Lo spazio Web3-AI è ONE dei più caldi nel Cripto, che unisce grandi promesse a un notevole clamore. Sembra quasi eretico sottolineare il numero di progetti Web3-AI con capitalizzazioni di mercato multimiliardarie ma senza casi di utilizzo pratici, guidati puramente da narrazioni proxy del tradizionale mercato dell'IA. Nel frattempo, il divario nelle capacità dell'IA tra Web2 e Web3 continua ad ampliarsi in modo allarmante. Tuttavia, Web3-AI non è tutto clamore. I recenti sviluppi nel mercato dell'IA generativa evidenziano la proposta di valore di approcci più decentralizzati.

Considerando tutti questi fattori, ci troviamo in un mercato sopravvalutato e sovrafinanziato, disconnesso dallo stato dell'industria dell'IA generativa, ma in grado di sbloccare un valore enorme per la prossima ondata di IA generativa. È comprensibile sentirsi confusi. Se ci allontaniamo dall'hype e analizziamo lo spazio Web3-AI attraverso la lente dei requisiti attuali, emergono aree chiare in cui Web3 può fornire un valore sostanziale. Ma questo richiede di tagliare attraverso un denso campo di distorsione della realtà.

Distorsione della realtà Web3-AI

Come nativi Cripto , tendiamo a vedere il valore della decentralizzazione in ogni cosa. Tuttavia, l'IA si è evoluta come una forza sempre più centralizzata in termini di dati e calcolo, quindi la proposta di valore dell'IA decentralizzata deve iniziare contrastando quella forza di centralizzazione naturale.

Quando si parla di AI, c'è un crescente divario tra il valore che percepiamo di creare in Web3 e le esigenze del mercato AI. La realtà preoccupante è che il divario tra Web2 e Web3 AI si sta ampliando anziché restringersi, guidato fondamentalmente da tre fattori chiave:

Talento limitato nella ricerca sull'intelligenza artificiale

Il numero di ricercatori di IA che lavorano in Web3 è nell'ordine delle poche cifre singole. Ciò non è incoraggiante per coloro che affermano che Web3 è il futuro dell'IA.

Infrastruttura vincolata

T siamo ancora riusciti a far funzionare correttamente le app Web con i backend Web3, quindi pensare all'IA è un po' forzato, per usare un eufemismo. L'infrastruttura Web3 impone vincoli computazionali che sono poco pratici per il ciclo di vita delle soluzioni di IA generativa.

Modelli, dati e risorse computazionali limitati

L'intelligenza artificiale generativa si basa su tre cose: modelli, dati e calcolo. Nessuno dei grandi modelli di frontiera è equipaggiato per funzionare su infrastrutture Web3; non ci sono fondamenta per grandi set di dati di training; e c'è un enorme divario di qualità tra i cluster GPU Web3 e quelli richiesti per il pre-training e la messa a punto dei modelli di fondazione.

La dura realtà è che Web3 ha creato una versione "da poveri" dell'IA, cercando essenzialmente di eguagliare le capacità dell'IA di Web2 ma creando versioni inferiori. Questa realtà contrasta nettamente con la straordinaria proposta di valore della decentralizzazione in diverse aree dell'IA.

Per evitare di trasformare questa analisi in una tesi astratta, approfondiamo le diverse tendenze dell’intelligenza artificiale decentralizzata e valutiamole in base al loro potenziale di mercato.

Continua a leggere: Jesus Rodriguez - Finanziamento dell'intelligenza artificiale generativa open source con le Cripto

La distorsione della realtà in Web3-AI ha portato l'ondata iniziale di innovazione e finanziamenti a concentrarsi su progetti le cui proposte di valore sembrano disconnesse dalle realtà del mercato dell'IA. Allo stesso tempo, ci sono altre aree emergenti in Web3-AI che hanno un potenziale enorme.

Alcune tendenze sopravvalutate del Web3-AI

Infrastruttura GPU decentralizzata per la formazione e la messa a punto

Negli ultimi anni, abbiamo assistito a un'esplosione di infrastrutture GPU decentralizzate con la promessa di democratizzare il pre-addestramento e la messa a punto dei modelli di fondazione. L'idea è di abilitare un'alternativa alla monopolizzazione della GPU stabilita dai laboratori di intelligenza artificiale in carica. La realtà è che il pre-addestramento e la messa a punto di grandi modelli di fondazione richiedono grandi cluster di GPU con bus di comunicazione superveloci che li collegano. Un ciclo di pre-addestramento di un modello di fondazione da 50B-100B in un'infrastruttura di intelligenza artificiale decentralizzata potrebbe richiedere più di un anno, se funziona.

Framework ZK-AI

L'idea di combinare calcoli a conoscenza zero (zk) e AI ha dato vita a concetti interessanti per abilitare meccanismi Privacy nei modelli di fondazione. Data l'importanza dell'infrastruttura zk in Web3, diversi framework promettono di incorporare il calcolo zk nei modelli di fondazione. Sebbene teoricamente allettanti, i modelli zk-AI incontrano rapidamente la sfida di essere proibitivi dal punto di vista computazionale quando applicati a modelli di grandi dimensioni. Inoltre, zk limiterà aspetti come l'interpretabilità, che è ONE delle aree più promettenti nell'AI generativa.

Prova di inferenza

La Cripto riguarda le prove crittografiche, e a volte queste sono collegate a cose che T ne hanno bisogno. Nello spazio Web3-AI, vediamo esempi di framework che emettono prove crittografiche di output di modelli specifici. Le sfide con questi scenari non sono tecnologiche ma legate al mercato. Fondamentalmente, la prova di inferenza è in qualche modo una soluzione alla ricerca di un problema e oggi non ha casi d'uso reali.

Alcune tendenze ad alto potenziale del Web3-AI

Agenti con portafogli

I flussi di lavoro agentici sono ONE delle tendenze più interessanti nell'intelligenza artificiale generativa e hanno un potenziale significativo per la Cripto. Con agenti, ci riferiamo a programmi di intelligenza artificiale che possono non solo rispondere passivamente a domande basate su input, ma anche eseguire azioni su un dato ambiente. Mentre la maggior parte degli agenti autonomi viene creata per casi d'uso isolati, stiamo assistendo alla rapida comparsa di ambienti multi-agente e collaborazione.

Questa è un'area in cui la Cripto può sbloccare un valore enorme. Ad esempio, immagina uno scenario in cui un agente deve assumere altri agenti per completare un'attività o mettere in gioco un valore per garantire la qualità dei suoi output. Fornire agli agenti primitive finanziarie sotto forma di binari Cripto sblocca molti casi d'uso per la collaborazione agentica.

Finanziamenti Cripto per l'intelligenza artificiale

ONE dei segreti più noti dell'IA generativa è che lo spazio dell'IA open source sta attraversando una tremenda crisi di finanziamenti. La maggior parte dei laboratori di IA open source T può più permettersi di lavorare su modelli di grandi dimensioni e si sta invece concentrando su altre aree che T richiedono enormi quantità di accesso al calcolo e dati. La Cripto è estremamente efficiente nella formazione di capitale con meccanismi come airdrop, incentivi o persino punti. Il concetto di binari di finanziamento Cripto per l'IA generativa open source è ONE delle aree più promettenti all'intersezione di queste due tendenze.

Modelli di fondazione piccoli

L'anno scorso, Microsoft ha coniato il termine small language model (SLM) dopo il rilascio del suo modello Phi, che, con meno di 2B di parametri, è stato in grado di superare LLM molto più grandi in attività di informatica e matematica. I piccoli modelli di base, pensa a parametri da 1B a 5B, sono un requisito fondamentale per la fattibilità dell'IA decentralizzata e sbloccano scenari promettenti per l'IA su dispositivo. Decentralizzare modelli multi-centinaia di miliardi di parametri è quasi impossibile oggi e rimarrà tale per un po'. Tuttavia, i piccoli modelli di base dovrebbero essere in grado di funzionare su molte delle attuali infrastrutture Web3. Spingere l'agenda SLM è essenziale per creare valore reale con Web3 e AI.

Generazione di dati sintetici

La scarsità di dati è ONE delle sfide più grandi con questa ultima generazione di modelli di fondazione. Di conseguenza, c'è un livello crescente di ricerca focalizzata sui meccanismi di generazione di dati sintetici utilizzando modelli di fondazione che possono integrare set di dati del mondo reale. La meccanica delle reti Cripto e degli incentivi token possono idealmente coordinare un gran numero di parti per collaborare alla creazione di nuovi set di dati sintetici.

Altre tendenze rilevanti del Web3-AI

Ci sono diverse altre interessanti tendenze Web3-AI con un potenziale significativo. Gli output Proof-of-Human stanno diventando sempre più rilevanti date le sfide con i contenuti generati dall'AI. La valutazione e il benchmarking sono un segmento dell'AI in cui le capacità di fiducia e trasparenza di Web3 possono risplendere. Anche la messa a punto incentrata sull'uomo, come l'apprendimento per rinforzo con feedback Human (RLHF), è uno scenario interessante per le reti Web3. È probabile che emergano altri scenari man mano che l'AI generativa continua a evolversi e le capacità Web3-AI maturano.

La necessità di capacità AI più decentralizzate è molto reale. Mentre il settore Web3 potrebbe non essere ancora in grado di rivaleggiare con il valore creato dai mega modelli AI, può sbloccare un valore reale per lo spazio AI generativo. La sfida più grande per l'evoluzione di Web3-AI potrebbe essere quella di superare il suo stesso campo di distorsione della realtà. C'è molto valore in Web3-AI; dobbiamo solo concentrarci sulla creazione di cose reali.

Nota: le opinioni espresse in questa rubrica sono quelle dell'autore e non riflettono necessariamente quelle di CoinDesk, Inc. o dei suoi proprietari e affiliati.