Пересылка оригинального заголовка: DeAI сжатый

Учитывая, что криптовалюта в основном является программным обеспечением с открытым исходным кодом с встроенными финансовыми стимулами, а искусственный интеллект нарушает привычные способы написания программного обеспечения, логично предположить, что искусственный интеллект окажет огромное влияние на пространство блокчейна на всех уровнях.

DeAI: Challenges & OpportunitiesDeAI: Challenges & Opportunities

На мой взгляд, самые большие вызовы, стоящие перед DeAI, связаны с инфраструктурным уровнем, учитывая капиталоемкость создания фундаментальных моделей и масштабные выгоды в области данных и вычислений.

Учитывая законы масштабирования, Большие технологические компании имеют явное преимущество: они используют свои колоссальные военные казны, набранные на монопольной прибыли от агрегирования спроса потребителей во время второго поколения Интернета, и реинвестируют их в облачную инфраструктуру в течение десятилетия искусственно низких ставок, гипермасштабирование сейчас пытаются заполучить рынок интеллекта, захватив данные и вычисления - ключевые ингредиенты ИИ:

Из-за высокой интенсивности капитала и высоких требований к пропускной способности крупных обучающих запусков, унифицированные суперкластеры по-прежнему оптимальны, предоставляя Big Tech наиболее производительные модели - закрытый источник - которые они планируют сдавать в аренду по олигопольным маржам, реинвестируя выручку в каждое последующее поколение.

Однако рвы в AI оказались менее глубокими, чем сетевые эффекты web2, с ведущими моделями фронтира, быстро устаревающими по отношению к области, особенно с Метой, идущей по пути «опустошения земли» и вкладывающей десятки миллиардов в открытые модели фронтира, такие как Llama 3.1 с SOTA уровнем производительности.

Это, вместе свозникающие исследованияв методах децентрализованного обучения с низкой задержкой могут (частично) товароприватизировать модели бизнеса на границе, перенося (по крайней мере, некоторую) конкуренцию от аппаратных суперкластеров (в пользу Big Tech) к программному инновационному решению (в незначительной степени в пользу открытого источника / крипто), поскольку стоимость интеллекта снижается.

Учитывая вычислительную эффективность архитектур "смешанных экспертов" и синтез/маршрутизацию LLM, кажется, что мы идем не в мир с 3-5 мега-моделями, а в мир миллионов моделей с различными компромиссами между стоимостью и производительностью. Сеть взаимосвязанного интеллекта. Рой.

Это становится огромной проблемой координации: того типа, которую блокчейны и криптовалютные стимулы должны быть готовы помочь.

Основная инвестиционная тезисы Core DeAI

Программное обеспечение пожирает мир. Искусственный интеллект пожирает программное обеспечение. И ИИ в основном просто данные и вычисления.

Любое средство, которое может наиболее эффективно источник двух вышеуказанных входов (инфраструктура), координировать их (посредник) и удовлетворять потребности пользователей (приложения), будет ценным.

Delphi положительно оценивает различные компоненты по всей структуре:

Инфраструктура

Учитывая, что искусственный интеллект питается данными и вычислениями, инфраструктура DeAI посвящена их наиболее эффективному поиску, обычно с использованием криптовалютных стимулов. Как мы упоминали ранее, это самая сложная часть стека, в которой происходит конкуренция, но также потенциально самая вознаграждающая, учитывая размер конечных рынков.

Вычислить

Пока что отставая от времени работы, децентрализованные протоколы обучения и рынки GPU надеются скоординировать скрытую, гетерогенную аппаратную часть, чтобы предоставить более дешевые, на запрос вычисления для тех, кто не может позволить себе интегрированные решения Больших компаний. Компании, такие как Gensyn, Prime Intellect и Neuromesh, расширяют границы распределенного обучения, в то время какio.net, Akash, Aethir и т. д. обеспечивают более низкую стоимость вывода данных ближе к краю.

Данные

В мире всюду присутствующего интеллекта на основе более мелких, специализированных моделей, активы данных становятся все более ценными и монетизируемыми.

На сегодняшний день DePIN (децентрализованные физические сети) в основном получили похвалу за их способность создавать более дешевые аппаратные сети по сравнению с капиталоемкими инкумбентами (например, телекоммуникационными компаниями). Однако, потенциально самый крупный рынок DePIN окажется в сборе новых наборов данных, которые поступают в цепочные интеллектуальные системы:агентные протоколы (будет обсуждаться позже).

В мире, где труд - самый большой рынок? - заменяется сочетанием данных и вычислений, инфраструктура DeAI предоставляет путь для непрофессионалов в области технологийЗахватите средства производстваи способствовать развитию будущей сетевой экономики.

Промежуточное программное обеспечение

Конечная цель DeAI - это эффективно составляемые вычисления. Как и деньги Lego в DeFi, децентрализованный искусственный интеллект компенсирует отсутствие абсолютной производительности сегодня с помощью безопасной составляемости - стимулируя открытую экосистему программного обеспечения и вычислительных примитивов, которые со временем накапливаются и, надеюсь, превосходят текущих лидеров.

Если Google — это «интегрированная» крайность, то DeAI представляет собой «модульную» крайность. КакКлейтон Кристенсеннапоминает нам, что интегрированные подходы обычно приводят к успеху в новых отраслях путем снижения трения в цепочке создания ценности, но по мере зрелости сектора на долю приходят модульные цепочки создания ценности благодаря более жесткой конкуренции и эффективности затрат на каждом уровне стека:

Мы довольно оптимистичны по нескольким категориям, необходимым для реализации этого модульного видения:

• Маршрутизация

В мире раздробленного интеллекта, как можно выбрать подходящую модель и подходящее время по наилучшей возможной цене? Агрегаторы со стороны спроса всегда захватывали ценность (см.теория агрегации), и функция маршрутизации является необходимой для оптимизации кривой Парето между производительностью и затратами в мире сетевого интеллекта:

Bittensorбыл лидером здесь в первом поколении, но появляется множество преданных конкурентов.

Alloraпроводит соревнования между различными моделями по различным «темам» таким образом, который «ориентирован на контекст» и самосовершенствуется со временем, информируя будущие прогнозы на основе исторической точности в определенных условиях.

Морфеусстремится стать «маршрутизатором со стороны спроса» для использования веб3-случаев - по сути, «Apple intelligence» с открытым исходным кодом, локальным агентом, который имеет актуальный контекст пользователя и может эффективно маршрутизировать запросы через DeFi или развивающиеся строительные блоки «композиционных вычислений» веб3-инфраструктуры.

Протоколы взаимодействия агентов, такие какTheoriq и Автонолыстремимся довести модульную маршрутизацию до крайности, позволяя создавать комбинирующиеся экосистемы гибких агентов или компонентов в полноценные он-чейн сервисы.

В коротком итоге, в мире быстро раскалывающегося интеллекта, агрегаторы стороны предложения и спроса будут играть чрезвычайно мощную роль. Если Google стала компанией на 2 триллиона долларов, индексирующей информацию мира, то победитель в роутерах стороны спроса - будь то Apple, Google или веб3-решение - который индексирует агентный интеллект, должен быть еще больше.

• Сопроцессоры

Учитывая их децентрализацию, блокчейны сильно ограничены как в данных, так и в вычислениях. Как вы приведете вычисления и данные для интенсивных приложений искусственного интеллекта, которые пользователи начнут требовать на цепи?

Ко-процессоры!

Источник:Florin Digital

Это, по сути, «оракулы», которые предлагают разные техники «проверки» базовых данных или модели, используемых таким образом, чтобы минимизировать новые доверительные предположения в цепочке, при этом обеспечивая существенное увеличение возможностей. На сегодняшний день было множество проектов с использованием подходов zkML, opML, TeeML и криптоэкономических подходов - все они имеют свои преимущества и недостатки:

Для более подробного обзора, пожалуйста, ознакомьтесь с нашим отчетом DeAI часть III, который выйдет в ближайшие недели.

На высоком уровне, копроцессоры являются неотъемлемой частью создания умных контрактов, обеспечивая решения типа «склад данных» для запроса более персонализированных он-чейн-опытов или обеспечивая проверку того, что данный вывод был выполнен правильно.

Сети TEE, такие какСупер,Phala, иMarlinособенно в последнее время стали популярными благодаря своей практичности и готовности принимать масштабные приложения уже сегодня.

В целом, сопроцессоры необходимы для слияния высокодетерминированных, но низкопроизводительных блокчейнов с высокопроизводительными, но вероятностными искусственными интеллектами. Без сопроцессоров искусственный интеллект не пришел бы в эту генерацию блокчейнов.

• Стимулы для разработчиков

Одной из самых больших проблем разработки открытых исходников в области ИИ является отсутствие стимулов для обеспечения ее устойчивости. Разработка ИИ требует значительных капиталовложений, а стоимость вычислительных ресурсов и работы с знаниями в области ИИ очень высока. Без должных стимулов для вознаграждения вклада в открытые исходники, пространство неизбежно проиграет гиперкапиталистическим гипермасштабируемым системам.

Очередь проектов отSentientвPluralisкСахарадоMiraвсе стремятся запустить сети, которые на самом деле позволяют вознаграждать вклады в сетевые интеллекты отдельных сетей людей.

Исправив бизнес-модель, сложение открытого исходного кода должно ускориться - предоставив разработчикам и исследователям ИИ альтернативу крупным технологическим компаниям, которая имеет глобальный характер и, надеюсь, также хорошо оплачивается в зависимости от созданной ценности.

Хотя это очень сложно сделать правильно и становится все более конкурентной, здесь огромный рынок.

• Модели GNN

Где LLMs выделяют образцы в больших корпусах текстов и учатся предсказывать следующее слово, Графовые нейронные сети (GNNs) обрабатывают, анализируют и учатся на основе графовых данных. Поскольку данные on-chain в основном состоят из сложных взаимодействий между пользователями и смарт-контрактами - другими словами, граф - GNNs являются логическим выбором для поддержки применения искусственного интеллекта на цепочке.

Проекты, какPONDи RPS пытаются создать фундаментальные модели для web3 - потенциально трансформирующиеся в торговлю, Defi и даже социальные случаи использования, такие как

• Прогнозы цен: модели поведения на основе блокчейна для прогнозирования цен, автоматизированные торговые стратегии, анализ настроений
• AI Финансы: интеграция в существующие приложения DeFi, продвинутые стратегии доходности и использование ликвидности, лучшее управление рисками / управление
• Маркетинг On-Chain: более точные воздушные капли / таргетинг, Рекомендательные системы на основе поведения в сети

Эти модели будут сильно опираться на решения хранения данных, такие какПространство и время,Subsquid,Covalent, иГиперлиния в котором я также очень оптимистично смотрю.

GNNs могут подтвердить, что LLMs блокчейнов и веб3-склады данных являются неотъемлемыми элементами: обеспечивая функциональность OLAP в веб3.

Приложения

По моему мнению, агенты на цепочке могут стать ключом к улучшению плохого пользовательского опыта в криптовалютах, а главное, к решению проблемы недостатка спроса на крайне низкое использование миллиардов долларов, вложенных в инфраструктуру Web3 за последнее десятилетие.

Не сомневайтесь, агенты идут…

И кажется логичным, что эти агенты будут использовать открытую, разрешенную инфраструктуру - в области платежей и составного вычисления - для достижения все более сложных конечных целей.

В грядущей экономике сетевого интеллекта, возможно, экономические потоки гораздо меньше B -> B ->C и гораздо больше пользователь -> агент -> сеть вычислений -> агент -> пользователь.

Протоколы агентстваявляются конечным результатом. Приложения или сервисные компании с ограниченными накладными расходами, которые в основном функционируют, используя ресурсы on-chain, удовлетворяют потребности конечного пользователя (или друг друга) в сетях, составляющих всего намного меньше, чем у традиционных предприятий.

Точно так же, как в случае с web2, где приложение взяло на себя большую часть стоимости, я являюсь сторонником тезиса о «толстых протоколах-агентах» в DeAI. Временем захвата ценности должно происходить смещение вверх по стеку.

Следующие Google, Facebook и Blackrock, вероятно, могут быть агентными протоколами, и компоненты, необходимые для их работы, уже зарождаются.

Конечная игра

ИИ изменит форму наших экономик. Сегодня рынок ожидает, что захват ценности будет находиться в пределах нескольких крупных корпораций на Северо-Западе США. DeAI представляет собой другое видение.

Видение открытых, композиционных сетей интеллектов с стимулами и вознаграждением даже за малые вклады и более коллективной собственностью / управлением.

Хотя некоторые рассказы в DeAI опережают события, и многие проекты торгуются значительно выше текущего тяготения, размер возможности действительно большой. Для тех, кто терпелив и разборчив, конечная цель DeAI - это действительно композиционное вычисление, может стать самым обоснованием для блокчейнов.

Если вам понравился этот тизер, следите за нашими длинными отчетами, которые будут доступны в следующие недели по мере развития месяца Delphi AI x Crypto:

DeAI I: Башня и Площадь (разблокировано сейчас)

DeAI II: Захват средств производства, Infra (скоро разблокируется)

DeAI III: Составляемый вычислитель, Промежуточное программное обеспечение (разблокировка на следующей неделе)

DeAI IV: Агентивная экономика, Приложения (разблокировать через две недели)

Будет большой месяц. Пристегнитесь.

Отказ от ответственности:

1. Эта статья взята из [ PonderingDurian]. Вперед Оригинальный заголовок: DeAI Compressed. Все авторские права принадлежат оригинальному автору [PonderingDurian]. Если есть возражения по поводу этой публикации, пожалуйста, свяжитесь с Gate Learnкоманда gate Learn”) и они оперативно займутся этим.
2. Отказ от ответственности: Взгляды и мнения, выраженные в этой статье, являются исключительно мнением автора и не являются инвестиционными советами.
3. Переводы статьи на другие языки выполняются командой gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещено.