Autor: Will Ogden Moore, opracowanie: 0xjs@金财经

Sztuczna inteligencja to jedna z najbardziej obiecujących nowych technologii tego stulecia, która może wykładniczo zwiększyć produktywność człowieka i przyczynić się do przełomowych odkryć w medycynie. Chociaż sztuczna inteligencja może być dziś ważna, jej wpływ będzie coraz większy, a PwC szacuje, że do 2030 r. rozwinie się do branży wartej 15 bilionów dolarów.

Jednak przed tą obiecującą technologią stoją także wyzwania. W miarę jak technologia sztucznej inteligencji staje się coraz potężniejsza, branża sztucznej inteligencji staje się niezwykle skoncentrowana, a władza jest w rękach kilku firm, co może zaszkodzić społeczeństwu. Budzi to również poważne obawy dotyczące deepfakes, wbudowanej stronniczości i zagrożeń dla prywatności danych. Na szczęście Crypto oraz jego zdecentralizowany i przejrzysty charakter oferują potencjalne rozwiązania niektórych z tych problemów.

W tym artykule zbadamy problemy powodowane przez scentralizowaną sztuczną inteligencję oraz to, w jaki sposób zdecentralizowana sztuczna inteligencja może pomóc w rozwiązaniu niektórych jej problemów, a także omówimy obecne skrzyżowanie kryptowalut i sztucznej inteligencji, podkreślając zastosowania kryptowalut w terenie, które wykazują oznaki wczesnego przyjęcia.

Problemy ze scentralizowaną sztuczną inteligencją

Obecnie rozwój sztucznej inteligencji stoi przed pewnymi wyzwaniami i zagrożeniami. 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 należący do Google generator obrazów AI Gemini ujawnił uprzedzenia rasowe i nieścisłości historyczne, ilustrując, w jaki sposób firma manipulowała swoimi modelami. Ponadto podjęta w listopadzie ubiegłego roku decyzja sześcioosobowego zarządu o zwolnieniu dyrektora generalnego OpenAI Sama Altmana ujawniła fakt, że niewielka liczba osób kontroluje firmy opracowujące te modele.

W miarę wzrostu wpływów i znaczenia sztucznej inteligencji wiele osób obawia się, że pojedyncza firma może przejąć kontrolę nad podejmowaniem decyzji w oparciu o model sztucznej inteligencji, co może mieć ogromny wpływ na społeczeństwo, wznosząc barierki ochronne, działając za zamkniętymi drzwiami lub manipulując modelem do własnych celów. korzyści — — ale kosztem innych członków społeczeństwa.

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 mający na celu zwiększenie przejrzystości i dostępności. Grayscale Research wierzy, że zdecentralizowana sztuczna inteligencja może uwolnić te ważne decyzje od zamkniętych systemów i przenieść je na własność publiczną.

Technologia Blockchain może pomóc programistom uzyskać większy dostęp do sztucznej inteligencji i obniżyć próg dla niezależnych programistów w zakresie tworzenia swoich dzieł i zarabiania na nich. Wierzymy, że może to pomóc w poprawie ogólnej innowacyjności i konkurencji w zakresie sztucznej inteligencji oraz w utrzymaniu równowagi z modelami opracowanymi przez gigantów technologicznych.

Ponadto zdecentralizowana sztuczna inteligencja pomaga demokratyzować inwestycje w sztuczną inteligencję. Obecnie istnieje kilka innych sposobów czerpania korzyści finansowych związanych z rozwojem sztucznej inteligencji w inny sposób niż poprzez kilka spółek technologicznych. Jednocześnie znaczne kwoty kapitału prywatnego przeznaczane są na start-upy AI i prywatne firmy (47 mld dolarów w 2022 r., 42 mld dolarów w 2023 r.). W rezultacie jedynie niewielka grupa inwestorów venture capital i inwestorów akredytowanych ma dostęp do korzyści finansowych tych spółek. Natomiast zdecentralizowane kryptoaktywa AI są dostępne dla każdego, dzięki czemu każdy może posiadać część przyszłości AI.

Gdzie jest dziś skrzyżowanie kryptowalut i sztucznej inteligencji?

Obecnie skrzyżowanie kryptowaluty i sztucznej inteligencji jest wciąż na wczesnym etapie dojrzałości, ale reakcja rynku jest zachęcająca. Od maja 2024 r. zwrot z pola AI dla aktywów kryptograficznych wynosi 20%, co przewyższa każdą ścieżkę kryptowalut z wyjątkiem ścieżki Waluty (rysunek 1). Ponadto według dostawcy danych Kaito temat sztucznej inteligencji stanowi obecnie najbardziej „narracyjny sposób myślenia” na platformach społecznościowych w porównaniu z innymi tematami, takimi jak zdecentralizowane finanse, warstwa 2, monety memowe i aktywa ze świata rzeczywistego.

Ostatnio kilka wielkich nazwisk zaczęło wykorzystywać to wyłaniające się skrzyżowanie, pracując nad wyeliminowaniem niedociągnięć scentralizowanej sztucznej inteligencji. W marcu tego roku Emad Mostaque, założyciel znanej firmy zajmującej się sztuczną inteligencją Stability AI, opuścił firmę, aby dążyć do zdecentralizowanej sztucznej inteligencji. Stwierdził, że „nadszedł czas, aby sztuczna inteligencja pozostała otwarta i zdecentralizowana”. Ponadto przedsiębiorca zajmujący się kryptowalutami Erik Vorhees uruchomił niedawno Venice.ai, usługę sztucznej inteligencji zorientowaną na prywatność z kompleksowym szyfrowaniem.

Rysunek 1: Jak dotąd w tym roku ścieżka AI osiągała lepsze wyniki niż prawie wszystkie ścieżki kryptograficzne

Przecięcie Crypto i AI możemy podzielić na trzy główne podkategorie:

1. Warstwa infrastruktury: sieć zapewniająca platformę do rozwoju sztucznej inteligencji (np. NEAR, TAO, FET)

2. Zasoby wymagane dla AI: aktywa zapewniające kluczowe zasoby (obliczenia, pamięć masowa, dane) wymagane do rozwoju AI (takie jak RNDR, AKT, LPT, FIL, AR, MASA)

3. Rozwiązywanie problemów związanych ze sztuczną inteligencją: zasoby, które próbują rozwiązać problemy związane ze sztuczną inteligencją, takie jak pojawienie się botów i deepfake’ów, oraz weryfikacja modeli (np. WLD, TRAC, NUM)

Rysunek 2: Mapa rynku AI i kryptowalut

Źródło: Inwestycje w skali szarości

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.

W tej kategorii wyróżnia się Near, którego założyciele są współtwórcami architektury „Transformer”, która napędza systemy AI takie jak ChatGPT. Jednak niedawno firma wykorzystała swoją wiedzę specjalistyczną w zakresie sztucznej inteligencji, aby zaprezentować swoje wysiłki na rzecz opracowania „sztucznej inteligencji będącej własnością użytkownika” za pośrednictwem działu badawczo-rozwojowego kierowanego przez byłego konsultanta-inżyniera ds. badań OpenAI. Pod koniec czerwca 2024 r. firma Near uruchomiła program inkubatora sztucznej inteligencji mający na celu rozwój modeli bazowych typu Near-native, platform danych aplikacji AI, platform agentów AI i rynków obliczeniowych.

Bittensor zapewnia kolejny potencjalnie przekonujący przykład. Bittensor to platforma wykorzystująca tokeny TAO do finansowego wspierania rozwoju sztucznej inteligencji. Bittensor jest platformą bazową dla 38 podsieci (podsieci), każda z różnymi przypadkami użycia, takimi jak chatboty, generowanie obrazów, prognozowanie finansowe, tłumaczenie językowe, uczenie modeli, przechowywanie i obliczenia. 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, czyli „agentów AI”, niedawno połączyła się z firmami AGIX i OCEAN, a jej łączna wartość wynosi około 7,5 miliarda dolarów. Druga to sieć Allora, platforma skupiająca się na zastosowaniu sztucznej inteligencji w aplikacjach finansowych, w tym zdecentralizowanych giełdach i strategiach automatycznego handlu dla rynków prognostycznych. Allora, która nie uruchomiła jeszcze tokena, w czerwcu zebrała rundę finansowania strategicznego, zwiększając całkowite finansowanie do 35 milionów dolarów w postaci kapitału 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 stworzył bezprecedensowe zapotrzebowanie na zasoby obliczeniowe w postaci procesorów graficznych. Zdecentralizowane rynki procesorów graficznych, takie jak Render (RNDR), Akash (AKT) i Livepeer (LPT), zapewniają dostawę bezczynnych procesorów graficznych programistom, którzy potrzebują obliczeń do uczenia modeli, wnioskowania o modelach lub renderowania generatywnej sztucznej inteligencji 3D. Obecnie szacuje się, że Render oferuje około 10 000 procesorów graficznych z naciskiem na artystów i generatywną sztuczną inteligencję, natomiast Akash oferuje 400 procesorów graficznych z naciskiem na twórców i badaczy sztucznej inteligencji. Tymczasem firma Livepeer ogłosiła niedawno plany dotyczące nowej podsieci AI, której celem jest realizacja zadań takich jak przetwarzanie tekstu na obraz, tekstu na wideo i obrazu na wideo do sierpnia 2024 r.

Modele AI nie tylko wymagają dużej mocy obliczeniowej, ale 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 zdecentralizowana, bezpieczna alternatywa sieciowa 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 spoza tych firm technologicznych w niekorzystnej sytuacji. Usługi skrobania danych, takie jak Grass i Masa (MASA), mogą jednak pomóc w wyrównaniu szans, ponieważ umożliwiają indywidualnym użytkownikom zarabianie na danych aplikacji poprzez wykorzystywanie ich do szkolenia w zakresie modeli sztucznej inteligencji, przy jednoczesnym zachowaniu kontroli nad swoimi danymi osobowymi i prywatnością.

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.

Głównym problemem zaostrzonym przez sztuczną inteligencję jest rozprzestrzenianie się botów i dezinformacja. Deepfakes generowane przez sztuczną inteligencję już mają wpływ na wybory prezydenckie w Indiach i Europie, a eksperci „bardzo się boją”, że nadchodząca kampania prezydencka będzie wiązać się z „tsunami dezinformacji” w dużym stopniu napędzanym przez deepfakes. Zasoby, które chcą pomóc w rozwiązywaniu problemów związanych z deepfakes poprzez ustanowienie weryfikowalnych źródeł treści, obejmują Origin Trail (TRAC), Numbers Protocol (NUM) i Story Protocol. Ponadto Worldcoin (WLD) stara się rozwiązać problem botów, udowadniając człowieczeństwo danej osoby za pomocą unikalnego identyfikatora biometrycznego.

Kolejnym ryzykiem związanym ze sztuczną inteligencją jest zapewnienie zaufania do samego modelu. Jak możemy mieć pewność, że wyniki sztucznej inteligencji, które otrzymujemy, nie zostały naruszone ani zmanipulowane? Obecnie pracuje nad rozwiązaniem tego problemu kilka protokołów poprzez kryptografię, dowody wiedzy zerowej i szyfrowanie w pełni homomorficzne (FHE), w tym Modulus Labs i Zama.

podsumowując

Chociaż zdecentralizowane zasoby sztucznej inteligencji poczyniły wstępne postępy, wciąż jesteśmy w pierwszej rundzie tego skrzyżowania. Na początku tego roku słynny inwestor venture capital Fred Wilson powiedział, że sztuczna inteligencja i kryptowaluta to „dwie strony tego samego medalu”, 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, a dwie szybko rozwijające się technologie prawdopodobnie będą wspierać wzajemny rozwój.

Wiele wskazuje na to, że sztuczna inteligencja nadejdzie i będzie miała dalekosiężne skutki, zarówno pozytywne, jak i negatywne. Wierzymy, że wykorzystując właściwości technologii blockchain, szyfrowanie może ostatecznie pomóc złagodzić niektóre zagrożenia stwarzane przez sztuczną inteligencję.