Ça a commencé avec un bureau bruyant

C'était en 2015. Le chercheur était Ben Fielding, qui avait construit une grande machine remplie de GPU précoces pour développer l'IA.

A noisy desk in a lab at Northumbria University, in northern England, is where a young AI researcher began his PhD track in 2015. He was working on some unorthodox ideas, exploring how “swarms” of AIs could talk to each other and learn from each other to improve the collective whole. But he was handcuffed by the realities of that noisy machine, which he had built to house early GPUs for his research.

Un bureau bruyant dans un laboratoire de l'Université de Northumbria, dans le nord de l'Angleterre, est l'endroit où un jeune chercheur d'IA a commencé sa piste de doctorat en 2015. Il travaillait sur des idées peu orthodoxes, explorant comment les «essaims» d'AIS pouvaient se parler et apprendre les uns des autres pour améliorer l'ensemble collectif. Mais il a été menotté par les réalités de cette machine bruyante, qu'il avait construite pour abriter les premiers GPU pour ses recherches.

The machine was so loud it annoyed his lab-mates, and he had crammed it beneath his desk, leaving no room for his legs, which he had to awkwardly stick to the side of the desk.

La machine était si bruyante qu'elle aganait ses camarades de laboratoire, et il l'avait entassé sous son bureau, ne laissant aucune place pour ses jambes, qu'il devait s'en tenir maladroitement sur le côté du bureau.

At the time, Google was doing similar research with thousands of GPUs in a data center.

À l'époque, Google faisait des recherches similaires avec des milliers de GPU dans un centre de données.

“The things they were doing weren't crazy. I knew the methods … I had lots of proposals, but I couldn't run them,” says Ben Fielding, who is now CEO of Gensyn and a speaker at Consensus 2025.

«Les choses qu'ils faisaient n'étaient pas folles. Je connaissais les méthodes… J'avais beaucoup de propositions, mais je ne pouvais pas les gérer», explique Ben Fielding, qui est maintenant PDG de Gensyn et conférencier au Consensus 2025.

Fielding and his co-founder, Harry Grieve, started Gensyn in 2020, with the goal of creating a decentralized network for machine intelligence.

Fielding et son co-fondateur, Harry Grieve, ont commencé Gensyn en 2020, dans le but de créer un réseau décentralisé pour l'intelligence machine.

Gensyn is now rolling out the first stage of its Testnet, and the company's early tools are beginning to trickle out into the wild. Gensyn recently released its “RL Swarms” protocol, a descendant of Fielding's PhD work, and just launched Testnet, which brings blockchain into the fold.

Gensyn déploie maintenant la première étape de son test, et les premiers outils de l'entreprise commencent à couler dans la nature. Gensyn a récemment publié son protocole «RL Swarms», un descendant du travail de doctorat de Fielding, et vient de lancer TestNet, qui amène la blockchain dans le giron.

Gensyn's Testnet is a beta version of the company's core infrastructure, offering a glimpse into the broader vision.

Le testnet de Gensyn est une version bêta de l'infrastructure principale de l'entreprise, offrant un aperçu de la vision plus large.

In this interview leading up to the AI Summit, at Consensus in Toronto, Fielding gives a primer on AI Swarms, explains how blockchain snaps into the puzzle, and shares why all innovators — not just tech giants — “should have the right to build machine learning technologies.”

Dans cette interview menant au sommet de l'IA, lors du consensus à Toronto, Fielding donne une introduction aux essaims de l'IA, explique comment la blockchain s'accroche au puzzle et partage pourquoi tous les innovateurs - pas seulement les géants de la technologie - «devraient avoir le droit de construire des technologies d'apprentissage automatique».

This interview has been condensed and lightly edited for clarity.

Cette interview a été condensée et légèrement modifiée pour plus de clarté.

Jeff Wilser: Gensyn just launched its Testnet. What’s the gist of what it is?

Jeff Wilser: Gensyn vient de lancer son testnet. Quel est l'essentiel de ce que c'est?

Ben Fielding: It's the addition of the first MVP features of blockchain integration with what we've launched so far. So a few weeks ago, we launched RL Swarm, which is reinforcement learning, post-training as a peer-to-peer network.

Ben Fielding: C'est l'ajout des premières fonctionnalités MVP de l'intégration de la blockchain avec ce que nous avons lancé jusqu'à présent. Il y a donc quelques semaines, nous avons lancé RL Swarm, qui est l'apprentissage du renforcement, après la formation en tant que réseau entre pairs.

The easiest way to think about it is when a pre-trained model goes through reasoning training — like Deep-R1 — it learns to critique its own thinking and recursively improve against the task. It can then improve its own answer.

La façon la plus simple d'y penser est lorsqu'un modèle pré-formé passe par une formation de raisonnement - comme Deep-R1 - il apprend à critiquer sa propre pensée et à s'améliorer récursivement contre la tâche. Il peut alors améliorer sa propre réponse.

We take that process one step further and say, "It's great for models to critique their own thinking and recursively improve. What if they can talk to other models and critique each other's thinking?" If you get many models together in a group that can all talk to each other, they can start learning how to send information to the other models … with the overall goal of improving the entire swarm itself.

Nous prenons ce processus un peu plus loin et disons: "Il est idéal pour les modèles de critiquer leur propre pensée et de s'améliorer récursivement. Et s'ils pouvaient parler à d'autres modèles et critiquer la pensée de l'autre?" Si vous rassemblez de nombreux modèles dans un groupe qui peut tous se parler, ils peuvent commencer à apprendre à envoyer des informations aux autres modèles… dans le but global d'améliorer l'essaim entier lui-même.

So that's the swarm training method, which allows many models to combine in parallel to improve the outcome of a final meta-model that you could create from those models. But at the same time, you have every single individual model just improving on its own. So if you were to come along with a model on a MacBook, join a swarm for an hour and then drop back out again, you would have an improved local model based on the knowledge in the swarm, and you would have also improved the other models in the swarm. It's this collaborative training process that any model can join and any model can do. So that's what RL Swarm is.

C'est donc la méthode d'entraînement de l'essaim, qui permet à de nombreux modèles de combiner en parallèle pour améliorer le résultat d'un méta-modèle final que vous pourriez créer à partir de ces modèles. Mais en même temps, vous avez chaque modèle individuel qui s'améliore seul. Donc, si vous veniez avec un modèle sur un MacBook, rejoignez un essaim pendant une heure, puis reposez-vous, vous auriez un modèle local amélioré en fonction des connaissances dans l'essaim, et vous auriez également amélioré les autres modèles de l'essaim. C'est ce processus de formation collaboratif que tout modèle peut rejoindre et tout modèle peut faire. C'est donc ce qu'est RL Swarm.

Wilser: Okay, and then where does blockchain come in?

WILSER: D'accord, et où est-il venu Blockchain?

Ben Fielding: So the blockchain is us moving forward some of the lower-level primitives into the system.

Ben Fielding: Donc, la blockchain nous avançons certaines des primitives de niveau inférieur dans le système.

Let's just pretend that someone doesn't understand the phrase "lower-level primitives." What do you mean by that?

Prétendons simplement que quelqu'un ne comprend pas l'expression «primitives de niveau inférieur». Que voulez-vous dire par là?

If you think about the software stack, you've got a GPU stack in a data center. You've got drivers on top of the GPU. You've got operating systems, virtual machines. You've got all this stuff going up.

Si vous pensez à la pile logicielle, vous avez une pile GPU dans un centre de données. Vous avez des pilotes au-dessus du GPU. Vous avez des systèmes d'exploitation, des machines virtuelles. Vous avez tout ce qui monte.

A lower-level primitive is the closest to the bottom foundation in the tech stack.

Une primitive de niveau inférieur est la plus proche des bases inférieures de la pile technologique.

Wilser: Yes, exactly. And the RL Swarm is a demonstration of what's possible, basically. It's just a somewhat hacky demo of doing really interesting large-scale, scalable machine learning. But what Gensyn's been doing for the past four-plus years, realistically, is building infrastructure. And so we're in this period now where the infrastructure is all at that v0.1 sort of beta level. It's all done. It's ready to go. We have to figure out how to show the world what's possible when it's quite a big shift to the way people think of machine learning.

Wilser: Oui, exactement. Et l'essaim RL est une démonstration de ce qui est possible, fondamentalement. C'est juste une démo quelque peu piratée de faire un apprentissage automatique évolutif et évolutif vraiment intéressant. Mais ce que Gensyn a fait depuis plus de quatre ans, plus, c'est de construire des infrastructures. Et donc nous sommes dans cette période maintenant où l'infrastructure est tout à ce niveau V0.1 bêta. Tout est fait. C'est prêt à partir. Nous devons comprendre comment montrer au monde ce qui est possible quand c'est un grand changement dans la façon dont les gens pensent de l'apprentissage automatique.

It sounds like you guys are

Il semble que vous soyez