ส่งต่อชื่อเรื่องต้นฉบับ: DeAI Compressed

โดยทั่วไปแล้ว สกุลเงินดิจิตอลเป็นซอฟต์แวร์โอเพ่นซอร์สที่มีผลตอบแทนทางการเงินที่ถูกสร้างขึ้นมาด้วย - และ AI กำลังทำให้วิธีการเขียนซอฟต์แวร์เปลี่ยนแปลง - จึงสมเหตุที่ AI จะมีผลกระทบอย่างมากในอุตสาหกรรมบล็อกเชนทั้งหมด

DeAI: ความท้าทายและโอกาสDeAI: ความท้าทายและโอกาส

สำหรับฉัน ความท้าทายที่ใหญ่ที่สุดที่ DeAI พบเจอ คือในเส้นทางโครงสร้างพื้นฐาน เนื่องจากความหนาแน่นของเงินลงทุนในการสร้างโมเดลพื้นฐานและการกลับมาจากข้อมูลและคำนวณ

ด้วยกฎหมายการปรับขนาด Big Tech มีข้อได้เปรียบที่เด่นชัด: ใช้ประโยชน์จากหีบสงครามขนาดมหึมาจากผลกําไรจากการผูกขาดในการรวมความต้องการของผู้บริโภคในช่วงรุ่นที่สองของอินเทอร์เน็ตและลงทุนในโครงสร้างพื้นฐานระบบคลาวด์ในช่วงทศวรรษของอัตราที่ต่ําเทียม hyperscalers กําลังพยายามจับตลาดเพื่อความฉลาดโดยการเข้ามุมข้อมูลและการคํานวณ - ส่วนผสมสําคัญของ AI:

เนื่องจากความต้องการและความต้องการแบนด์วิดท์สูงของการฝึกอบรมขนาดใหญ่ สุดยอดแบบเครือข่ายเดียวยังเป็นตัวเลือกที่เหมาะสม - ให้ Big Tech ได้รับแบบจำลองที่ดีที่สุด - แบบแหล่งข้อมูลปิด - ซึ่งพวกเขาวางแผนที่จะเช่าให้กับยอดรุ่นออลิกอพอลี่ - กำไรรุ่งเรืองในรุ่นถัดไปทุก ๆ รุ่น

อย่างไรก็ตาม ความหลากหลายใน AI ได้พิสูจน์ให้เห็นว่าน้อยกว่าผลกระทบของเครือข่าย web2 กับการตกค่าของโมเดลด้านหน้าที่นำทางลดลงอย่างรวดเร็ว โดยเฉพาะอย่างยิ่งกับ Meta ที่ได้ทำการ "ทำลาย" และใช้เงินหลายสิบพันล้านเพื่อโมเดลด้านหน้าแบบ open source เช่น Llama 3.1 ที่มีประสิทธิภาพระดับ SOTA

นี่พร้อมกับการวิจัยที่กำลังเกิดขึ้นในวิธีการฝึกอบรมแบบกระจายที่มีความหน่วงเวลาต่ำ อาจ (บางส่วน) ทำให้รูปแบบธุรกิจด้านหน้าเป็นทางการ โอน (อย่างน้อยบางส่วน) ของการแข่งขันจากกลุ่มคลัสเตอร์ฮาร์ดแวร์ (ที่ช่วยเสริมสร้างรายได้ใหญ่) ไปสู่นวัตกรรมซอฟต์แวร์ (ที่ช่วยเสริมสร้างรายได้เล็กน้อย) โดยราคาของความฉลาดลดลง

ด้วยประสิทธิภาพในการคำนวณของโครงสร้าง "ผสมของผู้เชี่ยวชาญ" และการสังเคราะห์ / การเส้นทางของ LLM ดูเหมือนว่าเรากำลังเดินทางไปสู่โลกที่ไม่ใช่เพียงแค่โมเดลขนาดใหญ่ 3 - 5 รายการ แต่เป็นผ้าทอของล้านๆ โมเดลที่มีข้อได้เสียต่าง ๆ กัน ระหว่างอัตราค่า / ประสิทธิภาพ รวมถึงเครือข่ายของความเชื่อมั่นที่มีอัจฉริยะรวมกัน สมองของมด

นี่กลายเป็นปัญหาการประสานที่ใหญ่: ประเภทที่บล็อกเชนและสิ่งสร้างสรรค์ในโลกคริปโตควรมีอุปกรณ์ช่วยเหลือได้ดี

Core DeAI Investment ThesisCore DeAI Investment Thesis

ซอฟต์แวร์กำลังกินโลก AI กำลังกินซอฟต์แวร์ และ AI พื้นฐานๆ คือข้อมูลและคำนวณ

สิ่งใดที่สามารถเรียกดูแหล่งข้อมูลสองอย่างด้านบน (โครงสร้างพื้นฐาน) โดยมีการประสานงานกัน (มิดเดิลแวร์) และตอบสนองความต้องการของผู้ใช้ (แอป) ได้อย่างมีประสิทธิภาพสูงสุดจะมีค่า.

Delphi มีทัศนคติที่ดีต่อส่วนประกอบต่าง ๆ ของระบบ:

โครงสร้างพื้นฐาน

โดยทั่วไประบบต้นทุนสูงที่สุดในการแข่งขันและอาจได้รับผลตอบแทนมากที่สุดเนื่องจากขนาดของตลาดสุดท้าย การแทรกแทรงในการแข่งขันที่สำคัญนี้ แต่ยังสามารถรับรู้สภาพแวดล้อมได้อย่างเหมาะสม โดยทั่วไป AI ใช้ข้อมูลและคำนวณเป็นพลังงาน ผู้บริหารโครงสร้าง DeAI มุ่งเน้นให้ได้ข้อมูลและคำนวณอย่างมีประสิทธิภาพที่สุดโดยส่วนใหญ่ใช้สิ่งประเภทเครื่องหมายเงินสดในการกระตุ้น

คำนวณ

ในขณะที่ถูกควบคุมโดยความล่าช้า โปรโตคอลการฝึกอบรมที่แบ่งแยกและตลาด GPU หวังว่าจะจัดการฮาร์ดแวร์ที่หลากหลายเพื่อให้บริการคำนวณตามความต้องการที่มีราคาถูกกว่าสำหรับผู้ที่ไม่สามารถใช้งานโซลูชันที่รวมอยู่ใน Big Tech ผู้เล่นเช่น Gensyn, Prime Intellect และ Neuromesh กำลังผลักดันไปข้างหน้าของการฝึกอบรมแบบกระจายในขณะที่io.net, Akash, Aethir เป็นตัวอย่างของการเปิดใช้งานการตัดสินใจที่มีค่าใช้จ่ายต่ำกว่า ใกล้เคียงกับขอบเขต.

ข้อมูล

ในโลกที่มีสัญชาตญารัสมีอยู่อย่างแพร่หลายที่ขึ้นอยู่บนแบบจำลองที่เล็กน้อยและเชี่ยวชาญ ทรัพยากรข้อมูลมีค่าและสามารถหมุนเวียนได้อย่างมาก

จนถึงปัจจุบัน DePIN (ระบบเครือข่ายทางกายภาพที่มีลักษณะกระจาย) ได้รับการชมเชยอย่างมากเกี่ยวกับความสามารถในการสร้างเครือข่ายฮาร์ดแวร์ที่มีต้นทุนต่ำกว่าผู้นำตลอดเวลา (เช่น บริษัทโทรคมนาคม) อย่างไรก็ตาม ส่วนใยอย่างใหญ่ของตลาดของ DePIN อาจจะเกิดขึ้นในการรวบรวมชุดข้อมูลใหม่ที่ไหลเข้าสู่อัจฉริยะบนเชื่อมต่อโปรโตคอลเอเจนติก (to be discussed later).

ในโลกที่แรงงาน - TAM ที่ใหญ่ที่สุดของโลก? - กำลังถูกแทนที่ด้วยการผสมข้อมูลและคำนวณ โครงสร้าง DeAI มีทางเลือกสำหรับธุรกิจที่ไม่ใช่เทคโนโลยียึดครองบริการผลิตและมีส่วนร่วมในเศรษฐกิจที่เชื่อมโยงกันที่กำลังจะมา

Middleware

เป้าหมายสุดท้ายของ DeAI คือการคำนวณที่สามารถเชื่อมโยงกันได้อย่างมีประสิทธิภาพ คล้ายกับเลโก้เงิน DeFi ที่เป็นส่วนประกอบของ AI ที่ไม่สามารถทำงานอย่างสมบูรณ์ได้ในปัจจุบันด้วยความสามารถในการเชื่อมโยงรับอนุญาต - สร้างแรงบันดาลใจให้กับระบบนิเวศซอฟต์แวร์และคำนวณที่เชื่อมต่อกันซึ่งสะสมขึ้นไปเรื่อย ๆ เพื่อ (หวังว่า) เกินกองทุนในปัจจุบัน

หาก Google เป็น "อุปกรณ์" ที่สุดแห่งความสมบูรณ์ แล้ว DeAI แทน "โมดูล" ที่สุดแห่งความสมบูรณ์Clayton Christensenเตือนให้เรารู้ว่าวิธีการผสานรวมแนวทางมักจะเป็นผู้นำในอุตสาหกรรมที่เกิดขึ้นใหม่โดยการลดความเสียหายในโซ่ค่ามูลค่า แต่เมื่อพื้นที่เติบโตจนสุดท้าย โซ่ค่ามูลค่าที่แยกส่วนจะเข้าร่วมแข่งขันในแต่ละชั้นของชั้น: โดยการแข่งขันในความสามารถและประสิทธิภาพทางต้นทุนในแต่ละชั้นของระบบ

เราเชื่อมั่นในหลายหมวดหมู่ที่สำคัญสำหรับการทำให้วิสัยทัศน์โมดูลนี้เป็นจริง:

1. เส้นทาง

ในโลกของความสามารถในการแยกแยะออกเป็นส่วนๆ วิธีใดที่จะเลือกรูปแบบที่เหมาะสมและเวลาที่เหมาะสมในราคาที่ดีที่สุดได้? ผู้รวมกลุ่มด้านความต้องการที่จับคุ้มค่าเสมอ (ดูทฤษฎีการรวมกลุ่ม)และฟังก์ชันการเชื่อมต่อเป็นสิ่งที่สำคัญสำหรับการปรับปรุงเส้นโค้งพาเรโตรระหว่างประสิทธิภาพและต้นทุนในโลกของความฉลาดทางเครือข่าย:

Bittensorgate ได้เป็นผู้นำที่นี่ในรุ่น 1, แต่มีคู่แข่งที่มุ่งมั่นจำนวนมากกำลังเกิดขึ้น

Allora เป็นเจ้าภาพจัดการแข่งขันระหว่างแบบจําลองที่แตกต่างกันใน "หัวข้อ" ต่างๆในลักษณะที่ "รับรู้บริบท" และปรับปรุงตนเองเมื่อเวลาผ่านไป - แจ้งการคาดการณ์ในอนาคตตามความแม่นยําในอดีตภายใต้เงื่อนไขเฉพาะ

Morpheusมีเป้าหมายที่จะกลายเป็น "ตัวเชื่อมต่อด้านความต้องการ" สำหรับกรณีการใช้ web3 - โดยสรุปคือ "ความฉลาดของแอปเปิ้ล" ที่มีตัวแทนท้องถิ่นแบบเปิดที่มีบริบทที่เกี่ยวข้องกับผู้ใช้และสามารถเชื่อมต่อคำถามอย่างมีประสิทธิภาพผ่าน DeFi หรือบล็อกสร้างขึ้นใหม่ของโครงสร้าง "การคำนวณที่สามารถรวมกัน" ของ web3

โปรโตคอลสอดคล้องกันของตัวแทน เช่นTheoriqและAutonolasมีเป้าหมายที่จะเน้นการเป็นระบบการเชื่อมต่อแบบโมดูลไปสู่ขีดสุดโดยการเปิดให้เป็นไปได้แบบที่สามารถรวมระบบนิเวศที่ยืดหยุ่นของตัวแทนหรือส่วนประกอบเข้ากับบริการบนเชืองอย่างสมบูรณ์

ในสรุป ในโลกที่อัจฉริยะกำลังแยกออกอย่างรวดเร็ว ผู้รวมกลุ่มด้านการจัดหาและด้านความต้องการจะเป็นผู้เล่นบทที่มีอำนาจอย่างมหาศาล หาก Google เป็นบริษัทมูลค่า 2 ล้านเหรียญสหรัฐฯที่ทำดัชนีข้อมูลของโลก ผู้ชนะในด้านเราเตอร์ด้านความต้องการ - ไม่ว่าจะเป็น Apple หรือ Google หรือโซลูชั่น web3 - ซึ่งทำดัชนีปัญหาอัจฉริยะ ควรจะใหญ่กว่ามาก

1. Co-Processors

ด้วยการกระจายอำนาจของพวกเขา บล็อกเชนถูกจำกัดอย่างมากทั้งในด้านข้อมูลและการคำนวณ คุณจะทำอย่างไรเพื่อนำแอปพลิเคชัน AI ที่ต้องการข้อมูลและการคำนวณอย่างหนักบนโซนซึ่งผู้ใช้จะต้องการมาใช้งาน?

Co-processors!

ต้นฉบับ:ฟลอริน ดิจิทัล

เหล่านี้เป็น "โอราเคิล" ที่นำเสนอเทคนิคต่าง ๆ เพื่อ "การตรวจสอบ" ข้อมูลหรือโมเดลพื้นฐานที่ใช้อยู่ในลักษณะที่ลดการสมมติใหม่บนเชนในขณะเดียวกันยังมีการเสนอภาคความสามารถอย่างมากถึงวันนี้มีโครงการจำนวนมากที่ใช้ zkML, opML, TeeML และการเข้าถึงทางเศรษฐศาสตร์ที่แตกต่างกัน - ทั้งหมดมีข้อดีและข้อเสียต่าง ๆ

สำหรับรีวิวที่ละเอียดมากขึ้น โปรดตรวจสอบรายงาน DeAI ส่วนที่ III ของเราที่จะเผยแพร่ในสัปดาห์ถัดไป

อย่างรวมทั้งสิ้นแล้ว โค-โพรเซสเซอร์เป็นสิ่งจำเป็นในการทำให้สมาร์ทคอนแทร็กอย่างมีความฉลาดโดยให้การแก้ไขปัญหา "คลังข้อมูล" เช่นการสอบถามเพื่อประสบการณ์ที่ดีกว่าบนเชื่อมต่อหรือการให้การยืนยันว่าการให้คำอธิบายที่กำหนดไว้เสร็จสมบูรณ์อย่างถูกต้อง

เครือข่าย TEE เหมือนSuper,PhalaและMarlinโดยเฉพาะอย่างยิ่งมีความนิยมสูงขึ้นเร็ว ๆ นี้เนื่องจากความสามารถในการใช้งานและการพร้อมที่จะเป็นโฮสต์สำหรับแอปพลิเคชันขนาดใหญ่ในปัจจุบัน

โดยรวมแล้วโปรเซสเซอร์ร่วมมีความสําคัญต่อการรวมบล็อกเชนที่มีการกําหนดสูง แต่มีประสิทธิภาพต่ําเข้ากับความฉลาดที่มีประสิทธิภาพสูง แต่น่าจะเป็นไปได้ หากไม่มีโปรเซสเซอร์ร่วม AI จะไม่มาถึงบล็อกเชนรุ่นนี้

1. ผลตอบแทนสำหรับนักพัฒนา

หนึ่งในปัญหาที่ใหญ่ที่สุดของการพัฒนาโอเพ่นซอร์สใน AI คือขาดความสนใจในการทำให้มันยั่งยืน การพัฒนา AI ต้องการเงินทุนมากมายและค่า Opportuniti ของการคำนวณและความรู้ใน AI มีค่าสูงมาก ๆ โดยไม่มีสิ่งสร้างสรรค์ที่เหมาะสมที่จะให้การพัฒนาโอเพ่นซอร์สรางรายได้ พื้นที่นี้ก็อาจจะสูญเสียต่อ hyper-capitalist hyperscalers ไป

ชุดของโครงการจากSentientไปยังPluralis ถึง ทะเลทรายซาฮาราถึง Miraทั้งหมดกำลังมุ่งเน้นให้เริ่มต้นเครือข่ายที่สามารถเปิดใช้งานและให้ค่าตอบแทนการมีส่วนร่วมกับสมองปัญญาเครือข่ายจากเครือข่ายที่แตกต่างของบุคคล

โดยการแก้ไขโมเดลธุรกิจ การผสมผสานของโอเพ่นซอร์สควรเร่งเร็ว - ให้นักพัฒนาและนักวิจัยด้าน AI ตัวเลือกนอกเหนือจาก Big Tech ที่เป็นที่ยอมรับทั่วโลกและหวังว่าจะได้รับค่าตอบแทนที่ดีตามค่าที่สร้างขึ้น

มีความยากที่จะทำให้ถูกต้องและแข่งขันอย่างรุนแรง แต่ TAM ที่นี่เป็นอย่างมาก

1. โมเดล GNN

เมื่อ LLMs แบ่งแยกรูปแบบในเนื้อหาของข้อความขนาดใหญ่และเรียนรู้การทำนายคำถัดไป กราฟเนอรัลเน็ตเวิร์ค (GNNs) ประมวลผล วิเคราะห์ และเรียนรู้จากข้อมูลที่มีโครงสร้างเป็นกราฟ โดยทั่วไปข้อมูลออนเชนประกอบด้วยปฏิสัมพันธ์ที่ซับซ้อนระหว่างผู้ใช้และสัญญาอัจฉริยะ - กล่าวอีกนัยหนึ่งคือกราฟ - GNNs เป็นตัวเลือกตรรกะที่เหมาะสมที่จะรับมือกับกรณีการใช้งาน AI บนเชน

โครงการเช่นPONDและ RPS กำลังพยายามสร้างโมเดลพื้นฐานสำหรับ web3 - ซึ่งอาจเป็นการเปลี่ยนแปลงที่สามารถทำให้การซื้อขาย, Defi และการใช้งานทางสังคมเช่นนี้เป็นไปได้

• การทำนายราคา: โมเดลพฤติกรรมบนเชือกโซ่เพื่อทำนายราคา, กลยุทธ์การซื้อขายอัตโนมัติ, การวิเคราะห์อารมณ์
• AI Finance: การรวมเข้ากับแอปพลิเคชัน DeFi ที่มีอยู่แล้ว, กลยุทธ์ผลตอบแทนขั้นสูงและการใช้เงินทุนอย่างมีประสิทธิภาพ, การจัดการความเสี่ยง / การปกครองที่ดีกว่า
• การตลาดบนเชือง: แจกจ่ายที่เหมาะสมมากขึ้น / การเป้าหมายเป็นพิเศษมากขึ้น, ส่วนเครื่องมือแนะนำที่พิจารณาตามพฤติกรรมบนเชือง

โมเดลเหล่านี้จะใช้งานหนักกับการจัดเก็บข้อมูลเช่นSpace and Time,Subsquid,Covalent, และHyperlineฉันก็มีความเชื่อมั่นในสิ่งนี้อยู่ด้วย

GNNs อาจพิสูจน์ว่า LLMs ของบล็อกเชนและคลังข้อมูล web3 จำเป็นต่อการทำให้สามารถทำงานได้: ให้ความสามารถในการวิเคราะห์ข้อมูลกับ web3

แอปพลิเคชัน

ในความเห็นของฉัน ตัวแทนบนเชืองอาจเป็นคำตอบที่จะแก้ปัญหา UX ที่แย่มากของสกุลเงินดิจิตอล แต่สิ่งที่สำคัญกว่านั้นคือ การต้องการที่ขาดหายไปของฝั่งผู้ใช้สำหรับการใช้งานเด็กเนอร์ของเงินดอลลาร์ที่เราได้ริเริ่มการลงทุนในโครงสร้างพื้นฐาน web3 เกือบหลายสิบปีที่ผ่านมา

ไม่ต้องผิดหวังสิ่งนี้ เอเจนต์กำลังมา...

และดูเหมาะสมที่ตัวแทนเหล่านี้จะใช้โครงสร้างที่เปิดกว้างและไม่มีการอนุญาต - ทั่วการชำระเงินและการคำนวณที่สามารถใช้งานร่วมกัน - เพื่อบรรลุเป้าหมายสุดท้ายที่ซับซ้อนมากขึ้น

ในเศรษฐกิจของอัจฉริยะที่เชื่อมต่อเครือข่ายอาจเป็นไปได้ว่าการไหลเวียนทางเศรษฐกิจของ B -> B -> C น้อยลงและการไหลเวียนทางเศรษฐกิจของผู้ใช้ -> ตัวแทน -> เครือข่ายคำนวณ -> ตัวแทน -> ผู้ใช้มากขึ้น

โปรโตคอลเอเจนติกคือผลลัพธ์ที่สุด แอปพลิเคชันหรือธุรกิจบริการที่มีค่าใช้จ่ายจำกัดซึ่งทำงานโดยใช้ทรัพยากรบนเชื่อมต่อกันตลอดเวลาเพื่อตอบสนองความต้องการของผู้ใช้งาน (หรือกันเอง) ในเครือข่ายที่สามารถประกอบกันได้ โดยมีค่าใช้จ่ายที่ต่ำกว่าองค์กรที่ใช้วิธีการทางเดิมมาก

เหมือนกับกับ web2 ที่ชั้นแอปพลิเคชันจับคู่ค่ามากส่วนใหญ่ ฉันเป็นแฟนของทฤษฎี “โปรโตคอลที่มีความสามารถมาก” ใน DeAI การรักษาค่าความสามารถควรเลื่อนขึ้นบนสแต็กเมื่อเวลาผ่านไป

Google และ Facebook ที่มา อาจจะเป็นโปรโตคอลที่มีความสามารถและส่วนประกอบที่ทำให้พวกเขาเป็นไปได้กำลังเกิดขึ้นในขณะนี้

เกมสุดท้าย

AI จะเปลี่ยนรูปร่างของเศรษฐกิจของเรา ในปัจจุบันตลาดคาดหวังว่าการควบคุมค่าเก็บรักษาจะต้องอยู่ในขอบเขตของบริษัทใหญ่ๆ ไม่กี่รายที่ตั้งอยู่ในภาคตะวันตกของสหรัฐอเมริกา แต่ DeAI แสดงให้เห็นวิสัยทัศน์ที่แตกต่าง

วิสัยทัศน์ของเครือข่ายที่เปิดกว้างและสามารถปรับเปลี่ยนได้ของสตรีมมาจะมีความฉลาดพร้อมกับสะสมแรงจูงใจและการรับค่าตอบแทนสำหรับการมีส่วนร่วมและการครอบครอง/การปกครองที่เพิ่มมากขึ้น

ในขณะที่เรื่องราวบางอย่างใน DeAI ล่วงหน้าตัวเองและมีโครงการหลายๆ โครงการที่ซื้อขายสูงกว่าผลการดำเนินงานปัจจุบันอย่างมาก โอกาสในการลงทุนใหญ่จริงๆ สำหรับผู้ที่อดทนและสำคัญ DeAI ในที่สุดอาจเป็นเหตุผลที่แท้จริงสำหรับบล็อกเชนเอง

หากคุณชอบตัวอย่างนี้ โปรดติดตามรายงานรูปแบบยาวของเราที่จะปลดล็อกในสัปดาห์ที่จะถึงเมื่อเดลฟีเปิดตัวเดือน AI x Crypto:

DeAI I: อาคาร & สี่เหลี่ยม (unlocked now)

DeAI II: ยึดวิธีการผลิต, Infra (ปลดล็อกเร็ว ๆ นี้)

DeAI III: คอมพิวต์ที่เป็นส่วนประกอบ, มิดเดิลแวร์ (ปลดล็อคในสัปดาห์หน้า)

DeAI IV: เศรษฐกิจที่มีความสามารถในการกระทำ, แอปพลิเคชัน (ปลดล็อกในอีกสองสัปดาห์)

เดือนนี้จะเป็นเดือนที่สำคัญมาก พร้อมที่จะเริ่มต้น

คำปฏิเสธ：

1. บทความนี้ถูกเผยแพร่ใหม่จาก [ การไตร่ตรองทุเรียน], ส่งต่อชื่อต้นฉบับ “DeAI Compressed”. ลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [PonderingDurian]. หากมีข้อโต้แย้งใดๆในการสำเนานี้ กรุณาติดต่อ Gate เรียนทีม (gate Learn”) และพวกเขาจะดูแลให้ทันที
2. คำอธิบายความรับผิดชอบ: มุมมองและความเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้นและไม่เป็นการให้คำแนะนำในการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่นๆ ทำโดยทีมงานที่เรียนรู้จาก gate หากไม่ได้กล่าวถึง การคัดลอก การแจกจ่าย หรือการลอกเลียนแบบบทความที่ถูกแปลนั้นถือเป็นการฝ่าฝืน