Autor gościa: Lao Bai

Ponad rok od premiery ChatGPT dyskusje na temat AI+Crypto ponownie nabrały tempa na rynku. Sztuczna inteligencja jest postrzegana jako jeden z najważniejszych torów na rynku byków w latach 2024–2025, a Vitalik Buterin opublikował artykuł zatytułowany Obietnica i wyzwania związane z kryptowalutami i aplikacjami sztucznej inteligencji, badając możliwe kierunki przyszłych eksploracji AI i kryptowalut.

Ten artykuł nie będzie zawierał zbyt wielu subiektywnych osądów, ale zamiast tego podsumuje projekty przedsiębiorcze łączące sztuczną inteligencję i krypto zaobserwowane w ciągu ostatniego roku z podstawowej perspektywy rynku. Przyjrzymy się perspektywom, z których przedsiębiorcy weszli na rynek, dotychczasowym osiągnięciom i obszarom, które są nadal badane.

I. Cykl AI+kryptowalut

Przez cały 2023 r. rozmawialiśmy z dziesiątkami projektów AI+Crypto, wśród których można obserwować różne cykle.

Przed wydaniem ChatGPT pod koniec 2022 r. na rynku wtórnym było niewiele projektów blockchain związanych z AI. Główne, które przychodzą na myśl, to Fetch.AI (FET), SingularityNET (AGIX) i kilka innych projektów dla weteranów. Podobnie na rynku podstawowym nie było wielu projektów związanych z AI.

Od stycznia do maja 2023 r. można uznać go za pierwszy skoncentrowany okres epidemii dla projektów AI. W końcu wpływ ChatGPT był znaczący. Wiele starych projektów na rynku wtórnym przeszło na ścieżkę AI i prawie co tydzień omawiano projekty AI+Crypto na rynku podstawowym. Podobnie w tym okresie projekty AI wydawały się stosunkowo proste. Wiele z nich opierało się na „głębokiej” adaptacji ChatGPT, w połączeniu ze zmianami blockchain, bez prawie żadnych podstawowych barier technologicznych. Nasz wewnętrzny zespół ds. rozwoju często mógł odtworzyć ramy projektu w ciągu zaledwie jednego lub dwóch dni. Doprowadziło to również do licznych spotkań z projektami AI w tym okresie, ale ostatecznie nie podjęto żadnych działań.

Od maja do października rynek wtórny zaczął zmieniać się na niedźwiedzi. Co ciekawe, w tym czasie liczba projektów AI na rynku podstawowym również znacznie spadła. Dopiero w ostatnim miesiącu lub dwóch ilości zaczęły ponownie rosnąć, a dyskusje i artykuły na temat AI+Crypto stały się bogatsze. Po raz kolejny weszliśmy w okres, w którym mogliśmy co tydzień spotykać się z projektami SI. Pół roku później stało się oczywiste, że pojawiła się nowa seria projektów AI z lepszym zrozumieniem ścieżki AI, lądowaniem scenariuszy komercyjnych i ulepszoną integracją AI+Crypto w porównaniu z pierwszą falą szumów AI. 

Chociaż bariery technologiczne nadal nie były silne, ogólny poziom dojrzałości poczynił krok naprzód. Dopiero w 2024 r. ostatecznie postawiliśmy pierwszy zakład na torze AI+Crypto.

II. Ścieżka AI+kryptowaluty

W swoim artykule na temat „obietnicy i wyzwań” Vitalik Buterin przedstawia prognozy z kilku względnie abstrakcyjnych wymiarów i perspektyw, w następujący sposób:

• SI jako gracz w grze

• SI jako interfejs gry

• SI jako zasady gry

• SI jako cel gry

Z drugiej strony podsumujemy projekty AI obecnie obserwowane na rynku podstawowym z bardziej szczegółowej i bezpośredniej perspektywy.

Większość projektów AI+Crypto koncentruje się na rdzeniu kryptowaluty, którą definiujemy jako „decentralizację technologiczną (lub polityczną) + aktywację handlową”.

Jeśli chodzi o decentralizację, nie ma nic do powiedzenia, ponieważ chodzi o web3. W związku z tym możemy w przybliżeniu podzielić kategorie aktywów na trzy główne ścieżki:

• Zasobowość mocy obliczeniowej

• Zasobowość modeli

• Zasobowość danych

Zasobowość mocy obliczeniowej

Jest to stosunkowo gęsty tor, ponieważ oprócz różnych nowych projektów jest również wiele starych projektów, które się zmieniają. Na przykład po stronie Cosmos znajduje się Akash Network, a po stronie Solany Nosana. Po zmianie tokeny doświadczyły szalonych przepięć, co również pośrednio odzwierciedla optymizm rynku w kierunku ścieżki AI. Chociaż Render (RNDR) koncentruje się głównie na zdecentralizowanym renderowaniu, może również służyć celom SI. W związku z tym wiele klasyfikacji obejmuje projekty związane z mocą obliczeniową, podobne do RNDR, w ścieżce AI.

Zasobowość mocy obliczeniowej może być dalej podzielona na dwa kierunki, w oparciu o wykorzystanie mocy obliczeniowej. Jeden z nich jest reprezentowany przez Gensyn, czyli „decentralizowaną moc obliczeniową używaną do szkolenia SI”. Druga jest reprezentowana przez większość zmian i nowych projektów lub „decentralizowaną moc obliczeniową używaną do wnioskowania SI” (możliwość modeli uczenia maszynowego do podejmowania decyzji lub prognoz na podstawie wcześniej poznanych danych lub modeli).

Na tym torze możemy zaobserwować interesujące zjawisko, a może nawet łańcuch poniżeń:

Tradycyjna sztuczna inteligencja → Wywnioskowanie zdecentralizowane → Szkolenia zdecentralizowane

• Ci z tradycyjnego środowiska AI zazwyczaj zwracają uwagę na zdecentralizowane szkolenia lub wnioskowanie.

• Osoby skoncentrowane na zdecentralizowanych dowodach mają tendencję do odrzucania zdecentralizowanych szkoleń.

Główny powód leży w aspekcie technicznym — ponieważ szkolenie SI (zwłaszcza w przypadku dużych modeli AI) obejmuje ogromne ilości danych. To, co jest jeszcze bardziej przesadzone niż wymagania dotyczące danych, to zapotrzebowanie na przepustowość generowane przez szybką komunikację tych danych. W obecnym środowisku dużych modeli transformatorów szkolenie wymaga matrycy obliczeniowej składającej się z dużej liczby wysokiej klasy kart graficznych, takich jak profesjonalne karty SI z serii 4090/H100 z kanałami komunikacyjnymi na poziomie stugigabitowym, utworzonymi przez NVLink i profesjonalne przełączniki światłowodowe. Czy możesz sobie wyobrazić decentralizację tych rzeczy? Hmm ...

Zapotrzebowanie na moc obliczeniową i przepustowość komunikacji w wnioskowaniu SI jest znacznie mniejsze niż w przypadku szkoleń z SI. Oczywiście możliwość zdecentralizowanego wdrożenia jest znacznie większa w przypadku wnioskowania niż w przypadku szkoleń. Dlatego większość projektów związanych z mocą obliczeniową koncentruje się na wnioskowaniu, podczas gdy szkolenia są przeznaczone przede wszystkim dla głównych graczy, takich jak Gensyn i AI Together, które zebrały setki milionów w finansowaniu. Jednak z punktu widzenia opłacalności i niezawodności, przynajmniej na tym etapie, scentralizowana moc obliczeniowa do wnioskowania jest nadal znacznie lepsza niż zdecentralizowane opcje.

Wyjaśnia to, dlaczego ci, którzy skupili się na zdecentralizowanych wnioskach, patrzą na zdecentralizowane szkolenia i myślą: „W ogóle nie możesz tego zrobić”, podczas gdy tradycyjna sztuczna inteligencja postrzega zdecentralizowane szkolenia i wnioskowanie jako „nierealistyczne w zakresie technologii szkoleniowych” i „niewiarygodne w zakresie wnioskowania komercyjnego”.

Niektórzy twierdzą, że kiedy BTC/ETH pojawił się po raz pierwszy, model rozproszonych węzłów obliczał wszystko wydawał się stosunkowo nielogiczny (w porównaniu z przetwarzaniem w chmurze). Ale ostatecznie nie udało się? Cóż, zależy to od wymagań dotyczących poprawności, bezużyteczności, nadmiarowości i innych wymiarów szkoleń AI i wnioskowania w przyszłości. Czysto pod względem wydajności, niezawodności i ceny, obecnie nie można przekroczyć scentralizowanych rozwiązań.

Zasobowość modelu

Jest to również zatłoczona ścieżka dla projektów i jest stosunkowo łatwiejsza do zrozumienia w porównaniu z aktywacją mocy obliczeniowej, ponieważ jedną z najbardziej znanych aplikacji po popularności ChatGPT jest Character.AI. Dzięki niej możesz szukać mądrości od starożytnych filozofów, takich jak Socrates i Confucius, prowadzić swobodne rozmowy z gwiazdami, takimi jak Elon Musk i Sam Altman, a nawet rozkoszować się romantycznymi rozmowami z wirtualnymi idolami, takimi jak Hatsune Miku i Raiden Shogun. Wszystkie te elementy prezentują urok dużych modeli językowych (LLM). Koncepcja agentów AI została głęboko zakorzeniona w umysłach ludzi za pośrednictwem Character.AI.

Co by było, gdyby takie liczby jak Confucius, Elon Musk czy Raiden Shogun były wszystkimi NFT?

Czy to nie jest AI+Crypto?

Dlatego zamiast nazywać ją zasobowością modelową, bardziej trafne jest stwierdzenie, że jest to zasobowość agentów zbudowanych na dużych modelach. W końcu samych dużych modeli nie można umieścić na blockchain. Chodzi bardziej o mapowanie agentów na modelach do NFT, aby stworzyć poczucie „aktywizacji modelu” w przestrzeni AI+Crypto.

Są teraz agenci, którzy mogą nauczyć Cię języka angielskiego, a nawet angażować się w relacje uczuciowe z Tobą, między innymi. Ponadto można znaleźć powiązane projekty, takie jak wyszukiwarki agentów i rynki.

Powszechnym problemem na tym torze jest to, że nie ma żadnych barier technologicznych. To w zasadzie tylko tokenizacja Character.AI. Nasi technicy mogą stworzyć agenta, który mówi i brzmi jak konkretny charakter (np. nasz współzałożyciel, BMAN) w ciągu zaledwie jednej nocy, korzystając z istniejących narzędzi i ram open source. Po drugie, integracja z blockchain jest bardzo lekka. Jest on w pewnym stopniu podobny do NFT GameFi na Ethereum , w którym przechowywane metadane mogą być tylko adresem URL lub haszem, a modele/agentzy są przechowywane na serwerach w chmurze. Transakcje na łańcuchzie reprezentują tylko własność.

Zasobowość modeli/agentów jest nadal jednym z głównych ścieżek AI+Crypto w dającej się przewidzieć przyszłości. Mamy nadzieję, że w przyszłości zobaczymy projekty o stosunkowo wyższych barierach technologicznych i ściślejszej integracji z blockchain, które są bardziej rodzime.

Zasoby danych

Mówiąc logicznie, zasobowość danych jest najbardziej odpowiednim aspektem AI+Crypto, ponieważ tradycyjne szkolenie AI opiera się głównie na widocznych danych dostępnych w Internecie lub, aby być bardziej precyzyjnymi, danymi ruchu w domenie publicznej. Dane te mogą stanowić jedynie niewielki odsetek, około 10–20%, przy czym większość danych faktycznie leży w ruchu w domenie prywatnej (w tym danych osobowych). Jeśli te dane ruchu można wykorzystać do szkolenia lub dostrajania dużych modeli, możemy bez wątpienia mieć więcej profesjonalnych agentów/botów w różnych branżach.

Jaki jest najlepszy slogan web3? Czytaj, pisz, sami!

Dlatego też, dzięki AI+Crypto i pod kierunkiem zdecentralizowanych zachęt, udostępnianie danych dotyczących ruchu w domenie prywatnej i wykorzystywanie ich w celu zapewnienia lepszych i bogatszych „jedzeń” dla dużych modeli brzmi jak logiczne podejście. W rzeczywistości istnieje kilka zespołów głęboko zaangażowanych w tę dziedzinę.

Jednak największym wyzwaniem na tym torze jest to, że w przeciwieństwie do mocy obliczeniowej, standaryzacja danych jest trudna. Model karty graficznej, wykorzystując zdecentralizowaną moc obliczeniową, bezpośrednio przekłada się na ilość mocy obliczeniowej, jaką posiadasz. Z drugiej strony ilość, jakość i cel danych prywatnych są trudne do zmierzenia. Jeśli zdecentralizowana moc obliczeniowa jest taka jak ERC-20, to wykorzystanie zdecentralizowanych danych szkoleniowych AI jest nieco podobne do ERC-721 — i lubi mieć wiele projektów, takich jak APE , Punk , Azuki i różne NFT o różnych cechach mieszanych razem. Trudności w płynności i tworzeniu rynku są o wiele trudniejsze niż w przypadku ERC-20. W związku z tym projekty skupiające się na atutyzacji danych AI stają obecnie przed poważnymi wyzwaniami.

Innym aspektem ścieżki danych, o którym warto wspomnieć, jest zdecentralizowane etykietowanie. Assetization danych działa na etapie „zbierania danych”, a zebrane dane muszą być przetwarzane przed wprowadzeniem ich do AI, gdzie następuje etykietowanie danych. Ten krok jest obecnie głównie scentralizowany i pracochłonny. Dzięki zdecentralizowanym tokenom, przekształcanie tej pracy w zdecentralizowane, etykietowanie do zdobycia lub (podobnie jak w przypadku platform crowdsourcingowych) dystrybucja pracy jest również realnym podejściem. Obecnie w tym obszarze pracuje kilka zespołów.

III. Brakujące puzzle w AI+Crypto

Omówmy pokrótce brakujące elementy układanki w tej ścieżce z naszej perspektywy.

• Brak barier technologicznych: Jak wspomniano wcześniej, większość projektów AI+Crypto nie ma prawie żadnych barier technologicznych w porównaniu z tradycyjnymi projektami AI w Web 2.0. Zamiast tego bardziej polegają na modelach ekonomicznych i tokenowych zachętach w doświadczeniach użytkowników, rynkach i operacjach. Chociaż to podejście jest zrozumiałe, biorąc pod uwagę mocne strony decentralizacji i dystrybucji wartości w web3, brak podstawowych barier nieuchronnie daje poczucie „X do zarobku”. Mamy nadzieję, że więcej zespołów, takich jak RNDR, będzie wspieranych przez takie firmy, jak OTOY, a podstawowe technologie będą czyniły znaczne postępy w przestrzeni kryptowalut.

• Aktualny status praktyków: Na podstawie bieżących obserwacji niektóre zespoły z AI+kryptowalut są dobrze znane w AI, ale nie mają dogłębnego zrozumienia web3. I odwrotnie, niektóre zespoły mają bardzo natywne kryptowaluty, ale mają ograniczoną wiedzę w dziedzinie sztucznej inteligencji. Ta sytuacja przypomina początki toru GameFi, kiedy niektóre drużyny były dobrze zaznajomione z grami i starały się przenieść gry Web 2.0 do blockchain, podczas gdy inne były głęboko zanurzone w web3, skupiając się na różnych innowacyjnych i zoptymalizowanych modelach gamingowych. MATR1X był pierwszym zespołem, jaki napotkaliśmy na torze GameFi, który wykazał podwójne zrozumienie gamingu i kryptowalut, dlatego wcześniej wspomniałem dział IT jako jeden z trzech projektów, w które mocno wierzyłem w 2023 r. Mamy nadzieję, że w 2024 roku więcej zespołów będzie miało podwójne zrozumienie AI i kryptowalut.

• Scenariusze biznesowe: AI+Crypto znajduje się na niezwykle wczesnym etapie eksploracji, a różne formy aktywizacji wymienione powyżej to tylko kilka głównych kierunków. Każdy kierunek ma wiele podtorów, które można dokładnie zbadać i posegmentować. Obecnie wiele projektów na rynku, które integrują sztuczną inteligencję i kryptowaluty, wydaje się nieco „niezręcznie” lub „nierówne”, nie wykorzystując optymalnej konkurencyjności lub możliwości łączenia sztucznej inteligencji i kryptowalut. Jest to ściśle związane z drugim punktem wymienionym powyżej. Na przykład nasz wewnętrzny zespół badawczo-rozwojowy wymyślił i zaprojektował bardziej optymalną metodę integracji; jednak pomimo obserwacji wielu projektów na torze AI, nie widzieliśmy jeszcze żadnych zespołów wchodzących do tego niszowego obszaru. Więc możemy tylko nadal czekać.

Możesz zapytać, dlaczego VC, taka jak my, może wymyślić pewne scenariusze, zanim przedsiębiorcy na rynku będą mogli. Dzieje się tak, ponieważ mamy siedmiu ekspertów w naszym wewnętrznym zespole AI, z których pięciu ma doktoratów w dziedzinie AI. 

Wreszcie, chociaż z perspektywy rynku podstawowego AI+Crypto jest nadal dość wcześnie i niedojrzałe, nie uniemożliwia nam to optymizmu w latach 2024–2025, gdy AI+Crypto stanie się jedną z głównych ścieżek tego byka cyklu rynkowego. W końcu czy istnieje lepszy sposób na połączenie produktywności, która jest uwalniana przez sztuczną inteligencję z relacjami produkcyjnymi uwalnianymi przez blockchain?

#Bybit #TheCryptoArk