Autor: Darshan Gandhi, założyciel FutureX Labs. Tłumaczenie: Golden Finance xiaozou
W tym artykule poznajmy świat zdecentralizowanej sztucznej inteligencji (DeAI). Przyjrzymy się następującym faktom:
Cykl życia rozwoju AI
Potrzeba zdecentralizowanej sztucznej inteligencji
Praktyczne zastosowania DeAI
Katalizatory wzrostu w sektorze Crypto x AI
Wizjonerzy na czele
Jakie są wady DeAI?
Przyszłość Crypto x AI
1. Wprowadzenie do AI
Myślę, że można śmiało powiedzieć, że sztuczna inteligencja (AI) zmieni świat. Wyobraź sobie dziecko, które uczy się o zwierzętach, oglądając zdjęcia i zapamiętując ich nazwy i cechy charakterystyczne. Z biegiem czasu zdolność dziecka do identyfikowania zwierząt poprawia się.
Sztuczna inteligencja działa w podobny sposób, wykorzystując dane do uczenia się i poprawiania wydajności w miarę upływu czasu.
Wiele przełomowych aplikacji zostało zbudowanych przy użyciu sztucznej inteligencji, w tym:
ChatGPT: Potrafi prowadzić rozmowy w stylu ludzkim.
Zagubiona sztuczna inteligencja: Popraw dokładność wyszukiwania.
Jasper AI: Twój asystent pisania.
DALL-E: Generuj obrazy z opisów tekstowych.
Pika Art: Twórz filmy HD z tekstu.
Takich zastosowań będzie coraz więcej. Narzędzia te stają się częścią naszego codziennego życia, czyniąc pracę łatwiejszą i wydajniejszą. Sztuczna inteligencja to nie tylko futurystyczna koncepcja, ale także aktywnie rozwiązuje główne problemy, przed którymi stoimy dzisiaj.
Rozwój sztucznej inteligencji zmienia wiele branż, takich jak:
Pomóż lekarzom szybciej diagnozować choroby
Pozwólmy samochodom autonomicznym jeździć bezpiecznie
Zapewnij użytkownikom spersonalizowane zakupy online
Zasadniczo metody sztucznej inteligencji można podzielić na trzy główne kategorie:
Scentralizowana sztuczna inteligencja: kontrolowana przez pojedynczy podmiot lub firmę.
Zdecentralizowana sztuczna inteligencja: skupiona na rozproszonej kontroli, przejrzystości i zachętach.
Sztuczna inteligencja typu open source: nacisk na promowanie współpracy i przejrzystości.
W tym artykule omówimy szczegółowo „zdecentralizowaną sztuczną inteligencję”.
2. Cykl życia rozwoju sztucznej inteligencji
Zanim zagłębimy się w szczegóły, przyjrzyjmy się różnym komponentom, które kształtują cykl życia rozwoju AI. Ułatwi nam to zrozumienie wkładu decentralizacji w każde ogniwo.
Innowacje w sztucznej inteligencji wymagają lat ciągłego postępu, ciągłych informacji zwrotnych, szkoleń i zaangażowania.
Opracowanie modelu sztucznej inteligencji obejmuje kilka kluczowych etapów zapewniających kompleksowy przepływ operacyjny. Poniżej znajduje się szczegółowe wprowadzenie do kluczowych etapów cyklu życia rozwoju sztucznej inteligencji:
Opis problemu, identyfikacja i projekt
Wszystko zaczyna się od zidentyfikowania problemu biznesowego i zdefiniowania celów, które należy osiągnąć.
Gromadzenie danych jest jednym z najważniejszych kroków zapewniających, że model wykorzystuje dokładne i istotne dane.
Gromadzenie i eksploracja danych
Etap ten polega na agregowaniu danych z różnych źródeł i ocenie ich jakości.
Wstępna analiza danych pomaga zrozumieć wzorce i trendy w celu opracowania planów wstępnego przetwarzania danych i inżynierii funkcji (poprawa danych).
Sortowanie i przygotowanie danych
Wstępne przetwarzanie danych oczyszcza i przekształca surowe dane w bogate, użyteczne zbiory danych.
Użyj inżynierii cech, aby utworzyć nowe funkcje na podstawie istniejących danych w celu zwiększenia wydajności swojego modelu.
Rozwój modelu
Na tym etapie wybierane są najbardziej odpowiednie praktyki uczenia maszynowego na podstawie opisu problemu i zebranych danych.
Następnym krokiem jest wytrenowanie i przetestowanie modelu, aby upewnić się, że może on dokonywać dokładnych przewidywań.
Ostatnim krokiem jest optymalizacja, która ma na celu poprawę efektywności modelu.
Wdrożenie modelu
Wdrożenie modelu w środowisku rzeczywistym pozwala modelowi rozpocząć tworzenie prognoz, rekomendacji lub wykonywać dowolne zadania szkoleniowe. Wdrożenie go do produkcji wymaga zaangażowania dostawców mocy obliczeniowej.
Ciągłe monitorowanie w celu zapewnienia, że model pozostaje dokładny i skuteczny.
Wykrywanie stronniczości w celu zapewnienia uczciwości w decyzjach.
Utrzymanie i przekwalifikowanie modelu
Utrzymanie modelu wymaga regularnej aktualizacji i przeszkolenia z nowymi danymi.
Koncentrujemy się na zebraniu jak największej ilości informacji zwrotnych i przesłaniu ich z powrotem do modelu w celu ulepszenia i ulepszenia.
Obecnie większość tych modeli pochodzi od instytucji badawczych, firm prywatnych lub niektórych organizacji open source. Do głównych graczy należą takie firmy jak Google, OpenAI, IBM, AWS i Microsoft.
Poniżej znajduje się mapa rynku modelu GenAI przedstawiająca różnych graczy w każdym polu pionowym.
Przyjrzyjmy się szybko, jak technologia AI rozwinęła się na przestrzeni lat.
3. Zapotrzebowanie na zdecentralizowaną sztuczną inteligencję
Scentralizowana sztuczna inteligencja ma swoje własne problemy. Pomyśl o tym: pojedynczy punkt awarii może zagrozić wszystkiemu.
Zdecentralizowana sztuczna inteligencja (DeAI) zmienia natomiast zasady gry, dystrybuując dane pomiędzy wieloma węzłami, zwiększając bezpieczeństwo systemu. Jeśli jeden węzeł zostanie zaatakowany, inne węzły będą nadal działać normalnie. Taka konfiguracja zapewnia użytkownikom większą kontrolę nad swoimi danymi, zmniejszając ryzyko związane z prywatnością, szczególnie w przypadku korzystania z technologii takich jak w pełni homomorficzne szyfrowanie (FHE) i uczenie maszynowe o zerowej wiedzy (ZKML).
Cenzura to kolejny duży problem scentralizowanych systemów. Pojedynczy podmiot może kontrolować manipulację informacjami. Z drugiej strony zdecentralizowana sztuczna inteligencja rozproszyłaby kontrolę, utrudniając pojedynczemu podmiotowi zdominowanie narracji. Dzięki temu informacje są dostępne i mniej podatne na niewłaściwy wpływ.
Moim zdaniem przejrzystość jest kluczowym czynnikiem. Modele open source, zachęty i wspólne zarządzanie przepływem pracy oznaczają, że decyzje mogą być sprawdzane i zatwierdzane przez każdego w dowolnym momencie. Ten poziom otwartości rozwiewa obawy dotyczące ukrytych stronniczości i nieprzejrzystych procesów w systemach scentralizowanych. Ponadto pozwala większej liczbie osób dołączyć i wnieść swój wkład. Na przykład osoby posiadające bezczynną przestrzeń obliczeniową mogą ją teraz wynajmować za pośrednictwem zdecentralizowanych dostawców mocy obliczeniowej, takich jak Akash i Render.
Modele zdecentralizowane ograniczają także władzę podmiotów centralnych, zapobiegając wykorzystywaniu sztucznej inteligencji do nieuczciwych celów. Promując współpracę i dzielenie się wiedzą, wykorzystuje zbiorową inteligencję i lepsze zarządzanie, co skutkuje bardziej niezawodnymi, otwartymi i dokładnymi systemami.
Kryptowaluty pełnią tę funkcję, łącząc to, co najlepsze z obu światów. Zapewnia dostęp do najwyższej klasy usług, obliczeń, modeli i danych, zapewniając jednocześnie pętle motywacyjne, bezpieczeństwo i ochronę prywatności dla wszystkich interesariuszy. Ta synergia gwarantuje, że DeAI będzie nie tylko skuteczne, ale także uczciwe i bezpieczne.
4. Praktyczne zastosowania DeAI
Oto kilka głównych zastosowań w dziedzinie DeAI:
(1) Podzielone według pola
ubezpieczenie medyczne
DeAI poprawia opiekę zdrowotną, umożliwiając bezpieczną, prywatną wymianę danych pomiędzy instytucjami opieki zdrowotnej.
Algorytmy sztucznej inteligencji mogą analizować anonimowe dane w celu identyfikowania wzorców, przewidywania wybuchów chorób i opracowywania spersonalizowanych planów leczenia. Na przykład pacjenci mogą prywatnie udostępniać swoje dane szpitalom i mieć pewność, że są one własnością tylko ich.
finanse
Zdecentralizowane finanse (DeFi) to jeden z największych podekosystemów web3. Sztuczna inteligencja może pomóc w ulepszeniu zarządzania ryzykiem i handlu.
Protokoły te wykorzystują sztuczną inteligencję do oceny ryzyka, przewidywania cen aktywów i optymalizacji strategii handlowych. Na przykład w ramach wielu projektów opracowywane są narzędzia do efektywnego zarządzania aktywami, zautomatyzowani animatorzy rynku (AMM) oparty na sztucznej inteligencji i nie tylko.
Bezpieczeństwo i wykrywanie oszustw
Algorytmy sztucznej inteligencji mogą pomóc systemom wykrywać oszustwa i zapobiegać im, analizując dane transakcyjne pod kątem wzorców i anomalii.
Zwiększa to bezpieczeństwo protokołu web3. Na przykład w ekosystemie NFT sztuczna inteligencja może pomóc w identyfikacji fałszywych zasobów i zapewnić ich integralność.
Generowanie treści/emocji
Sztuczną inteligencję można wykorzystać do tworzenia zarysów historii, fabuł, mechanik gry i nie tylko.
Na przykład gry web3 mogą wykorzystywać sztuczną inteligencję do generowania treści na podstawie opisów tekstowych i wykorzystywać inteligentne kontrakty do zarządzania własnością zasobów, takich jak postacie i rekwizyty.
Ponadto wiedza, co użytkownicy myślą o kategorii, problemie lub rynku, jest bezcenna. Narzędzia takie jak Kaito i Nansen zostały zaprojektowane tak, aby zapewnić taką możliwość.
Agenci AI i automatyzacja
Istnieją projekty budujące autonomicznych agentów AI do zadań od obsługi klienta po zarządzanie łańcuchem dostaw.
Agenci mogą zostać stworzeni przez kogokolwiek lub wspólnie, a wszyscy interesariusze mogą automatycznie i bezproblemowo otrzymywać nagrody.
doświadczenie użytkownika
Doświadczenie użytkownika Web3 nie jest najlepsze, ale model może pomóc ulepszyć doświadczenie użytkownika dzięki spersonalizowanym rekomendacjom i przewidywaniu zachowań.
Dobrym przykładem są zdecentralizowane sieci społecznościowe, które umożliwiają użytkownikom wybór algorytmów rekomendacji treści lub dobieranie kanałów w oparciu o ich preferencje.
(2) Podział według stopnia zarządzania ekosystemem
Zachęty
Interesariusze mogą otrzymywać nagrody (zdobywać tokeny) poprzez dostarczanie danych, moc obliczeniową lub opracowywanie algorytmów
Istnieje silna potrzeba, aby ludzie to robili, współpracowali przy trudnych problemach i byli rozsądnie wynagradzani za swój czas i wysiłek.
efektywność kosztowa
Platformy DeAI mogą pomóc znacznie obniżyć koszty, wykorzystując niewykorzystane zasoby w sieciach rozproszonych. Eliminują potrzebę stosowania drogich centrów danych i zapewniają maksymalne wykorzystanie zasobów.
Przykładowo projekty takie jak Akash Network, Aethir czy Render pozwalają użytkownikom wynajmować niewykorzystaną moc obliczeniową na zadania związane ze sztuczną inteligencją, zwiększając tym samym efektywność.
zarządzanie
DeAI można również wykorzystać do usprawnienia procesów zarządzania, szczególnie w przypadku protokołów i DAO.
Sztuczna inteligencja może na przykład zautomatyzować zarządzanie reputacją i nagrodami, zapewniając sprawiedliwe traktowanie wkładów w DAO.
5. Katalizatory wzrostu w obszarze Crypto x AI
Istnieje kilka potężnych katalizatorów napędzających konwergencję kryptowalut i sztucznej inteligencji. Przyjrzyjmy się kilku z nich.
Po pierwsze, rośnie finansowanie w ekosystemie. W ubiegłym roku odbyło się 136 rund finansowania na kwotę 1,02 miliarda dolarów, średnio 7,5 miliona dolarów na rundę. Znane firmy inwestycyjne, takie jak Hack VC, Variant, Paradigm i Polychain, dokonują inwestycji na dużą skalę. Napływ kapitału przyspiesza badania i innowacje w tej dziedzinie.
Po drugie, technologia ma na celu zapewnienie opłacalnej alternatywy dla systemów scentralizowanych. Może obniżyć potencjalne koszty operacyjne o prawie 50% i skutecznie obsługiwać duże wolumeny danych, zapewniając jednocześnie bezpieczeństwo i ochronę prywatności. Na przykład Akash twierdzi, że oferuje 85% zniżki na zasilacze obliczeniowe w porównaniu do AWS, GCP i Azure.
Po trzecie, wiodące projekty w tej dziedzinie pod względem kapitalizacji rynkowej, takie jak Bittensor, Akash, Render i Worldcoin, radziły sobie wyjątkowo dobrze na rynku wtórnym w ciągu ostatniego roku. Projekty te należą do najlepiej działających zasobów w web3. Według raportu Coinbase kategoria Crypto x AI wypadła równie dobrze we wszystkich kategoriach.
Po czwarte, wyniki NVIDII w kwietniu tego roku były bardzo dobre. Przyjrzyjmy się kilku liczbom z doniesień prasowych:
Ich przychody za pierwszy kwartał 2024 r. wyniosły 26 miliardów dolarów, co oznacza wzrost o 18% w porównaniu z czwartym kwartałem 2023 r. i wzrost o 262% w porównaniu z tym samym okresem ubiegłego roku.
W pierwszym kwartale tego roku rozwodniony zysk na akcję GAAP wyniósł 5,98 USD, co oznacza wzrost o 21% w porównaniu z poprzednim kwartałem i wzrost o 629% w porównaniu z tym samym okresem ubiegłego roku.
Po piąte, wszystkie scentralizowane usługi, w tym Google.com, Chatgpt i Perplexity, przestały ostatnio działać, podczas gdy wszystkie usługi web3 są nienaruszone i działają dobrze. Założyciel Akash Network zamieścił na Twitterze następujący wpis przed i po incydencie.
W wyniku tych i wielu innych podobnych programów, wydarzeń i innowacji dziedzina ta szybko się rozwija.
6. Wizjonerzy, którzy są w czołówce
Ekosystem nabiera tempa dzięki wsparciu i zaangażowaniu kilku kluczowych osobistości z branży.
Erik vooroorhees
Erik Voorhees, założyciel ShapeShift i wpływowa osobowość na Twitterze, uruchomił Venice AI, aby stworzyć niewymagającą pozwolenia alternatywę dla popularnych aplikacji LLM web2, takich jak ChatGPT.
Wenecja koncentruje się na prywatności użytkowników i funkcjach wolnych od cenzury, wykorzystując technologię open source do dostarczania nieocenzurowanych i bezstronnych informacji.
Matka Mostak
Jest założycielem i byłym dyrektorem generalnym Stability AI. Obecnie zrezygnował i koncentruje się na obszarze DeAI - rozwoju Schelling AI.
Uważa on, że w miarę jak sztuczna inteligencja będzie zyskiwać na znaczeniu, niezwykle ważna stanie się przejrzystość i rozproszone zarządzanie.
Niraj Pant
Był partnerem w Polychain Capital, a obecnie rozwija Ritual.net.
Platforma ma na celu zbudowanie suwerennej warstwy wykonawczej dla sztucznej inteligencji, aby umożliwić otwarte oprogramowanie, tworzenie, dystrybucję i ulepszanie modeli sztucznej inteligencji bez pozwolenia.
Pierwsza faza Ritual.net (Infernet) umożliwia programistom dostęp do modeli w łańcuchu i poza nim za pośrednictwem inteligentnych kontraktów.
7. Niedociągnięcia
Chociaż zdecentralizowana sztuczna inteligencja ma wiele zalet, napotyka również poważne wyzwania, które zasługują na uwagę. Oto najważniejsze problemy, przed którymi stoi obecnie:
Początkowe koszty i wyzwania związane z konfiguracją
Istnieją znaczne trudności w budowie sieci DeAI. Budowa niezbędnej infrastruktury i pozyskiwanie uczestników wymaga znacznych nakładów czasu i zasobów. Problem zimnego rozruchu uwypukla potrzebę wprowadzenia silnych zachęt, aby przyciągnąć pierwszych użytkowników. Jednak bez osiągnięcia wystarczającej skali sieć miała trudności z zyskaniem przyczepności.
zwiększone potrzeby w zakresie koordynacji
Zarządzanie zdecentralizowaną siecią jest złożone. Synchronizacja wielu węzłów i interesariuszy, zapewnienie spójności danych, utrzymanie bezpieczeństwa sieci i ekonomiczne prowadzenie sieci wymaga dużo pracy. Chociaż ta koordynacja ucieleśnia istotę Crypto x AI, czasami może stać się nieefektywna i nieporęczna.
Skalowanie wyzwań
Sieci borykają się z problemami związanymi z ekspansją. Obsługa rosnących danych i transakcji bez pogorszenia wydajności jest obecnie głównym wyzwaniem. Ze względu na różny czas pracy węzłów w zdecentralizowanych sieciach mogą występować problemy z opóźnieniami i przepustowością, które wpływają na ogólną wydajność. Rozwiązania takie jak sharding są wciąż w fazie rozwoju i mogą nie w pełni złagodzić te problemy.
dostęp do zasobów
Firmy często napotykają przeszkody w dostępie do najnowocześniejszych zasobów. Główni, scentralizowani dostawcy mogą dużo inwestować w najnowszy sprzęt i oprogramowanie, co zapewni im przewagę konkurencyjną. Jednak projekty DeAI są ograniczone przez ograniczone fundusze i mogą pozostawać w tyle, co wpływa na ich wydajność i możliwości. Na przykład firma NVIDIA ma tendencję do priorytetyzowania zasobów serwerów hiperskalowych, takich jak GCP, Azure i AWS, ze względu na większe zapotrzebowanie. Jednak w przypadku dostawców web3 podaż obecnie przewyższa popyt lub mogą oni nadal znajdować się na wczesnym etapie rozwoju.
Wyzwania regulacyjne i prawne
Krypto w dużej mierze działa w szarej strefie regulacyjnej. Brak jasnych ram regulacyjnych może powodować ryzyko prawne i niepewność. W zdecentralizowanym środowisku przestrzeganie przepisów takich jak RODO staje się większym wyzwaniem, co zaostrza trwającą globalną walkę.
8. Przyszłość Crypto x AI
Oczekuje się, że konwergencja kryptografii i sztucznej inteligencji pobudzi rozwój innowacyjnych projektów i aplikacji dedykowanych rozwiązywaniu wyzwań świata rzeczywistego.
W naszych późniejszych artykułach zagłębimy się w kilka kluczowych podkategorii przestrzeni kryptograficznej. Będziemy badać uczenie maszynowe o wiedzy zerowej (zkML) w ramach projektów takich jak Modulus Labs i Giza, w ramach których opracowywane są produkty oparte na wnioskowaniu o modelach. Dodatkowo przeanalizujemy zdecentralizowanych dostawców usług przetwarzania w chmurze, takich jak Render, Akash Network i Aethir, podkreślając ich rolę w zapewnianiu skalowalnych i opłacalnych alternatyw dla tradycyjnych usług w chmurze.
Bittensor: W ramach tego projektu opracowywana jest zdecentralizowana sieć, która zachęca uczestników do udostępniania modeli i zbiorów danych sztucznej inteligencji za pośrednictwem łańcucha bloków oraz wykorzystuje „podsieci” do nagradzania wkładów.
Fetch: Fetch koncentruje się na rynku autonomicznych agentów AI, zapewniając integrację z najlepszymi usługami, takimi jak ChatGPT i Slack, oraz promując dostosowanie poprzez prostą integrację API.
Akash Network: Koncentrując się na budowaniu zdecentralizowanego rynku zapewniającego zasoby przetwarzania w chmurze, Akash Network wykorzystuje swój token AKT do zarządzania, bezpieczeństwa i transakcji wewnątrz sieci.
9. Wniosek
Mocno wierzę, że zdecentralizowana sztuczna inteligencja (DeAI) zmieni zasady gry i dopiero zaczynamy dostrzegać jej rozwój w ekosystemie.
DeAI ucieleśnia zasady przejrzystości, współpracy i globalnego wpływu. Jak już wspomnieliśmy, zmienia to kluczowe obszary.
Projekty takie jak Render, Akash i Worldcoin, charakteryzujące się doskonałą trakcją i finansowaniem, nie tylko podkreślają ogromny potencjał tej przestrzeni, ale także wskazują, że w nadchodzących latach może ona odnotować znaczny wzrost.
W przyszłości zagłębimy się w różne podkategorie Crypto x AI i będziemy kontynuować eksplorację tej dynamicznej branży.
Przyszłość jest jasna, a my dopiero zaczynamy.