Oriģinālais autors: Will Ogden Moore
Oriģinālā kompilācija: Luffy, Foresight News
Saistīts lasījums:
"AI vilnis uzbrūk vēlreiz, raksts, kurā aplūkoti pelēktoņu AI fonda pozīcijas projekti"
Mākslīgais intelekts (AI) ir viena no daudzsološākajām šī gadsimta jaunajām tehnoloģijām, kas sola eksponenciāli palielināt cilvēku produktivitāti un virzīt sasniegumus medicīnā. Lai gan mākslīgais intelekts jau ir atstājis savas pēdas, tā ietekme nākotnē kļūs vēl lielāka. PricewaterhouseCoopers lēš, ka līdz 2030. gadam tā izaugs par milzīgu nozari 15 triljonu dolāru vērtībā.
Tomēr šī daudzsološā tehnoloģija saskaras arī ar izaicinājumiem. Mākslīgā intelekta tehnoloģijām kļūstot arvien jaudīgākai, mākslīgā intelekta nozare ir kļuvusi ārkārtīgi centralizēta, vara koncentrējoties dažu uzņēmumu rokās, kas ir potenciāls drauds visai cilvēku sabiedrībai. Mākslīgais intelekts arī rada nopietnas bažas par dziļiem viltojumiem, aizspriedumiem un datu privātuma riskiem. Par laimi, kriptovalūtas un to decentralizētās un pārredzamās īpašības piedāvā potenciālus risinājumus dažām no šīm problēmām.
Tālāk mēs izpētīsim centralizācijas radītās problēmas un to, kā decentralizēts mākslīgais intelekts var palīdzēt atrisināt dažas problēmas, kā arī apspriedīsim pašreizējo kriptovalūtas un AI krustpunktu, izceļot kriptovalūtas lietojumprogrammas šajā telpā, kas liecina par agrīnu ieviešanu.
Problēmas ar centralizēto mākslīgo intelektu
Mūsdienās mākslīgā intelekta attīstība saskaras ar noteiktiem izaicinājumiem un riskiem. AI tīkla ietekme un intensīvās kapitāla prasības ir tik nozīmīgas, ka AI izstrādātājiem ārpus lieliem tehnoloģiju uzņēmumiem, piemēram, mazākiem uzņēmumiem vai akadēmiskajiem pētniekiem, ir grūtības iegūt resursus, kas nepieciešami attīstībai vai komercializācijai. 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 mākslīgā intelekta attēlu ģenerators Gemini atklāja rasu aizspriedumus un vēsturiskas neprecizitātes. Turklāt pagājušā gada novembrī sešu locekļu valdes lēmums atlaist OpenAI izpilddirektoru Semu Altmanu atklāja faktu, ka daži cilvēki kontrolē šos uzņēmumus.
Pieaugot AI ietekmei un nozīmei, daudzi ir nobažījušies, ka viens uzņēmums varētu iegūt kontroli pār lēmumu pieņemšanu par AI modeļiem, kam varētu būt milzīga ietekme uz sabiedrību, uzstādot aizsargmargas, darbojoties aiz slēgtām durvīm vai manipulējot ar modeļiem pašiem. Gūt peļņu.
Kā decentralizēts AI var palīdzēt
Decentralizēts AI attiecas uz blokķēdes tehnoloģijas izmantošanu, lai izplatītu AI īpašumtiesības un pārvaldību tādā veidā, kas palielina pārredzamību un pieejamību. Grayscale Research uzskata, ka decentralizētam AI ir potenciāls atbrīvot šos svarīgos lēmumus no slēgtām sistēmām un nodot tos sabiedrības rokās.
Blockchain tehnoloģija var palīdzēt izstrādātājiem labāk piekļūt mākslīgajam intelektam un pazemināt neatkarīgu izstrādātāju izstrādes un komercializācijas slieksni. Mēs uzskatām, ka tas var palīdzēt uzlabot inovācijas un konkurenci AI nozarē un panākt zināmu līdzsvaru starp maziem uzņēmumiem un tehnoloģiju gigantiem.
Turklāt decentralizētais AI palīdz demokratizēt ieguldījumus AI. Pašlaik bez dažām tehnoloģiju akcijām ir daži citi veidi, kā gūt finansiālus ieguvumus saistībā ar AI attīstību. Tajā pašā laikā AI jaunizveidotiem un privātiem uzņēmumiem ir piešķirts ievērojams privātā kapitāla kapitāls (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 decentralizētie AI kriptoaktīvi ir vienādi visiem, un ikvienam var piederēt daļa no AI nākotnes.
Cik tālu ir attīstījies šis savstarpējās mēslošanas lauks?
Kriptovalūtas un mākslīgā intelekta krustpunkts joprojām ir sākuma stadijā, taču tirgus reakcija ir bijusi iepriecinoša. No 2024. gada maija mākslīgā intelekta koncepcijas kriptoaktīvi (piezīme: kriptovalūtas ieguldījumu portfelis, ko definējis Grayscale Research, tostarp NEAR, FET, RNDR, FIL, TAO, THETA, AKT, AGIX, WLD, AIOZ, TFUEL, GLM, PRIME, OCEAN, ARKM un LTP.) atdeves līmenis ir 20%, kas ir otrais pēc valūtas koncepcijas kategorijas (1. attēls). Turklāt, saskaņā ar datu sniedzēja Kaito teikto, mākslīgais intelekts pašlaik ir karstākais “stāstījums” sociālajās platformās salīdzinājumā ar citām tēmām, piemēram, DeFi, Layer 2, Memecoin un reāliem aktīviem.
Nesen vairākas ievērojamas personas ir sākušas aptvert šo topošo krustojumu, strādājot, lai novērstu centralizētā mākslīgā intelekta trūkumus. Šā gada martā labi zināmās mākslīgā intelekta uzņēmuma Stabilitātes AI dibinātājs Emads Mostaque pameta uzņēmumu, lai izpētītu decentralizēto mākslīgo intelektu. Viņš sacīja, ka "ir pienācis laiks padarīt mākslīgo intelektu atvērtu un decentralizētu". Kriptovalūtas uzņēmējs Eriks Vorhees nesen atklāja Venice.ai — uz privātumu vērstu AI pakalpojumu ar pilnīgu šifrēšanu.
1. attēls: AI lauks šogad līdz šim ir pārspējis gandrīz visus kriptovalūtas segmentus
Kriptovalūtas un mākslīgā intelekta konverģenci varam iedalīt trīs galvenajās apakškategorijās:
Infrastruktūras slānis: tīkls, kas nodrošina platformu AI izstrādei (piemēram, NEAR, TAO, FET);
Mākslīgajam intelektam nepieciešamie resursi: nodrošināt skaitļošanas, uzglabāšanas, datu un citus galvenos mākslīgā intelekta attīstībai nepieciešamos resursus (piemēram, RNDR, AKT, LPT, FIL, AR, MASA);
AI problēmu risināšana: mēģinājums atrisināt ar AI saistītas problēmas, piemēram, robotu un dziļo viltojumu pieaugumu un modeļu validāciju (piemēram, WLD, TRAC, NUM).
2. attēls. Projekta izkārtojums, kurā integrēts mākslīgais intelekts un kriptovalūta, avots: Grayscale Investments
AI infrastruktūras tīkls
Pirmais ir tīkls, kas piedāvā neatļautu, atvērtu arhitektūru, kas īpaši izveidota AI attīstībai. Šie tīkli nekoncentrējas uz vienu AI produktu vai pakalpojumu, bet gan rada pamata infrastruktūru un stimulēšanas mehānismus dažādām AI lietojumprogrammām.
NEAR šajā kategorijā izceļas, un tās dibinātājs ir viens no “Transformer” arhitektūras līdzautoriem, kas nodrošina AI sistēmas, piemēram, ChatGPT. Tomēr uzņēmums nesen izmantoja savu AI pieredzi, lai atklātu rezultātus, kas gūti, attīstot "lietotājiem piederošo AI", izmantojot pētniecības un attīstības grupu, kuru vadīja bijušais OpenAI pētniecības inženiera konsultants. 2024. gada jūnija beigās uzņēmums Near uzsāka AI inkubatora programmu, lai izstrādātu Near sākotnējo bāzes modeli, AI lietojumprogrammu datu platformu, AI aģentu sistēmu un skaitļošanas tirgu.
Bittensor ir vēl viens pārliecinošs piemērs. Bittensor ir platforma, kas ekonomiski veicina mākslīgā intelekta attīstību, izmantojot TAO žetonus. Bittensor ir 38 apakštīklu pamatā esošā platforma, katram no kuriem 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 palīdzētu izstrādātājiem izveidot īpašas mākslīgā intelekta lietojumprogrammas.
AI infrastruktūras tīkls ietver arī citus protokolus, piemēram, Fetch.ai un Allora. Fetch.ai, platforma izstrādātājiem, lai izveidotu sarežģītus AI palīgus (pazīstami kā "AI aģenti"), nesen tika apvienota ar AGIX un OCEAN, un kopējā vērtība ir aptuveni 7,5 miljardi ASV dolāru. Otrs ir Allora tīkls — platforma, kas koncentrējas uz AI izmantošanu finansēšanai, 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 USD.
Nodrošiniet AI nepieciešamos resursus
Otrā kategorija ir projekti, kas nodrošina mākslīgā intelekta 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. Tiek lēsts, ka Render piedāvās aptuveni 10 000 GPU, kas ir vērsti uz māksliniekiem un ģeneratīvo AI, savukārt Akash piedāvā 400 GPU, kas ir vērsti uz AI izstrādātājiem un pētniekiem. Tikmēr Livepeer nesen paziņoja par plāniem izveidot savu jauno AI apakštīklu, kura mērķis ir līdz 2024. gada augustam pabeigt teksta pārveides, teksta pārveides video un attēlu pārvēršanas video iespējas.
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 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 nostāda neizdevīgā stāvoklī visus pārējos AI modeļu izstrādātājus ārpus tehnoloģiju gigantiem. Tomēr datu nokasīšanas pakalpojumi, piemēram, Grass un Masa (MASA), var palīdzēt nodrošināt līdzvērtīgus konkurences apstākļus, jo tie ļauj personām gūt peļņu no saviem lietojumprogrammu datiem, izmantojot tos AI modeļu apmācībai, vienlaikus saglabājot kontroli un privātumu pār saviem personas datiem.
Atrisiniet ar AI saistītas problēmas
Trešajā kategorijā ietilpst projekti, kas mēģina atrisināt ar mākslīgo intelektu saistītas problēmas, tostarp kiberbotu un dziļo viltojumu izplatību.
Galvenā problēma, ko saasina mākslīgais intelekts, ir robotprogrammatūras un dezinformācijas izplatība. Mākslīgā mākslīgā intelekta radītie viltojumi jau tagad ietekmē prezidenta vēlēšanas Indijā un Eiropā, un eksperti "ļoti nobijušies", ka gaidāmā prezidenta vēlēšanu kampaņa tiks ierauta "dezinformācijas cunami", ko izraisīs dziļās viltošanas. Projekti, kuru mērķis ir 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, izmantojot unikālu biometrisko tehnoloģiju, lai pierādītu cilvēka cilvēcību.
Vēl viens AI risks ir nodrošināt uzticēšanos pašam modelim. Kā mēs varam paļauties, ka mūsu saņemtie AI rezultāti nav tikuši manipulēti vai manipulēti? Pašlaik vairāki protokoli strādā, lai palīdzētu atrisināt šo problēmu, izmantojot kriptogrāfiju, nulles zināšanu pierādījumus un pilnībā homomorfisku šifrēšanu (FHE), tostarp Modulus Labs un Zama.
noslēgumā
Lai gan ir panākts sākotnējais progress ar šiem decentralizētajiem AI līdzekļiem, mēs joprojām esam šī krustojuma sākuma stadijā. Šī gada sākumā slavenais riska kapitālists Freds Vilsons sacīja, ka mākslīgais intelekts un kriptovalūta ir "vienas monētas divas puses" un "Web3 palīdzēs mums uzticēties mākslīgajam intelektam". AI nozarei turpinot nobriest, Grayscale Research uzskata, ka šie ar mākslīgo intelektu saistītie šifrēšanas izmantošanas gadījumi kļūs arvien nozīmīgāki un ka šīm divām strauji attīstošajām tehnoloģijām ir potenciāls atbalstīt viena otru un attīstīties kopā.
Ir daudz pazīmju, ka tuvojas mākslīgā intelekta laikmets, kam būs tālejoša ietekme gan pozitīva, gan negatīva. Izmantojot blokķēdes tehnoloģijas īpašības, mēs uzskatām, ka kriptovalūtas galu galā var palīdzēt mazināt dažas mākslīgā intelekta radītās briesmas.
Oriģinālā saite
