À luz da actual agitação do mercado e do amplo financiamento, é importante reconhecer que estamos numa indústria inflacionada, que pode não representar com precisão o verdadeiro estado da IA ​​generativa. É natural ficar perplexo. No entanto, ao dar um passo atrás e examinar o cenário da Web3-AI com base nas necessidades atuais, torna-se evidente onde a Web3 pode trazer valor significativo para a próxima fase da IA ​​generativa. Navegar através deste espesso véu de desinformação pode ser um desafio.

Distorção da realidade Web3-AI

Como pessoas profundamente envolvidas com criptomoedas, acreditamos fortemente na importância da descentralização em vários aspectos. No entanto, a inteligência artificial (IA) tornou-se cada vez mais centralizada quando se trata de processamento de dados e poder computacional. Para defender de forma convincente a IA descentralizada, devemos primeiro abordar esta tendência natural para a centralização.

No domínio da inteligência artificial (IA), há uma disparidade crescente entre o valor percebido que derivamos da IA ​​na Web3 e as demandas reais da indústria de IA. A verdade problemática é que o abismo entre as aplicações de IA na Web2 e na Web3 está a expandir-se em vez de diminuir, principalmente devido a três causas essenciais:

Talento limitado de pesquisa em IA

Um número modesto de especialistas em IA, provavelmente com menos de dez anos, está atualmente envolvido na área da Web3. Este número pode não inspirar grande confiança naqueles que defendem a Web3 como a próxima grande fronteira na inteligência artificial.

Infraestrutura restrita

Atualmente é um desafio fazer com que os aplicativos da Web funcionem perfeitamente com back-ends Web3. Portanto, considerar as aplicações de IA neste contexto parece, na melhor das hipóteses, prematuro. As limitações computacionais impostas pela infraestrutura Web3 revelam-se demasiado restritivas para o desenvolvimento e implementação de soluções generativas de IA durante um período prolongado.

Modelos, dados e recursos computacionais limitados

Como analista, observei que a IA generativa depende de três elementos essenciais: modelos, dados e recursos computacionais. No entanto, nenhum dos modelos de ponta pode operar atualmente em infraestruturas Web3. Além disso, faltam conjuntos de dados de treinamento substanciais para desenvolver neste domínio. Além disso, existe uma disparidade significativa de qualidade entre os clusters de GPU Web3 e aqueles necessários para o pré-treinamento e o ajuste fino dos modelos fundamentais.

Como investidor criptográfico e observador do cenário tecnológico, reconheço a verdade desafiadora: a Web3 tem tentado desenvolver uma “alternativa econômica” à IA, esforçando-se para replicar as capacidades da IA ​​da Web2, mas falhando. No entanto, esta realidade contrasta fortemente com a proposta de valor significativa que a descentralização traz para a mesa em vários aspectos da IA.

Como pesquisador que explora o cenário da Inteligência Artificial Descentralizada (DAI), gostaria de mudar de assunto nas discussões teóricas e me aprofundar em tendências específicas neste campo. Ao avaliar cada tendência com base no seu potencial de mercado, podemos obter uma compreensão mais clara do rumo que o DAI está tomando.

No domínio da Web3-AI, um efeito ilusório influenciou a primeira vaga de investimento e desenvolvimento em projectos que parecem desligados das exigências genuínas da indústria da IA. Simultaneamente, existem setores emergentes dentro da Web3-AI que apresentam promessas significativas.

Algumas tendências exageradas da Web3-AI

Infraestrutura de GPU descentralizada para treinamento e ajuste fino

Nos últimos anos, houve um aumento significativo no número de infraestruturas de GPU descentralizadas destinadas a possibilitar que mais pessoas pré-treinem e ajustem os modelos básicos. Este movimento pretende ser uma resposta ao domínio dos laboratórios de IA existentes no acesso a GPUs poderosas. No entanto, é essencial lembrar que o treinamento de grandes modelos básicos exige clusters de GPU massivos com links de comunicação extremamente rápidos entre eles. Um único ciclo de pré-treinamento para um modelo 50B-100B em uma configuração de IA descentralizada pode levar mais de um ano ou até mesmo não ser executado com sucesso.

Estruturas ZK-AI

A noção de integração de cálculos de conhecimento zero (zk) e inteligência artificial (IA) deu origem a conceitos intrigantes para a implementação de recursos de privacidade em modelos básicos. Com a crescente importância da infraestrutura zk na Web3, diversas propostas visam incorporar cálculos zk em modelos básicos. No entanto, os modelos zk-AI enfrentam um desafio significativo em termos de acessibilidade, pois podem ser computacionalmente caros quando aplicados a modelos grandes. Além disso, as integrações zk podem restringir a interpretabilidade – um aspecto fundamental na IA generativa.

Prova de Inferência

No domínio das criptomoedas, o foco está nas verificações criptográficas. Às vezes, essas verificações estão desnecessariamente vinculadas a itens que não as exigem. No setor Web3-AI, encontramos casos em que estruturas geram provas criptográficas para resultados de modelos específicos. No entanto, estas situações apresentam mais dificuldades de mercado do que técnicas. Essencialmente, a “prova de inferência” é uma solução potencial em busca de um caso de uso aplicável e permanece amplamente ineficaz no mercado atual.

Algumas tendências de Web3-AI de alto potencial

Agentes com carteiras

No domínio da IA ​​generativa, os fluxos de trabalho de agentes representam um desenvolvimento intrigante com implicações substanciais para a criptografia. Aqui, os agentes referem-se a sistemas avançados de IA que vão além de apenas fornecer respostas com base em informações; eles também podem se envolver ativamente na execução de tarefas em um ambiente específico. A maioria dos agentes autônomos foi projetada para casos de uso singulares. No entanto, o rápido avanço da tecnologia está dando origem a configurações e colaboração multiagentes.

Neste domínio, as criptomoedas têm potencial para gerar valor significativo. Consideremos a situação em que um intermediário deve contratar outros intermediários para concluir um trabalho ou prometer valor como garantia da qualidade dos seus resultados. Equipar esses intermediários com infraestrutura financeira baseada em criptografia facilita inúmeras possibilidades de agência colaborativa.

Financiamento criptográfico para IA

Como pesquisador na área de inteligência artificial generativa, percebi que tem havido uma crise significativa de financiamento na comunidade de IA de código aberto. A maioria dos laboratórios não consegue mais sustentar projetos de grande escala devido a restrições financeiras. No entanto, o mundo criptográfico oferece uma solução intrigante com os seus métodos eficientes de formação de capital através de mecanismos como airdrops, incentivos e pontos. Este conceito de usar trilhos de financiamento criptográfico para IA generativa de código aberto é uma área promissora onde essas duas tendências se cruzam.

Modelos de fundação pequena

No ano passado, a Microsoft introduziu o conceito de Small Language Models (SLMs) após o lançamento do seu modelo Phi, que ostentava menos de 2 mil milhões de parâmetros, mas que ultrapassava as capacidades de modelos de linguagem maiores em ciência da computação e tarefas matemáticas. A importância dos SLMs com um intervalo de parâmetros entre 1 e 5 mil milhões reside no seu potencial para impulsionar a viabilidade da IA ​​descentralizada e expandir as possibilidades para a IA no dispositivo. Dadas as atuais limitações tecnológicas, é quase impossível descentralizar modelos com centenas de bilhões de parâmetros. No entanto, os SLMs são adequados para serem executados em várias infraestruturas Web3, abrindo caminho para a criação de valor substancial com Web3 e inteligência artificial.

Geração de dados sintéticos

Eu, como analista, reconheço que a escassez de dados representa um desafio significativo para a última geração de modelos básicos. Em resposta, há um interesse crescente no desenvolvimento de métodos de geração de dados sintéticos utilizando estes modelos para complementar dados do mundo real. Aproveitar a mecânica das redes criptográficas e os incentivos simbólicos poderia reunir um grande número de colaboradores para criar novos conjuntos de dados sintéticos.

Outras tendências relevantes do Web3-AI

No domínio da Web3-AI, vale a pena explorar várias tendências intrigantes além dos resultados da prova humana. A relevância dos resultados verificados por humanos aumenta em resposta aos desafios colocados pelos conteúdos gerados pela IA. Confiança e transparência são elementos cruciais que as tecnologias Web3 podem trazer para o segmento de avaliação e benchmarking de IA. Além disso, métodos de ajuste fino centrados no ser humano, como aprendizagem por reforço com feedback humano (RLHF), oferecem um cenário intrigante para redes Web3. À medida que a IA generativa continua a avançar e amadurecer, certamente surgirão novos aplicativos Web3-AI.

A importância de melhorar as capacidades de IA com uma abordagem mais descentralizada é inegável. Embora a indústria da Web3 possa não ter alcançado o valor monetário produzido pelos grandes modelos de IA, ela possui um imenso potencial para o setor de IA generativa. No entanto, o principal obstáculo no avanço da Web3-AI poderia ser superar o seu próprio “campo de distorção da realidade”. Há um grande valor derivado do Web3-AI; precisamos apenas nos concentrar na criação de aplicações tangíveis.

Como alguém com vasta experiência na indústria de criptomoedas e um profundo conhecimento das complexidades envolvidas, quero esclarecer que as perspectivas expressas neste artigo são minhas. Eles não representam as opiniões da CoinDesk ou de quaisquer entidades afiliadas.