Prostor Web3-AI je jedním z nejžhavějších v oblasti kryptoměn, kombinuje velký příslib s výrazným humbukem. Připadá mi téměř kacířské poukazovat na množství projektů Web3-AI s tržními stropy v hodnotě několika miliard dolarů, ale bez praktických případů použití, které jsou poháněny čistě zástupnými narativy z tradičního trhu AI. Mezitím se mezera ve schopnostech umělé inteligence mezi Web2 a Web3 znepokojivě zvětšuje. Web3-AI však není jen humbuk. Nedávný vývoj na trhu generativní umělé inteligence zdůrazňuje hodnotovou nabídku decentralizovanějších přístupů.
Vezmeme-li v úvahu všechny tyto faktory, ocitáme se na přehnaném a přefinancovaném trhu, který je odpojen od stavu generativního průmyslu umělé inteligence, přesto je schopen uvolnit obrovskou hodnotu pro další vlnu generativní umělé inteligence. Pocit zmatenosti je pochopitelný. Pokud ustoupíme od humbuku a analyzujeme prostor Web3-AI optikou současných požadavků, objeví se jasné oblasti, kde může Web3 přinést podstatnou hodnotu. To však vyžaduje proříznutí hustého pole zkreslení reality.
Zkreslení reality Web3-AI
Jako krypto domorodci máme tendenci vidět hodnotu decentralizace ve všem. Umělá inteligence se však vyvinula jako stále více centralizovaná síla, pokud jde o data a výpočty, takže hodnotová nabídka decentralizované umělé inteligence musí začít bojem proti této přirozené centralizační síle.
Pokud jde o AI, existuje stále větší nesoulad mezi hodnotou, kterou vnímáme jako vytváření ve Web3, a potřebami trhu AI. Znepokojující skutečností je, že propast mezi Web2 a Web3 AI se spíše zvětšuje, než zmenšuje, což je v zásadě dáno třemi klíčovými faktory:
Limited AI Research Talent
Počet výzkumníků AI pracujících ve Web3 je v nízkých jednociferných číslech. To je stěží povzbudivé pro ty, kteří tvrdí, že Web3 je budoucností AI.
Omezená infrastruktura
Zatím se nám nepodařilo přimět webové aplikace, aby správně fungovaly s backendy Web3, takže přemýšlet o umělé inteligenci je přinejmenším namáhavé. Infrastruktura Web3 ukládá výpočetní omezení, která jsou nepraktická pro životní cyklus generativních řešení AI.
Omezené modely, data a výpočetní zdroje
Generativní AI se opírá o tři věci: modely, data a výpočty. Žádný z velkých hraničních modelů není vybaven pro provoz na infrastrukturách Web3; neexistuje žádný základ pro velké tréninkové datové sady; a mezi clustery Web3 GPU a těmi, které jsou nutné pro předtrénování a dolaďování základních modelů, existuje obrovský rozdíl v kvalitě.
Obtížnou realitou je, že Web3 buduje „chudí“ verzi AI, v podstatě se snaží vyrovnat schopnostem Web2 AI, ale vytváří horší verze. Tato realita ostře kontrastuje s obrovským hodnotovým návrhem decentralizace v několika oblastech AI.
Abychom se vyhnuli tomu, že by tato analýza byla abstraktní tezí, pojďme se ponořit do různých decentralizovaných trendů AI a vyhodnotit je v porovnání s jejich tržním potenciálem AI.
Přečtěte si více: Jesus Rodriguez – Financování open-source generativní umělé inteligence pomocí kryptoměn
Zkreslení reality ve Web3-AI vedlo k počáteční vlně inovací a financování zaměřených na projekty, jejichž hodnotové nabídky se zdají být odtržené od reality trhu s AI. Zároveň existují další nově vznikající oblasti Web3-AI, které mají obrovský potenciál.
Některé přehnané trendy Web3-AI
Decentralizovaná infrastruktura GPU pro školení a jemné ladění
V posledních několika letech jsme byli svědky exploze decentralizovaných GPU infrastruktur s příslibem demokratizace předtrénování a dolaďování základních modelů. Záměrem je umožnit alternativu k monopolizaci GPU zavedené zavedenými laboratořemi AI. Realita je taková, že předtrénování a dolaďování velkých modelů základů vyžaduje velké clustery GPU se superrychlými komunikačními sběrnicemi, které je spojují. Cyklus předtrénování základního modelu 50B-100B v decentralizované infrastruktuře umělé inteligence by mohl trvat déle než rok, pokud vůbec bude fungovat.
Rámce ZK-AI
Myšlenka kombinace výpočtů s nulovými znalostmi (zk) a AI vyvolala zajímavé koncepty umožňující mechanismy ochrany soukromí v základních modelech. Vzhledem k důležitosti infrastruktury zk ve Web3 slibuje několik rámců začlenění výpočtu zk do základních modelů. Ačkoli jsou modely zk-AI teoreticky přitažlivé, rychle narazí na problém, že jsou z výpočetního hlediska neúměrně drahé, když se aplikují na velké modely. Zk navíc omezí aspekty, jako je interpretovatelnost, což je jedna z nejslibnějších oblastí generativní umělé inteligence.
Proof-of-Inference
Crypto je o kryptografických důkazech a někdy jsou připojeny k věcem, které je nepotřebují. V prostoru Web3-AI vidíme příklady frameworků vydávajících kryptografické důkazy konkrétních modelových výstupů. Výzvy s těmito scénáři nejsou technologické, ale souvisí s trhem. V zásadě je proof-of-inference do jisté míry řešením pro hledání problému a dnes postrádá jakékoli skutečné případy použití.
Některé trendy Web3-AI s vysokým potenciálem
Agenti s peněženkami
Agentské pracovní postupy jsou jedním z nejzajímavějších trendů v generativní umělé inteligenci a mají významný potenciál pro kryptoměny. Agenty máme na mysli programy AI, které dokážou nejen pasivně odpovídat na otázky na základě vstupů, ale také provádět akce proti danému prostředí. Zatímco většina autonomních agentů je vytvořena pro izolované případy použití, jsme svědky rychlého nástupu multiagentních prostředí a spolupráce.
Toto je oblast, kde mohou kryptoměny odemknout obrovskou hodnotu. Představte si například scénář, kdy agent potřebuje najmout další agenty, aby dokončili úkol nebo vsadili nějakou hodnotu, aby ručili za kvalitu svých výstupů. Poskytování agentů s finančními primitivy ve formě kryptografických kolejí odemyká mnoho případů použití pro spolupráci agentů.
Krypto financování pro AI
Jedním z nejznámějších tajemství generativní umělé inteligence je, že prostor umělé inteligence s otevřeným zdrojovým kódem prochází obrovskou finanční tísní. Většina laboratoří AI s otevřeným zdrojovým kódem si již nemůže dovolit pracovat na velkých modelech a místo toho se zaměřuje na jiné oblasti, které nevyžadují obrovské množství výpočetního přístupu a dat. Crypto je extrémně efektivní při tvorbě kapitálu pomocí mechanismů, jako jsou airdrops, pobídky nebo dokonce body. Koncept kryptofinancování pro open-source generativní AI je jednou z nejslibnějších oblastí na průsečíku těchto dvou trendů.
Modely malých základů
Loni Microsoft zavedl termín malý jazykový model (SLM) po vydání svého modelu Phi, který s méně než 2B parametry dokázal překonat mnohem větší LLM v počítačových a matematických úlohách. Malé základní modely – myslím, že parametry 1B-5B – jsou klíčovým požadavkem pro životaschopnost decentralizované umělé inteligence a odemykají slibné scénáře pro umělou inteligenci na zařízení. Decentralizace modelů s mnoha sty miliardami parametrů je dnes téměř nemožná a nějakou dobu to tak zůstane. Modely malých základů by však měly být schopny běžet na mnoha dnešních infrastrukturách Web3. Prosazování agendy SLM je zásadní pro budování skutečné hodnoty s Web3 a AI.
Generování syntetických dat
Nedostatek dat je jednou z největších výzev této nejnovější generace modelů základů. V důsledku toho se zvyšuje úroveň výzkumu zaměřeného na mechanismy generování syntetických dat pomocí základních modelů, které mohou doplňovat soubory dat v reálném světě. Mechanika krypto sítí a tokenové pobídky mohou ideálně koordinovat velký počet stran, aby spolupracovaly při vytváření nových syntetických datových sad.
Další relevantní trendy Web3-AI
Existuje několik dalších zajímavých trendů Web3-AI s významným potenciálem. Výstupy Proof-of-Human jsou stále aktuálnější vzhledem k výzvám s obsahem generovaným AI. Hodnocení a benchmarking je segmentem umělé inteligence, ve kterém mohou zazářit schopnosti důvěry a transparentnosti Web3. Jemné ladění zaměřené na člověka, jako je například posilování učení s lidskou zpětnou vazbou (RLHF), je také zajímavým scénářem pro sítě Web3. S dalším vývojem generativní umělé inteligence a dozráváním schopností Web3-AI se pravděpodobně objeví další scénáře.
Potřeba více decentralizovaných schopností AI je velmi reálná. I když odvětví Web3 ještě nemusí být v pozici, kdy může konkurovat hodnotě vytvořené megamodely AI, může odemknout skutečnou hodnotu pro generativní prostor AI. Největší výzvou pro vývoj Web3-AI může být překonání jejího vlastního pole zkreslení reality. Web3-AI má spoustu hodnoty; musíme se jen soustředit na budování skutečných věcí.
Poznámka: Názory vyjádřené v tomto sloupci jsou názory autora a nemusí nutně odrážet názory společnosti CoinDesk, Inc. nebo jejích vlastníků a přidružených společností.