开放 AI 新贵 Pluralis:这个清一色博士团队不简单
March 31st, 2025

清一色博士团队,除实习生外皆来自亚马逊,开放 AI 项目 Pluralis 有何特别?

当下,AI 技术持续突破,围绕 AI 训练模式的革新探索也愈发深入。在这场浪潮中,集中式模型的垄断隐患与开源模型激励机制的缺失,亟待更优解决方案。

在此背景下,Pluralis 项目应运而生。其团队全员博士,除实习生外皆来自亚马逊。本文将介绍 Pluralis 在去中心化 AI 训练领域的核心技术理念、团队构成、融资情况以及其创新性的协议学习训练范式。

Pluralis 是什么?

Pluralis Research 致力于通过「协议学习」,打造去中心化、开源的 AI 开发模式。该模式通过去中心化的方式,汇聚多方计算资源,协同训练模型。在此过程中,能确保任何单一参与者都无法获取完整的模型权重。

Pluralis 协议学习的核心创新在于协议模型,利用了神经网络的一个关键特性,任何一个参与者都无法提取其完整权重集。这种设计确保价值流向贡献者,同时保护模型所有权,巧妙地平衡了 AI 开发的开放性与货币化需求。

在 Pluralis 中,模型设计者可以提出自己的模型构想,而计算和数据提供者则可以贡献训练模型所需的资源。这些协议模型是开放的、公开开发的,并且通过赋予参与者训练成果模型的部分所有权,有效激励各方贡献力量,向着真正开源的人工智能目标迈进。

Pluralis 背景

Pluralis 团队实力雄厚,官网列出的 8 位团队成员中,除一名实习生外,其余均出身亚马逊 AI 研究部门,且全员拥有博士学位。

  • 创始人 Alexander Long:拥有新南威尔士大学计算机科学博士学位,此前在 2021 年 3 月到 2024 年 5 月在亚马逊担任应用科学家。其博士论文围绕深度学习中的样本有效强化学习和非参数记忆展开。

  • 创始科学家 Gil Avraham:澳大利亚蒙纳士大学机器学习博士,曾于 2021 年 12 月至 2024 年 8 月在亚马逊任应用科学家,后晋升为高级应用科学家,2024 年 10 月加入 Pluralis。

  • 创始科学家 Yan Zuo:拥有澳大利亚蒙纳士大学电气电子工程博士学位,对大规模优化、统计建模、机器学习和计算机视觉感兴趣,曾于 2021 年 8 月至 2024 年 10 月份在亚马逊担任应用科学家。

  • 创始科学家 Ajanthan Thalaiyasingam:拥有澳大利亚国立大学士计算机科学博士学位,曾于 2020 年 12 月至 2024 年 3 月在亚马逊担任机器学习科学家,之后晋升为高级机器学习科学家,在 2024 年 10 月份加入 Pluralis。

  • 创始科学家 Sameera Ramasinghe:拥有澳大利亚国立大学士机器学习和 3 D 视觉博士学位,AI 技术公司 ConscientAI 联合创始人、首席技术官,曾于 2022 年 5 月至 2024 年 11 月在亚马逊担任应用科学家。

不难发现,Pluralis 的创始人、创始科学家和研究科学家均有亚马逊工作经历,且在机器学习、计算机视觉和大语言模型(LLMs)领域各有所长,部分成员还曾担任博士后研究员。

在融资方面,2025 年 3 月份 Pluralis 完成 760 万美元融资。此次融资由 CoinFund 和 Union Square Ventures 领投,Topology、Variant、Eden Block 和 Bodhi Ventures 参投。此次融资以股权形式进行,并附带未来加密货币的认股权证。

何为协议学习?

在 Alexander Long 有关 "Protocol Learning, Decentralized Frontier Risk and the No-Off Problem" 的论文中提出了这种新的 AI 模型训练范式——协议学习(Protocol Learning)。其目标是借助去中心化的激励网络,协作训练模型,突破当前集中式和开源方法的局限。

Alexander Long 指出,集中式模型虽然高效,但存在垄断风险,治理缺乏透明度;开源模型则缺乏可持续的激励机制。而协议学习作为一种折中的方案,通过激励参与者贡献计算资源,构建去中心化训练网络,理论上可聚合比集中式训练多几个数量级的算力。

从技术可行性来看,去中心化训练需要满足高效通信、模型分片、弹性训练、拜占庭容错和异构节点支持等要求。尽管已有研究在分布式训练、流水线并行和容错机制等方面取得一定进展,但尚未能完全整合到大规模(100B + 参数)模型中。此外,通过计算贡献分配所有权,能形成经济激励,但仍需解决计算验证问题,如采用博弈论质押或零知识证明等技术。

当然,协议学习也伴随着新的风险。去中心化模型难以单方面终止,一旦模型失控或被滥用,需要协调全网才能停止,实施难度极大。此外,还需在激励、安全与可控性之间寻求平衡,防范恶意行为。

Pluralis 认为,人工智能的未来不仅仅是分布式的,更是去中心化的。去中心化训练的技术壁垒并非不可攻克,而其带来的收益将无比巨大。

综上,Pluralis 正在构建去中心化的 AI 训练基础设施,旨在通过协议学习推动前沿模型的集体创造,从根本上使 AI 基础模型的生产和访问民主化。

参考:

https://arxiv.org/pdf/2412.07890

https://blog.pluralis.ai/p/a-third-path-protocol-learning

https://blog.pluralis.ai/p/decentralized-ai-looms

https://blog.pluralis.ai/p/article-2-protocol-learning-protocol

https://x.com/dbarabander/status/1902370141511303243

Subscribe to Foresight News
Receive the latest updates directly to your inbox.
Mint this entry as an NFT to add it to your collection.
Verification
This entry has been permanently stored onchain and signed by its creator.
More from Foresight News

Skeleton

Skeleton

Skeleton