Пространство Web3-AI — одно из самых горячих в сфере криптографии, сочетающее в себе большие перспективы и значительный ажиотаж. Кажется почти еретическим указывать на количество проектов Web3-AI с многомиллиардной рыночной капитализацией, но без практических вариантов использования, движимых исключительно прокси-историями традиционного рынка ИИ. Между тем, разрыв в возможностях искусственного интеллекта между Web2 и Web3 продолжает тревожно увеличиваться. Однако Web3-AI – это не только шумиха. Недавние события на рынке генеративного ИИ подчеркивают ценность более децентрализованных подходов.

Принимая во внимание все эти факторы, мы оказываемся на раздутом и перефинансированном рынке, который оторван от состояния индустрии генеративного ИИ, но при этом способен раскрыть огромную ценность для следующей волны генеративного ИИ. Чувство растерянности понятно. Если мы отойдем от шумихи и проанализируем пространство Web3-AI через призму текущих требований, появятся ясные области, в которых Web3 может принести существенную пользу. Но для этого необходимо прорваться через плотное поле искажения реальности.

Искажение реальности Web3-AI

Как аборигены криптовалют, мы склонны видеть ценность децентрализации во всем. Однако ИИ развивается как все более централизованная сила с точки зрения данных и вычислений, поэтому ценностное предложение децентрализованного ИИ должно начинаться с противодействия этой естественной силе централизации.

Когда дело доходит до искусственного интеллекта, наблюдается растущее несоответствие между ценностью, которую, по нашему мнению, создает Web3, и потребностями рынка искусственного интеллекта. Тревожная реальность заключается в том, что разрыв между ИИ Web2 и Web3 скорее увеличивается, чем сокращается, что обусловлено в основном тремя ключевыми факторами:

Ограниченный талант в области исследований ИИ

Число исследователей искусственного интеллекта, работающих в Web3, измеряется небольшими однозначными числами. Это вряд ли обнадеживает тех, кто утверждает, что Web3 — это будущее искусственного интеллекта.

Ограниченная инфраструктура

Нам еще не удалось заставить веб-приложения правильно работать с серверами Web3, поэтому думать об ИИ — это, по меньшей мере, натяжка. Инфраструктура Web3 накладывает вычислительные ограничения, которые непрактичны для жизненного цикла генеративных решений искусственного интеллекта.

Ограниченные модели, данные и вычислительные ресурсы

Генеративный ИИ опирается на три вещи: модели, данные и вычисления. Ни одна из крупных передовых моделей не способна работать на инфраструктурах Web3; нет основы для больших наборов обучающих данных; и существует огромный разрыв в качестве между кластерами графических процессоров Web3 и кластерами, необходимыми для предварительного обучения и точной настройки базовых моделей.

Сложная реальность такова, что Web3 создает версию ИИ для «бедняков», по сути пытаясь соответствовать возможностям ИИ Web2, но создавая худшие версии. Эта реальность резко контрастирует с огромным преимуществом децентрализации в некоторых областях ИИ.

Чтобы не делать этот анализ абстрактным тезисом, давайте углубимся в различные тенденции децентрализованного ИИ и оценим их с точки зрения их рыночного потенциала ИИ.

Подробнее: Хесус Родригес - Финансирование генеративного искусственного интеллекта с открытым исходным кодом с помощью криптовалюты

Искажение реальности в Web3-AI привело к тому, что первоначальная волна инноваций и финансирования сосредоточилась на проектах, чьи ценностные предложения кажутся оторванными от реалий рынка ИИ. В то же время в Web3-AI есть и другие новые области, обладающие огромным потенциалом.

Некоторые преувеличенные тенденции Web3-AI

Децентрализованная инфраструктура графических процессоров для обучения и тонкой настройки

За последние несколько лет мы стали свидетелями бурного развития децентрализованных инфраструктур графических процессоров, которые обещают демократизировать предварительное обучение и тонкую настройку базовых моделей. Идея состоит в том, чтобы создать альтернативу монополизации графических процессоров, установленной действующими лабораториями искусственного интеллекта. Реальность такова, что предварительное обучение и тонкая настройка крупных базовых моделей требуют больших кластеров графических процессоров с соединяющими их сверхбыстрыми коммуникационными шинами. Цикл предварительного обучения базовой модели 50B-100B в децентрализованной инфраструктуре ИИ может занять больше года, если она вообще работает.

ZK-AI Фреймворки

Идея объединения вычислений с нулевым разглашением (zk) и искусственного интеллекта породила интересные концепции, позволяющие реализовать механизмы конфиденциальности в базовых моделях. Учитывая известность инфраструктуры zk в Web3, некоторые платформы обещают встроить вычисления zk в базовые модели. Несмотря на свою теоретическую привлекательность, модели zk-AI быстро сталкиваются с проблемой непомерно высокой стоимости с вычислительной точки зрения при применении к большим моделям. Кроме того, zk ограничит такие аспекты, как интерпретируемость, которая является одной из наиболее многообещающих областей генеративного ИИ.

Доказательство вывода

Крипто – это криптографические доказательства, и иногда они прикрепляются к вещам, которые в них не нуждаются. В пространстве Web3-AI мы видим примеры фреймворков, выдающих криптографические доказательства результатов конкретных моделей. Проблемы этих сценариев не технологические, а рыночные. По сути, доказательство вывода — это своего рода решение, ищущее проблему, и сегодня оно не имеет реальных вариантов использования.

Некоторые перспективные тенденции в области Web3-ИИ

Агенты с кошельками

Агентские рабочие процессы — одна из самых интересных тенденций в области генеративного искусственного интеллекта и таят в себе значительный потенциал для криптовалют. Под агентами мы подразумеваем программы искусственного интеллекта, которые могут не только пассивно отвечать на вопросы на основе входных данных, но и выполнять действия в заданной среде. Хотя большинство автономных агентов созданы для изолированных случаев использования, мы наблюдаем быстрое появление мультиагентных сред и возможностей совместной работы.

Это область, где криптовалюта может принести огромную пользу. Например, представьте себе сценарий, в котором агенту необходимо нанять других агентов для выполнения задачи или сделать ставку на некоторую ценность, чтобы гарантировать качество своих результатов. Предоставление агентам финансовых примитивов в виде крипторельсов открывает множество вариантов использования агентского сотрудничества.

Криптофинансирование для ИИ

Один из самых известных секретов генеративного ИИ заключается в том, что сфера ИИ с открытым исходным кодом переживает колоссальный кризис финансирования. Большинство лабораторий искусственного интеллекта с открытым исходным кодом больше не могут себе позволить работать над большими моделями и вместо этого сосредотачиваются на других областях, которые не требуют огромных объемов вычислительного доступа и данных. Криптовалюта чрезвычайно эффективна при накоплении капитала с помощью таких механизмов, как раздача, стимулирование или даже баллы. Концепция путей криптофинансирования для генеративного искусственного интеллекта с открытым исходным кодом является одной из наиболее многообещающих областей на пересечении этих двух тенденций.

Маленькие модели фундамента

В прошлом году Microsoft ввела термин «модель малого языка» (SLM) после выпуска своей модели Phi, которая с параметрами менее 2B смогла превзойти гораздо более крупные LLM в компьютерных и математических задачах. Небольшие базовые модели (например, параметры 1B-5B) являются ключевым требованием для жизнеспособности децентрализованного ИИ и открывают многообещающие сценарии для ИИ на устройствах. Децентрализация моделей со многими сотнями миллиардов параметров сегодня практически невозможна и останется таковой еще какое-то время. Однако небольшие базовые модели должны иметь возможность работать на многих современных инфраструктурах Web3. Продвижение программы УУЗР имеет важное значение для создания реальной ценности с помощью Web3 и искусственного интеллекта.

Генерация синтетических данных

Нехватка данных — одна из самых больших проблем последнего поколения базовых моделей. В результате растет уровень исследований, посвященных механизмам генерации синтетических данных с использованием базовых моделей, которые могут дополнять наборы реальных данных. Механика криптосетей и стимулирование токенов могут идеально координировать большое количество сторон для сотрудничества в создании новых синтетических наборов данных.

Другие актуальные тенденции Web3-AI

Есть еще несколько интересных тенденций Web3-AI со значительным потенциалом. Результаты, основанные на доказательствах человеческого присутствия, становятся все более актуальными, учитывая проблемы с контентом, создаваемым искусственным интеллектом. Оценка и бенчмаркинг — это сегмент ИИ, в котором могут проявиться возможности доверия и прозрачности Web3. Точная настройка, ориентированная на человека, такая как обучение с подкреплением с обратной связью от человека (RLHF), также является интересным сценарием для сетей Web3. Другие сценарии, вероятно, возникнут по мере того, как генеративный ИИ продолжает развиваться и возможности Web3-AI становятся более зрелыми.

Потребность в более децентрализованных возможностях ИИ вполне реальна. Хотя индустрия Web3, возможно, еще не в состоянии конкурировать с ценностью, создаваемой мегамоделями ИИ, она может раскрыть реальную ценность для генеративного пространства ИИ. Самой большой проблемой для эволюции Web3-AI может стать преодоление собственного поля искажения реальности. Web3-AI имеет множество преимуществ; нам просто нужно сосредоточиться на создании реальных вещей.

Примечание. Мнения, выраженные в этой колонке, принадлежат автору и не обязательно отражают точку зрения CoinDesk, Inc. или ее владельцев и аффилированных лиц.