AI แทนที่อาจเป็นการเปลี่ยนแปลงทางเทคโนโลยีที่ใหญ่ที่สุดในประวัติศาสตร์ และได้เริ่มเปิดตัวการแข่งขันทางเทคโนโลยีที่ไม่เคยมีมาก่อน ระดับปัจจุบันของโมเดล AI มีคะแนนในกลุ่มสูงสุดในการทดสอบมาตรฐานของมหาวิทยาลัยส่วนมาก และมีประสิทธิภาพที่ดีกว่ามนุษย์ในหลายงาน รวมถึงการวิจัยด้าน AI เอง แม้แต่ในระดับปัจจุบันของมันก็เป็นการเปลี่ยนแปลงอย่างมีนัยสำคัญสำหรับอุตสาหกรรมหลายๆ อย่าง เช่น การค้นหา บริการลูกค้า สร้างเนื้อหา โปรแกรมมิ่ง การศึกษา และอื่นๆ

เราคาดว่าความสามารถของ AI การจัดทุนและผลกระทบต่อสังคมจะได้รับการเร่งขึ้นจากนี้ไปเท่านั้น เทคโนโลยียักษ์ใหญ่ทั้งหมดเข้าใจว่า AI เป็นสิ่งที่จำเป็นต่อองค์กรและลงทุนในทิศทางนั้น รายได้ของ NVIDIA ที่เป็นตัวแทนดีที่สุดสำหรับ AI CapEx กำลังเคลื่อนที่ไปในทิศทางของ 100 พันล้านดอลลาร์ในปี 2024 เพิ่มขึ้นสองเท่าของปี 2023 มากกว่า 4 เท่าของปีก่อนหน้านั้น

Google CEO Sundar Pichai ในการลงทุนใน AI:

“ความเสี่ยงที่จะลงทุนน้อยกว่ามากกว่าความเสี่ยงที่จะลงทุนเกินไปสำหรับเราที่นี่”

ในเวลาเดียวกัน สตาร์ทอัพรู้สึกถึงการใช้ประโยชน์จาก AI ที่เป็นกำลังที่สามารถทำให้บริษัทที่มีอายุกว่าหลายสิบปีต้องหดหู่ลงได้ และประเมิน $83b ได้รับแล้วลงทุนในระยะเวลา 18 เดือนที่ผ่านมา

ด้วยความสามารถของ AI ที่มีแนวโน้มที่จะเพิ่มขึ้นอย่างเรขาคณิตกับการคำนวณที่ใช้ในการประยุกต์ใช้ มันมีความน่าจะเป็นมากที่เราจะได้รับบางอย่างที่คล้ายกับ AGI ภายในทศวรรษนี้

Source:การรับรู้สถานการณ์โดย@leopoldasch

ในชิ้นงานนี้เราจะอ้างว่าการแข่งขันแบบไดนามิกจะส่งผลให้เกิดโลกที่มีร้อยละของแบบจำลอง และคริปโตเป็นฐานรากฐานที่เหมาะสมสำหรับโลกแบบจำนวนมากนี้ เราจะเริ่มต้นโดยการพูดคุยว่าทำไมเราคิดว่าโลกแบบมากจำนวนเป็นจุดสิ้นสุดทางตรรกะสำหรับ AI จากนั้นเราจะพูดถึงสิ่งที่แตกต่างกันของคริปโตที่ให้กับ AI ในท้ายที่สุดเราจะพูดถึงสแต็กคริปโต x AI ตามที่เรารับรู้และให้ตัวอย่างโครงการที่เราตื่นเต้นเกี่ยวกับอย่างเฉพาะเจาะจง

มีเหตุผลทางปรัชญาและศีลธรรมที่แข็งแกร่งว่าทําไม AI แบบโอเพนซอร์สและ crypto x AI จึงเป็นสถานการณ์ที่ดีกว่าสําหรับมนุษยชาติและสิ่งเหล่านี้คือครอบคลุมอย่างยอดเยี่ยมที่ที่อื่น. ในขณะที่เราเห็นด้วยกับพวกเขาอย่างสมบูรณ์และนี่เป็นส่วนหนึ่งของสิ่งที่ทำให้เรามีแรงบันดาลใจในการสร้างในพื้นที่นี้ สำหรับวัตถุประสงค์ของชิ้นงานนี้จะเน้นไปที่เหตุผลทางปฏิบัติที่ทำให้ Crypto x AI จะชนะ ไม่ได้เหตุผลทางจริยธรรมเพื่อทำไมมันควรชนะ

God-model vs many-models

ขณะนี้เรากำลังเข้าสู่โลกที่บริษัทเทคโนโลยีตัวใหญ่ที่ผสมผสานด้วยกันเพียงไม่กี่รายจะผลิต "โมเดลพระเจ้า" ที่ครอบคลุมทุกอย่างอื่นๆ

อย่างไรก็ตาม เราคิดว่านี่ไม่ใช่จุดสิ้นสุดสำหรับเหตุผลบางประการ:

1. ความเสี่ยงที่เกิดจากการละเมิดความไว้วางใจ: องค์กร ผู้ประกอบการ และนักพัฒนาที่กำลังสร้างประสบการณ์บนพื้นฐานของ AI ไม่ต้องการพฝังตัวกับบริษัทที่มีแหล่งที่มาปิดที่เดียวซึ่งสามารถเปลี่ยนแปลงโมเดล การเปลี่ยนแปลงเงื่อนไขการใช้งาน หรือแม้กระทั้งหยุดให้บริการแก่พวกเขาอย่างสมบูรณ์
2. ต้นทุน - ประสิทธิภาพ - การแลกเปลี่ยน: โมเดลทั่วไปที่มีขนาดใหญ่มากซึ่งเป็นที่ชื่นชอบของ บริษัท เทคโนโลยีขนาดใหญ่นั้นมีราคาแพงกว่ามากทั้งในการฝึกฝนและวิ่ง ด้วยเหตุนี้จึงทําให้พวกเขาเกินราคาและเอาชนะได้สําหรับกรณีการใช้งานจํานวนมาก แม้ว่านี่จะไม่ใช่การพิจารณาครั้งใหญ่ในตอนนี้เนื่องจากผู้คนไม่ได้คิดถึงความสามารถในการทํากําไร เนื่องจาก AI เข้าถึงขนาดที่ผู้คนจะปรับให้เหมาะสมเพื่อให้ได้ต้นทุนที่ต่ําที่สุดสําหรับระดับประสิทธิภาพที่พวกเขากําลังมองหา สําหรับงานหลายอย่างโมเดลขนาดใหญ่จะไม่สามารถแข่งขันได้ที่นี่ มีการวิจัยอย่างกว้างขวางเพื่อสนับสนุนสิ่งนี้แสดงให้เห็นว่าโมเดลที่เล็กกว่าและเชี่ยวชาญมากสามารถทํางานได้ดีกว่าโมเดลทั่วไปในทุกสิ่งตั้งแต่การวินิจฉัยภาพการสแกนเนื้อเยื่อทางการแพทย์,การตรวจจับการทุจริ,การรู้จำเสียงและมากกว่านั้น.
3. Vertical integration: เช่นเดียวกับที่ Apple ได้แสดงให้เห็นซ้ำ ๆ ว่าผลิตภัณฑ์ที่ดีที่สุดมักเกิดจากการรวมกันในทุกๆ ระดับ ผู้ประกอบการที่ทะเลาะสูร้นที่กำลังสร้างผลิตภัณฑ์ที่ใช้ประโยชน์จาก AI จะพยายามหาความได้เปรียบทางการแข่งขันโดยการสร้างบนพื้นฐานของโมเดลที่เฉพาะเจาะจงของตนเอง ผลิตภัณฑ์เหล่านี้ยังสามารถจับค่ามากขึ้น ทำให้ดึงดูดการลงทุนมากขึ้น ฯลฯ
4. ความกังวลในเรื่องความเป็นส่วนตัว: ปัญหา AI จะเป็นส่วนหลักของกระบวนการทำงานขององค์กรในทางที่อยู่ในระดับที่ไม่มีเทคโนโลยีใดที่เคยเป็นอย่างไรกับมัน หลายองค์กรกลัวที่จะไว้วางใจข้อมูลที่ละเอียดอ่อนของพวกเขากับแบบจำลองเหล่านี้

เพื่อเหตุผลเหล่านี้เราเชื่อว่าเรามีโอกาสมากกว่าที่จะอยู่ในโลกที่มีโมเดลขนาดเล็กมากมาย ที่ถูกออกแบบ k และมีความคุ้มค่าสำหรับกรณีการใช้งานที่เฉพาะเจาะจง นักพัฒนาแอปพลิเคชันและผู้ใช้งานจะใช้โมเดลโอเพ่นซอร์สเช่น LLaMA หรือโมเดลจาก@MistralAI""> @MistralAI เป็นพื้นฐานสำหรับปรับแต่งโมเดลที่เฉพาะกิจของพวกเขาโดยใช้ข้อมูลที่เป็นกรรมสิทธิ์บ่อยครั้ง โมเดลหลายรายการจะยังคงทำงานบนเซิร์ฟเวอร์ แต่แอปพลิเคชันขนาดเล็กที่เป็นส่วนตัวมากขึ้นจะทำงานบนอุปกรณ์ลูกค้าโดยตรง ในขณะที่ผู้ใช้งานบางคนที่ต้องการความต้านทานการเซนเซอร์ชิพอาจใช้เครือข่ายคอมพิวเตอร์ที่กระจายอยู่

นี่คือโลกของเลโก้ AI แบบแยกส่วนที่นักพัฒนาและผู้ประกอบการแข่งขันกันเพื่อให้คุณค่าแก่ผู้ใช้และผู้ใช้สามารถเลือกเลือกและรวมบริการต่างๆเพื่อให้เหมาะกับความต้องการเฉพาะของพวกเขา การกําหนดเส้นทาง การประสาน การสังเคราะห์ การชําระเงิน และโครงสร้างพื้นฐานอื่นๆ ทุกประเภทจะต้องสร้างขึ้นเพื่อคลายสแต็ค "God-model" และให้บริการเศรษฐกิจ AI ที่เกิดขึ้นใหม่นี้

นี่เป็นโลกที่สกุลเงินดิจิทัลเจริญรุ่งเรือง

Crypto x AI

คริปโต้ดูเหมือนจะเป็นพื้นที่ที่สามารถหาประโยชน์ในโลกแบบนี้ได้โดยอัตโนมัติ อย่างไรก็ตามความตื่นเต้นนี้ได้นำไปสู่การจัดสรรทุนที่สำคัญในพื้นที่นี้จากนักลงทุนที่มักจะไม่มีข้อมูลอย่างมีความรู้เพียงพอ เหมือนกับภูมิลมก่อนหน้านี้ มีโครงการมากมายที่ได้รับทุนและกำลังถูกสร้างขึ้นซึ่งบางทีอาจจะไม่ควรเป็นเช่นนั้น ดังนั้นมันไม่ง่ายที่จะกำหนดว่าภาคย่อยใดในพื้นที่คริปโต x AI มีคุณค่าจริงจัง ซึ่งทำให้มีผู้มองข้ามพื้นที่ทั้งหมดเป็นมีมโดยไม่มีค่ามูลค่าพื้นฐาน

เราไม่คิดว่ามันเป็นมีม แต่เป็นความจริงที่โลกหลายโมเดลนี้สามารถดํารงอยู่ได้ในทางทฤษฎีโดยไม่มีการเข้ารหัสลับ ดังนั้นจึงเป็นเรื่องสําคัญที่เราจะต้องมุ่งเน้นไปที่ความแตกต่างที่เป็นเอกลักษณ์ของ crypto ที่ช่วยให้เราสามารถสร้างผลิตภัณฑ์ที่ดีขึ้นอย่างสิ้นเชิงหรือตามหลักการแล้วผลิตภัณฑ์ที่ไม่สามารถสร้างขึ้นได้หากไม่มีมัน ในการทําเช่นนี้เราเริ่มต้นด้วยการระบุคุณสมบัติที่เป็นเอกลักษณ์ของ crypto และวิธีที่พวกเขาสามารถนําไปใช้กับ AI ในลักษณะที่ส่งผลให้ผลิตภัณฑ์ดีขึ้น จากนั้นเราจะพูดถึงสแต็ค crypto x AI และยกตัวอย่างกรณีการใช้งานที่เราคิดว่าเหมาะสมกับสิ่งนี้

ชั้นควบคุม - รางเหล็กคริปโตเป็นเก่งมากในการอำนวยความสะดวกในการประสานการร่วมกันโดยไม่มีการควบคุมแบบศูนย์กลาง มันได้ปรากฏว่าประสบความสำเร็จอย่างเฉพาะเจาะจงในการเอาชนะปัญหาของไก่กับไข่ที่สรรพสินค้าในสถานที่ที่สำคัญที่สุด การบูตสตรัพของมูลค่าผู้ใช้ใหม่ขนาดใหญ่โดยใช้สิทธิพิเศษของคริปโต

1. ทีมเล็ก ๆ ที่กำลังสร้างโมเดลภายในบริษัทอาจจะไม่สามารถเข้าถึงทรัพยากรที่จำเป็นได้โดยตรง ตัวอย่างเช่น ในขณะที่ห้องปฏิบัติการ AI ของเทคโนโลยีใหญ่จะมีการคำนวณของตัวเองอยู่แล้ว ทีมเล็กก็จะไม่มี ในทำนองเดียวกัน ทีมเหล่านั้นจะต้องเข้าถึงข้อมูล และบางทีอาจต้องได้รับคนที่หลากหลายมาให้คำแนะนำ ความต้องการเหล่านี้เหมาะสมที่จะได้รับบริการจากตลาดที่เชี่ยวชาญ และเราเชื่อว่าตลาดที่ใช้เราที่มีคุณสมบัติทางการค้าจากเราจะมีความได้เปรียบในการแข่งขันมากกว่าผู้ที่ไม่มี
2. เปิด API ที่ไม่มีการอนุญาต: รางรางคริปโตทำหน้าที่เป็น API ที่เปิดและไม่ต้องการอนุญาต - สามารถเข้าถึงได้ทุกคนทุกที่โดยไม่ต้องทำ KYC มีบัตรเครดิตหรือรูปแบบการอนุญาตใด ๆ จากบุคคลที่สาม สิ่งนี้สำคัญสำหรับตัวแทน AI ซึ่งเพื่อที่จะกระทำอย่างเต็มรูปแบบด้วยตนเอง จำเป็นต้องสามารถเข้าถึงบริการ ประมวลโค้ดและโอนค่าได้โดยไม่ต้องมีการเข้ามาแก้ไขจากมนุษย์ใด ๆ สิ่งนี้ทำให้พฤติกรรมแบบวิทยาศาสตร์ฟิคชั่นเช่นกลุ่มตัวแทน ตัวแทนจ่ายให้กันเองสำหรับบริการ รับหนี้หรือแม้แต่ระดมทุน
3. ความน่าเชื่อถือ: ราง Crypto มีแนวโน้มที่จะไม่น่าเชื่อถือซึ่งหมายความว่าคุณสามารถมีการรับประกันการเข้ารหัสว่าพวกเขาไม่เปลี่ยนแปลงการเข้าถึงไม่สามารถถอนได้โดยไม่คาดคิดและคุณสามารถตรวจสอบได้ว่าการดําเนินการเป็นไปตามที่คาดไว้ นี่เป็นสิ่งสําคัญสําหรับสแต็ค AI แบบแยกส่วนเพราะไม่เหมือนกับวิธีการแบบบูรณาการผู้สร้างจะต้องประกอบด้วยกลุ่มดั้งเดิมที่พวกเขาไม่ได้ควบคุมและผู้ใช้จะต้องไว้วางใจบริการจํานวนมากโดยเนื้อแท้ซึ่งส่วนใหญ่พวกเขาไม่รู้ด้วยซ้ํา
4. การต่อต้านการเซ็นเซอร์: หากปรับใช้เป็นสัญญาที่ไม่เปลี่ยนแปลงแอปพลิเคชันที่ทํางานบนราง crypto จะไม่หยุดยั้ง แม้ว่าจะสามารถอัปเกรดได้ แต่ก็มักจะเป็น DAO ซึ่งต้องใช้องค์ประชุมของผู้ถือโทเค็นเพื่อให้บรรลุฉันทามติ สมมติว่า AI มีประสิทธิภาพอย่างที่เราคาดไว้มีความเป็นไปได้สูงที่รัฐบาลจะพยายามควบคุมและมีอิทธิพลต่อมัน ในความเป็นจริงเราได้เห็นสิ่งนี้เกิดขึ้นแล้ว เช่นเดียวกับที่ Bitcoin และ crypto ให้รางเงิน / การเงินที่อยู่นอกระบบ crypto x AI ให้ความฉลาดที่ไม่หยุดยั้ง

The crypto x AI stack

ด้วยประโยชน์เหล่านี้ แอปพลิเคชันใดเราคิดว่าน่าสนใจโดยเฉพาะที่จุดที่สองระหว่างคริปโต x AI?

ศูนย์ข้อมูลและคำนวณ

คุณ Use สำหรับโมเดลมีทั่วไปมีอยู่ในสองประเภท: การฝึกฝนและการอ้างอิง เราเห็นคุณค่าในการใช้คอมพิวต์ที่มีการกระจายสำหรับทั้งสองประการนี้และเราจะขยายโอกาสข้างล่าง

การฝึกอบรมเกี่ยวกับการคำนวณแบบกระจาย

การคำนวณแบบกระจายนั้นยากเนื่องจากความจำเป็นในการสื่อสารและความล่าช้าระหว่างโหนดในขณะฝึกอบรม มีทีมหลายทีมพยายามแก้ปัญหานี้และด้วยขนาดของรางวัลและคุณภาพของทีมงานที่ทำงานกับมัน เรามั่นใจว่ามันจะถูกแก้ไขแน่นอน วิธีที่มีความมั่นคงที่นี่รวมถึง@NousResearch]sDisTrOและ@PrimeIntellect’sOpenDiLoCo.

นอกจากการแก้ปัญหาทางเทคนิคที่ยากลำบากในการฝึกอบรมแบบกระจายและการสร้างผลิตภัณฑ์ที่ซับซ้อนนี้ออกไป ผู้ชนะยังต้องค้นหาวิธีในการแก้ปัญหา:

1. วิธีการให้คุณภาพและความรับผิดชอบบนเครือข่ายที่ไม่มีการอนุญาต
2. วิธีการบูตด้านอุปทานโดยเฉพาะอย่างยิ่งศูนย์ข้อมูลและคลัสเตอร์มากกว่าฮาร์ดแวร์สําหรับผู้บริโภค

สิทธิ์ส่งเสริมให้โทเค็นอาจจะเป็นสิ่งที่จำเป็นสำหรับการส่งเสริมฝั่งผู้ให้บริการและวิธีการที่สร้างสรรค์มากขึ้นอาจรวมถึงการให้ผู้ให้บริการคอมพิวเตอร์เป็นเจ้าของในโมเดลผลลัพธ์

โดยพื้นฐาน ข้อดีของตลาดคำนวณแบบกระจายคือคุณสามารถใช้ประโยชน์จากค่าใช้จ่ายในการคำนวณที่ต่ำที่สุดทั่วโลก สิ่งนี้กลายเป็นสิ่งสำคัญมากขึ้นเมื่อต้นทุนที่สูงจากผู้ให้บริการที่มีอยู่ส่งผลให้บริษัท/องค์กรมีแนวโน้มที่จะตีกลับและมองหาทางเลือกที่ถูกกว่า ข้อเสียคือความหน่วงเวลา ฮาร์ดแวร์ที่ไม่เหมือนกัน และขาดความทันสมัยทั้งหมดและประหยัดขนาดที่มาจากการสร้างและดำเนินศูนย์ข้อมูลของคุณเอง ยังคงมีการเห็นว่าสิ่งนี้จะเกิดอะไรขึ้นได้อย่างไร

การสรุปที่สามารถยืนยันได้

โดยอย่างกว้าง ๆ เราเห็นว่ากรณีการใช้งานสำหรับการอนุสัญญาที่สามารถยืนยันได้คือการขยายระบบที่มีความสามารถด้าน AI โดยไม่มีการเชื่อมั่น ไม่ Pr ไม่ Pr แต่เป็นไปได้ที่จะให้โมเดลทำงานนอกเชื่อมตัวและโพสต์บางการรับรองหรือพิสูจน์ว่ามันทำงานตามที่คาดหวังในโซนเชื่อมต่อ ตัวอย่างเช่น โครงการสามารถไว้วางใจในการปลดอำนาจที่ไม่ได้ใช้งาน (เช่น การตัดสินใจเกี่ยวกับพารามิเตอร์ความเสี่ยงในตลาดเงิน) ไปยังโมเดลนอกเชื่อมตัว

แนวคิดนี้ยังสามารถนำมาใช้กับโมเดลแบบเปิดหรือแบบปิดได้โดยทั่วไปให้ผู้ใช้มั่นใจได้ว่าผลลัพธ์มาจากโมเดลที่พวกเขาคาดหวัง สิ่งนี้อาจกลายเป็นสิ่งสำคัญเมื่อแอปพลิเคชันและผู้ใช้ใช้ประโยชน์จาก AI สำหรับงานที่สำคัญมากขึ้น มีโครงการหลายโครงการที่จัดการกับสิ่งนี้ในลักษณะต่าง ๆ เช่น Delphi Ventures portco Inference Labs@inference_labs.

ข้อมูล

การฝึกอบรม LLMs วันนี้เป็นกระบวนการหลายขั้นตอนซึ่งต้องใช้ข้อมูลชนิดต่าง ๆ และความเกี่ยวข้องของมนุษย์ มันเริ่มต้นด้วยการฝึกอบรมล่วงหน้า ที่ LLMs ฝึกฝนบนเวอร์ชันที่ถูกทำควานออกและจัดการcommon crawl และชุดข้อมูลที่มีอยู่โดยไม่เสียค่าใช้จ่าย. ในระหว่างหลังการฝึกอบรมโมเดลจะได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลขนาดเล็กที่เฉพาะเจาะจงและมีป้ายกํากับมากขึ้นเพื่อให้พวกเขามีความเชี่ยวชาญในพื้นที่เฉพาะ (เช่นเคมี) ซึ่งมักจะได้รับความช่วยเหลือจากผู้เชี่ยวชาญ

เพื่อให้มั่นใจว่าข้อมูลที่เป็นเอกสิทธิ์และ/หรือข้อมูลที่เป็นเอกสิทธิ์ AI labs บ่อยครั้งจะทำการความคุมดีลกับเจ้าของแหล่งข้อมูลขนาดใหญ่ ตัวอย่างเช่นOpenAI และ Reddit ได้ทำข้อตกลง มูลค่าข่าวลือ $ 60m ในทํานองเดียวกัน Wall Street Journal รายงานว่าข้อตกลงของ News Corp กับ OpenAI มีมูลค่ามากกว่า 250 ล้านดอลลาร์ในช่วงห้าปี เป็นที่ชัดเจนว่าข้อมูลมีคุณค่ามากกว่าที่เคย

เราเชื่อว่าเครือข่าย crypto อยู่ในตําแหน่งที่ดีเพื่อช่วยให้ทีมจัดหาข้อมูลและทรัพยากรที่จําเป็นในทุกขั้นตอนของกระบวนการนี้ บางทีภาคส่วนที่น่าสนใจที่สุดคือการรวบรวมข้อมูลซึ่งเราเชื่อว่าสิ่งจูงใจของ crypto นั้นถูกวางไว้อย่างดีเพื่อบูตด้านอุปทานของการรวบรวมข้อมูลและปลดล็อกแหล่งข้อมูลระยะยาวที่สําคัญส่วนใหญ่

ตัวอย่างเช่นGrass AI @getgrass_ioincentivises users to share their idle internet bandwidth to help scrape the web for data which is then structured, cleaned and made accessible for AI training. If Grass can bootstrap enough of a supply-side, it can effectively act as an API key providing fresh internet data for use in models.

@Hivemapperเป็นตัวอย่างที่ดีอีกอย่าง - เครือข่ายเปิดให้บริการในเดือนพฤศจิกายน 2022 และเก็บรวบรวมภาพถ่ายระดับถนนล้านๆ กิโลเมตรทุกสัปดาห์ โดยที่ได้ทำการทำแผนที่ไปแล้ว 25% ของโลก ง่ายต่อการเห็นว่ารูปแบบที่คล้ายกันสามารถนำไปใช้กับรูปแบบข้อมูลมัลติโมดัลอื่น ๆ และผลประโยชน์ได้โดยการขายให้ห้องปฏิบัติการ AI

เหมือนกับดีลของ NewsCorp/Reddit บางองค์กรมีข้อมูลมูลค่าแต่มีขนาดเล็กเกินไปหรือขาดความสัมพันธ์กับห้องปฏิบัติการ AI เพื่อนำมาจำหน่าย ในทางตรงกันข้ามห้องปฏิบัติการ AI ที่ทำการตกลงกับผู้ให้บริการเล็ก ๆ น้อย ๆ อาจไม่คุ้มค่าและไม่จำเป็นต้องทำ การตลาดข้อมูลที่ออกแบบอย่างดีสามารถลดปัญหานี้ได้โดยการเชื่อมต่อผู้ให้บริการกับห้องปฏิบัติการ AI อย่างเหมือนกัน ที่นี่มีซักพาราเลลที่ต้องจัดการ โดยเฉพาะอย่างยิ่งการแก้ไขปัญหาคุณภาพของข้อมูลและการซื้อขายของ API และข้อมูลเชิงพาณิชย์

ในที่สุดการเตรียมข้อมูลเป็นชุดของงานที่สำคัญที่มีการป้ายชื่อ, การทำความสะอาด, การเพิ่มความมั่นคง, การแปลงและอื่น ๆ ทีมเล็กอาจไม่มีทักษะเหล่านี้ในบ้านและมองหาการส่งภายนอก Scale AI@scale_AIเป็น บริษัท ที่มีการให้บริการแบบกลาง - ปัจจุบันประมาณรายได้ประมาณ 700 ล้านดอลลาร์และกำลังเติบโตอย่างรวดเร็ว เราเชื่อว่าระบบตลาดและการทำงานที่ออกแบบอย่างดีโดยใช้ crypto rails สามารถทำได้ดีที่นี่Lightworksเป็นหนึ่งในที่ Delphi Ventures ลงทุน และยังมีอีกหลายๆ แหล่งที่มีระดับการลงทุนที่ต่ำมาก

โมเดล

ในการอ้างอิงรายงาน Delphi Digital อย่างย่อ เดอะ ทาวเวอร์ แอนด์ เดอะ สแควร์การผลิตและการควบคุมโมเดล AI กําลังติดตามเพื่อควบคุมเกือบทั้งหมดโดย "หอคอย" - เทคโนโลยีขนาดใหญ่และรัฐบาล นี่เป็นสถานการณ์ดิสโทเปียมากกว่าเงินที่ควบคุมโดยรัฐบาล เนื่องจากช่วยให้พวกเขาไม่เพียง แต่ควบคุมทรัพยากรทางเศรษฐกิจที่สําคัญที่สุด แต่ยังควบคุมการเล่าเรื่องโดยการเซ็นเซอร์และจัดการข้อมูลตัดคนที่ "ไม่พึงปรารถนา" บางคนออกจากระบบทั้งหมดโดยใช้การโต้ตอบ AI ส่วนตัวของผู้คนกับพวกเขาหรือเพียงแค่ใช้ AI เพื่อเพิ่มรายได้จากโฆษณาให้สูงสุด

มีคนฉลาดจํานวนมากที่ทํางานเพื่อสร้าง "สี่เหลี่ยมจัตุรัส" ซึ่งเป็นเครือข่ายแบบกระจายอํานาจโดยมีเป้าหมายเพื่อผลิตโมเดลที่เป็นกลางและทนต่อการเซ็นเซอร์ที่ทุกคนสามารถเข้าถึงได้ ดังนั้นเช่นเดียวกับที่ Bitcoin และ crypto ให้รางเงิน / การเงินที่อยู่นอกระบบ crypto x AI จะให้ข่าวกรองที่อยู่นอกระบบ

โครงการดังกล่าวมีจุดมุ่งหมายเพื่อสร้างแบบจําลองพระเจ้าที่เป็นคู่แข่งกับ GPT และ LLaMA โดยการกระจายอํานาจทุกส่วนของกระบวนการสร้างแบบจําลอง - แหล่งที่มาของเครือข่ายและเตรียมข้อมูลฝึกอบรมการประมวลผลแบบกระจายอํานาจของตัวเองเรียกใช้การอนุมานในการประมวลผลเดียวกันนั้นและประสานงานกระบวนการทั้งหมดผ่านการกํากับดูแลแบบกระจายอํานาจ ไม่มีส่วนใดของกระบวนการที่รวมศูนย์ดังนั้นแบบจําลองจึงเป็นของชุมชนอย่างแท้จริงและไม่สามารถควบคุมได้โดย "หอคอย"

โดยที่ชัดเจนการสร้างโมเดลที่มีลักษณะที่กระจายที่มาใกล้เคียงกับโมเดลด้านหน้าจะยากมาก เราไม่สามารถคาดหวังได้ว่าจะมีจำนวนผู้ใช้ที่มากมายที่จะทนรับผลิตภัณฑ์ที่แย่ลงเพื่อเหตุผลทางจริยธรรม เราพิจารณากลุ่มโครงการเหล่านี้ว่าเป็น "moonshots" ซึ่งไม่น่าจะประสบความสำเร็จตามนิยาม แต่ถ้าพวกเขาทำได้ จะมีค่าที่สุดยอดอย่างไม่น่าเชื่อ และเราหวังอย่างยิ่งว่าพวกเขาจะทำได้

คุ้มค่าที่จะกล่าวถึงห้องปฏิบัติการ AI ที่มีความเป็นศูนย์กลาง ซึ่งนำเสนอความคิดเชิงคริปโตและอาจมีเหรียญโทเค็นหรือใช้เทรนด์คริปโตในทางอื่นๆ@NousResearch, @PondGNNand @PondGNNนี่คือตัวอย่างบางอย่างที่ Delphi Ventures ลงทุนใน

สุดท้ายสถาปัตยกรรมการสร้างโมเดลเช่น Bittensor โดย Gate@opentensor ตกอยู่ภายใต้ส่วนนี้ของสแต็ค Bittensor ได้รับพูดถึงอย่างละเอียดอย่างละเอียดที่อื่นแต่เราจึงไม่ได้พูดถึงข้อดีและข้อเสียของมันที่นี่

แอปพลิเคชัน

Eric Schmidt ในการพูดคุยเร็ว ๆ นี้กล่าวว่า:

หาก TikTok ถูกห้าม นี่คือสิ่งที่ฉันขอแนะนำให้ทุกคนทำ: บอกกับ LLM ของคุณดังนี้: “ทำให้ฉันได้สำเนาของ TikTok ขโมยผู้ใช้ทั้งหมด ขโมยเพลงทั้งหมด ใส่ความชอบของฉันลงไป ผลิตโปรแกรมนี้ใน 30 วินาทีถัดไป ปล่อยตัว และใน 1 ชั่วโมง หากมันไม่ได้รับการแพร่กระจาย ทำสิ่งที่แตกต่างตามแนวทางเดียวกัน

คำคมนี้ให้การแสดงถึงพลังที่น่าทึ่งของเอเจนต์ที่เราคาดหวังให้มี แต่ในการดำเนินการด้วยความเป็นอิสระอย่างเต็มรูปแบบเหล่านี้ ต้องมีการเข้าถึงบริการโดยไม่ต้องมีมนุษย์เข้ามาเกี่ยวข้อง - โอนมูลค่าและเข้าสู่ความสัมพันธ์ทางเศรษฐกิจ การปรับใช้และดำเนินการโค้ดโดยไม่ต้องขออนุญาต

โลกแบบเดิมของแอปธนาคาร การยืนยันตัวตน (KYC) และกระแสการสมัครสมาชิกไม่เหมาะสมสำหรับพวกเขา อย่างไม่น่าแปลกใจที่พวกเขาจะพบกับระบบที่ออกแบบมาสำหรับมนุษย์ที่พวกเขาไม่สามารถเข้าถึงได้โดยไม่ต้องการความช่วยเหลือ

Crypto rails ให้แพลตฟอร์มที่สมบูรณ์แบบ พวกเขาให้พื้นฐานที่ไม่ต้องรับอนุญาต ไม่ต้องไว้วางใจและต้านการเซ็นเซอร์ชั่นสำหรับตัวแทนที่จะดำเนินการบน หากพวกเขาต้องการโปรแกรมประยุกต์ พวกเขาสามารถส่งต่อได้ในรูปแบบ on-chain หากพวกเขาต้องการชำระเงินสำหรับสิ่งที่พวกเขาต้องการ พวกเขาสามารถส่งโทเค็นได้ โค้ดและข้อมูลสำหรับบริการ on-chain เปิดเผยและสม่ำเสมอ เพื่อตัวแทนที่สามารถเข้าใจและแอบเข้าร่วมโดยไม่จำเป็นต้องมี API หรือเอกสารอ้างอิง

ตัวแทนสามารถเป็นตัวเร่งสำหรับกิจกรรมในเชือกอื่น ๆ ได้อีกด้วย การเคลื่อนย้ายจากแบบแผนที่ UX ของคนที่คลิกปุ่มบนเว็บไซต์ไปสู่การปฏิสัมพันธ์ผ่านผู้ช่วยส่วนตัว AI เราสามารถหลีกเลี่ยงความซับซ้อนในการทำรายการคริปโตที่น่าเบื่อออกไปได้ ลดปัญหาอุปสรรคหลักหนึ่งในการดึงดูดผู้ใช้ใหม่

โครงการเช่น Wayfinder @AIWayfinder, ออโตโนลัส @Autonolas, DAIN @dainprotocolและ Almanak เป็นโครงการที่น่าสนใจที่กำลังพัฒนาสู่อนาคตนี้

สรุป

AI กําลังติดตามเพื่อเป็นทรัพยากรที่ทรงพลังและสําคัญที่สุดของศตวรรษที่ 21 ที่ส่งผลกระทบต่อสังคมอย่างลึกซึ้ง การถูกควบคุมโดยเทคโนโลยีขนาดใหญ่และรัฐเป็นอนาคตดิสโทเปียที่เราไม่อยากเห็น ในบทความนี้เราได้พยายามแสดงเส้นทางสําหรับวิธีที่ crypto สามารถป้องกันการผูกขาดนี้ไม่ใช่โดยการคาดหวังให้ผู้คนใช้โซลูชันด้วยเหตุผลทางปรัชญา แต่โดยการนําเสนอโซลูชันที่ดีกว่าอย่างแท้จริงสําหรับนักพัฒนาและผู้ใช้

เรายังอยู่ในช่วงเริ่มต้นของยุค AI และโดยเฉพาะอย่างยิ่งในยุค deAI มีหลายสิ่งที่ต้องสร้างเพื่อพาเราจากที่ที่เราอยู่ตอนนี้ไปสู่สิ่งที่เรากล่าวถึงในบทความนี้ ที่ Delphi Labs เรารู้สึกตื่นเต้นที่ได้เห็นอนาคตของ Crypto และ AI เล่นออกมาและเราต้องการกําหนดอนาคตนี้อย่างแข็งขันโดยทํางานร่วมกับผู้สร้างชั้นนําในพื้นที่นี้

โดยที่มีอายุยังเยี่ยมยอดอยู่ พวกเราเชื่อว่าอัตราเร่งคือโครงสร้างที่เหมาะสำหรับการสำรวจพื้นที่การออกแบบและทำงานกับที่ปรึกษาและผู้เชี่ยวชาญเพื่อช่วยให้ไอเดียของคุณเป็นจริง ในขณะนี้เรากำลังมีส่วนร่วมในเกมด้วยกับอะไรใหม่ ใกล้ x Delphi Labs AI Accelerator. ใบสมัครเปิดอยู่เดี๋ยวนี้ถึง 4 ตุลาคม 2567 หากคุณเป็นผู้ประกอบการหรือผู้ก่อตั้งที่มีความทะเยอทะยานเชื่อในอนาคตของ AI x Web3 เข้าร่วมกับเราและทำให้เป็นจริงร่วมกัน

ขอบคุณ: @Redphonecrypto,@Bitcoin_Sage, @KSimback, @Kevin_Kelly_II,@Shaughnessy119และ@CannnGurel สําหรับการแก้ไขและข้อเสนอแนะ

ภารกิจของ Delphi Labs คือการทำให้การใช้สกุลเงินดิจิตอลเกิดขึ้นได้ดียิ่งขึ้นและเร็วขึ้น พวกเราใช้ประสบการณ์จริงในการใช้โปรโตคอลสกุลเงินดิจิตอลชั้นนำ เช่น Thorchain, AAVE และ Synthetix เพื่อช่วยผู้ประกอบการเติบโตจากศูนย์สู่หนึ่ง เรียนรู้เพิ่มเติมได้ที่ delphilabs.io.

ปฏิเสธ:

1. บทความนี้พิมพ์ซ้ําจาก [Delphi Labs]. ลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [Luke Saunders และ Jose Macedo]. หากมีการคัดค้านการเผยแพร่นี้ กรุณาติดต่อGate Learn ทีมและพวกเขาจะจัดการกับมันทันที
2. คำแถลงความรับผิดชอบ: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงความคิดเห็นของผู้เขียนเท่านั้นและไม่เป็นการให้คำแนะนำใดๆ เกี่ยวกับการลงทุนใดๆ
3. การแปลบทความเป็นภาษาอื่นทําโดยทีม Gate Learn ห้ามคัดลอก แจกจ่าย หรือลอกเลียนแบบบทความที่แปลแล้ว เว้นแต่จะกล่าวถึง