvutuskiht
Tehisintellekti mudelite koolitamiseks ja käitamiseks vajalikud graafikaprotsessorid (GPU) ja muu riistvara. Just selles osas kattuvad DeAI ja DePIN otseselt. Sellised võrgustikud nagu Render, Akash ja io.net rendivad detsentraliseeritud GPU-võimsust tehisintellekti töökoormuste jaoks, alates üksikutest harrastajatest, kes teostavad järelduste tegemise ülesandeid, kuni idufirmadeni, kes tegelevad suuremahulise täpsustamisega. 2024.–2026. aasta GPU-puudus on muutnud selle kihi DeAI ökosüsteemi kõige aktiivsemaks osaks.
Andmekiht
Mudelite koolitamiseks vajalikud andmekogud. Detsentraliseeritud andmeturud võimaldavad andmete omanikel andmekogudest tulu teenida, ilma et nad peaksid loovutama kontrolli. Sellised salvestusvõrgustikud nagu Filecoin ja Arweave hoiustavad mudelite kaale, koolitusandmekogusid ja väljundandmeid. Mahud on siin tsentraliseeritud andmevahendajatega võrreldes veel tagasihoidlikud, kuid infrastruktuur toimib.
Mudelikiht
Avatud kaaluga mudelid, mida igaüks saab käivitada, täpsustada või muuta. Tokenitega motiveeritud õppimisvõrgustikud, millest tuntum on Bittensor, premeerivad osalejaid kasulike mudeliparanduste eest konkreetsete ülesannete puhul. Tuleb märkida, et pelgalt „avatud kaaluga” mudelid (Meta Llama, Mistrali mudelid) ei ole DeAI. Need on avatud lähtekoodiga. DeAI lisab avatusele veel plokiahela koordineerimise ja token-majanduse.
Järelduste tegemise ja agendi kiht
Kui mudel on valmis, peab keegi seda käivitama. Detsentraliseeritud järeldusvõrgustikud jagavad selle töö paljude sõlmeoperaatorite vahel. Selle peal asub tehisintellekti agentide kiht – autonoomsed programmid, mis tegutsevad kasutaja nimel ja arveldavad makseid üha sagedamini krüptovaluutas. Selles valdkonnas on kõige sagedamini mainitud projektid Olas ja Virtuals Protocol, mis mõlemad on veel arengujärgus.
2026. aastal tähelepanu väärivad DeAI-projektid
DeAI on kategooria, mitte OpenAI konkureeriv ettevõte. Rühmitage projektid selle järgi, millega nad tegelikult tegelevad.
Tehisintellekti jaoks loodud plokiahelad ja õppimisvõrgud
Bittensor (TAO) on kõige sagedamini mainitud näide. See haldab 128 aktiivset „alamvõrku“, millest igaüks on spetsialiseerunud ühele tehisintellekti ülesandele: keelemudelite eeltreening, piltide sissekodeerimine, finantsprognoosid, kõne ja otsing.
Kaevurid võistlevad igas alamvõrgus toodangu kvaliteedist sõltuvate token-preemiate eest. 2026. aasta esimeses kvartalis paigutas NVIDIA 420 miljonit dollarit ja Polychain Capital lisas 200 miljonit dollarit, tõstes institutsiooniliste investeeringute kogusumma üle 620 miljoni dollari. Võrgu tulud ulatusid viimases kvartalis 43 miljoni dollarini.
ASI liit
Fetch.ai, SingularityNET, Ocean Protocol ja (hiljem) CUDOS ühinesid 2024. aastal, moodustades Kunstliku Superintelligentsi Liidu (Artificial Superintelligence Alliance), ühendades oma tokenid FET-iks ning kavandades selle ümbernimetamist ASI-ks. Täielikku brändiüleminekut börsidel ei viidud kunagi lõpule, mistõttu enamik neist noteerib endiselt FET-i.
2025. aasta oktoobris lahkus Ocean Protocol juhtimisalaste erimeelsuste tõttu ametlikult liidust. Järelejäänud liikmed (Fetch.ai, SingularityNET ja CUDOS) jätkavad toodete turule toomist, sealhulgas ASI-1 mini, 7 miljardi parameetriga Web3-põhine LLM ja kavandatav 1. kiht nimega ASI Chain.
Agendid
Olas keskendub autonoomsete agentide majandusele: iseseisvatele programmidele, mis teevad üksteisele makseid, koordineerivad oma tegevust ja täidavad ülesandeid. Virtuals Protocol keskendub tarbijatele suunatud tehisintellekti agentidele, eriti mängude ja sotsiaalmeedia valdkonnas. See kiht on kõige uuem ja alles arenemas.
Mis on tegelikult detsentraliseeritud ja mis mitte
Tehisintellekti kaotamisel on nii tõelist hoogu kui ka tõelisi puudujääke. Aus hinnang, kiht kihi haaval:
Frontier-mudeli koolitus: endiselt tsentraliseeritud
GPT-5-tasemelise mudeli koolitamine nõuab sadu miljoneid dollareid koordineeritud arvutusvõimsuse, erandlike andmete ja tsentraliseeritud insenerimeeskonna näol. Ükski DeAI-projekt ei tegele sellega praegu sellises mastaabis ega hakka seda lähiajal tegema.
Isegi Bittensori suurim tehniline verstapost (Covenant AI 72 miljardi parameetriga koostööl põhinev eelõpe 2026. aasta märtsis) oli suurusjärkude võrra väiksem kui tipptasemel laborite saavutused. Covenant lahkus hiljem võrgustikust, nimetades detsentraliseerimist valitsemisvaidluste tõttu „teatriks”, mis tuletas meelde, et „detsentraliseeritud” võib kirjeldada matemaatikat, ilma et kirjeldaks võimu.
Arvutustehnoloogia: tõeline detsentraliseerimine
Graafikakaardid on asendatavad, tööd on lühiajalised ja tulemuste kontrollimine on lihtne, mistõttu on siin pakkumine tegelikult ka teoks saanud. Render töötleb kuus umbes 1,5 miljonit kaadrit; Akash ületas 2026. aasta esimeses kvartalis 5 miljoni dollari piiri arvutusvõimsuse kulutustes; io.net koondab graafikakaarte enam kui 130 riigist. Sama kaart, mis öösel käitab videomängu, võib järgmisel hommikul käitada järeldusülesannet, ning klient ei pea teadma, kellele see kuulub.
Järeldus: teostatav ja kasvav
Järeldamine on seisundivaba, tööd on väikesed ja väljundid kontrollitavad – see on loomulik järgmine tase, mida pärast toorarvutust detsentraliseerida. Võrgustikud kasutavad ära tarbija- ja mängude GPU-sid, mis muidu seisaksid kasutamata, mistõttu saab sellist väikese avatud kaaluga mudelit nagu Llama-3-8B sageli pakkuda poole madalama hinnaga kui AWS või Azure. Vahe väheneb mudeli suuruse kasvades; 400 miljardi parameetriga mudeli detsentraliseeritud käitamine on endiselt raskem kui hüperskaalajal.
Andmeturud: alles algusjärgus, kuid reaalsed
Võrgustikud nagu isikuandmete jaoks mõeldud Vana ja veebist kogutud andmete jaoks mõeldud Grass tõestavad, et detsentraliseeritud andmevahetus on tehniliselt teostatav. Raskem küsimus on nõudlus. Tehisintellekti laboritel on juba olemas kõik vajalik: avatud veebist kogutud andmed ning esmaklassilised otselepingud (Reddit–Google, NYT–OpenAI, Shutterstock). Detsentraliseeritud turud lahendavad pakkumise poolel probleemi, mida nõudluse poolel veel ei ole, kuigi see muutub, kui koolitusandmete pärast tekib suurem konkurents.
Tokenitega motiveeritud teadus- ja arendustegevus: tegutsemine kitsastes niššides
Tokenipõhised preemiad sobivad hästi mõõdetavate ülesannete järkjärguliseks täiustamiseks (kõnest tekstiks teisendamise täpsus, sisseviimise kvaliteet, pildiklassifitseerimise võrdlusnäitajad) ning Bittensori alamvõrgud loovad konkurentsivõimelisi mudeleid just nendes valdkondades. Mida tokenid aga kergesti rahastada ei suuda, on läbimurdeline teadustöö, mis nõuab aastaid kannatlikku kapitali, kulukaid katseid ja suutlikkust taluda ebaõnnestumisi. Bittensori juhtimisvaidlused tõstatavad ka struktuurilise küsimuse: tokenitega seotud teadus- ja arendustegevus toimib vaid niivõrd hästi, kui seda toetav protokoll.
Kokkuvõte
2026. aastal tekitab DeAI puhul huvi küsimus, millised kihid süsteemis peavad kriitilise läbivaatamise korral vastu. Arvutusvõimsus ja järelduste tegemine teevad tasulistele klientidele reaalset ja mõõdetavat tööd.
Andmete ja mudelite turud kasvavad, kuid nende toimivus pole veel tõestatud. Juhtimistasand (osa, mis otsustab, kas mõiste „detraliseeritud“ viitab matemaatikale või võimule) tekitab jätkuvalt poleemikat, nagu näiteks Ocean’i lahkumine ASI Alliance’ist ja Covenant’i lahkumine Bittensorist.
DeAI ei asenda OpenAI-d 2026. aastal ja võib-olla ei asenda seda kunagi. Kuid see loob tõelisi alternatiive tehnoloogilise arhitektuuri keskmises ja äärealadel, ning just seal hakkavad enamik inimesi lõpuks AI-ga suhtlema.
