Lo spazio Web3-AI è uno dei più interessanti nel settore delle criptovalute e combina grandi promesse con un clamore significativo. Sembra quasi eretico sottolineare il numero di progetti Web3-AI con capitalizzazioni di mercato multimiliardarie ma senza casi d’uso pratici, guidati esclusivamente da narrazioni per procura del tradizionale mercato dell’IA. Nel frattempo, il divario nelle capacità di intelligenza artificiale tra Web2 e Web3 continua ad ampliarsi in modo allarmante. Tuttavia, Web3-AI non è solo pubblicità. I recenti sviluppi nel mercato dell’intelligenza artificiale generativa evidenziano la proposta di valore di approcci più decentralizzati.
Considerando tutti questi fattori, ci troviamo in un mercato sovraffollato e sovrafinanziato, disconnesso dallo stato del settore dell’intelligenza artificiale generativa, ma capace di sbloccare un valore enorme per la prossima ondata di intelligenza artificiale generativa. Sentirsi confusi è comprensibile. Se facciamo un passo indietro rispetto al clamore pubblicitario e analizziamo lo spazio Web3-AI attraverso la lente dei requisiti attuali, emergono aree chiare in cui Web3 può fornire un valore sostanziale. Ma ciò richiede di attraversare un denso campo di distorsione della realtà.
Web3-AI Distorsione della realtà
Come nativi cripto, tendiamo a vedere il valore della decentralizzazione in ogni cosa. Tuttavia, l’intelligenza artificiale si è evoluta come una forza sempre più centralizzata in termini di dati e calcolo, quindi la proposta di valore dell’intelligenza artificiale decentralizzata deve iniziare contrastando quella naturale forza di centralizzazione.
Quando si parla di intelligenza artificiale, c’è una crescente discrepanza tra il valore che percepiamo creato nel Web3 e le esigenze del mercato dell’intelligenza artificiale. La realtà preoccupante è che il divario tra l’intelligenza artificiale Web2 e Web3 si sta ampliando anziché ridursi, guidato fondamentalmente da tre fattori chiave:
Talento di ricerca sull'intelligenza artificiale limitato
Il numero di ricercatori sull’intelligenza artificiale che lavorano in Web3 è a una sola cifra. Ciò non è certo incoraggiante per coloro che sostengono che il Web3 sia il futuro dell’intelligenza artificiale.
Infrastruttura vincolata
Non siamo ancora riusciti a far funzionare correttamente le app Web con i backend Web3, quindi pensare all'intelligenza artificiale è a dir poco esagerato. L’infrastruttura Web3 impone vincoli computazionali poco pratici per il ciclo di vita delle soluzioni di intelligenza artificiale generativa.
Modelli, dati e risorse computazionali limitati
L’intelligenza artificiale generativa si basa su tre cose: modelli, dati e calcolo. Nessuno dei modelli di grande frontiera è attrezzato per funzionare su infrastrutture Web3; non esistono basi per set di dati di addestramento di grandi dimensioni; inoltre esiste un enorme divario qualitativo tra i cluster GPU Web3 e quelli richiesti per il pre-addestramento e la messa a punto dei modelli di base.
La difficile realtà è che Web3 ha costruito una versione dell’intelligenza artificiale “per poveri”, cercando essenzialmente di eguagliare le capacità dell’intelligenza artificiale di Web2 ma creando versioni inferiori. Questa realtà è in netto contrasto con l’enorme valore proposto dalla decentralizzazione in diverse aree dell’intelligenza artificiale.
Per evitare di rendere questa analisi una tesi astratta, immergiamoci nelle diverse tendenze dell’IA decentralizzata e valutiamole rispetto al loro potenziale di mercato dell’IA.
Per saperne di più: Jesus Rodriguez: finanziare l'intelligenza artificiale generativa open source con le criptovalute
La distorsione della realtà nel Web3-AI ha portato l’ondata iniziale di innovazione e finanziamenti a concentrarsi su progetti le cui proposte di valore sembrano disconnesse dalle realtà del mercato dell’IA. Allo stesso tempo, ci sono altre aree emergenti nel Web3-AI che racchiudono un enorme potenziale.
Alcune tendenze Web3-AI sopravvalutate
Infrastruttura GPU decentralizzata per formazione e messa a punto
Negli ultimi anni abbiamo assistito a un’esplosione di infrastrutture GPU decentralizzate con la promessa di democratizzare la preformazione e la messa a punto dei modelli di base. L’idea è quella di consentire un’alternativa alla monopolizzazione della GPU stabilita dai laboratori di intelligenza artificiale storici. La realtà è che il pre-addestramento e la messa a punto di modelli di base di grandi dimensioni richiedono cluster GPU di grandi dimensioni con bus di comunicazione superveloci che li collegano. Un ciclo di pre-addestramento di un modello di base 50B-100B in un’infrastruttura di intelligenza artificiale decentralizzata potrebbe richiedere più di un anno, se funzionasse.
Framework ZK-AI
L’idea di combinare calcoli a conoscenza zero (zk) e intelligenza artificiale ha dato vita a concetti interessanti per abilitare meccanismi di privacy nei modelli di base. Data l’importanza dell’infrastruttura zk nel Web3, diversi framework promettono di incorporare il calcolo zk nei modelli di base. Sebbene teoricamente attraenti, i modelli zk-AI incontrano rapidamente la sfida di essere proibitivi dal punto di vista computazionale quando applicati a modelli di grandi dimensioni. Inoltre, zk limiterà aspetti come l’interpretabilità, che è una delle aree più promettenti dell’intelligenza artificiale generativa.
Prova di inferenza
La crittografia riguarda prove crittografiche e talvolta queste sono collegate a cose che non ne hanno bisogno. Nello spazio Web3-AI, vediamo esempi di framework che emettono prove crittografiche di output di modelli specifici. Le sfide con questi scenari non sono tecnologiche ma legate al mercato. Fondamentalmente, la prova di inferenza è in qualche modo una soluzione alla ricerca di un problema e oggi manca di casi d’uso reali.
Alcune tendenze Web3-AI ad alto potenziale
Agenti con portafogli
I flussi di lavoro agentici sono una delle tendenze più interessanti nell’intelligenza artificiale generativa e racchiudono un potenziale significativo per le criptovalute. Per agenti ci riferiamo a programmi di intelligenza artificiale che non solo possono rispondere passivamente a domande basate su input, ma anche eseguire azioni contro un determinato ambiente. Sebbene la maggior parte degli agenti autonomi venga creata per casi d’uso isolati, stiamo assistendo al rapido emergere di ambienti e collaborazioni multi-agente.
Questa è un’area in cui le criptovalute possono sbloccare un valore enorme. Ad esempio, immagina uno scenario in cui un agente deve assumere altri agenti per completare un'attività o scommettere del valore per garantire la qualità dei suoi risultati. Il provisioning degli agenti con primitive finanziarie sotto forma di criptovalute sblocca molti casi d'uso per la collaborazione degli agenti.
Finanziamenti crittografici per l'intelligenza artificiale
Uno dei segreti più noti dell’intelligenza artificiale generativa è che lo spazio dell’intelligenza artificiale open source sta attraversando un’enorme crisi di finanziamenti. La maggior parte dei laboratori di intelligenza artificiale open source non può più permettersi di lavorare su modelli di grandi dimensioni e si sta invece concentrando su altre aree che non richiedono enormi quantità di accesso al calcolo e dati. Le criptovalute sono estremamente efficienti nella formazione del capitale con meccanismi come lanci aerei, incentivi o addirittura punti. Il concetto di finanziamento crittografico per l’intelligenza artificiale generativa open source è una delle aree più promettenti all’intersezione di queste due tendenze.
Piccoli modelli di fondazione
L’anno scorso, Microsoft ha coniato il termine Small Language Model (SLM) dopo il rilascio del suo modello Phi, che, con parametri inferiori a 2B, era in grado di sovraperformare LLM molto più grandi nei compiti di informatica e matematica. Piccoli modelli di base – si pensi ai parametri 1B-5B – sono un requisito fondamentale per la fattibilità dell’intelligenza artificiale decentralizzata e sbloccano scenari promettenti per l’intelligenza artificiale sui dispositivi. Decentralizzare modelli con centinaia di miliardi di parametri è quasi impossibile oggi e rimarrà tale per un po’. Tuttavia, i modelli di base di piccole dimensioni dovrebbero essere in grado di funzionare su molte delle infrastrutture Web3 di oggi. Promuovere l’agenda SLM è essenziale per creare valore reale con Web3 e AI.
Generazione di dati sintetici
La scarsità di dati è una delle maggiori sfide con quest’ultima generazione di modelli di fondazione. Di conseguenza, vi è un crescente livello di ricerca focalizzato sui meccanismi di generazione di dati sintetici che utilizzano modelli di base che possono integrare i set di dati del mondo reale. I meccanismi delle reti crittografiche e degli incentivi legati ai token possono idealmente coordinare un gran numero di parti affinché collaborino alla creazione di nuovi set di dati sintetici.
Altre tendenze Web3-AI rilevanti
Esistono molte altre tendenze interessanti del Web3-AI con un potenziale significativo. I risultati “proof of human” stanno diventando sempre più rilevanti date le sfide poste dai contenuti generati dall’intelligenza artificiale. La valutazione e il benchmarking sono un segmento dell’intelligenza artificiale in cui le capacità di fiducia e trasparenza di Web3 possono brillare. Anche la messa a punto incentrata sull’uomo, come l’apprendimento per rinforzo con feedback umano (RLHF), è uno scenario interessante per le reti Web3. È probabile che emergano altri scenari man mano che l’intelligenza artificiale generativa continua ad evolversi e le capacità di Web3-AI maturano.
La necessità di capacità di intelligenza artificiale più decentralizzate è molto reale. Anche se il settore Web3 potrebbe non essere ancora in grado di rivaleggiare con il valore creato dai mega modelli di intelligenza artificiale, può tuttavia sbloccare un valore reale per lo spazio dell’intelligenza artificiale generativa. La sfida più grande per l’evoluzione di Web3-AI potrebbe essere il superamento del suo stesso campo di distorsione della realtà. Web3-AI offre molto valore; dobbiamo solo concentrarci sulla costruzione di cose reali.
Nota: le opinioni espresse in questa colonna sono quelle dell'autore e non riflettono necessariamente quelle di CoinDesk, Inc. o dei suoi proprietari e affiliati.