Autors: Vils Ogdens Mūrs, sastādītājs: 0xjs@金财经
AI ir viena no daudzsološākajām šī gadsimta jaunajām tehnoloģijām, kas spēj eksponenciāli palielināt cilvēku produktivitāti un veicināt sasniegumus medicīnā. Lai gan AI šodien var būt svarīgs, tā ietekme tikai pieaugs, un PwC lēš, ka līdz 2030. gadam tā pieaugs par 15 triljonu dolāru lielu nozari.
Tomēr šī daudzsološā tehnoloģija saskaras arī ar izaicinājumiem. AI tehnoloģijai kļūstot arvien jaudīgākai, AI nozare kļūst ārkārtīgi koncentrēta, vara koncentrējas dažu uzņēmumu rokās, kas var kaitēt sabiedrībai. Tas arī rada nopietnas bažas par dziļiem viltojumiem, iegulto neobjektivitāti un datu privātuma riskiem. Par laimi, Crypto un tā decentralizētā un pārredzamā būtība piedāvā iespējamos risinājumus dažām no šīm problēmām.
Šajā rakstā mēs izpētīsim centralizētā AI radītās problēmas un to, kā decentralizēts AI var palīdzēt atrisināt dažas no tā problēmām, kā arī apspriedīsim pašreizējo kriptovalūtu un AI krustpunktu, izceļot kriptovalūtu lietojumprogrammas šajā jomā, kas liecina par agrīnas ieviešanas pazīmes.
Problēmas ar centralizētu AI
Mūsdienās mākslīgā intelekta attīstība saskaras ar noteiktiem izaicinājumiem un riskiem. AI tīkla ietekme un intensīvās kapitāla prasības ir tik nozīmīgas, ka daudzi AI izstrādātāji ārpus lieliem tehnoloģiju uzņēmumiem, piemēram, mazi uzņēmumi vai akadēmiskie pētnieki, vai nu cīnās, lai iegūtu resursus, kas nepieciešami AI attīstībai, vai arī nespēj monetizēt savu darbu. Tas ierobežo vispārējo konkurenci un inovācijas AI jomā.
Rezultātā ietekme uz šo kritisko tehnoloģiju ir koncentrēta dažu uzņēmumu, piemēram, OpenAI un Google, rokās, radot nopietnus jautājumus par AI pārvaldību. Piemēram, februārī Google AI attēlu ģenerators Gemini atklāja rasu aizspriedumus un vēsturiskas neprecizitātes, ilustrējot, kā uzņēmums manipulēja ar saviem modeļiem. Turklāt pagājušā gada novembrī sešu locekļu valdes lēmums atlaist OpenAI izpilddirektoru Semu Altmanu atklāja faktu, ka neliels skaits cilvēku kontrolē uzņēmumus, kas izstrādā šos modeļus.
Pieaugot mākslīgā intelekta ietekmei un nozīmei, daudzi ir nobažījušies, ka viens uzņēmums varētu iegūt kontroli pār lēmumu pieņemšanu saistībā ar AI modeli, kam varētu būt milzīga ietekme uz sabiedrību, uzstādot aizsargmargas, darbojoties aiz slēgtām durvīm vai manipulējot ar modeli savā labā. labumu — — bet uz citu sabiedrības locekļu rēķina.
Kā decentralizēts AI var palīdzēt
Decentralizēts AI attiecas uz AI pakalpojumiem, kas izmanto blokķēdes tehnoloģiju, lai izplatītu AI īpašumtiesības un pārvaldību tādā veidā, kas paredzēts, lai palielinātu pārredzamību un pieejamību. Grayscale Research uzskata, ka decentralizētam AI ir potenciāls atbrīvot šos svarīgos lēmumus no slēgtām sistēmām un nodot tos valsts īpašumā.
Blockchain tehnoloģija var palīdzēt izstrādātājiem nodrošināt lielāku piekļuvi AI un pazemināt neatkarīgu izstrādātāju slieksni izstrādāt un gūt peļņu no saviem darbiem. Mēs uzskatām, ka tas var palīdzēt uzlabot vispārējo AI inovāciju un konkurenci, kā arī saglabāt līdzsvaru ar tehnoloģiju gigantu izstrādātajiem modeļiem.
Turklāt decentralizētais AI palīdz demokratizēt ieguldījumus AI. Pašlaik ir tikai daži citi veidi, kā gūt finansiālos ieguvumus, kas saistīti ar AI attīstību, izņemot dažus tehnoloģiju krājumus. Tajā pašā laikā AI jaunizveidotiem un privātiem uzņēmumiem tiek piešķirts ievērojams privātā kapitāla apjoms (47 miljardi ASV dolāru 2022. gadā, 42 miljardi ASV dolāru 2023. gadā). Rezultātā tikai nelielai riska kapitālistu un akreditētu investoru grupai ir pieejami šo uzņēmumu finansiālie ieguvumi. Turpretim decentralizēti AI kriptoaktīvi ir pieejami ikvienam, ļaujot ikvienam iegūt daļu no AI nākotnes.
Kur šodien ir Kripto un AI krustpunkts?
Mūsdienās kriptovalūtas un mākslīgā intelekta krustpunkts brieduma ziņā joprojām ir agrīnā stadijā, taču tirgus reakcija ir bijusi iepriecinoša. No 2024. gada maija AI lauka atdeve kriptovalūtu aktīviem ir 20%, pārspējot visus kriptovalūtu ierakstus, izņemot valūtas kursu (1. attēls). Turklāt, saskaņā ar datu sniedzēja Kaito teikto, AI tēma pašlaik veido visvairāk “stāstījuma prāta dalīšanas” sociālajās platformās, salīdzinot ar citām tēmām, piemēram, decentralizētām finansēm, 2. slāni, mēmu monētām un reāliem aktīviem.
Nesen daži lieli vārdi ir sākuši aptvert šo topošo krustojumu, strādājot, lai novērstu centralizētās AI nepilnības. Šā gada martā Emad Mostaque, plaši pazīstamā AI uzņēmuma Stabilitātes AI dibinātājs, pameta uzņēmumu, lai turpinātu decentralizētu AI. Viņš sacīja, ka "ir pienācis laiks nodrošināt, lai AI paliktu atvērts un decentralizēts". Turklāt kriptovalūtu uzņēmējs Eriks Vorhees nesen atklāja Venice.ai — uz privātumu vērstu AI pakalpojumu ar pilnīgu šifrēšanu.
1. attēls. Līdz šim šogad AI trase ir pārspējusi gandrīz visus kriptogrāfijas ierakstus
Kripto un mākslīgā intelekta krustpunktu var iedalīt trīs galvenajās apakškategorijās:
1. Infrastruktūras slānis: tīkls, kas nodrošina platformu AI izstrādei (piemēram, NEAR, TAO, FET).
2. AI nepieciešamie resursi: līdzekļi, kas nodrošina galvenos resursus (skaitļošanu, krātuvi, datus), kas nepieciešami AI izstrādei (piemēram, RNDR, AKT, LPT, FIL, AR, MASA).
3. Atrisiniet mākslīgā intelekta problēmas: līdzekļi, kas mēģina atrisināt ar AI saistītas problēmas, piemēram, robotprogrammatūras un dziļo viltojumu pieaugumu, kā arī modeļu validāciju (piemēram, WLD, TRAC, NUM).
2. attēls. AI un kriptovalūtu tirgus karte
Avots: Grayscale Investments
Tīkls, kas nodrošina infrastruktūru AI attīstībai
Pirmais ir tīkls, kas nodrošina bezatļautu, atvērtu arhitektūru, kas īpaši izveidota AI pakalpojumu vispārējai attīstībai. Šie līdzekļi nav vērsti uz viena veida AI produktu vai pakalpojumu, bet gan uz dažādu AI lietojumprogrammu pamatā esošās infrastruktūras un stimulēšanas mehānismu izveidi.
Near šajā kategorijā izceļas, jo tās dibinātāji ir “Transformer” arhitektūras līdzveidotāji, kas nodrošina AI sistēmas, piemēram, ChatGPT. Tomēr uzņēmums nesen izmantoja savas AI zināšanas, lai atklātu savus centienus izstrādāt "lietotājiem piederošo AI", izmantojot pētniecības un attīstības nodaļu, kuru vadīja bijušais OpenAI pētniecības inženiera konsultants. 2024. gada jūnija beigās uzņēmums Near uzsāka savu mākslīgā intelekta inkubatoru programmu Near vietējo bāzes modeļu, AI lietojumprogrammu datu platformu, AI aģentu ietvaru un skaitļošanas tirgu izstrādei.
Bittensor sniedz vēl vienu potenciāli pārliecinošu piemēru. Bittensor ir platforma, kas izmanto TAO marķierus, lai finansiāli veicinātu AI attīstību. Bittensor ir pamatā esošā platforma 38 apakštīkliem (apakštīkliem), kuriem katram ir dažādi lietošanas gadījumi, piemēram, tērzēšanas roboti, attēlu ģenerēšana, finanšu prognozēšana, valodu tulkošana, modeļu apmācība, uzglabāšana un aprēķini. Bittensor tīkls apbalvo labākos ieguvējus un pārbaudītājus katrā apakštīklā ar TAO marķieriem un nodrošina izstrādātājiem bezatļautu API, lai izveidotu īpašas AI lietojumprogrammas, vaicājot kalnračus Bittensor apakštīklā.
Šajā kategorijā ietilpst arī citi protokoli, piemēram, Fetch.ai un Allora Network. Fetch.ai, platforma izstrādātājiem, lai izveidotu sarežģītus AI palīgus jeb “AI aģentus”, nesen tika apvienota ar AGIX un OCEAN, un kopējā vērtība ir aptuveni 7,5 miljardi USD. Otrs ir Allora tīkls, platforma, kas vērsta uz AI piemērošanu finanšu lietojumprogrammām, tostarp decentralizētām biržām un automatizētām tirdzniecības stratēģijām prognozēšanas tirgiem. Allora, kas vēl nav ieviesusi marķieri, jūnijā palielināja stratēģiskā finansējuma kārtu, palielinot tās kopējo finansējumu līdz 35 miljoniem ASV dolāru privātajā kapitālā.
AI attīstībai nepieciešamie resursi
Otrajā kategorijā ietilpst aktīvi, kas nodrošina AI attīstībai nepieciešamos resursus skaitļošanas, uzglabāšanas vai datu veidā.
Mākslīgā intelekta pieaugums ir radījis nebijušu pieprasījumu pēc skaitļošanas resursiem GPU veidā. Decentralizēti GPU tirgi, piemēram, Render (RNDR), Akash (AKT) un Livepeer (LPT), nodrošina dīkstāves GPU piegādi izstrādātājiem, kuriem ir nepieciešami aprēķini modeļu apmācībai, modeļu secinājumiem vai 3D ģenerējoša AI renderēšanai. Pašlaik tiek lēsts, ka Render piedāvā aptuveni 10 000 GPU, koncentrējoties uz māksliniekiem un ģeneratīvo AI, savukārt Akash piedāvā 400 GPU, koncentrējoties uz AI izstrādātājiem un pētniekiem. Tikmēr Livepeer nesen paziņoja par plāniem izveidot savu jauno AI apakštīklu, kura mērķis ir līdz 2024. gada augustam pabeigt tādus uzdevumus kā teksta pārveidošana, teksta pārveidošana video un attēls video.
Papildus tam, ka AI modeļi ir skaitļošanas ziņā ietilpīgi, tiem ir nepieciešams arī liels datu apjoms. Līdz ar to pieprasījums pēc datu glabāšanas ir ievērojami pieaudzis. Datu uzglabāšanas risinājumi, piemēram, Filecoin (FIL) un Arweave (AR), var kalpot kā decentralizēta droša tīkla alternatīva AI datu glabāšanai centralizētos AWS serveros. Šie risinājumi nodrošina ne tikai rentablu un mērogojamu krātuvi, bet arī uzlabo datu drošību un integritāti, novēršot atsevišķus atteices punktus un samazinot datu pārkāpumu risku.
Visbeidzot, esošie AI pakalpojumi, piemēram, OpenAI un Gemini, nodrošina nepārtrauktu piekļuvi reāllaika datiem, izmantojot attiecīgi Bing un Google meklēšanu. Tas visus citus AI modeļu izstrādātājus ārpus šiem tehnoloģiju uzņēmumiem nostāda neizdevīgā stāvoklī. Tomēr datu skrāpēšanas pakalpojumi, piemēram, Grass un Masa (MASA), var palīdzēt nodrošināt vienādus konkurences apstākļus, jo tie ļauj personām gūt peļņu no saviem lietojumprogrammu datiem, izmantojot tos AI modeļu apmācībai, vienlaikus saglabājot kontroli pār saviem personas datiem un privātumu.
Līdzekļi, kas mēģina atrisināt ar AI saistītas problēmas
Trešajā kategorijā ietilpst līdzekļi, kas mēģina atrisināt ar AI saistītas problēmas, tostarp robotu, dziļo viltojumu un satura izcelsmes pieaugumu.
Galvenā problēma, ko saasina AI, ir robotprogrammatūras un dezinformācijas izplatība. Mākslīgā mākslīgā intelekta radītie viltojumi jau tagad ietekmē prezidenta vēlēšanas Indijā un Eiropā, un eksperti "ļoti baidās", ka gaidāmajā prezidenta vēlēšanu kampaņā būs "dezinformācijas cunami", ko lielā mērā izraisīs dziļās viltošanas. Līdzekļi, kas vēlas palīdzēt atrisināt ar dziļiem viltojumiem saistītas problēmas, izveidojot pārbaudāmus satura avotus, ietver Origin Trail (TRAC), skaitļu protokolu (NUM) un Story Protocol. Turklāt Worldcoin (WLD) cenšas risināt robotu problēmu, pierādot cilvēka cilvēcību, izmantojot unikālu biometrisko identifikatoru.
Vēl viens AI risks ir nodrošināt uzticēšanos pašam modelim. Kā mēs varam paļauties, ka mūsu saņemtie AI rezultāti nav tikuši manipulēti vai manipulēti? Vairāki protokoli pašlaik strādā, lai palīdzētu atrisināt šo problēmu, izmantojot kriptogrāfiju, nulles zināšanu pierādījumus un pilnībā homomorfisku šifrēšanu (FHE), tostarp Modulus Labs un Zama.
noslēgumā
Lai gan šie decentralizētie AI līdzekļi ir guvuši sākotnējo progresu, mēs joprojām esam šī krustojuma pirmajā iningā. Šī gada sākumā slavenais riska kapitālists Freds Vilsons sacīja, ka AI un kriptovalūta ir "vienas monētas divas puses" un "web3 palīdzēs mums uzticēties AI". Tā kā mākslīgā intelekta nozare turpina attīstīties, Grayscale Research uzskata, ka šie ar AI saistītie kriptovalūtu izmantošanas gadījumi kļūs arvien nozīmīgāki, un abas strauji attīstošās tehnoloģijas, iespējams, atbalstīs viena otras izaugsmi.
Ir daudzas pazīmes, kas liecina, ka AI nāk un tam būs tālejoša ietekme gan pozitīva, gan negatīva. Izmantojot blokķēdes tehnoloģijas īpašības, mēs uzskatām, ka kriptogrāfija galu galā var palīdzēt mazināt dažas AI radītās briesmas.