O espaço Web3-AI é um dos mais quentes em criptografia, combinando grande promessa com entusiasmo significativo. Parece quase herético apontar o número de projetos Web3-AI com capitalizações de mercado multibilionárias, mas sem casos de uso prático, impulsionados puramente por narrativas proxy do mercado tradicional de IA. Entretanto, a lacuna nas capacidades de IA entre Web2 e Web3 continua a aumentar de forma alarmante. No entanto, Web3-AI não é só exagero. Os desenvolvimentos recentes no mercado de IA generativa destacam a proposta de valor de abordagens mais descentralizadas.

Considerando todos estes factores, encontramo-nos num mercado exagerado e sobrefinanciado que está desligado do estado da indústria de IA generativa, mas capaz de desbloquear um valor tremendo para a próxima onda de IA generativa. Sentir-se confuso é compreensível. Se nos afastarmos do hype e analisarmos o espaço Web3-AI através das lentes dos requisitos atuais, surgirão áreas claras onde a Web3 pode agregar valor substancial. Mas isso requer cortar um denso campo de distorção da realidade.

Distorção da realidade Web3-AI

Como nativos da criptografia, tendemos a ver o valor da descentralização em tudo. No entanto, a IA evoluiu como uma força cada vez mais centralizada em termos de dados e computação, pelo que a proposta de valor da IA ​​descentralizada precisa de começar por contrariar essa força de centralização natural.

Quando se trata de IA, há uma incompatibilidade crescente entre o valor que percebemos estar criando na Web3 e as necessidades do mercado de IA. A realidade preocupante é que a lacuna entre a IA da Web2 e da Web3 está aumentando em vez de diminuir, impulsionada fundamentalmente por três fatores principais:

Talento limitado de pesquisa em IA

O número de pesquisadores de IA trabalhando na Web3 está na casa de um dígito. Isto não é nada encorajador para aqueles que afirmam que a Web3 é o futuro da IA.

Infraestrutura restrita

Ainda não conseguimos fazer com que os aplicativos da web funcionem corretamente com back-ends Web3, então pensar em IA é um exagero, para dizer o mínimo. A infraestrutura Web3 impõe restrições computacionais que são impraticáveis ​​para o ciclo de vida de soluções generativas de IA.

Modelos, dados e recursos computacionais limitados

A IA generativa depende de três coisas: modelos, dados e computação. Nenhum dos grandes modelos de fronteira está equipado para funcionar em infraestruturas Web3; não há base para grandes conjuntos de dados de treinamento; e há uma enorme lacuna de qualidade entre os clusters de GPU Web3 e aqueles necessários para o pré-treinamento e o ajuste fino dos modelos básicos.

A difícil realidade é que a Web3 tem construído uma versão de IA para “homens pobres”, essencialmente tentando igualar as capacidades da IA ​​da Web2, mas criando versões inferiores. Esta realidade contrasta fortemente com a tremenda proposta de valor da descentralização em diversas áreas da IA.

Para evitar fazer desta análise uma tese abstrata, vamos mergulhar nas diferentes tendências de IA descentralizada e avaliá-las em relação ao seu potencial de mercado de IA.

Leia mais: Jesus Rodriguez - Financiando IA generativa de código aberto com criptografia

A distorção da realidade na Web3-AI levou a onda inicial de inovação e financiamento a concentrar-se em projetos cujas propostas de valor parecem desligadas das realidades do mercado de IA. Ao mesmo tempo, existem outras áreas emergentes na Web3-AI que possuem um enorme potencial.

Algumas tendências exageradas da Web3-AI

Infraestrutura de GPU descentralizada para treinamento e ajuste fino

Nos últimos anos, vimos uma explosão de infraestruturas descentralizadas de GPU com a promessa de democratizar o pré-treinamento e o ajuste fino dos modelos básicos. A ideia é possibilitar uma alternativa à monopolização da GPU estabelecida pelos laboratórios de IA existentes. A realidade é que o pré-treinamento e o ajuste fino de grandes modelos básicos exigem grandes clusters de GPU com barramentos de comunicação super-rápidos conectando-os. Um ciclo de pré-treinamento de um modelo básico 50B-100B em uma infraestrutura de IA descentralizada pode levar mais de um ano, se funcionar.

Estruturas ZK-AI

A ideia de combinar cálculos de conhecimento zero (zk) e IA gerou conceitos interessantes para permitir mecanismos de privacidade em modelos básicos. Dada a proeminência da infraestrutura zk na Web3, vários frameworks prometem incorporar a computação zk em modelos básicos. Embora teoricamente atraentes, os modelos zk-AI rapidamente enfrentam o desafio de serem proibitivamente caros do ponto de vista computacional quando aplicados a modelos grandes. Além disso, zk limitará aspectos como a interpretabilidade, que é uma das áreas mais promissoras da IA ​​generativa.

Prova de Inferência

A criptografia trata de provas criptográficas e, às vezes, elas estão anexadas a coisas que não precisam delas. No espaço Web3-AI, vemos exemplos de estruturas que emitem provas criptográficas de resultados de modelos específicos. Os desafios destes cenários não são tecnológicos, mas sim de mercado. Basicamente, a prova de inferência é uma espécie de solução que procura um problema e não possui nenhum caso de uso real hoje.

Algumas tendências de Web3-AI de alto potencial

Agentes com carteiras

Os fluxos de trabalho agentes são uma das tendências mais interessantes em IA generativa e possuem um potencial significativo para criptografia. Por agentes, estamos nos referindo a programas de IA que podem não apenas responder passivamente a perguntas com base em entradas, mas também executar ações em um determinado ambiente. Embora a maioria dos agentes autônomos sejam criados para casos de uso isolados, estamos vendo o rápido surgimento de ambientes multiagentes e de colaboração.

Esta é uma área onde a criptografia pode desbloquear um valor tremendo. Por exemplo, imagine um cenário em que um agente precise contratar outros agentes para concluir uma tarefa ou apostar algum valor para garantir a qualidade dos seus resultados. O provisionamento de agentes com primitivos financeiros na forma de crypto rails desbloqueia muitos casos de uso para colaboração de agentes.

Financiamento criptográfico para IA

Um dos segredos mais conhecidos da IA ​​generativa é que o espaço da IA ​​de código aberto está passando por uma tremenda crise de financiamento. A maioria dos laboratórios de IA de código aberto não pode mais trabalhar em modelos grandes e, em vez disso, está se concentrando em outras áreas que não exigem grandes quantidades de acesso computacional e dados. A criptografia é extremamente eficiente na formação de capital com mecanismos como airdrops, incentivos ou mesmo pontos. O conceito de trilhos de financiamento criptográfico para IA generativa de código aberto é uma das áreas mais promissoras na interseção dessas duas tendências.

Modelos de fundação pequena

No ano passado, a Microsoft cunhou o termo modelo de linguagem pequena (SLM) após o lançamento de seu modelo Phi, que, com parâmetros inferiores a 2B, foi capaz de superar LLMs muito maiores em tarefas de ciência da computação e matemática. Modelos básicos pequenos – pense nos parâmetros 1B-5B – são um requisito fundamental para a viabilidade da IA ​​descentralizada e revelam cenários promissores para a IA no dispositivo. A descentralização de modelos com centenas de bilhões de parâmetros é quase impossível hoje e assim permanecerá por algum tempo. No entanto, pequenos modelos básicos devem ser capazes de rodar em muitas das infraestruturas Web3 atuais. Impulsionar a agenda SLM é essencial para construir valor real com Web3 e IA.

Geração de Dados Sintéticos

A escassez de dados é um dos maiores desafios desta última geração de modelos básicos. Como resultado, há um nível crescente de investigação focada em mecanismos de geração de dados sintéticos utilizando modelos básicos que podem complementar conjuntos de dados do mundo real. A mecânica das redes criptográficas e os incentivos simbólicos podem idealmente coordenar um grande número de partes para colaborar na criação de novos conjuntos de dados sintéticos.

Outras tendências relevantes do Web3-AI

Existem várias outras tendências interessantes da Web3-AI com potencial significativo. Os resultados da Prova de Humanidade estão se tornando cada vez mais relevantes, dados os desafios com o conteúdo gerado por IA. Avaliação e benchmarking são um segmento de IA no qual as capacidades de confiança e transparência da Web3 podem brilhar. O ajuste fino centrado no ser humano, como o aprendizado por reforço com feedback humano (RLHF), também é um cenário interessante para redes Web3. É provável que surjam outros cenários à medida que a IA generativa continua a evoluir e as capacidades da Web3-AI amadurecem.

A necessidade de capacidades de IA mais descentralizadas é muito real. Embora a indústria Web3 possa ainda não estar em posição de rivalizar com o valor criado pelos megamodelos de IA, ela pode desbloquear valor real para o espaço generativo de IA. O maior desafio para a evolução da Web3-AI pode ser superar o seu próprio campo de distorção da realidade. Há muito valor no Web3-AI; só precisamos nos concentrar em construir coisas reais.

Nota: As opiniões expressas nesta coluna são de responsabilidade do autor e não refletem necessariamente as da CoinDesk, Inc. ou de seus proprietários e afiliados.