Skrzyżowanie generatywnej sztucznej inteligencji i Web3 to jeden z najaktywniejszych obszarów badań i rozwoju w kręgach kryptograficznych w ciągu ostatnich kilku miesięcy. Zdecentralizowane obliczenia, sztuczna inteligencja o wiedzy zerowej, mniejsze modele podstawowe, zdecentralizowane sieci danych i łańcuchy oparte na sztucznej inteligencji to tylko niektóre z ostatnich trendów, których celem jest udostępnienie szyn natywnych dla Web3 dla obciążeń AI.
Trendy te to innowacje technologiczne, które mają na celu połączenie światów Web3 i sztucznej inteligencji, co stanowi naturalne tarcie przeciwko scentralizowanej naturze generatywnej sztucznej inteligencji. Chociaż tworzenie mostów technologicznych za pomocą sztucznej inteligencji jest podstawą ewolucji Web3, nie stanowią one jedynej ścieżki integracji tych trendów technologicznych.
Co by było, gdyby ścieżka integracji Web3 i sztucznej inteligencji miała charakter finansowy, a nie czysto techniczny? Okazuje się, że programowalne możliwości kryptowalut w zakresie finansów i tworzenia kapitału mogą być przydatne w przypadku jednego z największych wyzwań stojących przed obecnym rynkiem generatywnej sztucznej inteligencji.
O jakim wyzwaniu mówimy? Nic poza wyzwaniami finansowymi związanymi z generatywną sztuczną inteligencją typu open source.
Generacyjna sztuczna inteligencja typu open source musi odnieść sukces
Pomimo niedawnego poziomu innowacji w zdecentralizowanej, generatywnej sztucznej inteligencji, różnica w stosunku do technologii scentralizowanej sztucznej inteligencji raczej się zwiększa, niż maleje. Wiele osób zgadza się, że blockchainy stanowią najlepszą alternatywę technologiczną dla rosnącej scentralizowanej kontroli AI nad dużymi platformami technologicznymi. Jednak wyzwania związane z przyjęciem zdecentralizowanych platform sztucznej inteligencji są monumentalne.
Zdecentralizowane obliczenia są wyraźnym filarem zdecentralizowanej sztucznej inteligencji, ale okazują się niepraktyczne w przypadku wstępnego szkolenia i dostrajania obciążeń, które wymagają procesorów graficznych znajdujących się w pobliżu z dostępem do zbiorów danych, które często znajdują się za korporacyjnymi zaporami sieciowymi. ML o wiedzy zerowej jest zbyt drogie, aby było praktyczne w dużych modelach fundamentów i nie spotkało się z żadnym realnym popytem na rynku. Zdecentralizowane rynki danych muszą przezwyciężyć te same problemy, które uniemożliwiają rynkom danych przekształcenie się w duże firmy technologiczne.
Podczas gdy zdecentralizowana sztuczna inteligencja stara się przezwyciężyć te tarcia, scentralizowane alternatywy przyspieszają w szalonym tempie, tworząc przerażającą przepaść między nimi. Jedynym trendem, który daje nadzieję na świat, w którym zdecentralizowana sztuczna inteligencja może odnieść sukces, jest szybka ewolucja generatywnej sztucznej inteligencji o otwartym kodzie źródłowym.
Wszystkie zdecentralizowane trendy w zakresie sztucznej inteligencji opierają się na zdrowym ekosystemie generatywnej sztucznej inteligencji typu open source, jednak ekosystem ten może nie być tak zdrowy, jak się wydaje.
Generacyjna sztuczna inteligencja typu open source ma ogromny problem z finansowaniem
W ciągu ostatnich kilku lat byliśmy świadkami eksplozji innowacji w zakresie dużej generatywnej sztucznej inteligencji typu open source jako alternatywy dla platform takich jak OpenAI/Microsoft, Google czy Anthropic. Meta stała się zaskakującym, niekwestionowanym mistrzem generatywnej sztucznej inteligencji typu open source wraz z wydaniem modeli Llama. Firmy takie jak Mistral zebrały miliardy w ramach finansowania typu venture, platformy dla przedsiębiorstw, takie jak Databricks czy Snowflake, promują modele open source, a cotygodniowa liczba wydań generatywnej sztucznej inteligencji typu open source rośnie.
Chociaż generatywna sztuczna inteligencja typu open source cieszy się dużym zainteresowaniem, bardziej szczegółowa analiza pokazuje inną rzeczywistość. Generacyjna sztuczna inteligencja typu open source stoi przed ogromnym problemem finansowania. Jeśli chodzi o duże modele podstawowe, tylko duże firmy, takie jak Databricks, Snowflake, Meta lub dobrze finansowane startupy, takie jak Mistral, dotrzymują kroku wydajnościom dużych modeli zamkniętych. Większość wydań innych laboratoriów, takich jak Databricks i Snowflake, koncentruje się na zoptymalizowanych obciążeniach przedsiębiorstw, podczas gdy większość najnowszych badań nad oprogramowaniem open source skupia się na technikach uzupełniających, a nie na nowych modelach.
Przyczynę tego zjawiska można przypisać astronomicznym kosztom budowy dużych modeli granicznych. Każdy cykl szkolenia wstępnego dla modelu o ponad 20 miliardach parametrów może kosztować od dziesięciu do stu milionów dolarów i obejmuje wielomiesięczny proces z wieloma nieudanymi próbami. Koszty te wykraczają poza budżet większości laboratoriów uniwersyteckich. Aby było jeszcze ciekawiej, wiele dotacji na uniwersyteckie laboratoria AI pochodzi od dużych przedsiębiorstw technologicznych o ugruntowanej pozycji, które następnie są bezpośrednimi beneficjentami wyników.
Zarabianie pieniędzy na otwartym kodzie źródłowym było w przeszłości trudne, a zarabianie na generatywnej sztucznej inteligencji opartej na otwartym kodzie źródłowym jest trudne na skalę sztucznej inteligencji. W rezultacie generatywna sztuczna inteligencja typu open source doświadcza ogromnego kryzysu finansowego, który może spowodować poważną lukę w stosunku do dominujących na rynku AI.
Kapitał kryptograficzny dla generatywnej sztucznej inteligencji typu open source
Prymitywne metody tworzenia kapitału w kryptografii wydają się jedną z niewielu realnych alternatyw pozwalających zaradzić załamaniu finansowania w generatywnej sztucznej inteligencji. W całej swojej historii tokeny kryptograficzne były głównym narzędziem gromadzenia kapitału dla projektów Web3 w cyklach hossy i niedźwiedzia. Czy niektóre z tych zasad można zastosować do generatywnej sztucznej inteligencji typu open source? Na pewno jest więcej niż jedna ciekawa opcja.
Finansowanie kwadratowe Gitcoin
Gitcoin stanowi jeden z najbardziej udanych przykładów finansowania innowacji typu open source w Web3. Kwadratowy mechanizm finansowania zapoczątkowany przez Gitcoin może mieć bezpośrednie zastosowanie w generatywnej sztucznej inteligencji. Wprowadzenie natywnych możliwości generatywnej sztucznej inteligencji do Web3 ma ogromne znaczenie dla ewolucji przestrzeni, dlatego naturalne jest oczekiwanie, że projekty generatywnej sztucznej inteligencji przyciągną uwagę społeczności.
Załóżmy, że uniwersyteckie laboratorium sztucznej inteligencji musi zebrać 10 milionów dolarów na wstępne przeszkolenie LLM w oparciu o nowatorską architekturę. Wiele DAO i fundacji może wnieść swój wkład do dotacji Gitcoin, której grantodawcy mogą również dorównać, tworząc bardziej efektywny mechanizm finansowania. Mechanizm ten jest znacznie skuteczniejszy niż obecnie dostępne na rynku alternatywy.
Nowa licencja na generatywną sztuczną inteligencję typu open source
Finansowanie projektów typu open source umożliwia mechanizmy, dzięki którym wartość wytworzona przez te projekty może przynieść korzyści pierwotnej społeczności finansującej. Jeśli chodzi o Web3 i otwartą generatywną sztuczną inteligencję, ciekawym pomysłem jest ustanowienie licencji, w ramach której jakakolwiek aplikacja komercyjna korzystająca z modelu finansowanego przy użyciu tokenów Web3 powinna wpłacać część tych przychodów w postaci tego konkretnego tokena. Mechanizm ten można nawet wdrożyć za pomocą inteligentnych kontraktów.
Rozwiązanie problemu ryzyka systemowego związanego z otwartą generatywną sztuczną inteligencją
Finansowanie narzędzi sztucznej inteligencji typu open source to jedno z najważniejszych wyzwań, którym należy sprostać w obecnym krajobrazie generatywnej sztucznej inteligencji. Otwarte oprogramowanie jest tradycyjnie trudne do sfinansowania, a generatywna sztuczna inteligencja typu open source jest jeszcze trudniejsza, biorąc pod uwagę kosztowne wymagania obliczeniowe. Brak zapewnienia odpowiednich kanałów finansowania w celu wspierania innowacji typu open source w zakresie generatywnej sztucznej inteligencji może stworzyć ryzyko systemowe dla całej przestrzeni, ponieważ równowaga przeniesie się całkowicie na zamknięte platformy komercyjne. Crypto stworzyło jedne z najbardziej wyrafinowanych i sprawdzonych w boju kanałów finansowania innowacji typu open source. Być może pierwszy pomost między Web3 a generatywną sztuczną inteligencją będzie miał charakter finansowy, a niekoniecznie techniczny.
Uwaga: poglądy wyrażone w tej kolumnie są poglądami autora i niekoniecznie odzwierciedlają poglądy CoinDesk, Inc. lub jej właścicieli i podmiotów stowarzyszonych.