Знакомство

На данный момент текущий цикл бычьего рынка криптовалют является самым тусклым с точки зрения коммерческих инноваций, ему не хватает феноменальных горячих треков, таких как DeFi, NFT и GameFi, которые наблюдались на предыдущем бычьем рынке. В результате, рынок в целом нуждается в промышленных точках с медленным ростом пользователей, промышленных инвестиций и разработчиков.

Эта стагнация также отражается на текущих ценах на активы. На протяжении всего цикла большинство альткоинов продолжали терять в цене по отношению к BTC, включая ETH. Ведь оценка платформ смарт-контрактов определяется процветанием приложений. Когда инновации в разработке приложений слабы, оценку публичных блокчейнов трудно повысить.

ИИ, как относительно новая коммерческая категория в этом цикле, все еще имеет потенциал привлечь значительное дополнительное внимание к проектам сектора криптографического ИИ благодаря взрывной скорости развития и постоянным горячим темам во внешнем коммерческом мире.

В IO.NET отчете, опубликованном автором в апреле, была обозначена необходимость объединения ИИ с криптографией. Преимущества криптоэкономических решений с точки зрения детерминизма, мобилизации и распределения ресурсов, а также отсутствия доверия потенциально могут решить три проблемы ИИ: случайность, ресурсоемкость и сложность различения людей и машин.

В секторе ИИ криптоэкономики автор пытается обсудить и вывести некоторые важные вопросы в другой статье, в том числе:

• Новые или потенциально взрывоопасные нарративы в секторе крипто-ИИ
• Каталитические пути и логика, лежащие в основе этих нарративов
• Релевантные цели проекта, связанные с этими нарративами
• Риски и неопределенности в нарративной дедукции

Данная статья отражает мысли автора на дату публикации, которая может измениться в будущем. Точки зрения очень субъективны и могут содержать ошибки в фактах, данных и логике рассуждений. Пожалуйста, не воспринимайте это как инвестиционный совет. Критика и дискуссии со стороны коллег приветствуются.

Перейдем к делу.

Следующая волна нарративов в треке крипто-ИИ

Прежде чем официально представить следующую волну нарративов в треке крипто-ИИ, давайте сначала посмотрим на основные нарративы текущего крипто-ИИ. С точки зрения рыночной стоимости, те, у кого более 1 миллиарда долларов США, это:

• Вычислительные мощности: Render (RNDR, с рыночной стоимостью в обращении 3,85 млрд), Akash (рыночная стоимость в обращении 1,2 млрд), IO.NET (последний раунд первичной оценки финансирования составляет 1 млрд)
• Сеть алгоритмов: Bittensor (TAO, рыночная стоимость в обращении 2,97 миллиарда)
• ИИ-агент: Fetchai (FET, рыночная капитализация 2,1 млрд до слияния)

*Время данных: 2024.5.24, денежные единицы — доллары США.

Помимо вышеупомянутых секторов, какой следующий сектор ИИ с рыночной стоимостью одного проекта превысит $1 млрд?

Автор считает, что его можно рассматривать с двух точек зрения: нарратива о «стороне промышленного предложения» и нарратива о «моменте GPT».

Первый взгляд на ИИ: возможности в энергетическом секторе и секторе данных, стоящие за ИИ со стороны промышленного предложения

Со стороны промышленного предложения можно выделить четыре движущие силы для развития ИИ:

• Алгоритмы: высококачественные алгоритмы могут более эффективно выполнять задачи обучения и вывода.
• Вычислительная мощность: как для обучения модели, так и для логического вывода требуется вычислительная мощность, обеспечиваемая оборудованием графического процессора. В настоящее время это основное узкое место в отрасли, поскольку нехватка чипов привела к высоким ценам на чипы среднего и высокого класса.
• Энергия: центры обработки данных с искусственным интеллектом потребляют значительное количество энергии. Помимо электроэнергии, необходимой для питания графических процессоров, на системы охлаждения для крупных центров обработки данных может приходиться около 40% от общего энергопотребления.
• Данные: Повышение производительности больших моделей требует расширения параметров обучения, что означает огромный спрос на высококачественные данные.

Среди этих четырех движущих сил есть криптопроекты с оборотной рыночной стоимостью, превышающей 1 миллиард долларов в секторах алгоритмов и вычислительных мощностей. Тем не менее, проекты с аналогичной рыночной стоимостью еще не появились в сфере энергетики и данных.

На самом деле, нехватка энергии и данных может вскоре стать новыми горячими точками отрасли, что потенциально может привести к всплеску связанных криптопроектов. Начнем с энергетики.

29 февраля 2024 года Илон Маск упомянул на конференции Bosch ConnectedWorld 2024: «Я предсказывал дефицит чипов более года назад. Следующим дефицитом станет электроэнергия. Я думаю, что в следующем году мощности не хватит, чтобы запустить все чипы».

Что касается конкретных данных, то в отчете AI Index Report, ежегодно публикуемом Стэнфордским институтом человеко-ориентированного искусственного интеллекта во главе с Фэй-Фэй Ли, в отчете об индустрии искусственного интеллекта за 2021 год говорится, что потребление энергии ИИ составляет всего 0,9% от мирового спроса на электроэнергию, что оказывает ограниченное давление на энергетику и окружающую среду. В 2023 году Международное энергетическое агентство (МЭА) подытожило, что в 2022 году глобальные центры обработки данных потребили около 460 тераватт-часов (ТВтч) электроэнергии, что составляет 2% мирового спроса на электроэнергию. Они прогнозируют, что к 2026 году глобальное энергопотребление центров обработки данных составит не менее 620 ТВтч и может достичь 1050 ТВтч.

Тем не менее, оценки МЭА по-прежнему консервативны, поскольку многие проекты в области искусственного интеллекта вот-вот будут запущены, а спрос на энергию значительно превысит их прогнозы на 2023 год.

Например, Microsoft и OpenAI планируют проект Stargate. Этот проект, который, как ожидается, начнется в 2028 году и будет завершен примерно в 2030 году, направлен на создание суперкомпьютера с миллионами выделенных чипов искусственного интеллекта, обеспечивающих беспрецедентную вычислительную мощность для OpenAI, особенно для исследований в области искусственного интеллекта и больших языковых моделей. Ожидается, что проект обойдется более чем в 100 миллиардов долларов, что в 100 раз превышает текущую стоимость крупных центров обработки данных.

Энергопотребление одного только проекта «Звездные врата» оценивается в 50 тераватт-часов.

В связи с этим основатель OpenAI Сэм Альтман заявил на Давосском форуме в январе этого года: «Будущему искусственному интеллекту нужен энергетический прорыв, потому что ИИ будет потреблять гораздо больше электроэнергии, чем люди ожидают».

Вслед за вычислительными мощностями и энергией следующей областью дефицита в быстрорастущей индустрии ИИ, вероятно, станут данные.

Вернее, дефицит качественных данных, необходимых ИИ, уже стал реальностью.

С момента эволюции GPT люди в основном уловили закономерность роста возможностей больших языковых моделей — расширяя параметры модели и обучающие данные, возможности модели могут быть экспоненциально улучшены — и этот процесс в настоящее время не показывает краткосрочных технических узких мест.

Однако проблема заключается в том, что в будущем высококачественных и общедоступных данных может стать все меньше. Продукты ИИ могут столкнуться с конфликтами спроса и предложения на данные, аналогичными конфликтам с чипами и энергией.

Во-первых, это рост споров о праве собственности на данные.

27 декабря 2023 года The New York Times подала иск против OpenAI и Microsoft в окружной суд США, обвинив их в использовании миллионов ее статей без разрешения для обучения модели GPT. Иск требует миллиарды долларов в качестве компенсации за «незаконное копирование и использование произведений, имеющих уникальную ценность», и призывает к уничтожению всех моделей и тренировочных данных, содержащих материалы The New York Times, защищенные авторским правом.

В конце марта газета The New York Times опубликовала новое заявление, направленное не только против OpenAI, но и против Google и Meta. В заявлении утверждалось, что OpenAI транскрибировала большое количество видео с YouTube в текст с помощью инструмента распознавания речи под названием Whisper, а затем использовала текст для обучения GPT-4. The New York Times утверждает, что для крупных компаний стало обычной практикой использовать скрытые методы для обучения моделей ИИ, указывая на то, что Google также конвертирует видеоконтент YouTube в текст для обучения своих собственных больших моделей, что, по сути, ущемляет права создателей видеоконтента.

Судебный процесс между The New York Times и OpenAI, названный «первым делом об авторском праве на ИИ», сложен и имеет далеко идущие последствия для будущего контента и индустрии ИИ. Учитывая сложность дела и его потенциальные последствия, быстрое разрешение маловероятно. Одним из возможных исходов является внесудебное урегулирование, при котором богатые компании, такие как Microsoft и OpenAI, выплачивают существенную компенсацию. Однако будущие споры об авторских правах на данные неизбежно повысят общую стоимость высококачественных данных.

Кроме того, как крупнейшая в мире поисковая система, Google сообщила, что рассматривает возможность взимания платы за свои поисковые функции. Обвинения будут направлены не против широкой общественности, а против компаний, занимающихся искусственным интеллектом.

Источник: Reuters

Серверы поисковых систем Google хранят большое количество контента. Можно даже сказать, что Google хранит весь контент, который появился на всех интернет-страницах, начиная с 21 века. Нынешние поисковые продукты, управляемые искусственным интеллектом, такие как зарубежные, такие как perplexity, и отечественные, такие как Kimi и Secret Tower, обрабатывают искомые данные с помощью ИИ, а затем выводят их пользователям. Плата поисковых систем за ИИ неизбежно увеличит стоимость сбора данных.

На самом деле, помимо публичных данных, AI-гиганты также присматриваются к непубличным внутренним данным.

Photobucket - это признанный веб-сайт для размещения изображений и видео, который в начале 2000-х годов насчитывал 70 миллионов пользователей и почти половину онлайн-рынка фотографий в США. С развитием социальных сетей количество пользователей Photobucket значительно сократилось. В настоящее время осталось всего 2 миллиона активных пользователей (они платят высокую комиссию в размере 399 долларов США в год). Согласно соглашению и политике конфиденциальности, подписанным пользователями при регистрации, они не использовались более года. Учетная запись будет переработана, а также поддерживается право Photobucket на использование фотографий и видеоданных, загруженных пользователем. Генеральный директор Photobucket Тед Леонард сообщил, что 1,3 миллиарда фото- и видеоданных, которыми она владеет, чрезвычайно ценны для обучения моделей генеративного ИИ. Он ведет переговоры с несколькими технологическими компаниями о продаже данных, предлагая от 5 центов до 1 доллара за фотографию и более 1 доллара за видео, оценивая, что данные, которые может предоставить Photobucket, стоят более 1 миллиарда долларов.

Исследовательская группа EPOCH, специализирующаяся на тренде развития искусственного интеллекта, в свое время опубликовала отчет о данных, необходимых для машинного обучения на основе использования данных и генерации новых данных машинным обучением в 2022 году, а также с учетом роста вычислительных ресурсов. Однажды она опубликовала отчет о состоянии данных, необходимых для машинного обучения, под названием «Закончатся ли у нас данные? Анализ пределов масштабирования наборов данных в машинном обучении». В отчете сделан вывод о том, что высококачественные текстовые данные будут исчерпаны в период с февраля 2023 по 2026 год, а данные изображений будут исчерпаны в период с 2030 по 2060 год. Если эффективность использования данных не может быть существенно улучшена или появляются новые источники данных, текущая тенденция больших моделей машинного обучения, основанных на больших наборах данных, может замедлиться.

Судя по текущей ситуации, когда ИИ-гиганты скупают данные по высоким ценам, бесплатные качественные текстовые данные исчерпаны. Предсказание EPOCH 2 года назад оказалось относительно точным.

В то же время появляются и решения для удовлетворения спроса на «нехватку данных ИИ», а именно: услуги по предоставлению данных ИИ.

Defined.ai — это компания, которая предоставляет персонализированные, реальные и высококачественные данные для компаний, занимающихся искусственным интеллектом.

Примеры типов данных, которые Defined.ai может предоставить: https://www.defined.ai/datasets

Его бизнес-модель такова: компании, занимающиеся искусственным интеллектом, предоставляют Defined.ai собственные потребности в данных. Например, с точки зрения качества картинки разрешение должно быть максимально высоким, чтобы избежать размытия, пересвета, а контент должен быть аутентичным. Что касается контента, компании, занимающиеся искусственным интеллектом, могут настраивать определенные темы на основе своих собственных учебных задач, таких как ночные фотографии, ночные конусы, парковки и знаки, чтобы повысить уровень распознавания ИИ в ночных сценах. Публика может взять на себя задачу сделать снимок. Затем компания рассмотрит их и загрузит. Детали, соответствующие требованиям, будут определены в зависимости от количества фотографий. Цена составляет около 1-2 долларов США за качественную картинку, 5-7 долларов США за короткометражный фильм продолжительностью более десяти секунд. Качественное видео продолжительностью более 10 минут стоит 100-300 долларов США, а текст – 1 доллар США за тысячу слов. Человек, который получает задание субподряда, может получить около 20% гонорара. Предоставление данных может стать еще одним краудсорсинговым бизнесом после «маркировки данных».

Глобальное краудсорсинговое распределение, экономические стимулы, ценообразование/обращение информационных активов и защита конфиденциальности открыты для всех, что особенно хорошо подходит для бизнес-парадигмы Web3.

Нарративные мишени ИИ со стороны промышленного предложения

Внимание, вызванное нехваткой чипов, проникло в криптоиндустрию, что сделало распределенные вычислительные мощности самым популярным направлением ИИ с самой высокой рыночной капитализацией на сегодняшний день.

Итак, если конфликты спроса и предложения в энергетическом секторе и секторе данных индустрии искусственного интеллекта взорвутся в ближайшие 1-2 года, какие нарративные проекты сейчас присутствуют в криптоиндустрии?

Целевые показатели, связанные с энергетикой

Проекты, связанные с энергетикой, которые были зарегистрированы на крупных централизованных биржах (CEX), встречаются редко, и Power Ledger (токен: POWR) является единственным заметным примером.

Power Ledger, основанная в 2017 году, представляет собой комплексную энергетическую платформу на основе блокчейна, направленную на децентрализацию торговли энергией. Он способствует прямым сделкам с электроэнергией между отдельными лицами и сообществами, поддерживает широкое применение возобновляемых источников энергии и обеспечивает прозрачность и эффективность с помощью смарт-контрактов. Первоначально Power Ledger работал на основе цепочки консорциумов, производной от Ethereum. Во второй половине 2023 года Power Ledger обновила свой whitepaper и запустила собственную комплексную публичную цепочку, которая основана на технической структуре Solana для обработки высокочастотных микротранзакций на рынке распределенной энергии. В настоящее время основными направлениями деятельности Power Ledger являются:

• Торговля энергией: позволяет пользователям покупать и продавать электроэнергию напрямую, особенно из возобновляемых источников.
• Торговля экологическими продуктами: Облегчает торговлю углеродными кредитами и сертификатами на возобновляемые источники энергии, а также финансирование, основанное на экологических продуктах.
• Публичная цепочка: привлекает разработчиков приложений для создания приложений на блокчейне Power Ledger с оплатой комиссий за транзакции в токенах POWR.

На данный момент рыночная капитализация Power Ledger в обращении составляет 170 миллионов долларов, а полностью разводненная рыночная капитализация составляет 320 миллионов долларов.

Целевые объекты, связанные с данными

По сравнению с криптовалютными целями, связанными с энергетикой, трек данных имеет более богатое разнообразие криптоцелей. Вот проекты, отслеживающие данные, за которыми я наблюдаю в настоящее время, все из которых котируются по крайней мере на одной из основных CEX, таких как Binance, OKX или Coinbase, в порядке возрастания их полностью разводненной оценки (FDV):

1. Стример – ДАННЫЕ

Ценностное предложение: Streamr стремится создать децентрализованную сеть передачи данных в режиме реального времени, которая позволит пользователям свободно торговать и обмениваться данными, сохраняя при этом полный контроль над своими данными. С помощью своего рынка данных Streamr стремится дать возможность производителям данных напрямую продавать потоки данных заинтересованным потребителям без посредников, тем самым снижая затраты и повышая эффективность.

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

В практическом случае сотрудничества Streamr сотрудничал с другим проектом бортового оборудования Web3 — DIMO. С помощью аппаратных датчиков DIMO, установленных в транспортных средствах, они собирают такие данные, как температура, давление воздуха и другие показатели, формируя потоки данных о погоде, которые передаются нуждающимся организациям.

По сравнению с другими проектами по работе с данными, Streamr больше фокусируется на данных IoT и аппаратных датчиков. Помимо вышеупомянутых данных о транспортных средствах DIMO, другие проекты включают в себя потоки данных о дорожном движении в Хельсинки в режиме реального времени. Из-за этого токен проекта Streamr, DATA, пережил всплеск, удвоившись в цене за один день в декабре прошлого года, когда концепция DePIN была на пике.

В настоящее время рыночная капитализация Streamr в обращении составляет 44 миллиона долларов, а полностью разводненная рыночная капитализация составляет 58 миллионов долларов.

1. Ковалентный – CQT

В отличие от других проектов по работе с данными, Covalent предоставляет данные блокчейна. Сеть Covalent считывает данные с узлов блокчейна через RPC, обрабатывает и систематизирует эти данные, создавая эффективную базу запросов. Это позволяет пользователям Covalent быстро получать необходимую информацию, не выполняя сложные запросы непосредственно из узлов блокчейна. Эта услуга известна как «индексация данных блокчейна».

Клиентами Covalent в основном являются B2B-проекты, в том числе Dapp-проекты, такие как различные приложения DeFi, а также многие централизованные криптокомпании, такие как ConsenSys (материнская компания MetaMask), CoinGecko (известный сайт отслеживания криптоактивов), Rotki (налоговый инструмент) и Rainbow (криптокошелек). Кроме того, клиентами Covalent также являются традиционные финансовые гиганты, такие как Fidelity и аудиторская фирма EY, входящая в «большую четверку». Согласно официальной информации Covalent, выручка проекта от услуг передачи данных уже превзошла доход ведущего проекта в той же области, The Graph.

Индустрия Web3, благодаря полноте, открытости, подлинности и характеру ончейн-данных в режиме реального времени, готова стать ценным источником высококачественных данных для конкретных сценариев ИИ и «малых моделей ИИ». Как поставщик данных, Covalent начала поставлять данные для различных сценариев ИИ и запустила проверяемые структурированные данные специально для ИИ.

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

Например, он предоставляет данные SmartWhales, интеллектуальной торговой платформе в сети, и использует искусственный интеллект для определения прибыльных торговых моделей и адресов; Entendre Finance использует структурированные данные Covalent и обработку искусственного интеллекта для получения информации в режиме реального времени, обнаружения аномалий и прогнозного анализа.

В настоящее время основные сценарии для ончейн-сервисов данных, предоставляемых Covalent, по-прежнему являются финансовыми. Однако с обобщением продуктов и типов данных Web3 сценарии использования ончейн-данных также будут еще больше расширены.

Текущая разводненная рыночная стоимость проекта Covalent составляет $150 млн, а полная разводненная рыночная стоимость — $235 млн. По сравнению с The Graph, проектом индекса данных блокчейна в том же направлении, он имеет относительно очевидное преимущество в оценке.

1. Hivemapper – Мед

Среди всех информационных материалов видеоданные часто имеют самую высокую цену за единицу. Hivemapper может предоставлять данные, включая видео и картографическую информацию, компаниям, работающим с искусственным интеллектом. Сам Hivemapper — это децентрализованный глобальный картографический проект, целью которого является создание подробной, динамичной и доступной картографической системы с помощью технологии блокчейн и вклада сообщества. Участники могут захватывать картографические данные через видеорегистратор и добавлять их в сеть данных Hivemapper с открытым исходным кодом, а также получать вознаграждения в зависимости от своего вклада в токен проекта HONEY. Чтобы улучшить сетевые эффекты и снизить затраты на взаимодействие, Hivemapper построен на Solana.

Компания Hivemapper, основанная в 2015 году, изначально была нацелена на создание карт с помощью дронов. Однако вскоре компания поняла, что эту модель трудно масштабировать, что привело к переходу на использование видеорегистраторов и смартфонов для сбора географических данных, что значительно снизило стоимость создания глобальных карт.

По сравнению с программным обеспечением для просмотра улиц и картографии, таким как Google Maps, Hivemapper использует мотивированную сетевую и краудсорсинговую модель для более эффективного расширения покрытия карт, поддержания актуальности реальных карт и улучшения качества видео.

До того, как спрос на данные на основе искусственного интеллекта резко возрос, основными клиентами Hivemapper были отделы автономного вождения автомобильной промышленности, компании навигационных услуг, правительства, страховые компании и фирмы по недвижимости. Сегодня Hivemapper может предоставлять обширные данные о дорогах и окружающей среде для ИИ и больших моделей через API. Постоянно обновляя потоки изображений и данных о дорожных объектах, модели искусственного интеллекта и машинного обучения могут лучше преобразовывать эти данные в улучшенные возможности, выполняя задачи, связанные с географическим положением и визуальным суждением.

Источник данных: https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/

В настоящее время проект Hivemapper Honey имеет разводненную рыночную капитализацию в размере 120 миллионов долларов и полностью разводненную рыночную капитализацию (FDV) в размере 496 миллионов долларов.

В дополнение к трем проектам, упомянутым выше, область данных также включает:

The Graph – GRT: С разводненной рыночной капитализацией в 3,2 миллиарда долларов и FDV в 3,7 миллиарда долларов, The Graph предоставляет услуги индексации данных блокчейна, аналогичные Covalent.

Ocean Protocol – OCEAN: Ocean Protocol с рыночной капитализацией в 670 миллионов долларов США и FDV в размере 1,45 миллиарда долларов США представляет собой протокол с открытым исходным кодом, направленный на облегчение обмена и монетизации данных и услуг, связанных с данными. Он связывает потребителей данных с поставщиками данных для обмена данными, обеспечивая при этом доверие, прозрачность и отслеживаемость. Этот проект объединится с Fetch.ai и SingularityNET, а его токены будут конвертированы в ASI.

Второй взгляд на нарратив ИИ: приход ОИИ, напоминающий момент GPT

По мнению автора, первым годом «трека ИИ» в криптоиндустрии стал знаменательный 2023 год, ознаменованный появлением GPT, а всплеск криптопроектов ИИ был скорее волновым эффектом от взрывного роста индустрии ИИ.

Несмотря на то, что такие возможности, как GPT4 и Turbo, продолжали развиваться после GPT3.5, и Сора продемонстрировал удивительные возможности создания видео, наряду с быстрыми разработками больших языковых моделей за пределами OpenAI, нельзя отрицать, что когнитивное влияние технологических достижений ИИ на широкую публику уменьшается. Люди постепенно начинают использовать инструменты ИИ, а масштабное вытеснение рабочих мест, похоже, еще впереди.

Итак, станет ли сфера ИИ свидетелем еще одного «момента GPT» в будущем, когда скачок в развитии ИИ удивит массы, заставив людей осознать, что в результате их жизнь и работа изменятся? Этим моментом может стать появление общего искусственного интеллекта (AGI).

AGI относится к машинам, обладающим комплексными когнитивными способностями, подобными человеческим, способным решать различные сложные задачи, выходящие за рамки конкретных задач. Системы AGI обладают высокоуровневым абстрактным мышлением, обширными базовыми знаниями, междисциплинарными рассуждениями, основанными на здравом смысле, причинно-следственным пониманием и междисциплинарными способностями к переносу знаний. С точки зрения комплексных возможностей, производительность AGI находится на одном уровне с лучшими людьми и даже превосходит коллективные способности самых выдающихся человеческих групп.

На самом деле, независимо от того, изображен ли он в научной фантастике, играх или фильмах, или подпитывается общественными ожиданиями после быстрого распространения GPT, общество давно ожидало появления ОИИ, превосходящего когнитивные уровни человека. Можно сказать, что GPT сам по себе является предшественником AGI, пророчеством общего искусственного интеллекта.

Причина, по которой GPT обладает такой огромной промышленной энергией и психологическим воздействием, заключается в том, что скорость и производительность его внедрения превзошли ожидания масс: люди не ожидали, что система искусственного интеллекта, способная пройти тест Тьюринга, действительно появится, и прибудет так быстро.

На самом деле, Общий Искусственный Интеллект (AGI) может повторить внезапность «момента GPT» в течение 1-2 лет: люди только адаптировались к помощи GPT, а затем обнаружили, что ИИ больше не является просто помощником. Он даже может самостоятельно решать творческие и сложные задачи, в том числе те, которые десятилетиями ставили в тупик ведущих ученых.

8 апреля этого года Маск дал интервью Николаю Тангену, директору по инвестициям Норвежского суверенного фонда благосостояния, о сроках появления AGI.

Он сказал: «Если мы определим AGI как умнее, чем самые умные люди, я думаю, что это, вероятно, произойдет примерно в 2025 году». Другими словами, по его оценке, для появления AGI потребуется не более полутора лет. Конечно, он добавил оговорку, что «мощность и оборудование идут в ногу со временем».

Преимущества появления AGI очевидны.

Это означает, что производительность человечества сделает гигантский скачок вперед, а многочисленные проблемы научных исследований, которые мучили нас десятилетиями, будут решены без особых усилий. Если мы определяем «самых умных людей» как лауреатов Нобелевской премии, это означает, что до тех пор, пока есть достаточно энергии, вычислительной мощности и данных, у нас может быть бесчисленное количество неутомимых «лауреатов Нобелевской премии», круглосуточно вникающих в самые сложные научные проблемы.

На самом деле, лауреаты Нобелевской премии встречаются не так редко, как один на несколько сотен миллионов; Большинство из них не уступают университетским профессорам по способностям и интеллекту. Тем не менее, благодаря вероятности и удаче в выборе правильного направления, а также упорству до получения результатов, люди такого же калибра, как они, их не менее выдающиеся коллеги, могли также получить Нобелевские премии в параллельных вселенных научных исследований. К сожалению, людей со способностями топовых университетских профессоров, участвующих в научных прорывах, пока не хватает, поэтому скорость «изучения всех правильных направлений в научных исследованиях» остается низкой.

С появлением ОИИ, в условиях, когда энергия и вычислительные мощности обеспечены в достаточной мере, мы можем иметь бесконечное количество ОИИ уровня лауреатов Нобелевской премии, углубляющихся в любое возможное направление научного прорыва. Темпы технологического прогресса увеличатся в десятки раз. Технологический прогресс приведет к тому, что ресурсы, которые в настоящее время считаются дорогими и дефицитными, увеличатся в сотни раз в ближайшие 10-20 лет, такие как производство продуктов питания, новых материалов, новых лекарств, высококачественного образования и т.д. Стоимость получения этих ресурсов также будет снижаться в геометрической прогрессии, что позволит нам поддерживать больше людей с меньшими ресурсами, а благосостояние на душу населения будет быстро расти.

Динамика мирового ВВП (Источник: Всемирный банк)

Это может показаться немного сенсационным. Рассмотрим два примера, которые обсуждались автором в IO.NET исследовательском отчете ранее:

• В 2018 году лауреат Нобелевской премии по химии Фрэнсис Арнольд заявила на церемонии награждения: «Сегодня мы можем читать, записывать и редактировать любую последовательность ДНК в практическом применении, но мы все еще не можем ее составить». Всего пять лет спустя, в 2023 году, исследователи из Salesforce Research, стартапа в области искусственного интеллекта из Стэнфордского университета и Кремниевой долины, опубликовали статью в журнале Nature Biotechnology. Они использовали большую языковую модель, основанную на тонкой настройке GPT-3, чтобы создать миллион новых белков с нуля и обнаружили два белка с совершенно разными структурами, оба из которых обладают антимикробными свойствами и потенциально могут служить в качестве решений для борьбы с бактериальной резистентностью помимо антибиотиков. Иными словами, с помощью ИИ узкое место в «создании» белка было преодолено.
• До этого алгоритм искусственного интеллекта AlphaFold предсказал структуры почти всех 214 миллионов известных белков на Земле в течение 18 месяцев, что в сотни раз больше, чем совокупные усилия всех предыдущих структурных биологов.

Революция уже произошла, и появление AGI еще больше ускорит этот процесс. С другой стороны, проблемы, связанные с появлением AGI, также огромны. AGI не только заменит большое количество когнитивных работников, но и повлияет на тех, кто ранее считался «менее подверженным влиянию ИИ». По мере развития робототехники и разработки новых материалов, ведущих к снижению производственных затрат, доля рабочих мест, заменяемых машинами и программным обеспечением, будет быстро увеличиваться.

В это время на поверхность быстро всплывут две, казалось бы, далекие проблемы:

1. Проблема занятости и доходов для большого количества безработных.
2. Как отличить ИИ от человека в мире, где ИИ вездесущ.

Worldcoin\Worldchain пытается предоставить решения, предлагая систему универсального базового дохода (UBI) для предоставления базового дохода населению и используя биометрические функции на основе радужной оболочки глаза для различения людей и искусственного интеллекта.

На самом деле, УБД, который обеспечивает деньгами всех, это не просто пирог в небе. Такие страны, как Финляндия и Англия, экспериментировали с универсальным базовым доходом, а партии в Канаде, Испании, Индии и других странах активно предлагают и продвигают подобные эксперименты.

Преимущество использования биометрической идентификации + модели на основе блокчейна для распространения УБД заключается в глобальном характере системы, обеспечивающей более широкий охват населения. Кроме того, он может использовать пользовательскую сеть, расширенную за счет распределения доходов, для построения других бизнес-моделей, таких как финансовые услуги (Defi), социальные сети, краудсорсинг и т. д., формируя синергию внутри сети.

Одним из активов, соответствующих влиянию появления AGI, является Worldcoin – WLD с разводненной рыночной капитализацией в 1,03 миллиарда долларов и полностью разводненной рыночной капитализацией в 47,2 миллиарда долларов.

Риски и неопределенности нарративной дедукции

В отличие от многих предыдущих отчетов об исследованиях проектов и треков, выпущенных Mint Ventures, эта статья имеет большую субъективность в нарративной дедукции и прогнозировании. Читателям следует рассматривать содержание этой статьи как разнонаправленную дискуссию, а не как пророчество о будущем. Нарративная экстраполяция, представленная автором, сталкивается со многими неопределенностями, приводящими к спекулятивным ошибкам. Эти риски или влияющие факторы включают, но не ограничиваются:

• Энергетический аспект: обновления графического процессора приводят к быстрому снижению энергопотребления

Несмотря на резкое увеличение спроса на электроэнергию, связанную с искусственным интеллектом, производители чипов, такие как Nvidia, обеспечивают более высокую вычислительную мощность при более низком энергопотреблении за счет непрерывных обновлений оборудования. Например, в марте этого года Nvidia выпустила новое поколение вычислительной карты с искусственным интеллектом GB200, в которую интегрированы два графических процессора B200 и один процессор Grace. Его производительность обучения в четыре раза выше, чем у основного графического процессора H100 предыдущего поколения, а производительность инференса в семь раз выше, чем у H100, в то время как требуемое энергопотребление составляет всего четверть от H100. Однако, несмотря на это, стремление к власти от ИИ далеко не удовлетворено. С уменьшением удельного энергопотребления общее потребление энергии может увеличиться по мере дальнейшего расширения приложений и потребностей в области ИИ.

• Аспект данных: Проект Q* реализует «самогенерируемые данные»

В OpenAI уже давно ходят слухи о проекте «Q», который упоминался во внутренних сообщениях сотрудникам OpenAI. Как сообщает Reuters со ссылкой на инсайдеров OpenAI, это может стать прорывом в стремлении OpenAI к сверхинтеллекту/общему искусственному интеллекту (AGI). Q не только способен решать ранее неизвестные математические задачи с помощью абстракции, но и генерировать данные для обучения больших моделей без необходимости передачи данных из реального мира. Если этот слух окажется правдой, узкое место обучения моделей ИИ, ограниченное отсутствием качественных данных, будет преодолено.

• Появление AGI: опасения OpenAI

Сроки появления AGI, как предположил Илон Маск, действительно могут наступить к 2025 году, но это лишь вопрос времени. Тем не менее, Worldcoin, как прямой бенефициар появления AGI, может столкнуться с самыми большими проблемами со стороны OpenAI, поскольку он широко известен как «теневой токен OpenAI».

Ранним утром 14 мая OpenAI продемонстрировала новейшую версию GPT-4o и 19 других различных версий больших языковых моделей в виде комплексных оценок задач на весеннем мероприятии по запуску продукта. Просто взглянув на таблицу, GPT-4o набрал 1310 баллов, что, по-видимому, значительно выше, чем у более поздних рангов. Тем не менее, с точки зрения общего балла, он всего на 4,5% выше, чем у занявшего второе место GPT4 turbo, на 4,9% выше, чем у Gemini 1.5 Pro от Google, занимающего четвертое место, и на 5,1% выше, чем у Claude 3 Opus от Anthropic, занимающего пятое место.

Поскольку с момента мирового дебюта GPT3.5 прошло чуть больше года, конкуренты OpenAI уже догнали очень близкие позиции (хотя GPT5 еще не выпущена и, как ожидается, будет запущена в этом году). Сможет ли OpenAI сохранить свои лидирующие позиции в отрасли в будущем, похоже, становится все более размытым. Если передний край и доминирующее положение OpenAI будут размыты или превзойдены, то нарративная ценность Worldcoin как теневого токена OpenAI также снизится.

Кроме того, помимо схемы аутентификации радужной оболочки глаза Worldcoin, на этот рынок выходит все больше и больше конкурентов. Например, проект Humanity Protocol только что объявил о завершении нового раунда финансирования на сумму 30 миллионов долларов при оценке в 1 миллиард долларов. LayerZero Labs также объявила о своей работе на Humanity и присоединилась к своей сети узлов-валидаторов, используя ZK-доказательства для аутентификации учетных данных.

Заключение

В заключение, несмотря на то, что автор экстраполировал нарратив трека ИИ, трек ИИ отличается от нативных криптосфер, таких как DeFi. Это скорее продукт перетока бума ИИ в валютный круг. В настоящее время многие проекты еще не до конца сформировали свои бизнес-модели, и многие проекты больше похожи на мемы на тему искусственного интеллекта (например, Rndr похож на мем Nvidia, Worldcoin похож на мем OpenAI). Читателям следует относиться к ним с осторожностью.

Утверждение:

1. Эта статья, первоначально озаглавленная «Следующая волна нарративной дедукции в секторе крипто-ИИ: катализаторы, пути развития и связанные с ними проекты», воспроизведена с сайта [mintventures]. Все авторские права принадлежат оригинальному автору [Алексу Сю]. Если у вас есть какие-либо возражения против перепечатки, пожалуйста, свяжитесь с командой Gate Learn , команда рассмотрит их как можно скорее.

2. Дисклеймер: Взгляды и мнения, выраженные в этой статье, представляют собой только личные взгляды автора и не являются какими-либо инвестиционными рекомендациями.

3. Переводом статьи на другие языки занимается команда Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.