BTC

$96,000

5.73%

ETH

$3,521.91

3.97%

HTX

$0.{5}2273

5.23%

SOL

$198.17

3.05%

BNB

$710

3.05%

简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

Partnered With:

Ảo ảnh AI trong thế giới tiền điện tử

Đọc bài viết này mất 49 phút

Một số xu hướng mới nổi trong trí tuệ nhân tạo thực sự có thể khiến những đổi mới dựa trên tiền điện tử trở nên khó chấp nhận hơn, do sự cạnh tranh và quy định thị trường rộng lớn hơn.

Tiêu đề gốc: Ảo tưởng AI của tiền điện tử

Nguồn gốc: Tổ chức Coinbase

· Giữa Trí tuệ nhân tạo (AI) và Tiền điện tử Sự giao thoa giữa rất rộng nhưng mọi người thường biết rất ít về nó. Chúng tôi tin rằng các tiểu khu khác nhau của nút giao thông này có những cơ hội và mốc thời gian phát triển riêng biệt.

· Nhìn chung, chúng tôi tin rằng đối với các sản phẩm trí tuệ nhân tạo, chỉ phân quyền thôi là chưa đủ để mang lại lợi thế cạnh tranh – nó còn phải đạt được bằng một số cách quan trọng khác. đạt được các chức năng tương tự như các sản phẩm tập trung.

· Quan điểm trái ngược của chúng tôi là do sự chú ý rộng rãi mà ngành công nghiệp AI đã nhận được, tiềm năng giá trị của nhiều mã thông báo AI có thể bị phóng đại và nhiều AI token Có thể thiếu các yếu tố thúc đẩy nhu cầu bền vững trong ngắn hạn và trung hạn.

Trong những năm gần đây, những đột phá liên tục của trí tuệ nhân tạo, đặc biệt là trong lĩnh vực trí tuệ nhân tạo tổng hợp, đã thu hút sự quan tâm lớn của ngành trí tuệ nhân tạo và tạo cơ hội cho ngành trí tuệ nhân tạo phát triển. cả hai dự án Crypto tại giao lộ đều mang lại cơ hội. Trước đây, chúng tôi đã đề cập đến một số khả năng của lĩnh vực này trong một báo cáo ban đầu vào tháng 6 năm 2023, lưu ý rằng việc phân bổ vốn tổng thể vào tiền điện tử dường như chưa được đầu tư đúng mức vào trí tuệ nhân tạo. Lĩnh vực AI mật mã đã phát triển vượt bậc kể từ đó và chúng tôi cảm thấy điều quan trọng là phải chỉ ra một số thách thức thực tế có thể cản trở việc áp dụng rộng rãi nó.

Những thay đổi nhanh chóng trong trí tuệ nhân tạo khiến chúng tôi thận trọng trước những tuyên bố táo bạo rằng các nền tảng lấy tiền điện tử làm trung tâm được định vị độc đáo để phá vỡ ngành công nghiệp; điều này khiến chúng tôi tin rằng con đường dẫn đến Việc đánh giá giá trị lâu dài và bền vững đối với hầu hết các token AI là không chắc chắn, đặc biệt đối với các dự án có mô hình kinh tế token cố định. Ngược lại, chúng tôi tin rằng một số xu hướng mới nổi trong trí tuệ nhân tạo thực sự có thể khiến những đổi mới dựa trên tiền điện tử trở nên khó áp dụng hơn, do quy định và cạnh tranh thị trường rộng lớn hơn.

Điều đó nói lên rằng, chúng tôi tin rằng mối quan hệ giữa trí tuệ nhân tạo và tiền điện tử là rất rộng và có những cơ hội khác nhau cho một số phần phụ nhất định. nhanh hơn, mặc dù nhiều khu vực trong số này thiếu các token đã có trên thị trường. Tuy nhiên, điều đó dường như không làm giảm sự quan tâm của nhà đầu tư. Chúng tôi nhận thấy rằng hiệu suất của các mã thông báo tiền điện tử liên quan đến AI được hỗ trợ bởi các tiêu đề thị trường AI và có thể có hành động giá tích cực ngay cả trong những ngày Bitcoin giao dịch thấp hơn. Do đó, chúng tôi tin rằng nhiều token liên quan đến AI có thể tiếp tục giao dịch dưới dạng đại diện cho sự tiến bộ của AI.

Xu hướng chính về trí tuệ nhân tạo

Một trong những xu hướng quan trọng nhất trong lĩnh vực trí tuệ nhân tạo (liên quan đến các sản phẩm tiền điện tử-AI) là văn hóa đang diễn ra xung quanh các mô hình nguồn mở. Hơn 530.000 mẫu được trưng bày trên Ôm Mặt để các nhà nghiên cứu và người dùng thao tác và tinh chỉnh. Vai trò của Hugging Face trong cộng tác AI không khác gì việc dựa vào GitHub để lưu trữ mã hoặc Discord để quản lý cộng đồng (cả hai đều được sử dụng rộng rãi trong không gian tiền điện tử). Ngoại trừ việc quản lý yếu kém nghiêm trọng, tình trạng này khó có thể thay đổi trong tương lai gần.

Các mô hình có sẵn trên Ôm Mặt bao gồm từ Mô hình ngôn ngữ lớn (LLM) đến mô hình hình ảnh và video tổng hợp, bao gồm các công ty lớn trong ngành như Open AI, Meta và Google và sự sáng tạo của các nhà phát triển độc lập. Một số mô hình ngôn ngữ nguồn mở thậm chí còn có lợi thế về hiệu suất so với các mô hình nguồn đóng hiện đại về mặt thông lượng (trong khi vẫn duy trì chất lượng đầu ra tương đương), đảm bảo mức độ cạnh tranh giữa các mô hình nguồn mở và thương mại (xem Hình 1). Điều quan trọng là chúng tôi tin rằng hệ sinh thái nguồn mở sôi động này kết hợp với lĩnh vực thương mại có tính cạnh tranh cao đã tạo điều kiện cho một ngành mà các mô hình xấu bị loại khỏi cạnh tranh.

Xu hướng thứ hai là Xu hướng sự cải thiện liên tục về chất lượng và hiệu quả chi phí của các mô hình nhỏ hơn (được nêu bật trong nghiên cứu LLM vào năm 2020 và trong một bài báo gần đây của Microsoft) cũng phù hợp với văn hóa nguồn mở để tiếp tục hỗ trợ mô hình Trí tuệ nhân tạo chạy cục bộ, hiệu suất cao. Một số mô hình nguồn mở được tinh chỉnh thậm chí có thể hoạt động tốt hơn các mô hình nguồn đóng hàng đầu ở một số điểm chuẩn nhất định. Trong thế giới như vậy, một số mô hình AI có thể được chạy cục bộ, tối đa hóa khả năng phân cấp. Tất nhiên, các công ty công nghệ hiện tại sẽ tiếp tục đào tạo và vận hành các mô hình lớn hơn trên đám mây, nhưng không gian thiết kế giữa hai bên sẽ đòi hỏi phải có sự đánh đổi.

Ngoài ra, do nhiệm vụ đo điểm chuẩn của các mô hình AI ngày càng phức tạp (bao gồm ô nhiễm dữ liệu và các phạm vi thử nghiệm khác nhau), việc tạo ra đầu ra của mô hình cuối cùng có thể được kiểm soát bởi người dùng cuối trên thị trường tự do để có được đánh giá tối ưu. Trên thực tế, người dùng cuối có thể sử dụng các công cụ hiện có để so sánh song song đầu ra của mô hình với các công ty chuẩn thực hiện các hoạt động tương tự. Bạn có thể có được ý tưởng sơ bộ về độ khó của các điểm chuẩn AI tổng quát từ sự đa dạng ngày càng tăng của các điểm chuẩn LLM mở, bao gồm MMLU, HellaSwag, TriviaQA, BoolQ, v.v., mỗi điểm kiểm tra các trường hợp sử dụng khác nhau như lý luận thông thường, chủ đề học thuật, và các dạng câu hỏi khác nhau.

Xu hướng thứ ba mà chúng tôi quan sát được trong lĩnh vực trí tuệ nhân tạo là các nền tảng hiện có có khả năng thu hút người dùng mạnh mẽ hoặc giải quyết được các vấn đề kinh doanh cụ thể có thể hưởng lợi từ việc tích hợp trí tuệ nhân tạo thông minh. Đạt được những lợi ích không tương xứng. Ví dụ: việc tích hợp GitHub Copilot với các trình soạn thảo mã sẽ nâng cao môi trường nhà phát triển vốn đã mạnh mẽ. Việc nhúng giao diện AI vào các công cụ khác, từ ứng dụng email, bảng tính đến phần mềm quản lý quan hệ khách hàng, cũng là những trường hợp sử dụng tự nhiên của AI (ví dụ: trợ lý AI của Klarna thực hiện công việc của 700 nhân viên dịch vụ khách hàng toàn thời gian).

Nhưng điều đáng chú ý là trong nhiều tình huống này, các mô hình AI sẽ không dẫn đến nền tảng mới mà chỉ cải thiện những nền tảng hiện có. Các mô hình AI khác giúp cải thiện quy trình kinh doanh truyền thống trong nội bộ (ví dụ: hệ thống Meta's Lattice, giúp khôi phục hiệu suất quảng cáo của Apple về mức cũ sau khi ra mắt Tính minh bạch theo dõi ứng dụng) cũng thường dựa vào dữ liệu độc quyền và hệ thống khép kín. Những loại mô hình AI này có thể sẽ vẫn là nguồn đóng vì chúng được tích hợp theo chiều dọc vào sản phẩm cốt lõi và sử dụng dữ liệu độc quyền.

Trong lĩnh vực phần cứng và điện toán trí tuệ nhân tạo, chúng ta nhận thấy hai xu hướng khác có liên quan. Đầu tiên là sự thay đổi trong cách sử dụng máy tính từ đào tạo sang suy luận. Nghĩa là, khi các mô hình trí tuệ nhân tạo lần đầu tiên được phát triển, một lượng lớn tài nguyên máy tính sẽ được sử dụng để "huấn luyện" mô hình bằng cách cung cấp cho nó những tập dữ liệu lớn. Bây giờ chúng ta đã chuyển sang triển khai và truy vấn mô hình.

Cuộc gọi báo cáo thu nhập tháng 2 năm 2024 của NVIDIA cho thấy khoảng 40% hoạt động kinh doanh của họ được sử dụng để suy luận, cuộc gọi báo cáo thu nhập Microsoft của Satya Nadella vào tháng trước tháng Giêng. hội nghị, lưu ý rằng "hầu hết" việc sử dụng Azure AI của họ là để suy luận. Khi xu hướng này tiếp tục, chúng tôi tin rằng các thực thể đang tìm cách kiếm tiền từ mô hình sẽ ưu tiên các nền tảng có thể chạy mô hình một cách đáng tin cậy theo cách an toàn và sẵn sàng sản xuất.

Xu hướng chính thứ hai là bối cảnh cạnh tranh xung quanh kiến trúc phần cứng. Bộ xử lý H200 của Nvidia sẽ có sẵn bắt đầu từ quý 2 năm 2024, với B100 thế hệ tiếp theo dự kiến sẽ có hiệu suất tăng gấp đôi. Ngoài ra, việc Google tiếp tục hỗ trợ cho Bộ xử lý Tensor (TPU) của riêng mình và Bộ xử lý ngôn ngữ (LPU) mới hơn của Groq cũng có thể tăng thị phần của mình như những lựa chọn thay thế trong không gian này trong những năm tới (xem Hình 2). Những phát triển như vậy có thể thay đổi động lực chi phí trong ngành AI và có thể mang lại lợi ích cho các nhà cung cấp dịch vụ đám mây, những người có thể nhanh chóng xoay vòng, mua phần cứng với số lượng lớn và thiết lập mọi yêu cầu mạng vật lý liên quan cũng như các công cụ dành cho nhà phát triển.

Nhìn chung, lĩnh vực trí tuệ nhân tạo là lĩnh vực mới nổi và phát triển nhanh chóng . Chưa đầy 1,5 năm sau khi ChatGPT được phát hành lần đầu tiên ra thị trường vào tháng 11 năm 2022 (mặc dù mô hình GPT 3 cơ bản của nó đã xuất hiện từ tháng 6 năm 2020), tốc độ tăng trưởng nhanh chóng trong không gian kể từ đó thật đáng kinh ngạc. Bất chấp một số hành vi đáng nghi vấn liên quan đến thành kiến đằng sau một số mô hình AI tổng quát, chúng ta có thể thấy các mô hình hoạt động kém hơn sẽ bị thị trường loại bỏ dần để thay thế bằng các lựa chọn thay thế tốt hơn. Sự tăng trưởng nhanh chóng của ngành và tiềm năng của các quy định sắp tới có nghĩa là các vấn đề của ngành đang thay đổi thường xuyên khi có các giải pháp mới.

Đối với một lĩnh vực đổi mới nhanh chóng như vậy, “giải pháp phi tập trung [XXX]” thường được đưa ra như một kết luận bỏ qua là quá sớm. Nó cũng giải quyết trước một vấn đề tập trung có thể không nhất thiết tồn tại. Thực tế là ngành công nghiệp AI đã đạt được mức độ phân quyền lớn trên các ngành dọc công nghệ và kinh doanh thông qua sự cạnh tranh giữa nhiều công ty và dự án nguồn mở khác nhau. Hơn nữa, do tính chất của quá trình ra quyết định và đồng thuận, các giao thức phi tập trung thực sự tiến triển với tốc độ chậm hơn so với các giao thức tập trung ở cả cấp độ kỹ thuật và xã hội. Điều này có thể tạo ra trở ngại trong nỗ lực cân bằng giữa phân cấp và các sản phẩm cạnh tranh ở giai đoạn phát triển AI này. Điều đó nói lên rằng, có một số sự phối hợp giữa tiền điện tử và trí tuệ nhân tạo có thể được hiện thực hóa một cách có ý nghĩa trong khoảng thời gian dài hơn.

Xác định phạm vi cơ hội

Nói một cách rộng rãi, chúng tôi coi các Điểm giao nhau được chia thành hai phần chính Thể loại. Danh mục đầu tiên là các trường hợp sử dụng trong đó các sản phẩm AI cải thiện ngành công nghiệp tiền điện tử. Điều này bao gồm các kịch bản khác nhau, từ việc tạo các giao dịch mà con người có thể đọc được và cải thiện phân tích dữ liệu blockchain cho đến tận dụng đầu ra mô hình trên chuỗi như một phần của giao thức không được phép. Loại thứ hai là các trường hợp sử dụng trong đó tiền điện tử nhằm mục đích phá vỡ các quy trình AI truyền thống thông qua tính toán phi tập trung, xác minh, nhận dạng, v.v.

Các trường hợp sử dụng của loại tình huống liên quan đến kinh doanh trước đây rất rõ ràng và chúng tôi tin rằng, mặc dù vẫn còn những thách thức kỹ thuật quan trọng, nhưng trong suy luận trên chuỗi phức tạp hơn kịch bản mô hình Ngoài ra còn có triển vọng dài hạn. Các mô hình AI tập trung có thể cải thiện tiền điện tử giống như bất kỳ ngành tập trung vào công nghệ nào khác, từ cải tiến các công cụ dành cho nhà phát triển và kiểm tra mã cho đến dịch ngôn ngữ của con người thành các hành động trên chuỗi. Nhưng đầu tư vào lĩnh vực này thường chảy vào các công ty tư nhân thông qua vốn mạo hiểm nên thường bị thị trường đại chúng bỏ qua.

Tuy nhiên, chúng ta ít chắc chắn hơn về những tác động và lợi ích của việc tiền điện tử có thể phá vỡ các quy trình AI hiện tại như thế nào. Những khó khăn trong loại thứ hai không chỉ là những thách thức kỹ thuật (mà chúng tôi tin rằng nhìn chung có thể giải quyết được trong dài hạn), mà còn là những trận chiến khó khăn với thị trường rộng lớn hơn và các lực lượng quản lý. Phần lớn sự chú ý gần đây về trí tuệ nhân tạo và tiền điện tử đã tập trung vào danh mục này, vì những trường hợp sử dụng này phù hợp hơn với việc sở hữu token thanh khoản. Đây là trọng tâm của phần tiếp theo của chúng tôi, vì hiện tại có tương đối ít mã thông báo thanh khoản liên quan đến các công cụ AI tập trung trong tiền điện tử.

Vai trò của tiền điện tử trong hệ thống trí tuệ nhân tạo

Trước nguy cơ đơn giản hóa quá mức Rủi ro, chúng tôi tin rằng tác động tiềm tàng của tiền điện tử đối với trí tuệ nhân tạo trong bốn giai đoạn chính của quy trình trí tuệ nhân tạo:

1. Thu thập, lưu trữ và xử lý dữ liệu,

2. Đào tạo mô hình và suy luận,

3. Xác minh đầu ra của mô hình,

4. Theo dõi đầu ra của mô hình trí tuệ nhân tạo.

Một số lượng lớn các dự án tiền điện tử-AI mới đã xuất hiện trong các lĩnh vực này, mặc dù nhiều dự án sẽ phải đối mặt với sự phát sinh từ phía nhu cầu và sự gián đoạn từ các công ty tập trung và các giải pháp nguồn mở trong ngắn hạn và trung hạn.Sự cạnh tranh gay gắt giữa các chương trình đặt ra hai thách thức nghiêm trọng.

Dữ liệu độc quyền

Dữ liệu dành cho tất cả trí tuệ nhân tạo nền tảng của mô hình và có thể là điểm khác biệt chính trong hiệu suất của các mô hình AI chuyên nghiệp. Bản thân dữ liệu blockchain lịch sử là một nguồn dữ liệu phong phú mới cho các mô hình và một số dự án như Grass cũng nhằm mục đích tận dụng các ưu đãi về tiền điện tử để quản lý các tập dữ liệu mới từ internet mở. Về vấn đề này, mã hóa có cơ hội cung cấp các tập dữ liệu dành riêng cho ngành và khuyến khích tạo ra các tập dữ liệu mới có giá trị. (Chúng tôi tin rằng thỏa thuận cấp phép dữ liệu trị giá 60 triệu USD mỗi năm gần đây của Reddit với Google là tín hiệu tốt cho tương lai của việc kiếm tiền từ dữ liệu.)

Nhiều mô hình ban đầu (ví dụ: GPT 3) sử dụng sự kết hợp của các tập dữ liệu mở như CommonCrawl, WebText2, Books và Wikipedia, cũng như các tập dữ liệu tương tự có sẵn miễn phí trên Hugging Face (hiện đang lưu trữ hơn 110.000 tùy chọn). Tuy nhiên, có thể để bảo vệ lợi ích thương mại, nhiều mô hình nguồn đóng gần đây vẫn chưa công bố thành phần tập dữ liệu huấn luyện cuối cùng của họ. Xu hướng hướng tới các bộ dữ liệu độc quyền, đặc biệt là trong các mô hình kinh doanh, sẽ tiếp tục và làm tăng tầm quan trọng của việc cấp phép dữ liệu.

Các thị trường dữ liệu tập trung hiện tại đang giúp thu hẹp khoảng cách giữa nhà cung cấp dữ liệu và người tiêu dùng, tạo điều kiện cho các giải pháp thị trường dữ liệu phi tập trung mới Không gian cơ hội được kẹp giữa các danh mục dữ liệu nguồn mở và đối thủ cạnh tranh của doanh nghiệp. Nếu không có sự hỗ trợ của cấu trúc pháp lý, thị trường dữ liệu phi tập trung thuần túy cũng sẽ cần xây dựng các đường ống và giao diện dữ liệu được tiêu chuẩn hóa, xác minh tính toàn vẹn và cấu hình dữ liệu, đồng thời giải quyết vấn đề khởi động nguội của sản phẩm - đồng thời cân bằng sự khác biệt giữa những người tham gia thị trường. .

Ngoài ra, các giải pháp lưu trữ phi tập trung cuối cùng có thể tìm được chỗ đứng trong ngành trí tuệ nhân tạo, mặc dù vẫn còn nhiều thách thức về vấn đề này. Một mặt, các quy trình phân phối bộ dữ liệu nguồn mở đã tồn tại và được sử dụng rộng rãi. Mặt khác, nhiều chủ sở hữu bộ dữ liệu độc quyền có các yêu cầu tuân thủ và bảo mật nghiêm ngặt. Thực tế là hiện tại không có quy định nào cho việc lưu trữ dữ liệu nhạy cảm trên các nền tảng lưu trữ phi tập trung như Filecoin và Arweave. Nhiều doanh nghiệp vẫn đang chuyển đổi từ máy chủ tại chỗ sang nhà cung cấp dịch vụ lưu trữ đám mây tập trung. Ở cấp độ kỹ thuật, tính chất phi tập trung của các mạng này hiện cũng không tuân thủ các yêu cầu về vị trí địa lý và silo dữ liệu vật lý nhất định để lưu trữ dữ liệu nhạy cảm.

Mặc dù việc so sánh giá giữa các giải pháp lưu trữ phi tập trung và các nhà cung cấp đám mây lâu đời cho thấy rằng các đơn vị lưu trữ phi tập trung rẻ hơn trên mỗi đơn vị, nhưng điều này đã bỏ qua một tiền đề quan trọng. Đầu tiên, chi phí trả trước liên quan đến việc di chuyển hệ thống giữa các nhà cung cấp cần được xem xét bên cạnh chi phí hoạt động hàng ngày. Thứ hai, các nền tảng lưu trữ phi tập trung dựa trên mã hóa cần phải kết hợp công cụ và tích hợp tốt hơn với các hệ thống đám mây trưởng thành được phát triển trong hai thập kỷ qua. Các giải pháp đám mây cũng có chi phí dễ dự đoán hơn từ góc độ hoạt động kinh doanh, đưa ra các nghĩa vụ theo hợp đồng và các nhóm hỗ trợ tận tâm, đồng thời cũng có một lượng lớn các nhà phát triển tài năng hiện có.

Cũng cần lưu ý rằng việc so sánh sơ qua với “ba nhà cung cấp đám mây lớn” (Amazon Web Services, Google Cloud Platform và Microsoft Azure) là không đầy đủ. Có hàng chục công ty đám mây chi phí thấp hơn cũng đang tranh giành thị phần bằng cách cung cấp các giá đỡ máy chủ cơ bản rẻ hơn. Chúng tôi tin rằng đây là những đối thủ cạnh tranh lớn thực sự trong thời gian ngắn dành cho những người tiêu dùng quan tâm đến chi phí.

Điều đó nói lên rằng, những đổi mới gần đây như điện toán dữ liệu của Filecoin và môi trường điện toán ao của Arweave có thể tạo tiền đề cho việc khai thác sắp tới các tập dữ liệu ít nhạy cảm hơn. các công ty nhạy cảm về chi phí (có thể nhỏ hơn) nhưng chưa phải là nhà cung cấp sẽ tham gia.

Vì vậy, mặc dù chắc chắn có chỗ cho các sản phẩm tiền điện tử mới trong không gian dữ liệu, nhưng sự gián đoạn công nghệ gần đây nhất sẽ xảy ra khi chúng có thể tạo ra các đề xuất giá trị độc đáo. Các khu vực nơi các sản phẩm phi tập trung cạnh tranh trực tiếp với các đối thủ truyền thống và nguồn mở sẽ mất nhiều thời gian hơn để đạt được tiến bộ.

Mô hình đào tạo và hội thảo

Sự phân cấp của ngành công nghiệp tiền điện tử Lĩnh vực điện toán phi tập trung (DeComp) cũng nhằm mục đích trở thành một giải pháp thay thế cho điện toán đám mây tập trung, một phần do nguồn cung GPU hiện có đang bị thắt chặt. Một giải pháp được đề xuất cho sự thiếu hụt này là tái sử dụng các tài nguyên điện toán nhàn rỗi trong mạng tập thể và giảm chi phí tại các nhà cung cấp đám mây tập trung, với các giao thức như Akash và Render áp dụng các giải pháp tương tự. Dựa trên các chỉ số sơ bộ, việc sử dụng các dự án như vậy dường như đang gia tăng, bởi cả người dùng và nhà cung cấp. Ví dụ: Akash đã tăng gấp ba lần hợp đồng thuê đang hoạt động (tức là số lượng người dùng) từ đầu năm đến nay (xem Hình 3), chủ yếu là do việc sử dụng tài nguyên lưu trữ và tính toán của nó tăng lên.

Tuy nhiên, kể từ mức đỉnh điểm vào tháng 12 năm 2023, các khoản thanh toán vào mạng có Chi phí thực tế đã giảm vì nguồn cung GPU sẵn có vượt xa mức tăng trưởng nhu cầu đối với các tài nguyên này. Điều đó cho thấy, khi có nhiều nhà cung cấp tham gia mạng hơn, số lượng GPU được thuê (dường như là yếu tố thúc đẩy doanh thu lớn nhất theo tỷ lệ) đã giảm (xem Hình 4). Đối với các mạng mà giá tính toán có thể thay đổi dựa trên những thay đổi trong cung và cầu, không rõ nhu cầu duy trì, theo hướng sử dụng đối với mã thông báo gốc cuối cùng sẽ xuất hiện ở đâu nếu mức tăng trưởng của bên cung vượt quá mức tăng trưởng của bên cầu. Mặc dù tác động lâu dài của những thay đổi như vậy vẫn chưa rõ ràng, nhưng các mô hình kinh tế mã thông báo như vậy có thể cần được xem xét lại trong tương lai để tối ưu hóa cho những thay đổi của thị trường.

Ở cấp độ kỹ thuật, các giải pháp điện toán phi tập trung cũng phải đối mặt với thách thức về giới hạn băng thông mạng. Đối với các mô hình lớn yêu cầu đào tạo nhiều nút, lớp cơ sở hạ tầng mạng vật lý đóng một vai trò quan trọng. Tốc độ truyền dữ liệu, chi phí đồng bộ hóa và hỗ trợ cho một số thuật toán đào tạo phân tán nhất định có nghĩa là cần phải có cấu hình mạng cụ thể và giao tiếp mạng tùy chỉnh (chẳng hạn như InfiniBand) để hỗ trợ thực thi hiệu suất cao. Khi vượt quá quy mô cụm nhất định, rất khó triển khai theo cách phi tập trung

Nói chung, sự thành công lâu dài của điện toán (và lưu trữ) phi tập trung phải đối mặt với nhiều thách thức Cạnh tranh khốc liệt từ các nhà cung cấp đám mây tập trung. Mọi quá trình áp dụng ít nhất sẽ là một quá trình lâu dài tương tự như tiến trình áp dụng đám mây. Do sự phức tạp về mặt kỹ thuật ngày càng tăng của việc phát triển web phi tập trung, kết hợp với việc thiếu đội ngũ bán hàng và phát triển có thể mở rộng tương tự, việc thực hiện đầy đủ tầm nhìn điện toán phi tập trung sẽ là một hành trình khó khăn.

Xác thực và tin cậy các mô hình

Với các mô hình trí tuệ nhân tạo As chúng ngày càng trở nên quan trọng trong cuộc sống, con người ngày càng lo lắng về chất lượng đầu ra và sự thiên vị của chúng. Một số dự án tiền điện tử nhằm mục đích tìm ra giải pháp phi tập trung, dựa trên thị trường cho vấn đề này bằng cách tận dụng một bộ thuật toán để đánh giá các loại đầu ra khác nhau. Tuy nhiên, những thách thức nêu trên xung quanh việc so sánh điểm chuẩn của mô hình, cũng như sự đánh đổi rõ ràng về chi phí, thông lượng và chất lượng, khiến cho việc so sánh trực tiếp trở nên khó khăn. BitTensor, một trong những loại tiền điện tử tập trung vào AI lớn nhất thuộc loại này, nhằm mục đích giải quyết vấn đề này, mặc dù có một số thách thức kỹ thuật nổi bật có thể cản trở việc áp dụng rộng rãi nó (xem Phụ lục 1).

Ngoài ra, suy luận mô hình không cần tin cậy (tức là chứng minh rằng đầu ra của mô hình thực sự được tạo ra bởi mô hình được xác nhận quyền sở hữu) là một lĩnh vực hoạt động khác trong lĩnh vực chồng chéo của tiền điện tử-AI Chuyên ngành. Tuy nhiên, khi các mô hình nguồn mở thu hẹp kích thước, các giải pháp như vậy có thể gặp phải những thách thức về yêu cầu. Trong một thế giới nơi các mô hình có thể được tải xuống và chạy cục bộ và được xác minh tính toàn vẹn của nội dung thông qua các phương pháp băm/tổng kiểm tra tệp phức tạp, vai trò của suy luận không tin cậy là chưa rõ ràng. Đúng là nhiều LLM vẫn chưa thể truy cập được để đào tạo và vận hành từ các thiết bị nhẹ như điện thoại di động, nhưng máy tính để bàn mạnh mẽ (chẳng hạn như máy tính dùng để chơi game cao cấp) đã có thể được sử dụng để chạy nhiều kiểu máy hiệu suất cao.

Nguồn gốc và nhận dạng dữ liệu

Với trí tuệ nhân tạo tổng hợp The Đầu ra của trí thông minh ngày càng khó phân biệt với đầu ra của con người và tầm quan trọng của việc xác định và theo dõi nội dung do AI tạo ra dần trở thành tâm điểm chú ý. GPT 4 vượt qua bài kiểm tra Turing nhanh hơn 3 lần so với GPT 3.5 và gần như không thể tránh khỏi một ngày nào đó chúng ta không thể phân biệt được sự khác biệt giữa robot và con người. Trong một thế giới như vậy, việc xác định danh tính của người dùng trực tuyến và đóng dấu nội dung do AI tạo ra sẽ là những khả năng chính.

Số nhận dạng phi tập trung và cơ chế xác minh danh tính như Worldcoin nhằm mục đích giải quyết vấn đề trước đây về việc xác định con người trên chuỗi. Tương tự như vậy, việc xuất bản băm dữ liệu lên blockchain có thể giúp xác định nguồn gốc của dữ liệu bằng cách xác minh dấu thời gian và nguồn gốc của nội dung. Tuy nhiên, tương tự như phần trước, chúng tôi tin rằng tính khả thi của các giải pháp dựa trên mã hóa phải được cân nhắc so với các giải pháp thay thế tập trung.

Một số quốc gia, chẳng hạn như Trung Quốc, liên kết các cá nhân trực tuyến với cơ sở dữ liệu do chính phủ kiểm soát. Mặc dù phần còn lại của thế giới không tập trung như vậy, nhưng một nhóm các nhà cung cấp dịch vụ nhận dạng khách hàng (KYC) cũng có thể cung cấp các giải pháp chứng minh danh tính độc lập với công nghệ blockchain (có thể kết hợp với các hệ thống đáng tin cậy tạo thành nền tảng của internet ngày nay). bảo mật). Cơ quan cấp chứng chỉ cũng tương tự). Nghiên cứu cũng đang được tiến hành về hình mờ AI để nhúng các tín hiệu ẩn vào đầu ra văn bản và hình ảnh để thuật toán có thể phát hiện xem nội dung có phải do AI tạo ra hay không. Nhiều công ty AI hàng đầu, bao gồm Microsoft, Anthropic và Amazon, đã công khai cam kết thêm các hình mờ như vậy vào nội dung mà họ tạo ra.

Ngoài ra, nhiều nhà cung cấp nội dung hiện tại đã được yêu cầu ghi lại siêu dữ liệu nội dung của họ một cách nghiêm ngặt để đáp ứng các yêu cầu tuân thủ. Do đó, người dùng thường tin tưởng siêu dữ liệu liên quan đến các bài đăng trên mạng xã hội (chứ không phải ảnh chụp màn hình của họ), mặc dù chúng được lưu trữ tập trung. Lưu ý ở đây là mọi giải pháp nhận dạng và xuất xứ dữ liệu dựa trên mã hóa đều cần được tích hợp với nền tảng người dùng để có hiệu quả rộng rãi. Do đó, mặc dù các giải pháp dựa trên mã hóa để chứng minh danh tính và nguồn gốc dữ liệu là khả thi về mặt kỹ thuật, nhưng chúng tôi cũng tin rằng việc áp dụng chúng không phải là điều chắc chắn và cuối cùng sẽ phụ thuộc vào các yêu cầu kinh doanh, tuân thủ và quy định.

Giao dịch tường thuật AI

Bất chấp những điều trên Tuy nhiên, bắt đầu từ quý 4 năm 2023, nhiều token AI đã vượt trội hơn Bitcoin và Ethereum, cũng như các cổ phiếu AI lớn như Nvidia và Microsoft. Điều này là do mã thông báo AI thường được hưởng lợi từ hiệu suất tương đối mạnh mẽ trong thị trường tiền điện tử rộng lớn hơn và các tiêu đề tin tức AI có liên quan (xem Phụ lục 2). Do đó, ngay cả khi giá Bitcoin giảm, giá của các token tập trung vào AI có thể dao động tăng lên, điều này có thể dẫn đến sự biến động tăng lên trong thời gian Bitcoin giảm giá. Hình 5 hiển thị trực quan mức độ phân tán của token AI trong quá trình giao dịch Bitcoin giảm.

Nhìn chung, vẫn còn thiếu rất nhiều nhu cầu duy trì ngắn hạn từ các yếu tố thúc đẩy thương mại tường thuật AI. Việc thiếu các dự báo và số liệu áp dụng rõ ràng đã dẫn đến tình trạng đầu cơ dựa trên meme trên diện rộng, điều này có thể không bền vững về lâu dài. Cuối cùng, giá cả và tiện ích sẽ hội tụ - câu hỏi mở là điều đó sẽ mất bao lâu và liệu tiện ích có tăng để đáp ứng giá hay ngược lại hay không. Điều đó nói lên rằng, việc tiếp tục xây dựng thị trường tiền điện tử và ngành công nghiệp AI hoạt động tốt hơn có thể sẽ duy trì câu chuyện về AI về tiền điện tử mạnh mẽ trong một thời gian.

Kết luận

Vai trò của tiền điện tử trong trí tuệ nhân tạo không tồn tại trong chân không - bất kỳ Nền tảng phi tập trung nào cũng đều có cạnh tranh với các lựa chọn thay thế tập trung hiện có và phải được phân tích trong bối cảnh các yêu cầu pháp lý và kinh doanh rộng hơn. Do đó, việc thay thế các nhà cung cấp tập trung hoàn toàn vì mục đích “phân cấp” là không đủ để thúc đẩy sự tiến bộ có ý nghĩa. Các mô hình AI sáng tạo đã xuất hiện được vài năm và vẫn giữ được mức độ phân quyền do cạnh tranh thị trường và phần mềm nguồn mở.

nền tảng, không có nền tảng đứng yên trong tương lai. Trên thực tế, phát triển tập trung thường nhanh hơn phát triển phi tập trung do cơ chế đồng thuận, điều này có thể đặt ra thách thức trong một lĩnh vực đang phát triển nhanh chóng như trí tuệ nhân tạo.

Với suy nghĩ này, sự chồng chéo giữa AI và tiền điện tử vẫn còn ở giai đoạn sơ khai và có thể sẽ tiếp tục trong những năm tới khi lĩnh vực AI rộng lớn hơn phát triển. xảy ra nhanh chóng. Như nhiều người trong ngành công nghiệp tiền điện tử hiện đang hình dung, một tương lai AI phi tập trung không được đảm bảo — trên thực tế, tương lai của bản thân ngành công nghiệp AI phần lớn vẫn chưa chắc chắn. Do đó, chúng tôi tin rằng cần thận trọng khi điều hướng một thị trường như vậy và nghiên cứu sâu hơn về các giải pháp dựa trên tiền điện tử cũng như cách chúng thực sự có thể cung cấp các lựa chọn thay thế tốt hơn hoặc hiểu tường thuật giao dịch cơ bản.