Autore: Will Ogden Moore, compilato da: 0xjs@金财经
L’intelligenza artificiale è una delle tecnologie emergenti più promettenti di questo secolo, con il potenziale di aumentare esponenzialmente la produttività umana e favorire scoperte mediche. Sebbene l’intelligenza artificiale possa essere importante oggi, il suo impatto non potrà che crescere, con PwC che stima che diventerà un settore da 15 trilioni di dollari entro il 2030.
Tuttavia, questa tecnologia promettente deve affrontare anche delle sfide. Man mano che la tecnologia dell’intelligenza artificiale diventa più potente, l’industria dell’intelligenza artificiale diventa estremamente concentrata, con il potere concentrato nelle mani di poche aziende, il che può danneggiare la società. Solleva inoltre serie preoccupazioni riguardo ai deepfake, ai pregiudizi incorporati e ai rischi per la privacy dei dati. Fortunatamente, le criptovalute e la loro natura decentralizzata e trasparente offrono potenziali soluzioni ad alcuni di questi problemi.
In questo articolo esploreremo i problemi causati dall'intelligenza artificiale centralizzata e come l'intelligenza artificiale decentralizzata può aiutare a risolvere alcuni dei suoi mali, e discuteremo l'attuale intersezione tra criptovaluta e intelligenza artificiale, evidenziando le applicazioni crittografiche sul campo che stanno mostrando segni di adozione anticipata.
Problemi con l'intelligenza artificiale centralizzata
Oggi, lo sviluppo dell’intelligenza artificiale deve affrontare alcune sfide e rischi. Gli effetti di rete e gli intensi requisiti di capitale dell’intelligenza artificiale sono così significativi che molti sviluppatori di intelligenza artificiale al di fuori delle grandi aziende tecnologiche, come piccole aziende o ricercatori accademici, faticano a ottenere le risorse necessarie per lo sviluppo dell’intelligenza artificiale o non sono in grado di monetizzare il proprio lavoro. Ciò limita la concorrenza complessiva e l’innovazione nel campo dell’intelligenza artificiale.
Di conseguenza, l’influenza su questa tecnologia critica è concentrata nelle mani di poche aziende, come OpenAI e Google, sollevando seri interrogativi sulla governance dell’IA. A febbraio, ad esempio, Gemini, il generatore di immagini AI di Google, ha rivelato pregiudizi razziali e inesattezze storiche, illustrando come l’azienda ha manipolato i propri modelli. Inoltre, la decisione dello scorso novembre da parte del consiglio di amministrazione composto da sei membri di licenziare il CEO di OpenAI Sam Altman ha messo in luce il fatto che una manciata di persone controlla le società che sviluppano questi modelli.
Man mano che l’intelligenza artificiale cresce in influenza e importanza, molti temono che un’azienda possa acquisire il controllo sul processo decisionale su un modello di intelligenza artificiale che potrebbe avere un enorme impatto sulla società, erigendo guardrail, operando a porte chiuse o manipolando il modello a proprio vantaggio. — —ma a spese degli altri membri della società.
In che modo l'intelligenza artificiale decentralizzata può aiutare
L’intelligenza artificiale decentralizzata si riferisce ai servizi di intelligenza artificiale che sfruttano la tecnologia blockchain per distribuire la proprietà e la governance dell’intelligenza artificiale in un modo progettato per aumentare la trasparenza e l’accessibilità. Grayscale Research ritiene che l’intelligenza artificiale decentralizzata abbia il potenziale per liberare queste importanti decisioni dai sistemi chiusi e renderle di proprietà pubblica.
La tecnologia Blockchain può aiutare gli sviluppatori ad avere un maggiore accesso all’intelligenza artificiale e ad abbassare la soglia affinché gli sviluppatori indipendenti possano sviluppare e monetizzare i propri lavori. Riteniamo che ciò possa contribuire a migliorare l’innovazione e la concorrenza complessiva dell’IA e a mantenere l’equilibrio con i modelli sviluppati dai giganti della tecnologia.
Inoltre, l’intelligenza artificiale decentralizzata aiuta a democratizzare gli investimenti nell’intelligenza artificiale. Attualmente, ci sono pochi altri modi per raccogliere i benefici finanziari associati agli sviluppi dell’intelligenza artificiale se non attraverso una manciata di titoli tecnologici. Allo stesso tempo, quantità significative di capitale privato vengono destinate alle startup di intelligenza artificiale e alle aziende private (47 miliardi di dollari nel 2022, 42 miliardi di dollari nel 2023). Di conseguenza, solo un piccolo gruppo di venture capitalist e investitori accreditati ha accesso ai vantaggi finanziari di queste società. Al contrario, i criptoasset IA decentralizzati sono disponibili a tutti, consentendo a tutti di possedere una parte del futuro dell’IA.
Dov’è l’intersezione tra Crypto e AI oggi?
Oggi, l’intersezione tra criptovaluta e intelligenza artificiale è ancora nelle sue fasi iniziali in termini di maturità, ma la risposta del mercato è stata incoraggiante. A partire da maggio 2024, il rendimento del campo AI per le risorse crittografiche è del 20%, superando ogni traccia crittografica ad eccezione delle valute (Figura 1). Inoltre, secondo il fornitore di dati Kaito, l’argomento AI rappresenta attualmente la maggior “condivisione mentale narrativa” sulle piattaforme social rispetto ad altri argomenti come la finanza decentralizzata, il Layer 2, le monete meme e le risorse del mondo reale.
Recentemente, alcuni grandi nomi hanno iniziato ad abbracciare questa intersezione emergente, lavorando per affrontare le carenze dell’intelligenza artificiale centralizzata. Nel marzo di quest'anno, Emad Mostaque, il fondatore della nota società di intelligenza artificiale Stability AI, ha lasciato l'azienda per dedicarsi all'intelligenza artificiale decentralizzata. Ha affermato che "è tempo di garantire che l'intelligenza artificiale rimanga aperta e decentralizzata". Inoltre, l'imprenditore di criptovalute Erik Vorhees ha recentemente lanciato Venice.ai, un servizio di intelligenza artificiale incentrato sulla privacy con crittografia end-to-end.
Figura 1: Finora quest'anno, la traccia AI ha sovraperformato quasi tutte le tracce crittografiche
Possiamo dividere l'intersezione tra Crypto e AI in tre sottocategorie principali:
1. Livello infrastruttura: rete che fornisce una piattaforma per lo sviluppo dell'intelligenza artificiale (come NEAR, TAO, FET)
2. Risorse necessarie per l'intelligenza artificiale: risorse che forniscono risorse chiave (informatica, archiviazione, dati) necessarie per lo sviluppo dell'intelligenza artificiale (come RNDR, AKT, LPT, FIL, AR, MASA)
3. Risolvere i problemi dell'intelligenza artificiale: risorse che tentano di risolvere problemi relativi all'intelligenza artificiale, come l'aumento di bot e deepfake e la convalida del modello (ad esempio WLD, TRAC, NUM)
Figura 2: Mappa del mercato dell'intelligenza artificiale e delle criptovalute
Fonte: Investimenti in scala di grigi
Una rete che fornisce l’infrastruttura per lo sviluppo dell’intelligenza artificiale
La prima è una rete che fornisce un’architettura aperta e senza autorizzazioni, creata appositamente per lo sviluppo complessivo dei servizi di intelligenza artificiale. Queste risorse non si concentrano su un tipo di prodotto o servizio di intelligenza artificiale, ma si concentrano invece sulla creazione dell’infrastruttura sottostante e dei meccanismi di incentivazione per varie applicazioni di intelligenza artificiale.
Near si distingue in questa categoria poiché i suoi fondatori sono co-creatori dell'architettura "Transformer" che alimenta i sistemi di intelligenza artificiale come ChatGPT. Tuttavia, la società ha recentemente sfruttato la propria esperienza nel campo dell’intelligenza artificiale per svelare gli sforzi per sviluppare “l’intelligenza artificiale di proprietà dell’utente” attraverso una divisione di ricerca e sviluppo guidata da un ex consulente ingegnere ricercatore OpenAI. Alla fine di giugno 2024, Near ha lanciato il suo programma di incubatore di intelligenza artificiale per lo sviluppo di modelli base nativi Near, piattaforme di dati applicativi di intelligenza artificiale, framework di agenti di intelligenza artificiale e mercati informatici.
Bittensor fornisce un altro esempio potenzialmente convincente. Bittensor è una piattaforma che utilizza i token TAO per incoraggiare finanziariamente lo sviluppo dell'intelligenza artificiale. Bittensor è la piattaforma sottostante per 38 sottoreti (sottoreti), ciascuna con diversi casi d'uso come chatbot, generazione di immagini, previsioni finanziarie, traduzione linguistica, addestramento di modelli, archiviazione e calcolo. La rete Bittensor premia i minatori e i validatori più performanti in ciascuna sottorete con token TAO e fornisce agli sviluppatori un'API senza autorizzazione per creare applicazioni IA specifiche interrogando i minatori nella sottorete Bittensor.
In questa categoria rientrano anche altri protocolli come Fetch.ai e Allora Network. Fetch.ai, una piattaforma per sviluppatori per creare assistenti AI complessi, o “agenti AI”, si è recentemente fusa con AGIX e OCEAN, con un valore combinato di circa 7,5 miliardi di dollari. L’altra è la rete Allora, una piattaforma focalizzata sull’applicazione dell’intelligenza artificiale alle applicazioni finanziarie, compresi scambi decentralizzati e strategie di trading automatizzate per i mercati di previsione. Allora, che deve ancora lanciare un token, ha raccolto un round di finanziamento strategico a giugno, portando il suo finanziamento totale a 35 milioni di dollari in capitale privato.
Risorse necessarie per lo sviluppo dell’IA
La seconda categoria comprende asset che forniscono le risorse necessarie per lo sviluppo dell’intelligenza artificiale sotto forma di elaborazione, archiviazione o dati.
L’ascesa dell’intelligenza artificiale ha creato una domanda senza precedenti di risorse informatiche sotto forma di GPU. I mercati GPU decentralizzati come Render (RNDR), Akash (AKT) e Livepeer (LPT) forniscono una fornitura di GPU inattive agli sviluppatori che necessitano di elaborazione per l'addestramento dei modelli, l'inferenza dei modelli o il rendering dell'IA generativa 3D. Oggi, si stima che Render offra circa 10.000 GPU con un focus su artisti e intelligenza artificiale generativa, mentre Akash offre 400 GPU con un focus su sviluppatori e ricercatori di intelligenza artificiale. Nel frattempo, Livepeer ha recentemente annunciato i piani per la sua nuova sottorete AI, che mira a completare attività come text-to-image, text-to-video e image-to-video entro agosto 2024.
Oltre ad essere impegnativi dal punto di vista computazionale, i modelli di intelligenza artificiale richiedono anche grandi quantità di dati. Di conseguenza, la domanda di archiviazione dei dati è aumentata in modo significativo. Le soluzioni di archiviazione dati come Filecoin (FIL) e Arweave (AR) possono fungere da alternative di rete sicure e decentralizzate all'archiviazione dei dati AI su server AWS centralizzati. Queste soluzioni non solo forniscono storage scalabile e conveniente, ma migliorano anche la sicurezza e l'integrità dei dati eliminando i singoli punti di errore e riducendo il rischio di violazioni dei dati.
Infine, i servizi AI esistenti come OpenAI e Gemini forniscono accesso continuo ai dati in tempo reale rispettivamente tramite Bing e Google Search. Ciò mette in svantaggio tutti gli altri sviluppatori di modelli di intelligenza artificiale al di fuori di queste aziende tecnologiche. Tuttavia, i servizi di data scraping come Grass and Masa (MASA) possono aiutare a livellare il campo di gioco poiché consentono alle persone di monetizzare i dati delle proprie applicazioni utilizzandoli per l’addestramento del modello di intelligenza artificiale, mantenendo al contempo il controllo sui propri dati personali e sulla privacy.
Asset che tentano di risolvere problemi legati all'intelligenza artificiale
La terza categoria comprende risorse che tentano di risolvere problemi legati all’intelligenza artificiale, incluso l’aumento di bot, deepfake e provenienza dei contenuti.
Uno dei principali problemi esacerbati dall’intelligenza artificiale è la proliferazione di bot e disinformazione. I deepfake generati dall’intelligenza artificiale stanno già avendo un impatto sulle elezioni presidenziali in India e in Europa, con gli esperti “molto spaventati” dal fatto che l’imminente campagna presidenziale comporti uno “tsunami di disinformazione” fortemente guidato dai deepfake. Le risorse che cercano di aiutare a risolvere i problemi associati ai deepfake stabilendo fonti di contenuti verificabili includono Origin Trail (TRAC), Numbers Protocol (NUM) e Story Protocol. Inoltre, Worldcoin (WLD) cerca di affrontare il problema dei bot dimostrando l’umanità di una persona attraverso un identificatore biometrico univoco.
Un altro rischio legato all’intelligenza artificiale è garantire la fiducia nel modello stesso. Come possiamo avere fiducia che i risultati dell'IA che riceviamo non siano stati manomessi o manipolati? Diversi protocolli stanno attualmente lavorando per aiutare a risolvere questo problema attraverso la crittografia, prove a conoscenza zero e crittografia completamente omomorfica (FHE), tra cui Modulus Labs e Zama.
Insomma
Sebbene queste risorse IA decentralizzate abbiano fatto i primi progressi, siamo ancora al primo inning di questo incrocio. All'inizio di quest'anno, il famoso venture capitalist Fred Wilson ha affermato che l'intelligenza artificiale e la criptovaluta sono "due facce della stessa medaglia" e "web3 ci aiuterà a fidarci dell'intelligenza artificiale". Man mano che il settore dell'intelligenza artificiale continua a maturare, Grayscale Research ritiene che questi casi d'uso delle criptovalute legati all'intelligenza artificiale diventeranno sempre più importanti, con le due tecnologie in rapida evoluzione che probabilmente si supporteranno a vicenda nella crescita.
Ci sono molti segnali che indicano che l’intelligenza artificiale sta arrivando e avrà impatti di vasta portata, sia positivi che negativi. Sfruttando le proprietà della tecnologia blockchain, riteniamo che la crittografia possa in definitiva contribuire a mitigare alcuni dei pericoli posti dall’intelligenza artificiale.
