Tren yang Muncul di Sektor AI Kripto: Katalis Utama, Kerangka Kerja Pengembangan, dan Proyek Teratas

Oleh Alex Xu, Mitra Peneliti di Mint Ventures

Perkenalan

Siklus pasar bullish kripto ini adalah yang paling membosankan dalam hal inovasi komersial. Berbeda dengan pasar bullish sebelumnya, yang melihat tren fenomenal seperti DeFi, NFT, dan GameFi, siklus ini tidak memiliki pusat industri yang signifikan. Akibatnya, terjadi pertumbuhan yang lamban dalam basis pengguna, investasi industri, dan aktivitas pengembang.

Tren ini juga terlihat pada harga aset kripto. Sepanjang keseluruhan siklus, sebagian besar altcoin, termasuk ETH, secara konsisten kehilangan nilai dibandingkan BTC. Penilaian platform kontrak pintar sebagian besar didorong oleh kemakmuran aplikasinya. Ketika inovasi dalam pengembangan aplikasi mengalami stagnasi, maka akan menjadi tantangan bagi peningkatan valuasi rantai publik.

Namun, kecerdasan buatan (AI), sebagai sektor yang relatif baru dalam lanskap bisnis kripto, dapat memperoleh manfaat dari pertumbuhan eksplosif dan hotspot yang sedang berlangsung di dunia komersial yang lebih luas. Hal ini memberi proyek AI dalam ruang kripto potensi untuk menarik perhatian tambahan yang signifikan.

Dalam laporan IO.NET yang diterbitkan oleh Mint Ventures pada bulan April, perlunya mengintegrasikan AI dengan kripto dianalisis secara menyeluruh. Keuntungan dari solusi ekonomi kripto—seperti determinisme, alokasi sumber daya yang efisien, dan ketidakpercayaan—berpotensi mengatasi tiga tantangan utama AI: keacakan, intensitas sumber daya, dan kesulitan dalam membedakan antara manusia dan mesin.

Di sektor AI ekonomi kripto, saya ingin membahas dan mengeksplorasi beberapa isu penting dalam artikel ini, termasuk:

• Narasi yang muncul atau berpotensi meledak ada di sektor kripto AI.

• Jalur katalitik dan kerangka logis dari narasi ini.

• Proyek Kripto + AI.

• Risiko dan ketidakpastian yang terlibat dalam pengembangan sektor kripto + AI.

Harap dicatat bahwa artikel ini mencerminkan pemikiran saya saat ini dan mungkin berkembang. Pendapat di sini bersifat subjektif dan mungkin terdapat kesalahan fakta, data, dan penalaran logis. Ini bukan nasihat keuangan, namun masukan dan diskusi sangat diharapkan.

Gelombang Narasi Berikutnya di Sektor Crypto AI

Sebelum mendalami tren yang muncul di sektor AI kripto, mari kita periksa dulu narasi-narasi terkemuka saat ini. Berdasarkan kapitalisasi pasar, perusahaan-perusahaan yang valuasinya melebihi $1 miliar meliputi:

• Kekuatan Komputasi

  • Render Network ($RNDR): memegang kapitalisasi pasar beredar sebesar $3,85 miliar, 

  • Akash: dengan kapitalisasi pasar beredar sebesar $1,2 miliar

  • IO.NET: baru-baru ini bernilai $1 miliar dalam putaran pembiayaan terbarunya.

• Jaringan Algoritma

  • Bittensor ($TAO): Memiliki kapitalisasi pasar beredar sebesar $2,97 miliar.

• Agen AI

  • Fetch.ai ($FET): mencapai kapitalisasi pasar beredar sebelum merger sebesar $2,1 miliar

*Waktu Pembaruan Data: 24 Mei 2024.

Di luar bidang-bidang yang disebutkan di atas, sektor AI mana yang akan menghasilkan proyek berikutnya dengan kapitalisasi pasar melebihi $1 miliar?

Saya yakin hal ini dapat dispekulasikan dari dua perspektif: narasi “sisi pasokan industri” dan narasi “momen GPT”.

Menelaah Peluang Bidang Energi dan Data dari Perspektif Sisi Pasokan Industri

Dari perspektif pasokan industri, empat kekuatan pendorong utama di balik pengembangan AI adalah:

• Algoritma: Algoritme berkualitas tinggi dapat menjalankan tugas pelatihan dan inferensi dengan lebih efisien.

• Daya Komputasi: Pelatihan model dan inferensi memerlukan daya komputasi besar yang disediakan oleh perangkat keras GPU. Persyaratan ini mewakili hambatan industri yang besar, dengan kekurangan chip saat ini yang menaikkan harga chip kelas menengah ke atas.

• Energi: Pusat data AI memerlukan konsumsi energi yang signifikan. Selain listrik yang dibutuhkan GPU untuk melakukan tugas komputasi, energi besar juga dibutuhkan untuk mendinginkan GPU. Di pusat data besar, sistem pendingin saja menyumbang sekitar 40% dari total konsumsi energi.

• Data: Meningkatkan performa model besar memerlukan perluasan parameter pelatihan, sehingga menyebabkan permintaan besar akan data berkualitas tinggi.

Mengenai empat kekuatan pendorong industri yang disebutkan di atas, sektor algoritma dan daya komputasi telah memiliki proyek kripto dengan kapitalisasi pasar yang beredar melebihi $1 miliar. Namun, sektor energi dan data belum melihat proyek mencapai kapitalisasi pasar yang sama.

Sebenarnya, kekurangan pasokan energi dan data akan segera muncul, berpotensi menjadi hotspot industri berikutnya dan mendorong lonjakan proyek terkait di bidang kripto.

Mari kita mulai dengan bagian energi.

Pada tanggal 29 Februari 2024, Elon Musk mengatakan pada konferensi Bosch ConnectedWorld 2024, “Saya memperkirakan kekurangan chip lebih dari setahun yang lalu, dan kekurangan berikutnya adalah listrik. Saya pikir tahun depan Anda akan melihat bahwa mereka tidak dapat menemukan listrik yang cukup untuk menjalankan semua chip.”

Menurut data spesifik, Institut Kecerdasan Buatan yang Berpusat pada Manusia di Universitas Stanford, dipimpin oleh Fei-Fei Li, menerbitkan “Laporan Indeks AI” setiap tahun. Dalam laporan mereka pada tahun 2022 mengenai industri AI pada tahun 2021, kelompok riset tersebut memperkirakan bahwa konsumsi energi AI pada tahun tersebut hanya menyumbang 0,9% dari permintaan listrik global, sehingga memberikan tekanan yang terbatas pada energi dan lingkungan. Namun, pada tahun 2023, Badan Energi Internasional (IEA) merangkum tahun 2022 dengan menyatakan bahwa pusat data global mengonsumsi sekitar 460 terawatt-jam (TWh) listrik, yang merupakan 2% dari kebutuhan listrik global. Mereka juga memperkirakan bahwa pada tahun 2026, konsumsi energi pusat data global setidaknya akan mencapai 620 TWh, dan berpotensi mencapai 1.050 TWh.

Pada kenyataannya, perkiraan Badan Energi Internasional (IEA) masih konservatif, karena sejumlah proyek AI yang akan diluncurkan akan membutuhkan energi yang jauh lebih besar dibandingkan perkiraan pada tahun 2023. 

Misalnya, Microsoft dan OpenAI sedang merencanakan proyek Stargate. Inisiatif ambisius ini akan dimulai pada tahun 2028 dan selesai sekitar tahun 2030. Proyek ini bertujuan untuk membangun superkomputer yang dilengkapi dengan jutaan chip AI khusus, memberikan OpenAI kekuatan komputasi yang belum pernah ada sebelumnya untuk memajukan penelitiannya di bidang kecerdasan buatan, khususnya model bahasa besar. Perkiraan biaya proyek ini melebihi $100 miliar, yaitu 100 kali lipat biaya pusat data besar saat ini.

Konsumsi energi untuk proyek Stargate sendiri diperkirakan mencapai 50 TWh.

Hasilnya, pendiri OpenAI, Sam Altman, menyatakan di Forum Davos pada bulan Januari lalu: “Kecerdasan buatan di masa depan akan membutuhkan terobosan energi, karena listrik yang dikonsumsi oleh AI akan jauh melebihi ekspektasi.”

Setelah daya komputasi dan energi, kekurangan terbesar berikutnya dalam industri AI yang berkembang pesat kemungkinan besar adalah data.

Faktanya, kekurangan data berkualitas tinggi yang diperlukan untuk AI telah menjadi kenyataan.

Melalui evolusi GPT yang sedang berlangsung, kami telah memahami sebagian besar pola peningkatan kemampuan model bahasa besar—dengan memperluas parameter model dan data pelatihan, kemampuan model ini dapat ditingkatkan secara eksponensial. Proses ini tidak menunjukkan hambatan teknis secara langsung.

Namun, data berkualitas tinggi dan tersedia untuk umum kemungkinan akan semakin langka di masa depan. Produk AI mungkin menghadapi konflik pasokan-permintaan serupa dengan yang dialami chip dan energi.

Pertama, meningkatnya perselisihan mengenai kepemilikan data.

Pada tanggal 27 Desember 2023, The New York Times mengajukan gugatan terhadap OpenAI dan Microsoft di Pengadilan Distrik AS, dengan tuduhan bahwa mereka menggunakan jutaan artikelnya tanpa izin untuk melatih model GPT. The New York Times menuntut ganti rugi senilai miliaran dolar menurut undang-undang dan aktual atas “penyalinan ilegal dan penggunaan karya unik yang bernilai” dan menuntut penghancuran semua model dan data pelatihan yang mencakup materi berhak cipta.

Pada akhir Maret 2024, The New York Times mengeluarkan pernyataan baru, memperluas tuduhannya di luar OpenAI hingga mencakup Google dan Meta. Pernyataan tersebut mengklaim bahwa OpenAI telah menggunakan alat pengenalan suara yang disebut Whisper untuk mentranskripsikan sejumlah besar video YouTube menjadi teks, yang kemudian digunakan untuk melatih GPT-4. The New York Times berpendapat bahwa sudah menjadi praktik umum bagi perusahaan besar untuk menggunakan taktik curang dalam melatih model AI mereka. Mereka juga menunjukkan bahwa Google terlibat dalam praktik serupa, mengubah konten video YouTube menjadi teks untuk pelatihan model mereka, yang pada dasarnya melanggar hak pembuat konten video.

Gugatan antara The New York Times dan OpenAI, yang dijuluki sebagai “kasus hak cipta AI” yang pertama, kemungkinan besar tidak akan diselesaikan dengan cepat karena kompleksitasnya dan dampak besar yang dapat ditimbulkannya terhadap masa depan konten dan industri AI. Salah satu hasil yang mungkin terjadi adalah penyelesaian di luar pengadilan, di mana Microsoft dan OpenAI yang berkantong tebal harus membayar sejumlah besar kompensasi. Namun, perselisihan mengenai hak cipta data di masa depan pasti akan menaikkan biaya keseluruhan untuk data berkualitas tinggi.

Selain itu, Google, sebagai mesin pencari terbesar di dunia, dilaporkan sedang mempertimbangkan untuk mengenakan biaya untuk layanan pencariannya—bukan untuk masyarakat umum, namun untuk perusahaan AI.

Sumber: Reuters

Server mesin pencari Google menyimpan sejumlah besar konten—pada dasarnya, semua konten yang muncul di halaman web sejak abad ke-21. Produk penelusuran berbasis AI, seperti Perplexity dan Kimi serta Meta Sota yang dikembangkan oleh perusahaan Tiongkok, memproses data yang diambil dari penelusuran ini melalui AI dan kemudian mengirimkannya ke pengguna. Membebankan biaya bagi perusahaan AI untuk mengakses data mesin pencari pasti akan meningkatkan biaya untuk memperoleh data.

Selain itu, raksasa AI tidak hanya berfokus pada data publik; mereka juga menargetkan data internal non-publik.

Photobucket, situs web hosting gambar dan video yang sudah lama berdiri, pernah memiliki 70 juta pengguna dan hampir separuh pangsa pasar foto online AS pada awal tahun 2000an. Namun, dengan maraknya media sosial, basis pengguna Photobucket telah berkurang secara signifikan, kini hanya berjumlah 2 juta pengguna aktif, masing-masing pengguna harus membayar biaya tahunan sebesar $399. Berdasarkan perjanjian pengguna dan kebijakan privasinya, akun yang tidak aktif selama lebih dari satu tahun akan diklaim kembali, sehingga memberikan Photobucket hak untuk menggunakan gambar dan video yang diunggah. CEO Photobucket, Ted Leonard, mengungkapkan bahwa 1,3 miliar foto dan video mereka sangat berharga untuk melatih model AI generatif. Dia saat ini sedang bernegosiasi dengan beberapa perusahaan teknologi untuk menjual data tersebut, dengan harga mulai dari 5 sen hingga 1 dolar per foto dan lebih dari 1 dolar per video. Leonard memperkirakan data Photobucket bisa bernilai lebih dari 1 miliar dolar.

Tim peneliti EPOCH, yang berspesialisasi dalam tren pengembangan AI, menerbitkan laporan berjudul “Apakah kita akan kehabisan data? Analisis batasan penskalaan kumpulan data di Machine Learning.” Laporan ini, berdasarkan penggunaan data pada tahun 2022 dalam pembelajaran mesin dan pembuatan data baru, serta mempertimbangkan pertumbuhan sumber daya komputasi, menyimpulkan bahwa data teks berkualitas tinggi dapat habis antara bulan Februari 2023 dan 2026, dan data gambar mungkin tidak berfungsi. akan dirilis antara tahun 2030 dan 2060. Tanpa peningkatan signifikan dalam efisiensi pemanfaatan data atau munculnya sumber data baru, tren model pembelajaran mesin besar yang bergantung pada kumpulan data besar saat ini dapat melambat.

Mengingat tren saat ini di mana raksasa AI membeli data dengan harga tinggi, nampaknya data teks gratis dan berkualitas tinggi sudah mulai berkurang, sehingga memvalidasi prediksi EPOCH dua tahun lalu. 

Pada saat yang sama, solusi terhadap “kekurangan data AI” sedang bermunculan, khususnya AI-data-as-a-service.

Defined.ai adalah salah satu perusahaan yang menawarkan data nyata berkualitas tinggi yang disesuaikan untuk perusahaan AI. 

Contoh Tipe Data di Defined.ai

Model bisnis Defined.ai bekerja sebagai berikut: Perusahaan AI menentukan kebutuhan datanya, seperti memerlukan gambar dengan kualitas resolusi tertentu, bebas dari keburaman dan eksposur berlebih, serta dengan konten autentik. Perusahaan juga dapat meminta tema tertentu berdasarkan tugas pelatihan mereka, seperti foto kerucut lalu lintas, tempat parkir, dan rambu pada malam hari untuk meningkatkan pengenalan pemandangan malam oleh AI. Masyarakat dapat menerima tugas tersebut, mengunggah fotonya, yang kemudian direview oleh Defined.ai. Gambar yang disetujui dibayar, biasanya $1-2 per gambar berkualitas tinggi, $5-7 per klip video pendek, dan $100-300 untuk video berkualitas tinggi berdurasi lebih dari 10 menit. Teks diberi kompensasi sebesar $1 per seribu kata, dan penyelesai tugas memperoleh sekitar 20% dari biaya tersebut. Pendekatan terhadap penyediaan data ini dapat menjadi bisnis crowdsourcing baru yang mirip dengan “pelabelan data”.

Distribusi tugas global, insentif ekonomi, penetapan harga aset data, sirkulasi, dan perlindungan privasi, dengan semua orang dapat berpartisipasi, terdengar sangat mirip dengan model bisnis yang sesuai dengan paradigma Web3.

Menganalisis Proyek Crypto + AI dari Perspektif Pasokan Industri

Perhatian yang dihasilkan oleh kekurangan chip telah meluas ke industri kripto, memposisikan daya komputasi terdesentralisasi sebagai sektor AI yang paling populer dan bernilai tertinggi hingga saat ini. 

Jika konflik pasokan dan permintaan dalam industri AI untuk energi dan data menjadi akut dalam 1-2 tahun ke depan, proyek terkait narasi apa yang saat ini hadir di industri kripto?

Mari kita mulai dengan proyek berkonsep energi. 

Saat ini, proyek energi yang terdaftar di bursa terpusat utama (CEX) sangat langka, dengan Power Ledger dan token aslinya $POWR menjadi satu-satunya contoh.

Power Ledger didirikan pada tahun 2017 sebagai platform energi komprehensif berbasis blockchain yang bertujuan untuk mendesentralisasikan perdagangan energi. Hal ini mendorong perdagangan listrik langsung antar individu dan komunitas, mendukung adopsi energi terbarukan secara luas, dan memastikan transparansi dan efisiensi transaksi melalui kontrak pintar. Awalnya, Power Ledger beroperasi pada rantai konsorsium yang diadaptasi dari Ethereum. Pada paruh kedua tahun 2023, Power Ledger memperbarui whitepapernya dan meluncurkan rantai publik komprehensifnya sendiri, berdasarkan kerangka teknis Solana, untuk menangani transaksi mikro frekuensi tinggi di pasar energi terdistribusi. Area bisnis utama Power Ledger saat ini meliputi:

• Perdagangan Energi: Memungkinkan pengguna untuk membeli dan menjual listrik secara langsung dengan cara peer-to-peer, terutama dari sumber terbarukan.

• Perdagangan Produk Lingkungan: Memfasilitasi perdagangan kredit karbon dan sertifikat energi terbarukan, serta pembiayaan berdasarkan produk lingkungan.

• Operasi Rantai Publik: Menarik pengembang aplikasi untuk membangun blockchain Power Ledger, dengan biaya transaksi dibayarkan dalam token $POWR.

Kapitalisasi pasar Power Ledger yang beredar saat ini adalah $170 juta, dengan kapitalisasi pasar terdilusi penuh sebesar $320 juta.

Dibandingkan dengan proyek kripto berkonsep energi, terdapat lebih banyak variasi target di sektor data.

Di bawah ini tercantum proyek sektor data yang sedang saya ikuti, yang telah terdaftar di setidaknya satu CEX besar, seperti Binance, OKX, atau Coinbase, disusun berdasarkan penilaian terdilusi penuh (FDV) dari rendah ke tinggi:

1. Streamer ($DATA)

Proposisi nilai Streamr adalah membangun jaringan data real-time yang terdesentralisasi di mana pengguna dapat dengan bebas berdagang dan berbagi data sambil tetap mempertahankan kendali penuh atas informasi mereka sendiri. Melalui pasar datanya, Streamr bertujuan untuk memungkinkan produsen data menjual aliran data secara langsung kepada konsumen yang berminat, menghilangkan kebutuhan akan perantara, sehingga mengurangi biaya dan meningkatkan efisiensi.

Sumber: https://streamr.network/hub/projects

Dalam aplikasi dunia nyata, Streamr telah berkolaborasi dengan proyek perangkat keras kendaraan Web3 lainnya, DIMO, untuk mengumpulkan data seperti suhu dan tekanan udara melalui sensor perangkat keras DIMO yang dipasang di kendaraan. Data ini kemudian dikirimkan sebagai aliran data cuaca ke organisasi yang membutuhkannya.

Berbeda dengan proyek data lainnya, Streamr lebih fokus pada IoT dan data sensor perangkat keras. Selain data kendaraan DIMO, proyek penting lainnya mencakup aliran data lalu lintas waktu nyata di Helsinki. Akibatnya, token Streamr, $DATA, mengalami lonjakan signifikan, menggandakan nilainya dalam satu hari selama puncak konsep Depin pada bulan Desember lalu. 

Saat ini, kapitalisasi pasar beredar Streamr adalah $44 juta, dengan kapitalisasi pasar terdilusi penuh sebesar $58 juta.

2. Kovalen ($CQT)

Tidak seperti proyek data lainnya, Covalent berfokus pada penyediaan data blockchain. Jaringan Covalent membaca data dari node blockchain melalui RPC, memproses dan mengaturnya, serta membuat database kueri yang efisien. Hal ini memungkinkan pengguna Covalent dengan cepat mengambil informasi yang mereka perlukan tanpa melakukan pertanyaan rumit secara langsung pada node blockchain. Layanan tersebut disebut sebagai “pengindeksan data blockchain.”

Covalent terutama melayani pelanggan perusahaan, termasuk berbagai protokol DeFi, dan banyak perusahaan kripto terpusat seperti Consensys (perusahaan induk MetaMask), CoinGecko (situs pelacakan aset kripto terkenal), Rotki (alat pajak), dan Rainbow (a dompet kripto). Selain itu, raksasa industri keuangan tradisional seperti Fidelity dan Ernst & Young juga merupakan salah satu klien Covalent. Menurut pengungkapan resmi Covalent, pendapatan proyek dari layanan data telah melampaui pendapatan proyek terkemuka di bidang yang sama, The Graph.

Industri Web3, dengan data on-chain yang terintegrasi, transparan, autentik, dan real-time, siap menjadi sumber data berkualitas tinggi untuk skenario AI khusus dan “model AI kecil” tertentu. Covalent, sebagai penyedia data, telah mulai menawarkan data untuk berbagai skenario AI dan telah memperkenalkan data terstruktur yang dapat diverifikasi dan disesuaikan untuk aplikasi AI.

Sumber: Solusi tentang Covalent

Misalnya, Covalent menyediakan data untuk platform perdagangan pintar on-chain SmartWhales, yang menggunakan AI untuk mengidentifikasi pola dan alamat perdagangan yang menguntungkan. Entender Finance memanfaatkan data terstruktur Covalent, diproses oleh teknologi AI untuk wawasan waktu nyata, deteksi anomali, dan analisis prediktif.

Saat ini, skenario aplikasi utama layanan data on-chain Covalent sebagian besar berada di bidang keuangan. Namun, seiring dengan semakin beragamnya jenis produk dan data Web3, kasus penggunaan data on-chain diperkirakan akan semakin meluas.

Kapitalisasi pasar Covalent yang beredar adalah $150 juta, dengan kapitalisasi pasar terdilusi penuh sebesar $235 juta, menawarkan keunggulan penilaian yang nyata dibandingkan dengan The Graph, sebuah proyek terkemuka di sektor pengindeksan data blockchain.

3. Pemeta Sarang ($Madu)

Di antara semua tipe data, data video biasanya memiliki harga tertinggi. Hivemapper dapat memberikan informasi video dan peta kepada perusahaan AI. Hivemapper adalah proyek pemetaan global terdesentralisasi yang bertujuan untuk menciptakan sistem peta yang terperinci, dinamis, dan dapat diakses melalui teknologi blockchain dan kontribusi komunitas. Peserta menangkap data peta menggunakan kamera dasbor dan menambahkannya ke jaringan data Hivemapper sumber terbuka, sehingga mendapatkan token $HONEY sebagai hadiah atas kontribusi mereka. Untuk meningkatkan efek jaringan dan mengurangi biaya interaksi, Hivemapper dibangun di Solana.

Hivemapper didirikan pada tahun 2015 dengan visi awal membuat peta menggunakan drone. Namun, pendekatan ini terbukti sulit untuk diukur, sehingga perusahaan beralih ke penggunaan kamera dasbor dan ponsel pintar untuk menangkap data geografis, sehingga mengurangi biaya pembuatan peta global.

Dibandingkan dengan perangkat lunak tampilan jalan dan pemetaan seperti Google Maps, Hivemapper memanfaatkan jaringan insentif dan model crowdsourcing untuk memperluas cakupan peta secara lebih efisien, menjaga kesegaran data peta dunia nyata, dan meningkatkan kualitas video.

Sebelum lonjakan permintaan data oleh AI, pelanggan utama Hivemapper mencakup departemen mengemudi otonom di perusahaan otomotif, penyedia layanan navigasi, pemerintah, perusahaan asuransi, dan perusahaan real estat. Saat ini, Hivemapper dapat menyediakan data jalan dan lingkungan yang luas untuk AI dan model besar melalui API. Dengan terus memperbarui aliran data gambar dan fitur jalan, model AI dan ML akan lebih siap untuk menerjemahkan data ini menjadi kemampuan yang lebih baik, sehingga memungkinkan mereka melakukan tugas terkait lokasi geografis dan penilaian visual dengan lebih efektif.

Sumber: Blog Hivemapper

Saat ini, kapitalisasi pasar yang beredar dari $Honey, token asli Hivemapper, adalah $120 juta, dengan kapitalisasi pasar terdilusi penuh sebesar $496 juta. 

Selain proyek-proyek tersebut di atas, proyek-proyek penting lainnya di sektor data meliputi:

1. The Graph ($GRT): Dengan kapitalisasi pasar yang beredar sebesar $3,2 miliar dan penilaian terdilusi penuh (FDV) sebesar $3,7 miliar, The Graph menyediakan layanan pengindeksan data blockchain yang mirip dengan Covalent.

2. Ocean Protocol ($OCEAN): Ocean Protocol memiliki kapitalisasi pasar beredar sebesar $670 juta dan FDV sebesar $1,45 miliar. Proyek ini bertujuan untuk memfasilitasi pertukaran dan monetisasi data dan layanan terkait data melalui protokol sumber terbukanya. Ocean Protocol menghubungkan konsumen data dengan penyedia data, memastikan kepercayaan, transparansi, dan keterlacakan dalam berbagi data. Proyek ini diatur untuk bergabung dengan Fetch.ai dan SingularityNET, dengan token diubah menjadi $ASI.

Kemunculan Kembali Momen GPT dan Munculnya Kecerdasan Buatan Umum

Dalam pandangan saya, “sektor AI” dalam industri kripto benar-benar dimulai pada tahun 2023, tahun yang tepat ketika ChatGPT mengejutkan dunia. Lonjakan pesat proyek AI kripto sebagian besar didorong oleh “gelombang antusiasme” menyusul ledakan pertumbuhan industri AI.

Meskipun kemampuan terus ditingkatkan dengan model seperti GPT-4 dan GPT-turbo, dan kemampuan pembuatan video mengesankan yang ditunjukkan oleh Sora, serta perkembangan pesat model bahasa besar di luar OpenAI, tidak dapat disangkal bahwa kemajuan teknologi dalam AI menyebabkan mengurangi guncangan kognitif pada masyarakat. Masyarakat secara bertahap mulai mengadopsi alat AI, dan penggantian pekerjaan dalam skala besar belum terwujud.

Akankah kita menyaksikan “momen GPT” lainnya di masa depan, sebuah lompatan pembangunan yang mengejutkan masyarakat dan menyadarkan mereka bahwa kehidupan dan pekerjaan mereka akan berubah secara mendasar?

Momen ini mungkin merupakan kedatangan kecerdasan buatan umum (AGI).

AGI, atau kecerdasan umum buatan, mengacu pada mesin yang memiliki kemampuan kognitif umum seperti manusia, yang mampu memecahkan berbagai masalah kompleks, bukan hanya terbatas pada tugas tertentu. Sistem AGI memiliki pemikiran abstrak tingkat tinggi, latar belakang pengetahuan yang luas, penalaran akal sehat yang komprehensif, pemahaman kausal, dan kemampuan pembelajaran transfer lintas disiplin. AGI tampil pada level manusia terbaik di berbagai bidang dan, dalam hal kemampuan secara keseluruhan, benar-benar melampaui kelompok manusia yang paling menonjol sekalipun.

Faktanya, baik digambarkan dalam novel fiksi ilmiah, game, film, atau melalui ekspektasi masyarakat menyusul pesatnya peningkatan GPT, masyarakat telah lama mengantisipasi munculnya AGI yang melampaui tingkat kognitif manusia. Dengan kata lain, GPT sendiri merupakan pendahulu dari AGI, yang merupakan cikal bakal kecerdasan buatan secara umum.

Alasan mengapa GPT mempunyai dampak industri dan guncangan psikologis yang besar adalah karena penerapan dan kinerjanya jauh melebihi ekspektasi publik. Orang-orang tidak menyangka bahwa sistem AI yang mampu lulus uji Turing akan hadir begitu cepat dan dengan kemampuan yang begitu mengesankan.

Faktanya, kecerdasan umum buatan (AGI) mungkin sekali lagi akan menciptakan “momen GPT” dalam 1-2 tahun ke depan: ketika orang-orang mulai terbiasa menggunakan GPT sebagai asisten, mereka mungkin akan segera menyadari bahwa AI telah berevolusi lebih dari sekadar menjadi manusia. seorang asisten. Teknologi ini dapat secara mandiri menangani tugas-tugas yang sangat kreatif dan menantang, termasuk memecahkan masalah yang telah membingungkan para ilmuwan terkemuka selama beberapa dekade.

Pada tanggal 8 April tahun ini, Elon Musk diwawancarai oleh Nicolai Tangen, Chief Investment Officer dana kekayaan negara Norwegia, dan dia membahas garis waktu kemunculan AGI. 

Musk menyatakan, “Jika kita mendefinisikan AGI sebagai lebih pintar dari manusia terpintar, saya pikir kemungkinan besar AGI akan muncul pada tahun 2025.”

Menurut prediksi Elon Musk, dibutuhkan waktu paling lama satu setengah tahun lagi sampai AGI bisa hadir. Namun, ia menambahkan syarat: “asalkan listrik dan perangkat keras dapat mengimbanginya.”

Manfaat kedatangan AGI sudah jelas.

Ini berarti bahwa produktivitas manusia akan mengalami kemajuan yang signifikan, dan banyak permasalahan ilmiah yang telah membingungkan kita selama beberapa dekade akan teratasi. Jika kita mendefinisikan “manusia terpintar” sebagai pemenang Hadiah Nobel, hal ini berarti bahwa, asalkan kita memiliki energi, daya komputasi, dan data yang cukup, kita akan memiliki banyak sekali “peraih Nobel” yang tak kenal lelah bekerja sepanjang waktu untuk mengatasi permasalahan ilmiah yang paling menantang.

Namun, pemenang Hadiah Nobel tidak jarang, hanya satu di antara ratusan juta orang. Kemampuan dan kecerdasan mereka seringkali berada pada level profesor universitas terkemuka. Namun, karena kemungkinan dan keberuntungan, mereka memilih arah yang benar, bertahan, dan mencapai hasil. Banyak dari rekan-rekan mereka yang sama-sama berkemampuan mungkin telah memenangkan Hadiah Nobel di bidang penelitian ilmiah paralel. Sayangnya, jumlah profesor universitas terkemuka yang terlibat dalam terobosan ilmiah masih kurang, sehingga kecepatan “menjelajahi semua arah yang benar dalam penelitian ilmiah” masih sangat lambat.

Dengan AGI, dan dengan energi serta daya komputasi yang memadai, kita dapat memiliki AGI “setingkat peraih Nobel” dalam jumlah tak terbatas yang melakukan eksplorasi mendalam ke segala arah yang potensial untuk terobosan ilmiah. Kecepatan kemajuan teknologi akan meningkat secara eksponensial. Percepatan ini akan menyebabkan peningkatan seratus kali lipat dalam sumber daya yang saat ini kita anggap mahal dan langka dalam 10 hingga 20 tahun ke depan, seperti produksi pangan, bahan-bahan baru, obat-obatan, dan pendidikan berkualitas tinggi. Biaya untuk memperoleh sumber daya ini akan menurun drastis. Kita akan mampu menyokong populasi yang lebih besar dengan sumber daya yang lebih sedikit, dan kekayaan per kapita akan meningkat dengan cepat.

Tren PDB Global Dibuat oleh Bank Dunia

Ini mungkin terdengar sensasional, jadi mari kita perhatikan dua contoh. Contoh berikut juga digunakan dalam laporan penelitian saya sebelumnya di IO.NET:

• Pada tahun 2018, Peraih Nobel Kimia, Frances Arnold, mengatakan pada upacara penghargaannya, “Saat ini, untuk semua tujuan praktis, kita dapat membaca, menulis, dan mengedit rangkaian DNA apa pun, tetapi kita tidak dapat menyusunnya. ” Lima tahun kemudian, pada tahun 2023, tim peneliti dari Stanford University dan Salesforce Research, sebuah startup yang berfokus pada AI, membuat publikasi di “Nature Biotechnology.” Dengan menggunakan model bahasa besar yang disempurnakan dari GPT-3, mereka menghasilkan katalog baru yang terdiri dari 1 juta protein. Diantaranya, mereka menemukan dua protein dengan struktur berbeda, keduanya memiliki fungsi antibakteri, yang berpotensi membuka jalan bagi strategi resistensi bakteri baru di luar antibiotik tradisional. Hal ini menandakan lompatan besar dalam mengatasi hambatan produksi protein dengan bantuan AI.

• Sebelumnya, algoritme kecerdasan buatan AlphaFold memperkirakan struktur dari hampir 2,14 miliar jenis protein di Bumi dalam waktu 18 bulan—sebuah tonggak sejarah yang memperkuat pencapaian para ahli biologi struktural sepanjang sejarah dengan beberapa tingkatan.

Transformasi sedang berlangsung, dan kehadiran AGI akan semakin mempercepat proses ini.

Namun kehadiran AGI juga menghadirkan tantangan yang sangat besar.

AGI tidak hanya akan menggantikan sejumlah besar pekerja berpengetahuan, namun juga mereka yang bekerja di industri jasa fisik, yang saat ini dianggap “kurang terkena dampak AI.” Seiring dengan semakin matangnya teknologi robotik dan material baru yang menurunkan biaya produksi, proporsi pekerjaan yang digantikan oleh mesin dan perangkat lunak akan meningkat pesat.

Ketika hal ini terjadi, dua permasalahan yang tadinya tampak sangat jauh akan segera muncul ke permukaan:

1. Tantangan ketenagakerjaan dan pendapatan dari sejumlah besar populasi pengangguran

2. Bagaimana membedakan antara AI dan manusia di dunia dimana AI ada dimana-mana

Worldcoin dan Worldchain berupaya memberikan solusi dengan menerapkan sistem pendapatan dasar universal (UBI) untuk menjamin pendapatan dasar bagi masyarakat, dan menggunakan biometrik berbasis iris untuk membedakan antara manusia dan AI.

Faktanya, UBI bukan sekedar konsep teoritis; itu telah diuji dalam praktik dunia nyata. Negara-negara seperti Finlandia dan Inggris telah melakukan eksperimen UBI, sementara partai politik di Kanada, Spanyol, dan India secara aktif mengusulkan dan mempromosikan inisiatif serupa.

Keuntungan menggunakan identifikasi biometrik dan model blockchain untuk distribusi UBI terletak pada jangkauan globalnya, sehingga memberikan cakupan populasi yang lebih luas. Selain itu, jaringan pengguna yang diperluas melalui distribusi pendapatan dapat mendukung model bisnis lain, seperti layanan keuangan (DeFi), jejaring sosial, dan task crowdsourcing, sehingga menciptakan sinergi dalam ekosistem komersial jaringan.

Salah satu proyek penting yang mengatasi dampak kedatangan AGI adalah Worldcoin ($WLD), dengan kapitalisasi pasar beredar sebesar $1,03 miliar dan kapitalisasi pasar terdilusi penuh sebesar $47,2 miliar.

Risiko dan Ketidakpastian pada Narasi Crypto AI

Tidak seperti banyak laporan penelitian yang sebelumnya dirilis oleh Mint Ventures, artikel ini mengandung tingkat subjektivitas yang signifikan dalam perkiraan dan prediksi naratifnya. Pembaca harus melihat isi artikel ini sebagai diskusi spekulatif dan bukan perkiraan masa depan. Perkiraan naratif yang disebutkan di atas menghadapi banyak ketidakpastian yang dapat menyebabkan asumsi yang salah. Risiko atau faktor yang mempengaruhi ini termasuk namun tidak terbatas pada:

Risiko Energi: Penurunan Konsumsi Energi Secara Cepat Karena Peningkatan GPU

Meskipun permintaan energi untuk AI meningkat, produsen chip seperti NVIDIA terus meningkatkan perangkat keras mereka untuk menghasilkan daya komputasi yang lebih tinggi dengan konsumsi energi yang lebih rendah. Misalnya, pada bulan Maret 2024, NVIDIA merilis kartu komputasi AI generasi baru GB200, yang mengintegrasikan dua GPU B200 dan satu CPU Grace. Performa pelatihannya empat kali lipat dari GPU AI mainstream H100 sebelumnya, dan performa inferensinya tujuh kali lipat dari H100, sementara hanya memerlukan seperempat konsumsi energi H100. Meskipun demikian, minat terhadap energi berbasis AI terus meningkat. Dengan penurunan konsumsi energi unit dan semakin meluasnya skenario dan permintaan penerapan AI, total konsumsi energi mungkin akan meningkat.

Risiko Data: Project Q* dan “Data yang Dibuat Sendiri”

Ada rumor proyek dalam OpenAI yang dikenal sebagai “Q*,” yang disebutkan dalam komunikasi internal kepada karyawan. Menurut Reuters, mengutip orang dalam di OpenAI, hal ini dapat mewakili terobosan signifikan dalam jalur OpenAI untuk mencapai superintelligence atau kecerdasan umum buatan (AGI). Q* dikabarkan dapat memecahkan masalah matematika yang sebelumnya tidak terlihat melalui abstraksi dan menghasilkan datanya sendiri untuk melatih model besar, tanpa memerlukan masukan data dunia nyata. Jika rumor ini benar, hambatan dalam pelatihan model AI berskala besar yang terkendala oleh kurangnya data berkualitas tinggi akan tereliminasi.

Kedatangan AGI: Kekhawatiran OpenAI

Apakah AGI benar-benar akan hadir pada tahun 2025, seperti prediksi Musk, masih belum pasti, namun ini hanya masalah waktu saja. Worldcoin, sebagai penerima manfaat langsung dari narasi AGI, menghadapi kekhawatiran terbesarnya dari OpenAI, mengingat bahwa OpenAI secara luas dianggap sebagai “token bayangan OpenAI.”

Pada dini hari tanggal 14 Mei, OpenAI menyajikan performa terbaru GPT-4o dan 19 versi model bahasa besar lainnya dalam skor tugas komprehensif pada Peluncuran Produk Baru Musim Semi. Berdasarkan tabel, GPT-4o mendapat skor 1310, yang secara visual tampak jauh lebih tinggi dibandingkan yang lain. Namun, dalam hal skor total, ini hanya 4,5% lebih tinggi dari turbo GPT-4 di posisi kedua, 4,9% lebih tinggi dari Gemini 1.5 Pro Google di posisi keempat, dan 5,1% lebih tinggi dari Claude3 Opus dari Anthropic di posisi kelima.

Sejak GPT-3.5 pertama kali mengejutkan dunia, hanya kurang dari satu tahun telah berlalu, dan pesaing OpenAI telah menutup kesenjangan tersebut secara signifikan (walaupun GPT-5 belum dirilis, yang diperkirakan akan terjadi tahun ini). Pertanyaan apakah OpenAI dapat mempertahankan posisinya sebagai pemimpin industri di masa depan menjadi semakin tidak pasti. Jika keunggulan dan dominasi OpenAI terdilusi atau bahkan terlampaui, maka nilai narasi Worldcoin sebagai token bayangan OpenAI juga akan berkurang.

Selain solusi otentikasi iris mata Worldcoin, semakin banyak pesaing yang memasuki pasar. Misalnya, proyek ID pemindaian telapak tangan, Humanity Protocol, baru-baru ini menyelesaikan putaran pendanaan baru, mengumpulkan $30 juta dengan penilaian $1 miliar. LayerZero Labs juga telah mengumumkan bahwa mereka akan beroperasi pada Humanity dan bergabung dengan jaringan node validatornya, menggunakan bukti ZK untuk mengautentikasi kredensial.

Kesimpulan

Sebagai kesimpulan, meskipun saya telah memperkirakan potensi narasi masa depan untuk sektor AI kripto, penting untuk menyadari bahwa sektor ini berbeda dari sektor kripto asli seperti DeFi. Ini sebagian besar merupakan produk dari hype AI yang menyebar ke dunia kripto. Banyak proyek saat ini yang belum membuktikan model bisnisnya, dan banyak proyek yang lebih mirip meme bertema AI (misalnya, $RNDR menyerupai meme NVIDIA, Worldcoin menyerupai meme OpenAI). Pembaca harus melakukan pendekatan ini dengan hati-hati.