Ben Fielding 是一位研究员、技术专家和企业家,专门研究人工智能 (AI)、机器学习 (ML) 和计算机视觉。他是 Gensyn 的联合创始人兼首席执行官 (CEO),该公司致力于开发用于训练机器学习模型的去中心化基础设施。他的工作主要是受到他在学术界遇到的计算资源限制的推动。除了在 Gensyn 的职位之外,Fielding 还积极担任早期技术公司的天使投资人。 [1] [2]
菲尔丁就读于诺森比亚大学,并于2015年获得计算机科学理学学士 (BSc) 学位。 他继续在同一机构学习,并于2019年完成计算机科学博士学位。他的博士研究侧重于人工智能、机器学习和计算机视觉,特别强调进化和群体方法在神经网络设计和训练中的应用。 在攻读博士学位期间,他还于2016年至2018年担任演示员,为计算机科学本科生教授实验室和课堂课程。 [3] [2]
Fielding于2013年开始了他的职业生涯,在Cheshire Datasystems Ltd (CDL)担任初级数据库管理员,他的职责包括Oracle数据库管理、Linux服务器维护、环境配置和优化ETL流程。2015年完成本科学位后,他短暂地担任了一项工业合作项目的高级研究助理,该项目利用机器学习和计算机视觉进行健康和福祉应用。 [3]
在攻读博士学位期间,Fielding参与了多个创业和咨询角色。2017年至2020年初,他担任Research Analytics的董事,这是一家提供机器学习和计算机视觉服务的咨询公司。2018年末,他共同创立了Fair Custodian,这是一家专注于个人数据管理的公司,他一直担任首席执行官到2020年初。在此期间,从2019年末到2020年初,他还担任Ricochet AI的机器学习顾问。 [3]
2020年,Fielding参加了英国的Entrepreneur First (LD14)加速器项目。在那里,他遇到了具有计量经济学和深度学习背景的Harry Grieve。他们发现,他们都独立地认识到,计算资源访问受限对机器学习开发造成了重大瓶颈。这种共同的经历促使他们在2020年共同创立了Gensyn,Fielding担任首席执行官。自2022年以来,Fielding还积极担任天使投资人,为早期科技公司提供支持。 [4] [3]
作为联合创始人兼首席执行官,Fielding 领导 Gensyn 的使命是开发用于机器智能的去中心化、点对点计算协议。该项目的主要目标是为机器学习计算资源创建一个开放且无需许可的全球市场。该网络将需要计算能力的工程师和研究人员与可以提供计算能力的硬件所有者连接起来,旨在降低成本并减少行业对少数几个主要的中心化云提供商的依赖。 [1] [5]
该公司最初探索了为金融机构提供隐私保护的机器学习解决方案,然后转向目前对底层通用基础设施的关注。该协议专门为计算密集型的模型训练任务而设计,而不是对要求较低的推理任务。其目标用户主要是由于高昂的计算成本而面临重大进入壁垒的早期机器学习团队。截至 2024 年 9 月,该公司以其小型、非层级团队结构而闻名。 [6] [4]
Gensyn 的技术架构建立在由权益证明共识模型支持的无需信任的点对点网络之上。其设计的关键组成部分是一个链下、密码学安全验证系统。该系统允许网络验证提供商贡献的计算工作是否已正确执行,而无需验证者重新执行整个任务,这对于大规模机器学习工作负载来说至关重要。该基础设施被设计为模型无关的,通过专注于执行、通信、验证和协调的底层原语来确保其长期相关性,这些原语可以支持各种机器学习模型和技术的发展。 [7] [8]
菲尔丁的工作深受他在博士研究期间所经历的“计算资源短缺”的影响。他经常表示,他从学术界转向工业界是为了直接应对他所面临的可扩展性和资源限制,这些限制是由资本有限以及主要云提供商计算硬件成本高昂所致。 [6] [5]
他提倡去中心化,以对抗亚马逊网络服务和谷歌等公司主导的中心化云市场中的“寻租行为”。他认为,去中心化市场可以促进更公平的访问,降低成本,并使人工智能创新所需的工具民主化。此外,菲尔丁强调了审查抵抗和个人自主的重要性,认为随着人工智能技术面临越来越大的监管压力,去中心化协议提供了一种至关重要的替代方案。 [4] [5]
菲尔丁的长期愿景延伸到一个人工智能系统以更大自主性运行的未来。他谈到了“机器代理”,即人工智能模型可以自主地与计算资源等进行交互并为其付费,并受 Gensyn 等网络协议的约束。这与他对不断发展的系统的研究兴趣相关,包括“强化学习集群”的概念,即人工智能模型可以在没有中央协调器的情况下,以分布式、点对点的方式迭代评估和相互学习。他还提出了机器学习的哲学观点,认为机器学习是“压缩现实世界数据的持续机制”,他认为这将从根本上改变知识的组织方式,并导致大规模的数字世界表征的创建。 [7] [8]
虽然对去中心化人工智能的潜力持乐观态度,但菲尔丁也承认,与更成熟的中心化系统相比,去中心化人工智能领域面临着巨大的“技术和采用挑战”,并且仍处于早期发展阶段。 [6]
Fielding 经常在会议和播客上发表演讲,内容涉及去中心化人工智能、机器学习基础设施以及 Gensyn 背后的愿景。
在2024年2月举行的ETHDenver大会上,Fielding讨论了为什么人工智能可以从密码学和去中心化系统中受益。他以自己博士期间经历的“计算资源短缺”为例,这成为了创建Gensyn的核心动机。他认为,去中心化协议可以将工程师与全球可用的硬件连接起来,降低成本,解决中心化市场中的寻租行为,同时也能实现人工智能模型自主与计算资源交互的未来场景。 [5]
<div class="video-embed"> <iframe width="560" height="315" src="https://www.youtube.com/embed/UDISNqga8w0" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen> </iframe> </div>2024年9月,Fielding和联合创始人Harry Grieve接受了a16z Crypto的采访,讲述了他们构建Gensyn的经验。他们回忆了在Entrepreneur First加速器相遇的经历,以及他们共同意识到计算约束是一个根本问题。他们解释了他们决定专注于更复杂的去中心化训练挑战,而不是推理,并强调了审查抵抗和个人自主性是构建ML计算开放市场的关键哲学驱动力。 [4]
<div class="video-embed"> <iframe width="560" height="315" src="https://www.youtube.com/embed/a2GE-7YbW8s" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen> </iframe> </div>在2024年10月的DePIN创始人日的一次演讲中,Fielding将Gensyn介绍为“机器智能网络”。他详细介绍了该协议的设计,它是一个无需信任的、点对点的计算租赁网络,由权益证明模型和密码学安全的链下验证系统支持。他还阐述了他对机器学习作为压缩现实世界数据的过程的长期愿景,以及管理机器代理的协议的需求,将Gensyn定位为大规模数字世界表示的基础设施。 [7]
<div class="video-embed"> <iframe width="560" height="315" src="https://www.youtube.com/embed/YkWv9wsU_HU" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen> </iframe> </div>在2025年3月The Delphi Podcast的一次采访中,Fielding讨论了人工智能领域的不稳定性,并解释了Gensyn构建底层、模型无关的基础设施以确保长期相关性的策略。他详细介绍了去中心化的点对点框架如何克服中心化数据中心的扩展限制,并介绍了“强化学习集群”的概念。对话还涉及了开源与封闭模型以及人工智能行业的监管压力等更广泛的话题。 [8]
<div class="video-embed"> <iframe width="560" height="315" src="https://www.youtube.com/embed/euaM1tK2e7I" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen> </iframe> </div>Fielding 在 2025 年 5 月的 DWebDecoded 播客节目中回顾了 Gensyn 的发展历程,从最初专注于保护隐私的金融应用,到目前作为低级机器学习基础设施提供商的角色。他讨论了支持该网络的执行、通信和验证的技术框架。Fielding 还就消费者工具兴起后公众对人工智能的看法转变发表了自己的看法,并承认去中心化人工智能领域持续面临的技术和采用挑战。 [6]
<div class="video-embed"> <iframe width="560" height="315" src="https://www.youtube.com/embed/nQggsoNGWMc" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen>