Bagaimana analisis multidimensi DePIN membantu kecerdasan buatan?

Penulis asli: Filecoin; penulis wawasan, mitra investasi Portal Ventures Catrina

Sumber asli: Jaringan Filecoin

Di masa lalu, start-up, dengan kecepatan, ketangkasan, dan budaya wirausaha mereka, bebas dari belenggu kelembaman organisasi dan memimpin inovasi teknologi untuk waktu yang lama. **Namun, semua ini ditulis ulang oleh era kecerdasan buatan. **Sejauh ini, pencipta produk terobosan “AI” adalah raksasa teknologi tradisional seperti “Microsoft”; OpenAI, Nvidia, Google; dan bahkan “Meta”.

**Apa yang terjadi? **Mengapa kali ini raksasa menang atas start-up? Startup dapat menulis kode yang bagus, tetapi mereka menghadapi beberapa kendala dibandingkan dengan raksasa teknologi:

• Biaya komputasi tetap tinggi
• AI; pengembangan memiliki lobus terbalik: Kekhawatiran dan ketidakpastian seputar AI; dampak sosial menghambat inovasi karena kurangnya pedoman yang diperlukan
• AI; masalah kotak hitam
• “Parit data” yang dibangun oleh perusahaan teknologi besar membentuk hambatan untuk masuk

Jadi, mengapa teknologi blockchain dibutuhkan? Di mana itu bersinggungan dengan kecerdasan buatan? Meskipun tidak semua masalah dapat diselesaikan sekaligus, Jaringan Infrastruktur Fisik Terdistribusi (DePIN) di Web3 menciptakan kondisi untuk menyelesaikan masalah di atas. Berikut ini akan dijelaskan bagaimana teknologi di balik “DePIN” dapat membantu kecerdasan buatan, terutama dari empat dimensi:

• Kurangi biaya infrastruktur
• VERIFIKASI Pencipta dan Kepribadian
• ISI AI; Demokrasi dan Transparansi
• Pengaturan mekanisme imbalan kontribusi data

Di bawah:

• “web3” mengacu pada Internet generasi berikutnya, dan teknologi blockchain serta teknologi lain yang ada adalah komponen organiknya.
• “Blockchain” mengacu pada teknologi ledger terdesentralisasi dan terdistribusi.
• “Kripto” mengacu pada penggunaan mekanisme token untuk insentif dan desentralisasi.

1. Mengurangi biaya infrastruktur (komputasi dan penyimpanan)

Setiap gelombang inovasi teknologi dimulai dengan sesuatu yang mahal menjadi cukup murah untuk disia-siakan.

– Utang Teknologi Masyarakat dan Momen Gutenberg Perangkat Lunak, melalui; SK Ventures

Betapa pentingnya keterjangkauan infrastruktur (infrastruktur kecerdasan buatan mengacu pada biaya perangkat keras untuk menghitung, mentransmisikan, dan menyimpan data), Carlota Perez; Teori revolusi teknologi telah menunjukkan bahwa teori tersebut mengusulkan bahwa terobosan teknologi mencakup dua tahap :

Sumber: Carlota Perez; Teori Revolusi Teknologi

• Tahap pemasangan ditandai dengan investasi modal ventura yang berat, pembangunan infrastruktur dan “mendorong” strategi go-to-market (GTM), karena pelanggan tidak memahami proposisi nilai dari produk baru teknologi.
• Tahap penerapan ditandai dengan peningkatan besar dalam pasokan infrastruktur, menurunkan ambang batas untuk menarik pendatang baru, dan mengadopsi strategi promosi pasar (GTM) “tarik”****, menunjukkan tingkat tinggi pencocokan pasar produk, Pelanggan mengharapkan lebih banyak produk yang belum terbentuk.

Sekarang upaya seperti ‘ChatGPT’ telah menunjukkan kecocokan pasar dan permintaan pelanggan, orang mungkin merasa bahwa ‘AI’ telah memasuki fase penerapan. **Namun, AI; kehilangan bagian penting: surplus infrastruktur untuk start-up yang sensitif terhadap harga untuk dibangun dan bereksperimen. **

pertanyaan

Bidang infrastruktur fisik saat ini terutama dimonopoli oleh oligopoli yang terintegrasi secara vertikal, termasuk; AWS, GCP, Azure, Nvidia, Cloudflare, Akamai; dll., margin keuntungan industri tinggi, dan diperkirakan margin laba kotor AWS pada komoditas perangkat keras komputasi adalah;61%;. Oleh karena itu, pendatang baru di bidang AI, khususnya di bidang LLM, harus menghadapi biaya komputasi yang sangat tinggi.

• ChatGPT; biaya satu pelatihan diperkirakan; 4; juta dolar AS, dan biaya pengoperasian inferensi perangkat keras sekitar; 700;000 dolar AS / hari.
• Bloom; versi 2 mungkin menelan biaya; $10 juta; juta untuk melatih dan melatih kembali.
• Jika “ChatGPT” memasuki pencarian “Google”, pendapatan Google akan berkurang; $36 miliar, ** Keuntungan besar akan ditransfer dari platform perangkat lunak (Google) ke penyedia perangkat keras (Nvidia). **

Sumber: Analisis Lapis demi Lapis — LLM; Arsitektur Penelusuran dan Biaya

solusi

DePIN; jaringan seperti; Filecoin (berasal dari; 2014; DePIN; perintis, berfokus pada pengumpulan perangkat keras tingkat Internet dan melayani penyimpanan data terdistribusi), Bacalhau, Gensyn.ai, Render Network, ExaBits (untuk pencocokan; CPU/ GPU; the lapisan koordinasi penawaran dan permintaan) dapat menghemat; 75%; hingga; 90%;+ biaya infrastruktur melalui tiga aspek berikut:

1. Dorong kurva penawaran dan dorong kompetisi pasar

DePIN; memberikan kesempatan yang sama bagi pemasok perangkat keras untuk menjadi penyedia layanan. Ini menciptakan pasar di mana siapa pun dapat bergabung sebagai “penambang” dan bertukar; CPU/GPU; atau daya penyimpanan untuk kompensasi finansial, sehingga menciptakan persaingan untuk penyedia yang ada.

Sementara perusahaan seperti “AWS” tidak diragukan lagi menikmati keunggulan penggerak pertama “17” dalam antarmuka pengguna, operasi, dan integrasi vertikal, **DePIN; menarik basis pelanggan baru yang tidak dapat menerima harga dari pemasok terpusat. **Seperti;Ebay;tidak secara langsung bersaing dengan;Bloomingdale;melainkan menyediakan alternatif yang lebih ekonomis untuk memenuhi kebutuhan serupa, jaringan penyimpanan terdistribusi tidak menggantikan penyedia terpusat, melainkan bertujuan untuk melayani pengguna yang sensitif terhadap Harga grup.

2. Mempromosikan keseimbangan ekonomi pasar melalui desain ekonomi terenkripsi

Mekanisme subsidi yang dibuat oleh DePIN dapat memandu pemasok perangkat keras untuk berpartisipasi dalam jaringan, sehingga mengurangi biaya pengguna akhir. Pada prinsipnya, kita dapat melihat; AWS; dan; Filecoin; biaya dan pendapatan untuk penyedia penyimpanan di Web2 dan Web3.

**Pelanggan mendapatkan pengurangan harga: **DePIN; jaringan menciptakan pasar yang kompetitif dan memperkenalkan Bertrand; persaingan gaya, sehingga mengurangi biaya pembayaran pelanggan. Sebaliknya, AWS EC;2;membutuhkan sekitar;55%;margin dan;31%;margin keseluruhan untuk tetap bertahan. DePIN; Token disediakan oleh jaringan; hadiah insentif/blok juga merupakan sumber pendapatan baru. Dalam konteks Filecoin, semakin banyak data nyata yang dihosting oleh penyedia penyimpanan, semakin banyak hadiah blok (token) yang dapat diperolehnya. **Oleh karena itu, penyedia penyimpanan memiliki insentif untuk menarik lebih banyak pelanggan untuk menutup transaksi dan meningkatkan pendapatan. **Beberapa Komputasi Baru; DePIN; Struktur Token untuk jaringan tetap dirahasiakan, tetapi kemungkinan mengikuti pola yang sama. Jaringan serupa meliputi:

• Bacalhau: Lapisan koordinasi yang membawa komputasi ke tempat penyimpanan data, menghindari pemindahan data dalam jumlah besar.
• exaBITS: Layanan jaringan komputasi terdistribusi; AI; dan aplikasi intensif komputasi.
• Gensyn.ai: Protokol Komputasi Model Pembelajaran Mendalam.

3. Mengurangi biaya overhead: Bacalhau, exaBITS; dll.; DePIN; jaringan dan; keunggulan IPFS/penyimpanan yang dapat dialamatkan konten meliputi:

• Membuka kunci ketersediaan data laten: Volume data yang besar saat ini belum dimanfaatkan karena biaya bandwidth yang tinggi untuk mentransmisikan kumpulan data besar, seperti data acara besar yang dihasilkan oleh stadion olahraga. DePIN; proyek dapat memproses data di tempat dan hanya mengirimkan keluaran yang berarti, menggali potensi ketersediaan data.
• Pengurangan Biaya Operasional: Mengurangi biaya entri, transfer, dan impor/ekspor data dengan memperoleh data secara lokal.
• **Minimalkan pekerjaan manual dalam berbagi data sensitif: **Jika rumah sakit; A; dan; B; perlu menggabungkan data sensitif masing-masing pasien untuk analisis, mereka dapat menggunakan Bacalhau; koordinasi; GPU; daya komputasi, langsung di Proses sensitif data secara lokal tanpa harus bertukar informasi identitas pribadi (PII) dengan rekanan melalui proses administrasi yang rumit.
• **Tidak perlu menghitung ulang kumpulan data dasar: **Penyimpanan beralamat IPFS/konten hadir dengan kemampuan untuk menghapus duplikat, melacak, dan memverifikasi data. Untuk fungsi dan kinerja biaya “IPFS”, silakan merujuk ke artikel ini.

**AI;menghasilkan ringkasan: **AI;membutuhkan;DePIN;menyediakan infrastruktur yang terjangkau, dan pasar infrastruktur saat ini didominasi oleh oligopoli yang terintegrasi secara vertikal. Jaringan seperti Filecoin, Bacalhau, Render Network, ExaBits; seperti; DePIN; jaringan mendemokratisasi peluang untuk menjadi pemasok perangkat keras, memperkenalkan persaingan, menjaga keseimbangan ekonomi pasar melalui desain ekonomi enkripsi, dan mengurangi biaya; 75%; -90%; di atas , dan mengurangi biaya overhead.

2. Verifikasi pencipta dan kepribadian

pertanyaan

Sebuah survei baru-baru ini menunjukkan bahwa **50%;dari;AI;para sarjana percaya bahwa kemungkinan “AI” menyebabkan kerusakan parah pada manusia melebihi;10%;. **

Masyarakat perlu waspada bahwa AI telah menyebabkan kekacauan sosial, dan masih kurangnya regulasi atau spesifikasi teknis, situasi ini disebut “reverse lobe”.

Misalnya, di Twitter ini; video, pembawa acara podcast; Joe Rogan; dan komentator konservatif; Ben Shapiro; memperdebatkan film “Ratatouille”, namun video ini;AI;dihasilkan.

Sumber: Bloomberg

Perlu dicatat bahwa dampak sosial AI jauh melampaui masalah yang ditimbulkan oleh blog, percakapan, dan gambar palsu:

• Selama pemilihan AS 2024, AI; dihasilkan; deepfake; konten kampanye untuk pertama kalinya mencapai efek nyata.
• Video Senator; Elizabeth Warren; telah diedit agar dia “mengatakan” hal-hal seperti “Partai Republik tidak boleh memilih” (rumor dibantah).
• Suara Biden yang disintesis dengan suara mengkritik wanita trans.
• Sekelompok artis telah mengajukan gugatan class action terhadap; Midjourney; dan; Stabilitas;;; *AI;dihasilkan oleh;The Weeknd;dan;Drake;Lagu duet “Heart on My Sleeve” menjadi viral di platform streaming, tetapi kemudian ditarik. Ketika teknologi baru memasuki arus utama tanpa regulasi, itu menimbulkan banyak masalah, **pelanggaran hak cipta adalah masalah “lobus terbalik”. **

Jadi bisakah kita menambahkan spesifikasi “AI” yang relevan ke Web3?

solusi

Berikan bukti kepribadian dan bukti pembuat dengan menggunakan bukti asal pada rantai terenkripsi

Jadikan teknologi blockchain benar-benar berfungsi - sebagai buku besar terdistribusi yang berisi riwayat on-chain yang tidak dapat diubah, keaslian konten digital dapat diverifikasi melalui bukti kriptografi konten.

Tanda tangan digital sebagai bukti pencipta dan bukti kepribadian

Untuk mengidentifikasi “deepfake”, bukti kriptografi dapat dihasilkan menggunakan tanda tangan digital yang unik bagi pembuat konten asli, yang dapat dibuat menggunakan kunci privat yang hanya diketahui oleh pembuatnya dan dapat diverifikasi dengan kunci publik yang tersedia untuk semua orang. . Memiliki tanda tangan dapat membuktikan bahwa konten tersebut dibuat oleh pembuat asli, apakah pencipta itu manusia atau AI, dan juga dapat memverifikasi perubahan resmi atau tidak sah pada konten tersebut.

Gunakan; IPFS; dan pohon Merkle untuk bukti keaslian

IPFS; adalah protokol terdistribusi untuk mereferensikan kumpulan data besar menggunakan pengalamatan konten dan pohon Merkle. Untuk membuktikan bahwa konten file telah diterima dan diubah, bukti Merkle dibuat, yaitu serangkaian hash yang menunjukkan posisi blok data tertentu di pohon Merkle. Dengan setiap perubahan, hash ditambahkan ke pohon Merkle, memberikan bukti modifikasi file.

**Masalah dari skema enkripsi adalah mekanisme insentif.**Bagaimanapun juga, mengidentifikasi pembuat “deepfake” dapat mengurangi dampak sosial yang negatif, tetapi tidak akan membawa manfaat ekonomi yang sama. Tanggung jawab ini kemungkinan besar jatuh pada platform distribusi media arus utama seperti Twitter, Meta, dan Google, dan memang demikian adanya. ** Jadi mengapa kita membutuhkan blockchain? **

Jawabannya adalah tanda tangan kriptografi blockchain dan bukti keaslian** lebih efisien, dapat diverifikasi, dan pasti. **Saat ini, proses pendeteksian “deepfake” terutama melalui algoritme pembelajaran mesin (seperti “Deepfake Detection Challenge” Meta;, “Angka Asimetris” (ANS) Google; dan ;c;2;pa: ) untuk mengidentifikasi visual Hukum dan anomali dalam konten, ** tetapi seringkali tidak cukup akurat, tertinggal dari kecepatan pengembangan “deepfake”. **Umumnya memerlukan tinjauan manual untuk menentukan keaslian, yang tidak efisien dan mahal.

Jika suatu hari nanti setiap konten memiliki tanda kriptografi, setiap orang dapat membuktikan dengan pasti sumber pembuatannya, menandai perusakan atau pemalsuan, maka kita akan mengantarkan dunia yang indah.

**AI;Menghasilkan Ringkasan: **AI; dapat menimbulkan ancaman yang signifikan bagi masyarakat, terutama; deepfake; dan penggunaan konten yang tidak sah, sementara teknologi Web3 seperti sertifikasi pembuat dan penggunaan tanda tangan digital; IPFS; dan Merkel Bukti keaslian pohon, yang dapat memverifikasi keaslian konten digital, mencegah perubahan yang tidak sah, dan memberikan spesifikasi untuk “AI”.

3. AI; demokratisasi

pertanyaan

“AI” hari ini adalah kotak hitam yang terbuat dari data hak milik dan algoritme hak milik. Sifat tertutup perusahaan teknologi besar; LLM; membunuh “AI;demokrasi” di mata saya, yaitu, setiap pengembang dan bahkan pengguna dapat berkontribusi algoritma dan data ke "LLM; model, dan dalam model Ambil bagian dari keuntungan Anda saat Anda mendapat untung (artikel terkait).

AI; Demokrasi = Visibilitas (dapat melihat input data dan algoritme ke dalam model)** + Kontribusi** (dapat mengkontribusikan data atau algoritme ke model).

solusi

Tujuan AI;demokrasi adalah untuk membuat model AI generatif terbuka untuk, relevan dengan, dan dimiliki oleh publik. Tabel di bawah ini membandingkan keadaan AI saat ini dengan masa depan yang dapat dicapai melalui teknologi blockchain Web3.

saat sekarang–

Untuk pelanggan:

• Penerimaan satu arah; LLM; output
• Tidak dapat mengontrol bagaimana data pribadi digunakan

Untuk pengembang:

• Komposabilitas rendah
• ETL; pemrosesan data tidak dapat dilacak dan sulit direproduksi
• Sumber kontribusi data terbatas pada pemilik data
• Model sumber tertutup hanya dapat diakses melalui; API; Akses berbayar
• Keluaran data bersama kurang dapat diverifikasi, ilmuwan data menghabiskan 80% waktunya untuk pembersihan data kelas bawah

Setelah menggabungkan blockchain——

Untuk pelanggan:

Pengguna dapat memberikan umpan balik (seperti bias, moderasi konten, umpan balik granular pada keluaran) sebagai dasar untuk penyempurnaan

Pengguna dapat memilih untuk menyumbangkan data dengan imbalan keuntungan setelah model menguntungkan

Untuk pengembang:

• **Lapisan manajemen data terdistribusi: **Crowdsourcing berulang-ulang pelabelan data yang memakan waktu dan pekerjaan persiapan data lainnya
• Visibilitas & kemampuan untuk menggabungkan & menyempurnakan algoritme, dengan sumber yang dapat diverifikasi (riwayat anti rusak dari semua perubahan dapat dilihat)
• Kedaulatan Data (melalui pengalamatan konten/IPFS; diaktifkan) dan kedaulatan algoritmik (misalnya; Urbit; memungkinkan kombinasi peer-to-peer dan portabilitas data dan algoritme)
• **Akselerasi;LLM;Berinovasi, **Akselerasi;LLM;Berinovasi dari berbagai varian model sumber terbuka yang mendasarinya.
• **output data pelatihan yang dapat direproduksi, **melalui catatan masa lalu blockchain yang tidak dapat diubah; ETL; operasi dan kueri (misalnya; Kamu).

Beberapa orang mengatakan bahwa platform open source Web2 juga menyediakan solusi kompromi, tetapi efeknya tidak ideal Untuk diskusi terkait, lihat postingan blog exaBITS.

AI; Ringkasan Generasi: Big Tech ditutup; LLM; membunuh “AI; demokrasi”, yaitu, setiap pengembang atau pengguna dapat menyumbangkan algoritme dan data ke model "LLM;, dan mendapatkan sebagian dari keuntungan saat model menjadi menguntungkan. AI; harus terbuka untuk umum, relevan dengan publik, dan dimiliki oleh publik. Dengan bantuan jaringan blockchain, pengguna dapat memberikan umpan balik, menyumbangkan data ke model dengan imbalan keuntungan yang terealisasi, dan pengembang juga dapat memperoleh visibilitas dan sumber yang dapat diverifikasi untuk menggabungkan dan menyempurnakan algoritme. Inovasi Web3 seperti Content Addressing/IPFS; dan; Urbit; akan memungkinkan data dan kedaulatan algoritmik. Reproduksibilitas output data pelatihan juga akan dimungkinkan melalui catatan masa lalu; ETL; operasi dan kueri blockchain yang tidak dapat diubah.

4. Siapkan mekanisme hadiah kontribusi data

pertanyaan

Saat ini, data konsumen yang paling berharga adalah aset eksklusif perusahaan teknologi besar, yang membentuk penghalang bisnis inti. Raksasa teknologi tidak memiliki insentif untuk membagikan data ini dengan pihak luar.

Jadi mengapa kami tidak bisa mendapatkan data langsung dari pembuat atau penggunanya? Mengapa kita tidak dapat menjadikan data sebagai sumber daya publik, menyumbangkan data, dan menjadikannya sumber terbuka untuk digunakan oleh ilmuwan data?

Sederhananya, itu karena kurangnya mekanisme insentif dan mekanisme koordinasi. Mempertahankan data dan mengeksekusi; ETL (mengekstrak, mengubah, dan memuat) adalah biaya overhead yang besar. Faktanya, penyimpanan data saja akan menjadi industri senilai $777 miliar pada tahun 2030, belum termasuk biaya komputasi. Tidak ada yang melakukan pekerjaan dan biaya pemrosesan data secara gratis.

Mari kita lihat; OpenAI pada awalnya ditetapkan sebagai open source dan nirlaba, tetapi sulit untuk menyadari biayanya dan tidak dapat menutupi biayanya. Pada 2019, OpenAI harus menerima suntikan modal dari Microsoft, dan algoritme tersebut tidak lagi terbuka untuk umum. Diperkirakan pada tahun 2024, keuntungan OpenAI akan mencapai 1 miliar dolar AS.

solusi

Web3 memperkenalkan mekanisme baru bernama “dataDAO” yang memfasilitasi; AI; redistribusi pendapatan antara pemilik model dan kontributor data, menciptakan lapisan insentif untuk kontribusi data crowdsourced. Dikarenakan keterbatasan tempat, maka tidak akan diperluas di sini. Jika ingin mengetahui lebih lanjut, Anda dapat membaca dua artikel berikut ini:

• Bagaimana DataDAO bekerja/DataDAO; prinsip, penulis adalah; Lab Protokol; dari; HQ Han
• Cara kerja kontribusi data dan monetisasi di web3/web3 Cara kerja kontribusi data dan monetisasi, saya telah membahas secara mendalam mekanisme, kekurangan, dan peluang “dataDAO” di artikel ini

Secara umum, DePIN; mengambil pendekatan lain, dan menyediakan energi perangkat keras baru untuk mempromosikan Web3 dan; AI; inovasi. Sementara raksasa teknologi mendominasi industri AI, pemain baru dapat memanfaatkan teknologi blockchain untuk bergabung: DePIN; Jaringan menurunkan hambatan untuk masuk dengan menurunkan biaya komputasi; sifat blockchain yang dapat diverifikasi dan didistribusikan memungkinkan benar-benar Terbuka; AI; mungkin; dataDAO; dan mekanisme inovatif lainnya untuk mendorong kontribusi data; kekekalan dan fitur anti-gangguan dari blockchain memberikan sertifikat identitas pencipta, menghilangkan kekhawatiran orang-orang tentang dampak sosial negatif dari “AI”.