Пространство Web3-AI является ONE из самых горячих в Криптo, сочетая большие перспективы с большой шумихой. Почти ересь — указывать на количество проектов Web3-AI с многомиллиардной рыночной капитализацией, но без практических вариантов использования, движимых исключительно прокси-нарративами с традиционного рынка ИИ. Между тем, разрыв в возможностях ИИ между Web2 и Web3 продолжает тревожно увеличиваться. Однако Web3-AI — это не только шумиха. Последние разработки на рынке генеративного ИИ подчеркивают ценностное предложение более децентрализованных подходов.

Учитывая все эти факторы, мы оказываемся на переоцененном и перефинансированном рынке, который оторван от состояния индустрии генеративного ИИ, но способен раскрыть огромную ценность для следующей волны генеративного ИИ. Чувство замешательства понятно. Если мы отойдем от шумихи и проанализируем пространство Web3-AI через призму текущих требований, то выявятся четкие области, где Web3 может обеспечить существенную ценность. Но для этого необходимо прорваться через плотное поле искажения реальности.

Искажение реальности Web3-AI

Как Криптo , мы склонны видеть ценность децентрализации во всем. Однако ИИ развивался 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 ИИ, растет несоответствие между ценностью, которую мы воспринимаем как создаваемую в Web3, и потребностями рынка ИИ. Беспокоит то, что разрыв между ИИ Web2 и Web3 увеличивается, а не сокращается, что обусловлено в основном тремя ключевыми факторами:

Ограниченный исследовательский талант в области ИИ

Число исследователей ИИ, работающих в Web3, составляет всего несколько однозначных цифр. Это вряд ли обнадеживает тех, кто утверждает, что Web3 — это будущее ИИ.

Ограниченная инфраструктура

Нам пока T удалось заставить веб-приложения работать должным образом с бэкэндами Web3, поэтому думать об ИИ — это, мягко говоря, натяжка. Инфраструктура Web3 накладывает вычислительные ограничения, которые непрактичны для жизненного цикла генеративных решений ИИ.

Ограниченные модели, данные и вычислительные ресурсы

Генеративный ИИ опирается на три вещи: модели, данные и вычисления. Ни одна из крупных передовых моделей не оснащена для работы на инфраструктурах Web3; нет основы для больших наборов обучающих данных; и существует огромный разрыв в качестве между кластерами Web3 GPU и теми, которые требуются для предварительной подготовки и тонкой настройки базовых моделей.

Сложная реальность заключается в том, что Web3 создает версию ИИ «для бедных», по сути пытаясь соответствовать возможностям ИИ Web2, но создавая худшие версии. Эта реальность резко контрастирует с огромным ценностным предложением децентрализации в нескольких областях ИИ.

Чтобы не делать из этого анализа абстрактный тезис, давайте углубимся в различные тенденции децентрализованного ИИ и оценим их с точки зрения потенциала рынка ИИ.

Читать дальше: Хесус Родригес - Финансирование открытого исходного кода генеративного ИИ с помощью Криптo

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

Некоторые переоцененные тенденции Web3-AI

Децентрализованная инфраструктура графических процессоров для обучения и тонкой настройки

За последние несколько лет мы стали свидетелями взрывного роста децентрализованных инфраструктур GPU с обещанием демократизации предварительной подготовки и тонкой настройки базовых моделей. Идея состоит в том, чтобы обеспечить альтернативу монополизации GPU, установленной действующими лабораториями ИИ. Реальность такова, что предварительная подготовка и тонкая настройка больших базовых моделей требуют больших кластеров GPU со сверхбыстрыми коммуникационными шинами, соединяющими их. Цикл предварительной подготовки базовой модели 50B-100B в децентрализованной инфраструктуре ИИ может занять более года, если он вообще сработает.

Фреймворки ZK-AI

Идея объединения вычислений с нулевым знанием (zk) и ИИ породила интересные концепции для включения механизмов Политика конфиденциальности в базовые модели. Учитывая значимость инфраструктуры zk в Web3, несколько фреймворков обещают встроить вычисление zk в базовые модели. Хотя теоретически модели zk-AI привлекательны, они быстро сталкиваются с проблемой чрезмерной дороговизны с вычислительной точки зрения при применении к большим моделям. Кроме того, zk ограничит такие аспекты, как интерпретируемость, которая является ONE из самых многообещающих областей в генеративном ИИ.

Доказательство вывода

Криптo — это криптографические доказательства, и иногда они прикрепляются к вещам, которым они T нужны. В пространстве Web3-AI мы видим примеры фреймворков, выдающих криптографические доказательства определенных выходных данных модели. Проблемы с этими сценариями не технологические, а рыночные. По сути, доказательство вывода — это своего рода решение, ищущее проблему, и сегодня у него нет реальных вариантов использования.

Некоторые перспективные тенденции Web3-AI

Агенты с кошельками

Агентные рабочие процессы являются ONE из самых интересных тенденций в генеративном ИИ и имеют значительный потенциал для Криптo. Под агентами мы подразумеваем программы ИИ, которые могут не только пассивно отвечать на вопросы на основе входных данных, но и выполнять действия в заданной среде. Хотя большинство автономных агентов создаются для изолированных вариантов использования, мы наблюдаем быстрое появление многоагентных сред и совместной работы.

Это область, где Криптo может открыть огромную ценность. Например, представьте себе сценарий, в котором агенту нужно нанять других агентов для выполнения задачи или поставить некоторую ценность, чтобы поручиться за качество своих результатов. Предоставление агентам финансовых примитивов в форме Криптo открывает множество вариантов использования для агентского сотрудничества.

Криптo для ИИ

ONE из самых известных секретов в области генеративного ИИ заключается в том, что пространство ИИ с открытым исходным кодом переживает колоссальный кризис финансирования. Большинство лабораторий ИИ с открытым исходным кодом больше T могут себе позволить работать над большими моделями и вместо этого сосредотачиваются на других областях, которые T требуют огромного количества вычислительного доступа и данных. Криптo чрезвычайно эффективна в формировании капитала с помощью таких механизмов, как эйрдропы, поощрения или даже баллы. Концепция Криптo рельсов для генеративного ИИ с открытым исходным кодом является ONE из самых многообещающих областей на пересечении этих двух тенденций.

Модели малых фундаментов

В прошлом году Microsoft ввела термин «малая языковая модель» (SLM) после выпуска своей модели Phi, которая с параметрами менее 2B смогла превзойти гораздо более крупных LLM в задачах по информатике и математике. Малые базовые модели — например, параметры 1B-5B — являются ключевым требованием для жизнеспособности децентрализованного ИИ и открывают многообещающие сценарии для ИИ на устройстве. Децентрализация моделей с несколькими сотнями миллиардов параметров сегодня практически невозможна и останется таковой еще некоторое время. Однако небольшие базовые модели должны иметь возможность работать во многих современных инфраструктурах Web3. Продвижение повестки дня SLM имеет важное значение для создания реальной ценности с помощью Web3 и ИИ.

Генерация синтетических данных

Дефицит данных является ONE из самых больших проблем с этим последним поколением фундаментальных моделей. В результате растет уровень исследований, сосредоточенных на механизмах генерации синтетических данных с использованием фундаментальных моделей, которые могут дополнять реальные наборы данных. Механика Криптo и стимулов токенов может идеально координировать большое количество сторон для сотрудничества в создании новых синтетических наборов данных.

Другие актуальные тенденции Web3-AI

Есть несколько других интересных тенденций Web3-AI со значительным потенциалом. Proof-of-Human outputs становится все более актуальным, учитывая проблемы с контентом, генерируемым ИИ. Оценка и бенчмаркинг — это сегмент ИИ, в котором возможности доверия и прозрачности Web3 могут проявить себя. Тонкая настройка, ориентированная на человека, такая как обучение с подкреплением и обратной связью с Human (RLHF), также является интересным сценарием для сетей Web3. Другие сценарии, вероятно, появятся по мере того, как генеративный ИИ будет продолжать развиваться, а возможности Web3-AI станут более зрелыми.

Потребность в более децентрализованных возможностях ИИ вполне реальна. Хотя индустрия Web3 пока не может соперничать с ценностью, созданной мегамоделями ИИ, она может открыть реальную ценность для пространства генеративного ИИ. Самой большой проблемой для эволюции Web3-AI может стать преодоление его собственного поля искажения реальности. В Web3-AI есть много ценности; 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.