原标题: „Nadchodzi sztuczna inteligencja – kryptowaluty mogą pomóc to naprawić”
Książka: Badania w skali szarości
Opracowane przez: Felix, PANews
Firma Grayscale ogłosiła wczoraj uruchomienie Grayscale Decentralized AI Fund LLC, nowego funduszu skupiającego się na zdecentralizowanej sztucznej inteligencji. Pierwsza partia projektów funduszu obejmuje Bittensor (TAO), Filecoin (FIL), Livepeer (LPT), Near (NEAR) i Render (RNDR), z których Near, Filecoin i Render to aktywa o największej wadze w funduszu. Pod wpływem tej wiadomości powiązane tokeny gwałtownie wzrosły. Następnie Grayscale opublikował artykuł wyjaśniający sztuczną inteligencję i zdecentralizowaną sztuczną inteligencję oraz wyjaśniający powody, dla których przywiązuje się do niej wagę. Poniżej znajduje się pełny tekst treści.
Sztuczna inteligencja (AI) to jedna z najbardziej obiecujących nowych technologii tego stulecia, posiadająca potencjał wykładniczego zwiększania produktywności człowieka i napędzania przełomowych odkryć w medycynie. Chociaż sztuczna inteligencja może być dziś ważna, jej wpływ będzie tylko rósł. PwC szacuje, że do 2030 roku sztuczna inteligencja stanie się branżą o wartości 15 bilionów dolarów.
Jednak przed tą obiecującą technologią stoją także wyzwania. W miarę jak technologia AI staje się coraz potężniejsza, władza branży AI koncentruje się w rękach kilku firm, co jest potencjalnie szkodliwe dla społeczeństwa. Wzbudziło to również poważne obawy dotyczące głębokich podróbek, wbudowanej stronniczości i zagrożeń dla prywatności danych. Na szczęście kryptografia oferuje potencjalne rozwiązania niektórych z tych problemów dzięki swoim właściwościom decentralizacji i przejrzystości.
W tym artykule przyjrzymy się problemom wynikającym z centralizacji oraz temu, jak zdecentralizowana sztuczna inteligencja może pomóc w rozwiązaniu niektórych z tych wad. Omówione zostanie również skrzyżowanie kryptowalut i sztucznej inteligencji, podkreślając zastosowania kryptowalut w przestrzeni, które wykazują oznaki wczesnego przyjęcia.
Problem ze scentralizowaną sztuczną inteligencją
Obecny rozwój sztucznej inteligencji wiąże się z pewnymi zagrożeniami i wyzwaniami. Efekty sieciowe i duże wymagania kapitałowe związane ze sztuczną inteligencją są tak duże, że wielu twórców sztucznej inteligencji spoza dużych firm technologicznych, takich jak małe firmy lub badacze akademiccy, albo ma trudności z uzyskaniem zasobów potrzebnych do rozwoju sztucznej inteligencji, albo nie jest w stanie monetyzować swojej pracy. Ogranicza to ogólną konkurencję i innowacje w zakresie sztucznej inteligencji.
W rezultacie wpływ na tę kluczową technologię koncentruje się w rękach kilku firm, takich jak OpenAI i Google, co rodzi poważne pytania dotyczące zarządzania sztuczną inteligencją. Na przykład w lutym tego roku należący do Google generator obrazów AI Gemini został narażony na dyskryminację rasową i błędy historyczne oraz był podejrzany o manipulowanie modelami. Ponadto w listopadzie ubiegłego roku sześcioosobowy zarząd podjął decyzję o zwolnieniu dyrektora generalnego OpenAI Sama Altmana, ujawniając fakt, że garstka osób kontroluje firmy opracowujące te modele.
W miarę wzrostu wpływów i znaczenia sztucznej inteligencji wiele osób obawia się, że jedna firma może zyskać władzę decyzyjną w stosunku do modelu sztucznej inteligencji, który mógłby mieć ogromny wpływ na społeczeństwo. Mogą nawet tworzyć bariery, aby pracować za zamkniętymi drzwiami kosztem innych lub manipulować modelami dla osobistych korzyści.
Jak zdecentralizowana sztuczna inteligencja może pomóc
Zdecentralizowana sztuczna inteligencja odnosi się do usług sztucznej inteligencji, które wykorzystują technologię blockchain do dystrybucji własności sztucznej inteligencji i zarządzania nią w sposób zwiększający przejrzystość i dostępność. Grayscale Research wierzy, że zdecentralizowana sztuczna inteligencja może uwolnić ważne decyzje od zamkniętych środowisk i udostępnić je społeczeństwu.
Technologia Blockchain może pomóc programistom zwiększyć dostęp do sztucznej inteligencji i obniżyć próg dla niezależnych programistów w zakresie tworzenia i zarabiania na swojej pracy. Pomoże to zwiększyć ogólną innowacyjność i konkurencję w zakresie sztucznej inteligencji oraz zachować równowagę z modelami opracowanymi przez gigantów technologicznych.
Ponadto zdecentralizowana sztuczna inteligencja może pomóc w demokratyzacji inwestycji w sztuczną inteligencję. Obecnie istnieje kilka sposobów na zarabianie zysków związanych z rozwojem sztucznej inteligencji w inny sposób niż poprzez kilka spółek technologicznych. Jednocześnie znaczne kwoty kapitału prywatnego przeznaczono na start-upy AI i prywatne firmy (47 mld dolarów w 2022 r., 42 mld dolarów w 2023 r.). W efekcie jedynie niewielka grupa inwestorów venture capital i akredytowanych ma dostęp do wpływów z tych spółek. Natomiast zdecentralizowane kryptowaluty AI są otwarte dla wszystkich i każdy może uczestniczyć w przyszłości AI.
Jak dziś rozwija się pole skrzyżowania?
Połączenie kryptowalut i sztucznej inteligencji jest wciąż na wczesnym etapie dojrzałości, ale reakcja rynku jest zachęcająca. Od maja 2024 r. przestrzeń AI dla zasobów kryptograficznych zwróciła się o 20%, przewyższając zdecydowaną większość ścieżek kryptograficznych. Ponadto, według danych Kaito, w porównaniu z innymi utworami, takimi jak DeFi, Layer2, Meme i RWA, utwór AI ma obecnie najwyższy „udział umysłu narracyjnego” na platformach społecznościowych (największe zainteresowanie rynku).
Ostatnio kilka wielkich nazwisk zaczęło zajmować się tą wschodzącą dziedziną, pracując nad wyeliminowaniem niedociągnięć scentralizowanej sztucznej inteligencji. W marcu tego roku Emad Mostaque, założyciel firmy AI Stability AI, opuścił firmę, aby dążyć do zdecentralizowanej sztucznej inteligencji. Powiedział, że „teraz nadszedł czas, aby zapewnić, że sztuczna inteligencja pozostanie otwarta i zdecentralizowana”. Ponadto założyciel ShapeShift, Erik Vorhees, niedawno uruchomił Venice.ai, usługę sztucznej inteligencji zorientowaną na prywatność z kompleksowym szyfrowaniem.
Rysunek 1: AI Universe osiągnęło w tym roku lepsze wyniki niż prawie wszystkie ścieżki kryptograficzne
Przecięcie kryptowalut i sztucznej inteligencji można podzielić na trzy główne podkategorie:
Warstwa infrastruktury: Sieć zapewniająca platformę do rozwoju sztucznej inteligencji (np. NEAR, TAO, FET)
Zasoby wymagane dla sztucznej inteligencji: zasoby (takie jak RNDR, AKT, LPT, FIL, AR, MASA), które zapewniają kluczowe zasoby (obliczenia, przechowywanie, dane) wymagane do rozwoju sztucznej inteligencji
Rozwiązywanie problemów związanych ze sztuczną inteligencją: zasoby, które próbują rozwiązać problemy związane ze sztuczną inteligencją, takie jak pojawienie się botów i deepfakes, oraz weryfikacja modeli (np. WLD, TRAC, NUM)
Rysunek 2: Mapa rynku AI i kryptowalut
Źródło: Inwestycje w skali szarości. Załączone protokoły mają charakter poglądowy
Sieć zapewniająca infrastrukturę do rozwoju sztucznej inteligencji
Pierwsza to sieć zapewniająca otwartą architekturę niewymagającą uprawnień, zbudowaną specjalnie na potrzeby ogólnego rozwoju usług AI. Aktywa te nie skupiają się na jednym typie produktu lub usługi AI, lecz zamiast tego skupiają się na tworzeniu podstawowej infrastruktury i mechanizmów motywacyjnych dla różnych zastosowań AI.
NEAR wyróżnia się w tej kategorii jako współtwórca architektury „Transformer”, która napędza systemy AI takie jak ChatGPT. W maju tego roku firma NEAR ogłosiła, że skupi się na budowaniu ekosystemu sztucznej inteligencji należącego do użytkowników i będzie dążyć do optymalizacji prywatności i suwerenności użytkowników. Pod koniec czerwca NEAR uruchomił program inkubatora sztucznej inteligencji mający na celu rozwój natywnych modeli bazowych NEAR, platformy danych dla aplikacji AI, platformy agentów AI i rynku obliczeniowego.
Bittensor to platforma wykorzystująca tokeny TAO, aby ekonomicznie wspierać rozwój sztucznej inteligencji. Bittensor służy jako platforma bazowa dla 38 podsieci, każda z różnymi przypadkami użycia, takimi jak chatboty, generowanie obrazów, prognozowanie finansowe, tłumaczenie językowe, szkolenie modeli, przechowywanie i przetwarzanie. Sieć Bittensor nagradza najlepiej działających górników i walidatorów w każdej podsieci tokenami TAO i zapewnia programistom API bez uprawnień do tworzenia określonych aplikacji AI poprzez wysyłanie zapytań do górników w podsieci Bittensor.
Ta kategoria obejmuje również inne protokoły, takie jak Fetch.ai i Allora Network. Fetch.ai, platforma dla programistów umożliwiająca tworzenie złożonych asystentów AI (zwanych „agentami AI”), niedawno połączyła się z firmami AGIX i OCEAN, a jej łączna kapitalizacja rynkowa wynosi około 7,5 miliarda dolarów. Druga to Allora Network, platforma skupiająca się na zastosowaniu sztucznej inteligencji w aplikacjach finansowych, w tym w strategiach automatycznego handlu dla rynków DEX i prognoz. Allora, która nie wyemitowała jeszcze tokena, zebrała w czerwcu rundę finansowania strategicznego o łącznej wartości 35 milionów dolarów finansowania prywatnego.
Zasoby potrzebne do rozwoju sztucznej inteligencji
Druga kategoria obejmuje aktywa zapewniające zasoby potrzebne do rozwoju sztucznej inteligencji w postaci obliczeń, przechowywania lub danych.
Rozwój sztucznej inteligencji spowodował ogromne zapotrzebowanie na zasoby obliczeniowe w postaci procesorów graficznych. Zdecentralizowane rynki procesorów graficznych, takie jak Render (RNDR), Akash (AKT) i Livepeer (LPT), zapewniają programistom dostawę bezczynnych procesorów graficznych do trenowania modeli, wnioskowania o modelach lub renderowania generatywnej sztucznej inteligencji 3D. Szacuje się, że Render będzie oferować około 10 000 procesorów graficznych, przeznaczonych dla artystów i generatywnej sztucznej inteligencji, natomiast Akash będzie oferować 400 procesorów graficznych dla twórców i badaczy sztucznej inteligencji. Tymczasem firma Livepeer ogłosiła niedawno plany dotyczące nowej podsieci AI, której celem będzie wykonywanie zadań wnioskowania AI, takich jak zamiana tekstu na obraz, tekstu na wideo i obrazu na wideo do sierpnia 2024 r.
Oprócz dużych ilości zasobów obliczeniowych modele sztucznej inteligencji wymagają również dużych ilości danych. W rezultacie zapotrzebowanie na przechowywanie danych znacznie wzrosło. Rozwiązania do przechowywania danych, takie jak Filecoin (FIL) i Arweave (AR), mogą służyć jako zdecentralizowane i bezpieczne alternatywy internetowe do przechowywania danych AI na scentralizowanych serwerach AWS. Rozwiązania te nie tylko zapewniają opłacalną i skalowalną pamięć masową, ale także zwiększają bezpieczeństwo i integralność danych, eliminując pojedyncze punkty awarii i zmniejszając ryzyko naruszenia bezpieczeństwa danych.
Wreszcie istniejące usługi AI, takie jak OpenAI i Gemini, zapewniają ciągły dostęp do danych w czasie rzeczywistym odpowiednio za pośrednictwem Bing i wyszukiwarki Google. Stawia to wszystkich innych twórców modeli sztucznej inteligencji, z wyjątkiem firm technologicznych, w niekorzystnej sytuacji. Usługi skrobania danych, takie jak Grass i Masa, mogą jednak pomóc w wyrównaniu szans, umożliwiając indywidualnym osobom zarabianie poprzez dostarczanie danych aplikacji na potrzeby szkolenia modeli sztucznej inteligencji, przy jednoczesnym zachowaniu kontroli i prywatności nad ich danymi osobowymi.
Zasoby, które próbują rozwiązać problemy związane ze sztuczną inteligencją
Trzecia kategoria obejmuje zasoby, które próbują rozwiązać problemy związane ze sztuczną inteligencją, w tym pojawienie się botów, deepfakes i pochodzenie treści.
Kolejnym istotnym problemem związanym ze sztuczną inteligencją jest rozprzestrzenianie się botów i dezinformacji. Wygenerowane przez sztuczną inteligencję deepfakes wywarły już wpływ na wybory prezydenckie w Indiach i Europie, a eksperci „bardzo boją się” nadchodzącej kampanii prezydenckiej w USA zalewu „dezinformacją” w dużej mierze napędzaną przez deepfakes. Zasoby zaprojektowane, aby pomóc w rozwiązywaniu problemów związanych z deepfakes poprzez ustanowienie weryfikowalnych źródeł treści, obejmują Origin Trail (TRAC), Numbers Protocol (NUM) i Story Protocol. Co więcej, Worldcoin (WLD) próbuje rozwiązać problem bota, weryfikując go za pomocą unikalnego identyfikatora biometrycznego.
Kolejnym ryzykiem związanym ze sztuczną inteligencją jest zapewnienie zaufania do samego modelu. Jak możesz mieć pewność, że otrzymane wyniki sztucznej inteligencji nie zostały naruszone ani zmanipulowane? Obecnie istnieje kilka protokołów, które pomagają rozwiązać ten problem poprzez kryptografię, dowody wiedzy zerowej i szyfrowanie w pełni homomorficzne (FHE), takie jak Modulus Labs i Zama.
podsumowując
Chociaż te zdecentralizowane zasoby sztucznej inteligencji osiągnęły już wstępne wyniki, nadal znajdują się na wczesnym etapie. Na początku tego roku inwestor venture capital Fred Wilson powiedział, że sztuczna inteligencja i kryptowaluty to „dwie strony tej samej monety”, a „Web3 pomoże nam zaufać sztucznej inteligencji”. W miarę dojrzewania branży sztucznej inteligencji Grayscale Research uważa, że przypadki użycia kryptowalut związane ze sztuczną inteligencją będą zyskiwać coraz większe znaczenie i że te dwie szybko rozwijające się technologie mają potencjał, aby się wzajemnie uzupełniać.
Wiele wskazuje na to, że era sztucznej inteligencji nadchodzi i będzie miała dalekosiężne skutki, zarówno pozytywne, jak i negatywne. Uważa się, że wykorzystując właściwości technologii blockchain, Crypto może ostatecznie pomóc złagodzić niektóre zagrożenia związane ze sztuczną inteligencją.