Introducción

A partir de ahora, el actual ciclo del mercado alcista de criptomonedas es el más mediocre en términos de innovación comercial, ya que carece de las fenomenales pistas calientes como DeFi, NFT y GameFi vistas en el mercado alcista anterior. Como resultado, el mercado en general necesita puntos de acceso industriales, con un crecimiento lento de usuarios, inversión industrial y desarrolladores.

Este estancamiento también se refleja en los precios actuales de los activos. A lo largo del ciclo, la mayoría de las altcoins han seguido perdiendo valor frente a BTC, incluido ETH. Al fin y al cabo, la valoración de las plataformas de contratos inteligentes está determinada por la prosperidad de las aplicaciones. Cuando la innovación en el desarrollo de aplicaciones es mediocre, la valoración de las cadenas de bloques públicas es difícil de elevar.

La IA, como categoría comercial relativamente nueva en este ciclo, todavía tiene el potencial de atraer una atención incremental considerable a los proyectos del sector de la IA criptográfica, gracias a la explosiva velocidad de desarrollo y a los continuos temas candentes en el mundo comercial externo.

En el informe IO.NET publicado por el autor en abril, se esbozó la necesidad de combinar la IA con las criptomonedas. Las ventajas de las soluciones criptoeconómicas en términos de determinismo, movilización y asignación de recursos y falta de confianza podrían abordar los tres desafíos de la IA: aleatoriedad, intensidad de recursos y dificultad para distinguir entre humanos y máquinas.

En el sector de la IA de la criptoeconomía, el autor intenta discutir y deducir algunas cuestiones importantes a través de otro artículo, entre ellas:

• Narrativas emergentes o potencialmente explosivas en el sector de la IA criptográfica
• Vías catalíticas y lógica detrás de estas narrativas
• Objetivos relevantes del proyecto asociados con estas narrativas
• Riesgos e incertidumbres en la deducción narrativa

Este artículo refleja los pensamientos del autor a partir de la fecha de publicación, que pueden cambiar en el futuro. Los puntos de vista son muy subjetivos y pueden contener errores en los hechos, los datos y la lógica de razonamiento. Por favor, no tome esto como un consejo de inversión. Las críticas y discusiones de los compañeros son bienvenidas.

Vayamos al grano.

La próxima ola de narrativas en el camino de la IA criptográfica

Antes de presentar oficialmente la próxima ola de narrativas en el tema de la IA criptográfica, primero echemos un vistazo a las principales narrativas de la IA criptográfica actual. Desde el punto de vista del valor de mercado, los que tienen más de 1.000 millones de dólares son:

• Potencia de cómputo: Render (RNDR, con un valor de mercado circulante de 3.850 millones), Akash (1.200 millones de valor de mercado circulante), IO.NET (la última ronda de valoración de financiación primaria es de 1.000 millones)
• Red de algoritmos: Bittensor (TAO, 2.97 mil millones de valor de mercado circulante)
• Agente de IA: Fetchai (FET, 2.100 millones de capitalización bursátil antes de la fusión)

*Hora de datos: 2024.5.24, las unidades monetarias son dólares estadounidenses.

Aparte de los sectores mencionados, ¿cuál será el próximo sector de la IA con un valor de mercado de un solo proyecto superior a los 1.000 millones de dólares?

El autor cree que se puede especular desde dos perspectivas: la narrativa del "lado de la oferta industrial" y la narrativa del "momento GPT".

Primera perspectiva sobre la narrativa de la IA: oportunidades en los sectores de la energía y los datos detrás de la IA desde el lado de la oferta industrial

Desde el punto de vista de la oferta industrial, hay cuatro fuerzas impulsoras para el desarrollo de la IA:

• Algoritmos: Los algoritmos de alta calidad pueden ejecutar tareas de entrenamiento e inferencia de manera más eficiente.
• Potencia de cálculo: Tanto el entrenamiento como la inferencia de modelos requieren la potencia de cálculo proporcionada por el hardware de la GPU. Este es el principal cuello de botella actual en la industria, ya que la escasez de chips ha llevado a precios altos para los chips de gama media y alta.
• Energía: Los centros de datos de IA consumen una cantidad significativa de energía. Además de la electricidad necesaria para alimentar las GPU, los sistemas de refrigeración de los grandes centros de datos pueden representar alrededor del 40% del consumo total de energía.
• Datos: Mejorar el rendimiento de los modelos grandes requiere ampliar los parámetros de entrenamiento, lo que significa una demanda masiva de datos de alta calidad.

Entre estas cuatro fuerzas impulsoras, se encuentran proyectos de criptomonedas con un valor de mercado circulante superior a 1.000 millones de dólares en los sectores de algoritmos y potencia informática. Sin embargo, aún no han aparecido proyectos con un valor de mercado similar en los campos de la energía y los datos.

En realidad, la escasez de suministro de energía y datos puede surgir pronto como nuevos puntos calientes de la industria, lo que podría impulsar un aumento de los proyectos de criptomonedas relacionados. Empecemos por la energía.

El 29 de febrero de 2024, Elon Musk mencionó en la conferencia Bosch ConnectedWorld 2024: "Predije la escasez de chips hace más de un año. La próxima escasez será la electricidad. Creo que no habrá suficiente potencia para hacer funcionar todas las fichas el año que viene".

En cuanto a datos específicos, el Informe del Índice de IA publicado anualmente por el Instituto de Inteligencia Artificial Centrada en el Ser Humano de Stanford, dirigido por Fei-Fei Li, evaluó en su informe de 2022 sobre la industria de la IA de 2021 que el consumo de energía de la IA era solo el 0,9% de la demanda mundial de electricidad, lo que suponía una presión limitada sobre la energía y el medio ambiente. En 2023, la Agencia Internacional de la Energía (AIE) resumió que en 2022, los centros de datos globales consumieron aproximadamente 460 teravatios-hora (TWh) de electricidad, lo que representa el 2% de la demanda mundial de electricidad. Predijeron que para 2026, el consumo global de energía de los centros de datos sería de al menos 620 TWh y podría alcanzar hasta 1050 TWh.

Sin embargo, las estimaciones de la AIE siguen siendo conservadoras, ya que muchos proyectos de IA están a punto de lanzarse, con una demanda de energía que supera con creces sus proyecciones para 2023.

Por ejemplo, Microsoft y OpenAI están planeando el proyecto Stargate. Este proyecto, que se espera que comience en 2028 y se complete alrededor de 2030, tiene como objetivo construir una supercomputadora con millones de chips de IA dedicados, proporcionando una potencia de cálculo sin precedentes para OpenAI, particularmente para su investigación en inteligencia artificial y grandes modelos de lenguaje. Se espera que el proyecto cueste más de 100.000 millones de dólares, 100 veces el coste actual de los grandes centros de datos.

Se estima que el consumo de energía del proyecto Stargate es de 50 teravatios-hora.

Debido a esto, el fundador de OpenAI, Sam Altman, declaró en el Foro de Davos en enero de este año: "La inteligencia artificial del futuro necesita un avance energético porque la IA consumirá mucha más electricidad de la que la gente espera".

Después de la potencia informática y la energía, es probable que la próxima área de escasez en la industria de la IA en rápido crecimiento sean los datos.

O mejor dicho, la escasez de datos de alta calidad que requiere la IA ya se ha convertido en una realidad.

A partir de la evolución de GPT, los humanos han captado básicamente el patrón de crecimiento de las capacidades de los modelos de lenguaje grandes (al expandir los parámetros del modelo y los datos de entrenamiento, las capacidades del modelo se pueden mejorar exponencialmente) y este proceso actualmente no muestra ningún cuello de botella técnico a corto plazo.

Sin embargo, el problema es que los datos de alta calidad y disponibles públicamente pueden ser cada vez más escasos en el futuro. Los productos de IA podrían enfrentarse a conflictos de oferta y demanda de datos similares a los de los chips y la energía.

El primero es el aumento de las disputas sobre la propiedad de los datos.

El 27 de diciembre de 2023, The New York Times presentó una demanda contra OpenAI y Microsoft en el Tribunal de Distrito de Estados Unidos, acusándolos de utilizar millones de sus artículos sin permiso para entrenar el modelo GPT. La demanda exige miles de millones de dólares en daños legales y reales por la "copia y uso ilegal de obras de valor único" y pide la destrucción de todos los modelos y datos de entrenamiento que contengan material protegido por derechos de autor de The New York Times.

A finales de marzo, The New York Times emitió una nueva declaración dirigida no solo a OpenAI, sino también a Google y Meta. La declaración afirmaba que OpenAI transcribió una gran cantidad de videos de YouTube a texto utilizando una herramienta de reconocimiento de voz llamada Whisper, y luego usó el texto para entrenar GPT-4. El New York Times afirmó que se ha convertido en una práctica común que las grandes empresas utilicen métodos furtivos para entrenar modelos de IA, señalando que Google también ha estado convirtiendo contenido de video de YouTube en texto para entrenar sus propios modelos grandes, lo que esencialmente infringe los derechos de los creadores de contenido de video.

La demanda entre The New York Times y OpenAI, etiquetada como el "primer caso de derechos de autor de IA", es compleja y tiene implicaciones de gran alcance para el futuro del contenido y la industria de la IA. Dada la complejidad del caso y su posible impacto, es poco probable que se resuelva rápidamente. Un posible resultado es un acuerdo extrajudicial, en el que empresas adineradas como Microsoft y OpenAI paguen una compensación sustancial. Sin embargo, las futuras disputas sobre los derechos de autor de los datos aumentarán inevitablemente el coste total de los datos de alta calidad.

Además, como el motor de búsqueda más grande del mundo, Google ha revelado que está considerando cobrar tarifas por su funcionalidad de búsqueda. Los cargos no se dirigirían al público en general, sino a las empresas de IA.

Fuente: Reuters

Los servidores del motor de búsqueda de Google almacenan una gran cantidad de contenido. Incluso se puede decir que Google almacena todo el contenido que ha aparecido en todas las páginas de Internet desde el siglo XXI. Los productos de búsqueda actuales impulsados por IA, como los extranjeros como Perplexity, y los nacionales como Kimi y Secret Tower, procesan los datos buscados a través de la IA y luego los envían a los usuarios. Los cargos de los motores de búsqueda por la IA aumentarán inevitablemente el costo de adquisición de datos.

De hecho, además de los datos públicos, los gigantes de la IA también están mirando los datos internos no públicos.

Photobucket es un sitio web de alojamiento de imágenes y videos establecido que tenía 70 millones de usuarios y casi la mitad del mercado de fotos en línea de EE. UU. a principios de la década de 2000. Con el auge de las redes sociales, el número de usuarios de Photobucket ha disminuido significativamente. Actualmente, solo quedan 2 millones de usuarios activos (pagan una alta tarifa de US$399 por año). De acuerdo con el acuerdo y la política de privacidad firmados por los usuarios cuando se registraron, no se han utilizado durante más de un año. La cuenta se reciclará y también se admitirá el derecho de Photobucket a utilizar las imágenes y los datos de vídeo cargados por el usuario. El CEO de Photobucket, Ted Leonard, reveló que los 1.300 millones de datos de fotos y videos que posee son extremadamente valiosos para entrenar modelos de IA generativa. Está en conversaciones con varias empresas de tecnología para vender los datos, con ofertas que van desde 5 centavos hasta 1 dólar por foto y más de 1 dólar por video, estimando que los datos que Photobucket puede proporcionar valen más de 1.000 millones de dólares.

EPOCH, un equipo de investigación centrado en la tendencia de desarrollo de la inteligencia artificial, publicó en 2022 un informe sobre los datos necesarios para el aprendizaje automático basado en el uso de datos y la generación de nuevos datos mediante el aprendizaje automático, y teniendo en cuenta el crecimiento de los recursos informáticos. Una vez publicó un informe sobre el estado de los datos necesarios para el aprendizaje automático titulado "¿Nos quedaremos sin datos? Un análisis de los límites del escalado de conjuntos de datos en Machine Learning". El informe concluyó que los datos de texto de alta calidad se agotarán entre febrero de 2023 y 2026, y los datos de imágenes se agotarán entre 2030 y 2060. Si la eficiencia de la utilización de los datos no se puede mejorar significativamente, o surgen nuevas fuentes de datos, la tendencia actual de grandes modelos de aprendizaje automático que se basan en conjuntos de datos masivos puede ralentizarse.

A juzgar por la situación actual, en la que los gigantes de la IA están comprando datos a precios elevados, se han agotado los datos de texto gratuitos de alta calidad. La predicción de EPOCH hace 2 años era relativamente precisa.

Al mismo tiempo, también están surgiendo soluciones a la demanda de "escasez de datos de IA", a saber: servicios de suministro de datos de IA.

Defined.ai es una empresa que proporciona datos personalizados, reales y de alta calidad para empresas de IA.

Ejemplos de tipos de datos que Defined.ai pueden proporcionar: https://www.defined.ai/datasets

Su modelo de negocio es: las empresas de IA proporcionan a Defined.ai sus propias necesidades de datos. Por ejemplo, en términos de calidad de imagen, la resolución debe ser lo más alta posible para evitar el desenfoque, la sobreexposición y el contenido debe ser auténtico. En términos de contenido, las empresas de IA pueden personalizar temas específicos en función de sus propias tareas de entrenamiento, como fotos nocturnas, conos nocturnos, estacionamientos y letreros, para mejorar la tasa de reconocimiento de la IA en escenas nocturnas. El público puede tomar la tarea de tomar la foto. Luego, la empresa los revisará y los subirá. Las piezas que cumplan con los requisitos se liquidarán en función del número de fotos. El precio es de aproximadamente US$1-2 por una imagen de alta calidad, US$5-7 por un cortometraje de más de diez segundos. Un vídeo de alta calidad de más de 10 minutos cuesta entre 100 y 300 dólares, y un texto cuesta 1 dólar por cada mil palabras. La persona que recibe la tarea de subcontratación puede obtener alrededor del 20% de la tarifa. El suministro de datos puede convertirse en otro negocio de crowdsourcing después del "etiquetado de datos".

La distribución global de crowdsourcing de tareas, los incentivos económicos, la fijación de precios/circulación de los activos de datos y la protección de la privacidad están abiertos a todo el mundo, lo que parece especialmente adecuado para un paradigma empresarial Web3.

Objetivos narrativos de IA desde el lado de la oferta industrial

La atención atraída por la escasez de chips ha permeado la industria de las criptomonedas, lo que ha convertido a la potencia informática distribuida en la pista de IA más popular y de mayor capitalización de mercado hasta ahora.

Entonces, si los conflictos de oferta y demanda en los sectores de energía y datos de la industria de la IA explotaran en los próximos 1-2 años, ¿qué proyectos relacionados con la narrativa están presentes actualmente en la industria de las criptomonedas?

Objetivos relacionados con la energía

Los proyectos relacionados con la energía que se han incluido en las principales bolsas centralizadas (CEX) son raros, siendo Power Ledger (token: POWR) el único ejemplo notable.

Power Ledger, establecida en 2017, es una plataforma energética integral basada en blockchain destinada a descentralizar el comercio de energía. Promueve las transacciones directas de electricidad entre individuos y comunidades, apoya la aplicación generalizada de energía renovable y garantiza la transparencia y la eficiencia a través de contratos inteligentes. Inicialmente, Power Ledger operaba en una cadena de consorcio derivada de Ethereum. En la segunda mitad de 2023, Power Ledger actualizó su libro blanco y lanzó su propia cadena pública integral, que se basa en el marco técnico de Solana para manejar microtransacciones de alta frecuencia en el mercado de energía distribuida. Actualmente, los principales negocios de Power Ledger incluyen:

• Comercialización de energía: Permite a los usuarios comprar y vender electricidad directamente, especialmente de fuentes renovables.
• Comercialización de productos ambientales: Facilita la comercialización de créditos de carbono y certificados de energía renovable, así como el financiamiento basado en productos ambientales.
• Operación de cadena pública: Atrae a los desarrolladores de aplicaciones para que se basen en la cadena de bloques Power Ledger, con tarifas de transacción pagadas en tokens POWR.

A partir de ahora, la capitalización de mercado circulante de Power Ledger es de 170 millones de dólares, con una capitalización de mercado totalmente diluida de 320 millones de dólares.

Objetivos relacionados con los datos

En comparación con los objetivos criptográficos relacionados con la energía, el seguimiento de datos tiene una variedad más rica de objetivos criptográficos. Estos son los proyectos de seguimiento de datos que estoy observando actualmente, todos los cuales figuran en al menos uno de los principales CEX como Binance, OKX o Coinbase, ordenados en orden ascendente de su valoración totalmente diluida (FDV):

1. Streamr – DATOS

Propuesta de valor: Streamr tiene como objetivo construir una red de datos descentralizada en tiempo real que permita a los usuarios comerciar y compartir datos libremente mientras conservan el control total sobre sus datos. A través de su mercado de datos, Streamr busca permitir a los productores de datos vender directamente flujos de datos a los consumidores interesados sin intermediarios, reduciendo así los costos y aumentando la eficiencia.

Fuente: https://streamr.network/hub/projects

En un caso práctico de colaboración, Streamr se asoció con otro proyecto de hardware a bordo de Web3, DIMO. A través de sensores de hardware DIMO instalados en vehículos, recopilan datos como temperatura, presión atmosférica y otras métricas, formando flujos de datos meteorológicos que se transmiten a las organizaciones que lo necesitan.

En comparación con otros proyectos de datos, Streamr se centra más en IoT y en los datos de los sensores de hardware. Además de los datos de vehículos DIMO antes mencionados, otros proyectos incluyen flujos de datos de tráfico en tiempo real en Helsinki. Debido a este enfoque, el token del proyecto de Streamr, DATA, experimentó un aumento, duplicando su valor en un solo día en diciembre pasado, cuando el concepto DePIN estaba en su apogeo.

Actualmente, la capitalización de mercado circulante de Streamr es de 44 millones de dólares, con una capitalización de mercado totalmente diluida de 58 millones de dólares.

1. Covalente – CQT

A diferencia de otros proyectos de datos, Covalent proporciona datos de blockchain. La red covalente lee los datos de los nodos de la cadena de bloques a través de RPC, procesa y organiza estos datos, creando una base de datos de consultas eficiente. Esto permite a los usuarios de Covalent recuperar rápidamente la información que necesitan sin realizar consultas complejas directamente desde los nodos de la cadena de bloques. Este servicio se conoce como "indexación de datos de blockchain".

Los clientes de Covalent son principalmente B2B, incluidos proyectos de Dapp como varias aplicaciones DeFi, así como muchas empresas de criptomonedas centralizadas como ConsenSys (la empresa matriz de MetaMask), CoinGecko (un conocido sitio de seguimiento de criptoactivos), Rotki (una herramienta de impuestos) y Rainbow (una billetera criptográfica). Además, gigantes financieros tradicionales como Fidelity y la firma de contabilidad EY de las Cuatro Grandes también son clientes de Covalent. Según las divulgaciones oficiales de Covalent, los ingresos del proyecto por servicios de datos ya han superado a los del proyecto líder en el mismo campo, The Graph.

La industria de la Web3, debido a la integridad, apertura, autenticidad y naturaleza en tiempo real de los datos on-chain, está preparada para convertirse en una valiosa fuente de datos de alta calidad para escenarios específicos de IA y "pequeños modelos de IA". Como proveedor de datos, Covalent ha comenzado a suministrar datos para varios escenarios de IA y ha lanzado datos estructurados verificables específicamente para IA.

Fuente: https://www.covalenthq.com/solutions/decentralized-ai/

Por ejemplo, proporciona datos a SmartWhales, una plataforma de comercio inteligente en cadena, y utiliza la IA para identificar patrones y direcciones de comercio rentables; Entendre Finance utiliza los datos estructurados y el procesamiento de IA de Covalent para obtener información en tiempo real, detección de anomalías y análisis predictivo.

En la actualidad, los principales escenarios para los servicios de datos on-chain proporcionados por Covalent siguen siendo financieros. Sin embargo, con la generalización de los productos y tipos de datos Web3, los escenarios de uso de los datos on-chain también se ampliarán aún más.

El valor de mercado diluido actual del proyecto Covalent es de 150 millones de dólares, y el valor de mercado diluido total es de 235 millones de dólares. En comparación con The Graph, un proyecto de índice de datos de blockchain en la misma pista, tiene una ventaja de valoración relativamente obvia.

1. Mapeador de colmenas – Miel

Entre todos los materiales de datos, los datos de vídeo suelen tener el precio unitario más alto. Hivemapper puede proporcionar datos, incluidos videos e información de mapas, a las empresas de IA. Hivemapper en sí es un proyecto de mapeo global descentralizado que tiene como objetivo crear un sistema de mapeo detallado, dinámico y accesible a través de la tecnología blockchain y las contribuciones de la comunidad. Los participantes pueden capturar datos de mapas a través de una dashcam y agregarlos a la red de datos Hivemapper de código abierto, y recibir recompensas basadas en sus contribuciones en el token del proyecto HONEY. Con el fin de mejorar los efectos de la red y reducir los costes de interacción, Hivemapper se basa en Solana.

Hivemapper, fundada en 2015, inicialmente tenía como objetivo crear mapas utilizando drones. Sin embargo, pronto se dio cuenta de que este modelo era difícil de escalar, lo que provocó un cambio al uso de cámaras de salpicadero y teléfonos inteligentes para capturar datos geográficos, lo que redujo significativamente el costo de producción de mapas globales.

En comparación con el software de Street View y mapping como Google Maps, Hivemapper utiliza una red incentivada y un modelo de crowdsourcing para expandir la cobertura de mapas de manera más eficiente, mantener la frescura de los mapas del mundo real y mejorar la calidad del video.

Antes de que aumentara la demanda de datos impulsada por la IA, los principales clientes de Hivemapper incluían los departamentos de conducción autónoma de la industria automotriz, empresas de servicios de navegación, gobiernos, compañías de seguros y empresas inmobiliarias. Hoy en día, Hivemapper puede proporcionar una gran cantidad de datos sobre carreteras y entornos para IA y modelos grandes a través de API. Al actualizar continuamente los flujos de imágenes y los datos de las características de las carreteras, los modelos de IA y ML pueden traducir mejor estos datos en capacidades mejoradas, realizando tareas relacionadas con la ubicación geográfica y el juicio visual.

Fuente de datos: https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/

Actualmente, el proyecto Honey de Hivemapper tiene una capitalización de mercado diluida de 120 millones de dólares y una capitalización de mercado totalmente diluida (FDV) de 496 millones de dólares.

Además de los tres proyectos mencionados anteriormente, el área de datos también incluye:

The Graph – GRT: Con una capitalización de mercado diluida de USD 3.2 mil millones y un FDV de USD 3.7 mil millones, The Graph proporciona servicios de indexación de datos de blockchain similares a Covalent.

Ocean Protocol – OCEAN: Con una capitalización de mercado circulante de 670 millones de dólares y un FDV de 1.450 millones de dólares, Ocean Protocol es un protocolo de código abierto destinado a facilitar el intercambio y la monetización de datos y servicios relacionados con los datos. Conecta a los consumidores de datos con los proveedores de datos para compartir datos al tiempo que garantiza la confianza, la transparencia y la trazabilidad. Este proyecto está listo para fusionarse con Fetch.ai y SingularityNET, y su token se convertirá en ASI.

Segunda perspectiva sobre la narrativa de la IA: La llegada de AGI, que recuerda al momento GPT

En opinión del autor, el año inaugural de la "pista de IA" en la industria de las criptomonedas fue el notable año de 2023, marcado por la llegada de GPT, y el aumento de los proyectos de IA de criptomonedas fue más bien un efecto dominó del crecimiento explosivo de la industria de la IA.

Aunque capacidades como GPT4 y Turbo continuaron evolucionando después de GPT3.5, y Sora mostró asombrosas habilidades de creación de video, junto con rápidos desarrollos en grandes modelos de lenguaje fuera de OpenAI, es innegable que el impacto cognitivo de los avances tecnológicos de IA en el público en general está disminuyendo. Poco a poco, la gente está empezando a utilizar herramientas de IA, y parece que aún no se ha producido un desplazamiento de puestos de trabajo a gran escala.

Entonces, ¿será el campo de la IA testigo de otro "momento GPT" en el futuro, en el que un salto en el desarrollo de la IA asombre a las masas, haciendo que la gente se dé cuenta de que sus vidas y su trabajo cambiarán como resultado? Este momento podría ser el advenimiento de la Inteligencia General Artificial (AGI).

AGI se refiere a máquinas que tienen habilidades cognitivas integrales similares a las humanas, capaces de resolver diversos problemas complejos más allá de tareas específicas. Los sistemas AGI poseen un pensamiento abstracto de alto nivel, un amplio conocimiento previo, razonamiento de sentido común entre dominios, comprensión causal y habilidades de aprendizaje por transferencia interdisciplinaria. En términos de capacidades integrales, el desempeño de AGI está a la par de los mejores humanos, e incluso supera las habilidades colectivas de los grupos humanos más destacados.

De hecho, ya sea que se represente en ciencia ficción, juegos o películas, o impulsado por las expectativas del público tras la rápida proliferación de GPT, la sociedad ha anticipado durante mucho tiempo la aparición de AGI que superará los niveles cognitivos humanos. Podría decirse que el propio GPT es un precursor de AGI, una profecía de la inteligencia artificial general.

La razón por la que GPT tiene una energía industrial y un impacto psicológico tan inmensos es que su velocidad de implementación y rendimiento superaron las expectativas de las masas: la gente no esperaba que un sistema de inteligencia artificial capaz de pasar el Test de Turing llegara realmente, y llegara tan rápido.

En realidad, la Inteligencia General Artificial (AGI) puede repetir lo repentino del "momento GPT" dentro de 1 o 2 años: la gente acaba de adaptarse a la asistencia de GPT, sólo para descubrir que la IA ya no es sólo un asistente. Incluso puede realizar de forma independiente tareas altamente creativas y desafiantes, incluidos aquellos problemas que han desconcertado a los mejores científicos durante décadas.

El 8 de abril de este año, Musk fue entrevistado por Nicolai Tangen, director de inversiones del Fondo Soberano de Noruega, sobre el momento de la aparición de AGI.

Dijo: "Si definimos la AGI como más inteligente que los humanos más inteligentes, creo que es probable que suceda alrededor de 2025". Es decir, según sus cálculos, el AGI tardará como máximo un año y medio más en llegar. Por supuesto, agregó una advertencia, que "la potencia y el hardware se mantienen al día".

Los beneficios de la llegada de AGI son evidentes.

Significa que la productividad de la humanidad dará un gran salto hacia adelante, y numerosos problemas de investigación científica que nos han atormentado durante décadas se resolverán sin esfuerzo. Si definimos a "los humanos más inteligentes" como ganadores del Premio Nobel, significa que mientras haya suficiente energía, poder de cómputo y datos, podemos tener innumerables "ganadores del Premio Nobel" incansables profundizando en los problemas científicos más desafiantes durante todo el día.

En realidad, los ganadores del Premio Nobel no son tan raros como uno entre varios cientos de millones; La mayoría de ellos están a la par de los profesores universitarios en términos de capacidad e inteligencia. Sin embargo, debido a la probabilidad y a la suerte en la elección de la dirección correcta, y persistiendo hasta que se obtengan resultados, individuos de calibre similar a ellos, sus colegas igualmente destacados, también pueden haber ganado premios Nobel en universos paralelos de investigación científica. Desafortunadamente, todavía no hay suficientes personas con las habilidades de los mejores profesores universitarios que participen en los avances científicos, por lo que la velocidad de "explorar todas las direcciones correctas en la investigación científica" sigue siendo lenta.

Con el advenimiento de AGI, en condiciones en las que la energía y la potencia de cálculo están suficientemente suministradas, podemos tener un número infinito de AGI con el nivel de los ganadores del Premio Nobel explorando en profundidad cualquier posible avance científico. La tasa de avance tecnológico aumentará docenas de veces. El avance tecnológico hará que en los próximos 10 a 20 años aumenten cientos de veces recursos que actualmente se consideran caros y escasos, como la producción de alimentos, nuevos materiales, nuevos medicamentos, educación de alta calidad, etc. El costo de obtener estos recursos también disminuirá exponencialmente, lo que nos permitirá mantener a más personas con menos recursos, y la riqueza per cápita aumentará rápidamente.

Evolución del PIB mundial (Fuente: Banco Mundial)

Esto puede sonar un poco sensacional. Veamos dos ejemplos, que han sido discutidos por el autor en el informe de investigación de IO.NET antes:

• En 2018, la Premio Nobel de Química, Frances Arnold, declaró en la ceremonia de premiación: "Hoy en día, podemos leer, escribir y editar cualquier secuencia de ADN en aplicaciones prácticas, pero aún no podemos componerla". Apenas cinco años después, en 2023, investigadores de Salesforce Research, una startup de IA de la Universidad de Stanford y Silicon Valley, publicaron un artículo en Nature Biotechnology. Utilizaron un gran modelo de lenguaje basado en el ajuste fino de GPT-3 para crear un millón de nuevas proteínas desde cero y descubrieron dos proteínas con estructuras drásticamente diferentes, ambas con propiedades antimicrobianas y potencialmente podrían servir como soluciones de resistencia bacteriana más allá de los antibióticos. En otras palabras, con la ayuda de la IA, se ha superado el cuello de botella en la "creación" de proteínas.
• Antes de esto, el algoritmo de inteligencia artificial AlphaFold predijo las estructuras de casi todos los 214 millones de proteínas conocidas en la Tierra en 18 meses, un resultado cientos de veces mayor que los esfuerzos combinados de todos los biólogos estructurales anteriores.

La revolución ya ha ocurrido, y el advenimiento de AGI acelerará aún más este proceso. Por otro lado, los desafíos que plantea el advenimiento de la AGI también son enormes. La AGI no solo reemplazará a un gran número de trabajadores cognitivos, sino que también afectará a los trabajadores físicos que antes se consideraban "menos afectados por la IA". Con la madurez de la tecnología robótica y el desarrollo de nuevos materiales que conducen a una reducción en los costos de producción, la proporción de puestos de trabajo reemplazados por máquinas y software aumentará rápidamente.

En ese momento, dos cuestiones aparentemente distantes saldrán rápidamente a la superficie:

1. El problema del empleo y de los ingresos de un gran número de personas desempleadas.
2. Cómo distinguir entre la IA y los humanos en un mundo donde la IA es omnipresente.

Worldcoin\Worldchain está tratando de proporcionar soluciones ofreciendo un sistema de Renta Básica Universal (RBU) para proporcionar una renta básica al público y utilizando características biométricas basadas en el iris para distinguir entre humanos e IA.

De hecho, la RBU, que proporciona dinero a todo el mundo, no es sólo un pastel en el cielo. Países como Finlandia e Inglaterra han experimentado con la renta básica universal, y los partidos de Canadá, España, India y otros países están proponiendo y promoviendo activamente experimentos relacionados.

El beneficio de utilizar un modelo basado en identificación biométrica + blockchain para la distribución de RBU radica en la naturaleza global del sistema, proporcionando una cobertura más amplia a la población. Además, puede aprovechar la red de usuarios expandida a través de la distribución de ingresos para construir otros modelos de negocio, como servicios financieros (Defi), redes sociales, crowdsourcing, etc., formando sinergias dentro de la red.

Uno de los activos correspondientes al impacto de la llegada de AGI es Worldcoin – WLD, con una capitalización de mercado diluida de $ 1.03 mil millones y una capitalización de mercado totalmente diluida de $ 47.2 mil millones.

Los riesgos e incertidumbres de la deducción narrativa

A diferencia de muchos informes de investigación de proyectos y pistas anteriores publicados por Mint Ventures, este artículo tiene una mayor subjetividad en la deducción narrativa y la predicción. Los lectores deben considerar el contenido de este artículo como una discusión divergente en lugar de una profecía del futuro. La extrapolación narrativa presentada por el autor se enfrenta a muchas incertidumbres, lo que lleva a errores especulativos. Estos riesgos o factores influyentes incluyen, entre otros, los siguientes:

• Aspecto energético: las actualizaciones de la GPU provocan una rápida disminución del consumo de energía

A pesar del fuerte aumento de la demanda de energía en torno a la IA, los fabricantes de chips como Nvidia están proporcionando una mayor potencia de cálculo con un menor consumo de energía a través de continuas actualizaciones de hardware. Por ejemplo, en marzo de este año, Nvidia lanzó una nueva generación de tarjetas de computación de IA GB200, que integra dos GPU B200 y una CPU Grace. Su rendimiento de entrenamiento es cuatro veces mayor que el de la GPU AI principal de la generación anterior, la H100, y el rendimiento de inferencia es siete veces mayor que el de la H100, mientras que el consumo de energía requerido es solo una cuarta parte del de la H100. Sin embargo, a pesar de esto, el deseo de poder de la IA está lejos de ser satisfecho. Con la disminución del consumo de energía unitario, el consumo total de energía puede aumentar a medida que las aplicaciones y las demandas de IA se expanden aún más.

• Aspecto de los datos: El proyecto Q* realiza "datos autogenerados"

Durante mucho tiempo ha habido un rumor dentro de OpenAI sobre el proyecto "Q", que se ha mencionado en comunicaciones internas a los empleados de OpenAI. Según Reuters citando a personas con información privilegiada de OpenAI, esto puede ser un gran avance en la búsqueda de OpenAI de la superinteligencia/inteligencia artificial general (AGI). Q no solo tiene la capacidad de resolver problemas matemáticos nunca antes vistos a través de la abstracción, sino que también tiene la capacidad de generar datos para entrenar modelos grandes sin la necesidad de alimentar datos en el mundo real. Si este rumor es cierto, se romperá el cuello de botella del entrenamiento de modelos de IA limitado por la falta de datos de alta calidad.

• Llegada de AGI: las preocupaciones de OpenAI

El momento de la llegada de AGI, como sugirió Elon Musk, puede llegar en 2025, pero esto es solo cuestión de tiempo. Sin embargo, Worldcoin, como narrativa beneficiaria directa de la llegada de AGI, puede enfrentar las mayores preocupaciones de OpenAI, ya que es ampliamente reconocida como el "token en la sombra de OpenAI".

En las primeras horas del 14 de mayo, OpenAI mostró el último GPT-4o y otras 19 versiones diferentes de grandes modelos de lenguaje en puntuaciones de tareas completas en su evento de lanzamiento de productos de primavera. Con solo mirar la tabla, GPT-4o obtuvo una puntuación de 1310, aparentemente significativamente más alta que los rangos posteriores. Sin embargo, en términos de puntuación total, es solo un 4,5% más alta que el GPT4 turbo del segundo lugar, un 4,9% más alta que el Gemini 1.5 Pro de Google en cuarto lugar y un 5,1% más alta que el Claude 3 Opus de Anthropic en el quinto lugar.

Dado que el momento que sacudió al mundo el debut de GPT3.5 ha pasado poco más de un año, los competidores de OpenAI ya se han puesto al día en una posición muy cercana (aunque GPT5 aún no se ha lanzado y se espera que se lance este año). Si OpenAI puede mantener su posición de liderazgo en la industria en el futuro parece ser cada vez más borroso. Si la ventaja y la posición dominante de OpenAI se diluyen o superan, entonces el valor narrativo de Worldcoin como token sombra de OpenAI también disminuirá.

Además, además del esquema de autenticación del iris de Worldcoin, cada vez más competidores también están entrando en este mercado. Por ejemplo, el proyecto de identificación por escaneo de la palma de la mano Humanity Protocol acaba de anunciar la finalización de una nueva ronda de financiación por valor de 30 millones de dólares con una valoración de 1.000 millones de dólares. LayerZero Labs también anunció su operación en Humanity y se unió a su red de nodos validadores, utilizando pruebas ZK para autenticar las credenciales.

Conclusión

En conclusión, aunque el autor ha extrapolado la narrativa de la pista de IA, la pista de IA es diferente de los campos criptográficos nativos como DeFi. Es más bien un producto del desbordamiento del auge de la IA en el círculo de divisas. Actualmente, muchos proyectos aún no han establecido completamente sus modelos de negocio, y muchos proyectos se parecen más a memes con temas de IA (como Rndr similar al meme de Nvidia, Worldcoin similar al meme de OpenAI). Los lectores deben ser cautelosos con ellos.

Declaración:

1. Este artículo titulado originalmente "La próxima ola de deducción narrativa en el sector de la IA criptográfica: catalizadores, vías de desarrollo y proyectos relacionados" se reproduce de [mintventures]. Todos los derechos de autor pertenecen al autor original [Alex Xu]. Si tiene alguna objeción a la reimpresión, comuníquese con el equipo de Gate Learn , el equipo se encargará de ello lo antes posible.

2. Descargo de responsabilidad: Los puntos de vista y opiniones expresados en este artículo representan solo los puntos de vista personales del autor y no constituyen ningún consejo de inversión.

3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.