Η ιδέα του συνδυασμού της τεχνητής νοημοσύνης με το blockchain έχει προσελκύσει εξίσου σοβαρές επενδύσεις και σοβαρό σκεπτικισμό. Ο διαχωρισμός αυτού που πραγματικά έχει κατασκευαστεί από αυτό που απλώς έχει υποσχεθεί είναι πιο δύσκολο από ό,τι ακούγεται.
Η φράση “AI plus crypto” χρησιμοποιείται τόσο ελεύθερα που έχει σχεδόν χάσει το περιγραφικό νόημα. Εμφανίζεται σε λευκές βίβλους, ανακοινώσεις επιχειρηματικών συμμετοχών και λανσαρίσματα διακριτικών με ρυθμό που έχει ξεπεράσει την πραγματική τεχνολογία. Αλλά κάτω από τον θόρυβο, μια γνήσια ερώτηση αξίζει μια σοβαρή απάντηση: έχει πράγματι συμβεί η σύγκλιση της τεχνητής νοημοσύνης και της υποδομής blockchain, και αν ναι, σε ποιο βαθμό είναι τεχνικά και οικονομικά βιώσιμη;
Η ειλικρινής απάντηση είναι ότι έχει συμβεί επιλεκτικά, σε συγκεκριμένες εφαρμογές, αλλά όχι ακόμη στην κλίμακα που προβάλλουν οι υποστηρικτές του.
Εκεί που διασταυρώνονται οι τεχνολογίες
Οι πιο συνεκτικές περιπτώσεις χρήσης για το συνδυασμό AI με blockchain εμπίπτουν σε τρεις μεγάλες κατηγορίες: αποκεντρωμένα υπολογιστικά δίκτυα, προέλευση δεδομένων στην αλυσίδα και μοντέλα συνεισφοράς με κίνητρα.
Τα αποκεντρωμένα υπολογιστικά δίκτυα, έργα που συγκεντρώνουν κατανεμημένη χωρητικότητα GPU για την εκτέλεση φόρτου εργασίας τεχνητής νοημοσύνης, αντιπροσωπεύουν την πιο εγγενή εφαρμογή στην υποδομή. Αντί να δρομολογούν αιτήματα συμπερασμάτων μέσω κεντρικών παρόχων cloud, αυτά τα δίκτυα επιτρέπουν στους χειριστές κόμβων να συνεισφέρουν υλικό και να κερδίζουν ανταμοιβές διακριτικών σε αντάλλαγμα. Η πρόταση αξίας είναι πραγματική: η αποκεντρωμένη προσφορά μπορεί, θεωρητικά, να μειώσει την εξάρτηση από μια χούφτα κυρίαρχους παρόχους και να βελτιώσει τον ανταγωνισμό τιμολόγησης για εργασίες τεχνητής νοημοσύνης με ένταση υπολογιστών.
Η προέλευση των δεδομένων στην αλυσίδα αντιμετωπίζει ένα διαφορετικό πρόβλημα. Τα δεδομένα εκπαίδευσης για μεγάλα μοντέλα τεχνητής νοημοσύνης αμφισβητούνται όλο και περισσότερο: τα ζητήματα δικαιωμάτων, απόδοσης και χειραγώγησης δεν είναι αφηρημένα. Η καταγραφή των συνεισφορών δεδομένων και της χρήσης σε ένα αμετάβλητο καθολικό προσφέρει μια επαληθεύσιμη διαδρομή ελέγχου που τα κεντρικά συστήματα δεν μπορούν εύκολα να αναπαραγάγουν.
Τα μοντέλα συνεισφοράς με κίνητρα συμβολαίων βρίσκονται στη διασταύρωση και των δύο. Έργα όπως η Artificial Superintelligence Alliance (ASI) έχουν δημιουργήσει πλαίσια όπου αυτόνομοι πράκτορες διαπραγματεύονται εργασίες, δρομολογούν πληρωμές και διευθετούν τα αποτελέσματα στην αλυσίδα, καθιστώντας ουσιαστικά τα έξυπνα συμβόλαια το επίπεδο συντονισμού για τις ροές εργασίας AI αντί για ένα κεντρικό API.
Προβλήματα σκοπιμότητας
Η περίπτωση της σύγκλισης, ωστόσο, αντιμετωπίζει ουσιαστικές τριβές που οι ενισχυτές της κατηγορίας τείνουν να υποτιμούν.
Οι βασικές ιδιότητες του Blockchain – αμετάβλητη, αποκέντρωση και διαφάνεια – αρχιτεκτονικά δεν ευθυγραμμίζονται με αυτό που απαιτούν τα συστήματα AI σε κλίμακα. Η εκπαίδευση μεγάλων μοντέλων απαιτεί τεράστια, γρήγορη ροή δεδομένων και επαναληπτικούς υπολογισμούς. Ο υπολογισμός επί της αλυσίδας παραμένει κατά τάξεις μεγέθους πιο αργός και ακριβότερος από την ισοδύναμη κεντρική επεξεργασία. Ακόμη και με λύσεις επιπέδου 2 που μειώνουν το κόστος, το χάσμα μεταξύ του τι μπορεί να εκτελέσει το blockchain και του τι απαιτούν οι σοβαροί φόρτοι εργασίας τεχνητής νοημοσύνης δεν είναι ένα κενό που μπορεί να κλείσει μόνο το μάρκετινγκ.
Ο υπολογιστικός συγκεντρωτισμός είναι επίσης ένα επίμονο δομικό πρόβλημα. Πολλά δίκτυα που αυτοχαρακτηρίζονται ως αποκεντρωμένη υποδομή τεχνητής νοημοσύνης εξαρτώνται στην πράξη από έναν μικρό αριθμό παρόχων GPU, που συχνά συγκεντρώνονται σε μία ή δύο περιοχές cloud. Όταν το υλικό ελέγχεται από λίγους χειριστές, η αντίσταση στη λογοκρισία και η ανοχή σφαλμάτων – δύο από τους ισχυρισμούς βασικής αξίας του blockchain – υπονομεύονται από την αρχή.
Υπάρχει επίσης το ζήτημα της ακεραιότητας του μοντέλου. Η επαλήθευση μιας συναλλαγής στην αλυσίδα είναι καθοριστική και απλή. Η επαλήθευση ότι ένα μοντέλο τεχνητής νοημοσύνης παράγει αποτελέσματα συνεπή με αυτό που αναπτύχθηκε (και δεν έχει τροποποιηθεί αθόρυβα) είναι πολύ πιο δύσκολο. Τα έργα που δημοσιεύουν κατακερματισμούς μοντέλων και αποδείξεις συμπερασμάτων κινούνται προς τη σωστή κατεύθυνση, αλλά αυτές οι πρακτικές δεν είναι καθολικές, πράγμα που σημαίνει ότι ένα σημαντικό μέρος των αξιώσεων «επαληθεύσιμης τεχνητής νοημοσύνης» βασίζεται στην εμπιστοσύνη και όχι στην κρυπτογραφική απόδειξη.
Αυτό που στην πραγματικότητα κερδίζει έλξη
Αφαιρώντας τα πολλά υποσχόμενα, ορισμένες εφαρμογές κερδίζουν εμφανώς έδαφος.
Οι χαρακτηριστικές δομές κινήτρων για τη συνεισφορά δεδομένων έχουν δείξει τα πιο ανθεκτικά σήματα υιοθέτησης. Όταν οι συμμετέχοντες αμείβονται σε μάρκες για τη συνεισφορά δεδομένων, υπολογισμού ή εργασίας επικύρωσης, το οικονομικό μοντέλο δημιουργεί οργανική ανάπτυξη από την πλευρά της προσφοράς που οι κεντρικές εναλλακτικές λύσεις δυσκολεύονται να ταιριάξουν. Ο όγκος συναλλαγών, ο αριθμός των ενεργών κόμβων και τα έσοδα από χρεώσεις σε πολλά κορυφαία δίκτυα έχουν αυξηθεί σύμφωνα με την ευρύτερη υιοθέτηση της τεχνητής νοημοσύνης – ένας σημαντικός δείκτης ότι η χρησιμότητα οδηγεί μέρος της ζήτησης, όχι μόνο της κερδοσκοπίας.
Οι αποκεντρωμένες αγορές πρακτόρων AI είναι μια άλλη κατηγορία που αξίζει να παρακολουθήσετε. Το όραμα των αυτόνομων πρακτόρων που ανακαλύπτουν υπηρεσίες, διαπραγματεύονται τις τιμές και διακανονίζουν πληρωμές χωρίς ανθρώπινους μεσάζοντες δεν είναι πλέον θεωρητικό – οι πρώτες εκδόσεις είναι στην παραγωγή. Ο περιορισμός είναι ότι αυτοί οι πράκτορες λειτουργούν επί του παρόντος σε περιορισμένα περιβάλλοντα με περιορισμένες ενσωματώσεις στον πραγματικό κόσμο. Η υποδομή κατασκευάζεται. ομολογουμένως δεν είναι ακόμα ώριμο.
Για τους προγραμματιστές και τους τεχνικά δεσμευμένους συμμετέχοντες που θέλουν να αλληλεπιδράσουν με αυτά τα δίκτυα, η απόκτηση των υποκείμενων περιουσιακών στοιχείων κρυπτογράφησης είναι το πρώτο πρακτικό βήμα. Πολλοί συμμετέχοντες ξεκινούν με το Bitcoin ως το σημείο εισόδου τους στο ευρύτερο οικοσύστημα ψηφιακών περιουσιακών στοιχείων πριν προχωρήσουν σε διακριτικά ειδικά για το δίκτυο, και αυτό το αρχικό βήμα γίνεται πολύ πιο προσιτό όταν αγοράστε Bitcoin με το ChangeHero.
Σύγκλιση σε ποιο χρονοδιάγραμμα;
Η σύγκλιση της τεχνητής νοημοσύνης και της αλυσίδας μπλοκ είναι πραγματική στις τσέπες, υπερεκτιμημένη ως κατηγορία και πραγματικά αβέβαιη σε κλίμακα. Τρεις προϋποθέσεις θα πρέπει να ισχύουν για να ωριμάσει ουσιαστικά.
Πρώτον, το κόστος υπολογισμού επιπέδου 2 και εκτός αλυσίδας πρέπει να μειωθεί περαιτέρω. Τα οικονομικά στοιχεία της εκτέλεσης συμπερασμάτων AI σε αποκεντρωμένη υποδομή είναι ανταγωνιστικά μόνο για συγκεκριμένους φόρτους εργασίας σήμερα. Η ευρύτερη εφαρμογή εξαρτάται από τη συνεχιζόμενη μείωση του κόστους που δεν έχει φτάσει ακόμη εντός του χρονοδιαγράμματος.
Δεύτερον, η κανονιστική σαφήνεια σχετικά με τα δικαιώματα δεδομένων και την ταξινόμηση των διακριτικών θα καθορίσει εάν η υιοθέτηση της επιχείρησης είναι εφικτή ή δομικά μπλοκαρισμένη. Οι περισσότερες σοβαρές υποθέσεις θεσμικής χρήσης απαιτούν ασφάλεια δικαίου που οι περισσότερες δικαιοδοσίες δεν έχουν ακόμη παράσχει.
Τρίτον, το πρόβλημα της ακεραιότητας του μοντέλου χρειάζεται μια αξιόπιστη τεχνική λύση. Μέχρι να τυποποιηθεί και να αναπτυχθεί ευρέως το επαληθεύσιμο συμπέρασμα – η κρυπτογραφική απόδειξη ότι ένα μοντέλο παρήγαγε μια δεδομένη έξοδο – η αξιοπιστία που υπόσχεται το blockchain δεν μπορεί να επεκταθεί καθαρά στο επίπεδο AI που βρίσκεται πάνω του.
Καμία από αυτές τις προϋποθέσεις δεν είναι απίθανη. Κανένα δεν είναι εγγυημένο. Η διατριβή της σύγκλισης δεν έχει αποδειχτεί ακόμα λανθασμένη. είναι πρώιμο, άνισα κατανεμημένο και σημαντικά υπερπουλημένο βραχυπρόθεσμα σε σχέση με αυτό που μπορεί τελικά να δικαιολογήσει η μακροπρόθεσμη.
VIA: DataConomy.com
