作者：Crypto, Distilled
Compilato da: Deep Wave TechFlow
Criptovalute e intelligenza artificiale: è questa la fine del percorso?
Nel 2023, Web3-AI è diventato un tema caldo.
Ma oggi è pieno di imitatori e di grandi progetti senza uno scopo reale.
Ecco le insidie da evitare e su cosa concentrarsi.
Panoramica
Il CEO di IntoTheBlock @jrdothinks ha recentemente condiviso le sue intuizioni in un post.
Ha discusso:
a. Le sfide principali di Web3-AI
b. Tendenze sovrastimate
c. Tendenze ad alto potenziale
Ho distillato ogni punto chiave per te! Scopriamolo:
situazione del mercato
L’attuale mercato Web3-AI è sopravvalutato e finanziato.
Molti progetti sono disconnessi dalle effettive esigenze dell’industria dell’intelligenza artificiale.
Questa disconnessione crea confusione ma crea anche opportunità per chi ha intuizioni.
(Credito a @coinbase)
sfida fondamentale
Il divario tra l’intelligenza artificiale Web2 e Web3 si sta ampliando per tre ragioni principali:
Talento di ricerca sull'intelligenza artificiale limitato
infrastrutture vincolate
Modelli, dati e risorse informatiche insufficienti
Nozioni di base sull'intelligenza artificiale generativa
L’intelligenza artificiale generativa si basa su tre elementi principali: modelli, dati e risorse informatiche.
Attualmente, nessun modello principale è ottimizzato per l'infrastruttura Web3.
Il finanziamento iniziale ha sostenuto una serie di progetti Web3 che erano scollegati dalla realtà dell’intelligenza artificiale.
Tendenze sopravvalutate
Nonostante tutto il clamore pubblicitario, non vale la pena prestare attenzione a tutte le tendenze Web3-AI.
Ecco alcune delle tendenze che @jrdothinks considera le più sopravvalutate:
a. Rete GPU decentralizzata
b.modello ZK-AI
c. Prova del ragionamento (grazie a @ModulusLabs)
Rete GPU decentralizzata
Queste reti promettono di democratizzare la formazione sull’intelligenza artificiale.
Ma la realtà è che addestrare modelli di grandi dimensioni su infrastrutture decentralizzate è lento e poco pratico.
Questa tendenza deve ancora mantenere le sue elevate promesse.
Modello di intelligenza artificiale a conoscenza zero
I modelli di intelligenza artificiale a conoscenza zero sembrano interessanti in termini di protezione della privacy.
Ma in pratica sono computazionalmente costosi e difficili da interpretare.
Ciò li rende poco pratici per applicazioni su larga scala.
(Credito a @oraprotocol)
Informazioni nella foto:
b) Attualmente, il sovraccarico è fino a 1000x.
Tuttavia, questo approccio è lungi dall’essere pratico, soprattutto per casi d’uso come quelli descritti da Vitalik. Ecco alcuni esempi:
Il framework zkML EZKL impiega circa 80 minuti per generare una prova per un modello 1M-nanoGPT.
Secondo Modulus Labs, il sovraccarico di zkML è più di 1.000 volte superiore a quello del calcolo puro, con l’ultimo rapporto che mostra 1.000 volte.
Secondo il benchmark EZKL, RISC Zero ha un tempo di prova medio di 173 secondi nel compito di classificazione casuale delle foreste.
prova del ragionamento
Il framework di prova di inferenza fornisce prove crittografiche per gli output dell'intelligenza artificiale.
Tuttavia, @jrdothinks ritiene che queste soluzioni risolvano problemi che non esistono.
Pertanto, hanno applicazioni limitate nel mondo reale.
trend ad alto potenziale
Mentre alcune tendenze sono sopravvalutate, altre hanno un potenziale significativo.
Ecco alcune tendenze sottovalutate che possono offrire reali opportunità:
a. Agente AI con portafoglio
b. Le criptovalute finanziano l'intelligenza artificiale
c. Modello base piccolo
d. Generazione di dati sintetici
Agente AI con portafoglio
Immagina che gli agenti IA abbiano capacità finanziarie attraverso le criptovalute.
Questi agenti possono assumere altri agenti o investire fondi per garantire la qualità.
Un'altra applicazione interessante sono gli "agenti predittivi", come menzionato da @vitalikbuterin.
La criptovaluta finanzia l'intelligenza artificiale
I progetti di IA generativa spesso si trovano ad affrontare carenze di finanziamenti.
Gli efficienti metodi di formazione del capitale della criptovaluta, come lanci aerei e incentivi, forniscono un supporto finanziario fondamentale per i progetti di intelligenza artificiale open source.
Questi metodi aiutano a promuovere l’innovazione. (Credito a @oraprotocol)
piccolo modello base
Piccoli modelli di base, come il modello Phi di Microsoft, illustrano l'idea che meno è di più.
具有 1B-5B 参数的模型对去中心化 AI 至关重要，能够提供强大的设备端 AI 解决方案。
(Fonte: @microsoft)
Generazione di dati sintetici
La scarsità di dati è uno dei principali ostacoli allo sviluppo dell’intelligenza artificiale.
I dati sintetici generati attraverso modelli di base possono integrare efficacemente i set di dati del mondo reale.
Supera l'hype
La mania iniziale del Web3-AI si concentrava su alcune proposte di valore non realistiche.
@jrdthinks ritiene che sia giunto il momento di concentrare l'attenzione sulla creazione di soluzioni che funzionino davvero.
Mentre l’attenzione si sposta, il campo dell’intelligenza artificiale è ancora pieno di opportunità, in attesa di essere scoperto da occhi attenti.
本文仅供教育用途，非财务建议。非常感谢 @jrdothoughts 提供的宝贵见解。