ปัญญาประดิษฐ์ ("AI") เป็นหนึ่งในเทคโนโลยีที่เติบโตอย่างมีความสัมพันธ์ที่สุดในศตวรรษนี้ มีศักยภาพที่จะเพิ่มผลิตภัณฑ์และพลังงานทางการแพทย์อย่างเป็นเรื่องปกติ ในขณะที่ AI อาจเป็นสิ่งสำคัญในปัจจุบัน แต่ส่วนที่สำคัญกำลังเติบโตอย่างต่อเนื่อง เนื่องจาก PwC ประเมินว่า ผลิตภัณฑ์นี้จะเป็นอุตสาหกรรมมูลค่า 15 ล้านล้านดอลลาร์ภายในปี 2030[1]

อย่างไรก็ตามเทคโนโลยีที่มีแนวโน้มนี้มีความท้าทาย เนื่องจากเทคโนโลยี AI มีพลังมากขึ้นอุตสาหกรรม AI จึงกลายเป็นศูนย์กลางอย่างมากโดยมุ่งเน้นอํานาจในมือของ บริษัท ไม่กี่แห่งเพื่อความเสียหายที่อาจเกิดขึ้นกับสังคม นอกจากนี้ยังทําให้เกิดความกังวลอย่างมากเกี่ยวกับ deepfakes อคติที่ฝังตัวและความเสี่ยงด้านความเป็นส่วนตัวของข้อมูล โชคดีที่ crypto — และคุณสมบัติของการกระจายอํานาจและความโปร่งใส — เสนอวิธีแก้ปัญหาที่เป็นไปได้สําหรับปัญหาเหล่านี้

ด้านล่างเราจะสำรวจปัญหาที่เกิดจากการจำกัดและวิธีการใช้ AI แบบไม่จำกัดที่สามารถช่วยแก้ไขบางส่วนของปัญหา และเราจะพูดคุยเกี่ยวกับจุดที่เกิดการจับกันระหว่าง Crypto และ AI ว่าอยู่ในสถานการณ์ไหนในปัจจุบัน โดยเน้นการประยุกต์ใช้ Crypto ในพื้นที่นี้ซึ่งได้แสดงเครื่องหมายของการนำไปใช้งานเร็ว

ปัญหากับปัญญาประดิษฐ์ที่มีการกำหนดจากศูนย์

วันนี้การพัฒนา AI นําเสนอความท้าทายและความเสี่ยงบางอย่าง ผลกระทบของเครือข่ายและความต้องการเงินทุนที่เข้มข้นใน AI มีความสําคัญมากจนนักพัฒนา AI จํานวนมากนอก บริษัท เทคโนโลยีขนาดใหญ่เช่น บริษัท ขนาดเล็กหรือนักวิจัยทางวิชาการมีปัญหาในการเข้าถึงทรัพยากรที่จําเป็นสําหรับการพัฒนา AI หรือไม่สามารถสร้างรายได้จากงานของพวกเขา สิ่งนี้จํากัดการแข่งขันและนวัตกรรมของ AI โดยรวม

ด้วยเหตุนี้ อิทธิพลเหนือเทคโนโลยีที่สําคัญนี้จึงกระจุกตัวอยู่ในมือของบางบริษัทเช่น OpenAI และ Google ซึ่งนําไปสู่คําถามที่ร้ายแรงเกี่ยวกับการกํากับดูแล AI ตัวอย่างเช่นเมื่อเดือนกุมภาพันธ์ที่ผ่านมา Gemini ตัวสร้างภาพ AI ของ Google ได้เปิดเผยอคติทางเชื้อชาติและความไม่ถูกต้องทางประวัติศาสตร์ซึ่งแสดงให้เห็นว่า บริษัท ต่างๆสามารถจัดการกับโมเดลของตนได้อย่างไร[2]นอกจากนี้ กระทรวง 6 คนตัดสินใจไล่ บรรณาธิการ OpenAI CEO Sam Altman ในเดือนพฤศจิกายนที่ผ่านมา โดยเปิดเผยว่ามีจำนวนเล็กน้อยของคนที่ควบคุมบริษัทที่พัฒนาโมเดลเหล่านี้[3]

เนื่องจาก AI มีอิทธิพลและความสำคัญเพิ่มขึ้น ผู้คนหลายคนกังวลว่าบริษัทหนึ่งอาจครอบงำอำนาจในการตัดสินใจเกี่ยวกับโมเดล AI ที่มีอิทธิพลในสังคมอย่างผิดปกติ ซึ่งอาจทำให้มีการจำกัดความเสี่ยงการดำเนินงานอย่างเป็นทางการ ทำงานอยู่ในลับ หรือกำหนดโมเดลให้เป็นประโยชน์ส่วนตัว แต่ต้องเสียค่าใช้จ่ายของสังคมทั้งหมด

AI แบบกระจายสามารถช่วยเหลือได้อย่างไร

ปัจจุบันเทคโนโลยี AI ที่กระจายอำนาจอยู่ที่ไหน

เทคโนโลยีบล็อกเชนสามารถช่วยเพิ่มการเข้าถึงของนักพัฒนา AI และลดอุปสรรคสำหรับนักพัฒนาอิสระในการสร้างและกำไรจากงานของพวกเขา เราเชื่อว่าสิ่งนี้สามารถช่วยปรับปรุงนวัตกรรมและการแข่งขัน AI โดยรวมและให้สมดุลกับแบบจำลองที่พัฒนาโดยยักษ์ใหญ่

นอกจากนี้, AI ที่ไม่มีการจัดกลุ่มสามารถช่วยประชาธิปไตยในการเข้าถึงการลงทุนใน AI ได้ ปัจจุบันมีวิธีเพียงไม่กี่วิธีที่สามารถเข้าถึงผลประโยชน์ทางการเงินที่เกี่ยวข้องกับการพัฒนา AI นอกจากหุ้นหลักที่ไม่กี่ตัว ในระหว่างนี้, เงินทุนส่วนใหญ่ได้รับการจัดสรรให้กับธุรกิจเริ่มต้นและบริษัทเอกชนที่เกี่ยวข้องกับ AI ($47 พันล้านในปี 2022 และ $42 พันล้านในปี 2023)[4]ด้วยผลลัพธ์ การเพิ่มผลประโยชน์ทางการเงินของบริษัทเหล่านี้มีอยู่เพียงสำหรับส่วนเล็กน้อยของนักลงทุนผู้ร่วมทุนและนักลงทุนที่ได้รับการรับรอง ในทวีปกับสิ่งที่ต่างออกไป สินทรัพย์คริปโต AI แบบกระจายมีอยู่สำหรับทุกคน ทำให้ทุกคนสามารถเป็นเจ้าของส่วนหนึ่งของอนาคตที่เป็น AI

แต่จุดนี้อยู่ที่ไหนในปัจจุบัน?

วันนี้ ขอบเขตของคริปโตและ AI ยังเริ่มต้นในเชิงความเป็นเลิศ แต่ตลาดตอบสนองอย่างสดใส ในปี 2024 ผ่านเดือนพฤษภาคม จักรวาล AI ของสินทรัพย์คริปโต[5]ได้รับคืน 20%, ดีกว่าทุกโครงกระดูกยกเว้นสำหรับหมวดสกุลเงิน (แสดงที่ 1) นอกจากนี้ ตามข้อมูลจากผู้ให้บริการข้อมูล Kaito หัวข้อ AI กำลังเป็นที่นิยมมากที่สุดบนแพลตฟอร์มโซเชียล — ต่างจากหัวข้ออื่น ๆ เช่นการเงินทุนบังคับ, Layer 2s, และสินทรัพย์ในโลกจริง[6]

เร็ว ๆ นี้ มีบุคคลที่มีชื่อเสียงหลายคนได้ยอมรับการต่อสู้ครั้งนี้ โดยเน้นไปที่การแก้ไขข้อบกพร่องของ AI ที่ถูกจัดทำขึ้น ในเดือนมีนาคม Emad Mostaque ผู้ก่อตั้งของบริษัท AI ชั้นนำชื่อ Stability AI ได้ออกจาก บริษัท เพื่อเริ่มต้นทำ AI แบบกระจาย และกล่าวว่า "ตอนนี้เป็นเวลาที่จะให้แน่ใจว่า AI ยังคงเปิดเผยและกระจาย"[7]นอกจากนี้ ผู้ประกอบการคริปโต Erik Vorhees ได้เปิดตัว Venice.ai บริการ AI ที่ให้ความเป็นส่วนตัวด้วยการเข้ารหัสแบบ end-to-end[8]

รูปที่ 1: AI Universe ได้ทำได้ดีกว่าส่วนใหญ่ของภูมิภาค Crypto ตลอดปีนี้

วันนี้เราสามารถแบ่งจุดตัด crypto และ AI ออกเป็นสามหมวดหมู่ย่อยหลัก:[9]

1. ชั้นโครงสร้าง: เครือข่ายที่ให้แพลตฟอร์มสำหรับการพัฒนา AI (เช่น NEAR, TAO, FET)
2. ทรัพยากรที่ต้องการสำหรับ AI: สินทรัพย์ที่ให้ทรัพยากรที่สำคัญ (คำนวณ จัดเก็บ ข้อมูล) ที่ต้องการสำหรับการพัฒนา AI (เช่น RNDR, AKT, LPT, FIL, AR, MASA)
3. การแก้ไขปัญหา AI: สินทรัพย์ที่พยายามแก้ปัญหาที่เกี่ยวข้องกับ AI เช่น การเพิ่มขึ้นของบอทและ deepfakes และการตรวจสอบโมเดล (เช่น WLD, TRAC, NUM)

รูปที่ 2: แผนที่ตลาด AI และคริปโต

แหล่งที่มา: การลงทุน Grayscale โปรโตคอลที่รวมอยู่เป็นตัวอย่างที่ใช้

เครือข่ายที่ให้พื้นฐานสำหรับการพัฒนา AI

ประเภทแรกเกี่ยวข้องกับเครือข่ายที่ให้บริการโครงสร้างที่เปิดให้ใช้งานได้อย่างอิสระเพื่อการพัฒนาทั่วไปของบริการ AI ต่าง ๆ แทนที่จะเน้นที่ผลิตภัณฑ์หรือบริการ AI เดียว ทรัพยากรเหล่านี้เน้นการสร้างพื้นฐานและกลไกส่งเสริมสำหรับการใช้งาน AI หลากหลายรูปแบบ

Near ยอดเยี่ยมในหมวดหมู่นี้ เนื่องจากมีผู้ก่อตั้งที่เป็นผู้สร้าง “Transformer” ที่ใช้ในระบบ AI เช่น ChatGPT[10]อย่างไรก็ตาม เมื่อเร็ว ๆ นี้มันมุ่งหน้าไปที่ความเชี่ยวชาญด้าน AI ของมัน โดยเปิดเผยความพยายามที่จะพัฒนา "AI ที่เป็นของผู้ใช้"[11]ผ่านการวิจัยและพัฒนาของตน ซึ่งเป็นการนำทางโดยนักวิจัยที่เคยเป็นที่ปรึกษาด้านวิจัยของ OpenAI[12]ในปลายเดือนมิถุนายน พ.ศ. 2567 Near ได้เปิดตัวโปรแกรมฟาร์มปลูกฝัง AI สำหรับการพัฒนาโมเดลพื้นฐานของ Near-native, แพลตฟอร์มข้อมูลสำหรับการประยุกต์ AI, กรอบงาน AI agent, และตลาดคำนวณ[13]

Bittensor เสนอตัวอย่างที่น่าสนใจอีกอย่างหนึ่ง Bittensor เป็นแพลตฟอร์มที่ใช้โทเค็น TAO เพื่อส่งเสริมการพัฒนา AI ทางด้านเศรษฐกิจ Bittensor เป็นแพลตฟอร์มหลักสำหรับ 38 ย่อยเน็ตเวิร์ค (subnets)[14] แต่ละกรณีการใช้งานที่แตกต่างกันเช่นแชทบอทการสร้างภาพการคาดการณ์ทางการเงินการแปลภาษาการฝึกอบรมแบบจําลองการจัดเก็บและการประมวลผล เครือข่าย Bittensor ให้รางวัลแก่นักขุดและผู้ตรวจสอบที่มีประสิทธิภาพสูงสุดในแต่ละเครือข่ายย่อยด้วยรางวัลโทเค็น TAO และให้ API ที่ไม่ได้รับอนุญาตสําหรับนักพัฒนาในการสร้างแอปพลิเคชัน AI เฉพาะโดยการสืบค้นนักขุดจากเครือข่ายย่อย Bittensor

หมวดหมู่นี้รวมถึงโปรโตคอลอื่น ๆ เช่น Fetch.ai และเครือข่าย Allora ด้วย ซึ่ง Fetch.ai เป็นแพลตฟอร์มสำหรับนักพัฒนาที่จะสร้างผู้ช่วย AI ที่ซับซ้อน (เช่น "ตัวแทน AI") ซึ่งเร็ว ๆ นี้ได้รวมกับ AGIX และ OCEAN ให้มีมูลค่ารวมประมาณ 7.5 พันล้านดอลลาร์[15]อีกหนึ่งคือเครือข่าย Allora ซึ่งเป็นแพลตฟอร์มที่เน้นการประยุกต์ AI ในแอปพลิเคชันทางการเงิน รวมถึงกลยุทธ์การซื้อขายโดยอัตโนมัติสำหรับตลาดที่กระจายและตลาดทำนาย[16]Allora ยังไม่ได้เปิดตัวโทเค็นและยังไม่ได้เริ่มต้นระดมทุนรอบกลยุทธ์ในเดือนมิถุนายน ซึ่งทำให้ยอดเงินทุนรวมของมันเป็น 35 ล้านดอลลาร์ในทุนเอกชน[17]

ทรัพยากรที่ต้องการสำหรับการพัฒนา AI

หมวดหมู่ที่สองรวมถึงทรัพย์สินที่ให้ทรัพยากรที่จำเป็นสำหรับการพัฒนา AI ในรูปแบบของคำนวณ การเก็บข้อมูล หรือข้อมูล

การเติบโตของ AI ได้สร้างความต้องการที่ไม่เคยเคยเกิดขึ้นมาก่อนสำหรับทรัพยากรการคำนวณในรูปแบบ GPU[18]ตลาด GPU แบบกระจายเช่น Render (RNDR), Akash (AKT), และ Livepeer (LPT) นำเสนอการเข้าถึงแหล่งจ่าย GPU ว่างเปล่าให้แก่นักพัฒนาที่ต้องการคำนวณสำหรับการฝึกโมเดล การออกแบบโมเดล หรือการสร้างภาพ 3D generative AI ปัจจุบันนับว่า Render นำเสนอ GPU ประมาณ 10K พับ โดยเน้นไปที่ศิลปินและ generative AI ในขณะที่ Akash นำเสนอความจุของ GPU ประมาณ 400 พับ โดยเน้นไปที่นักพัฒนาและนักวิจัยด้าน AI[19]. ในระหว่างนี้, Livepeer ประกาศเร็ว ๆ นี้ถึงแผนการสร้างเครือข่ายย่อย AI ใหม่ที่เน้นเป้าหมายในเดือนสิงหาคม 2024 สำหรับงานเช่นการแปลงข้อความเป็นภาพ, การแปลงข้อความเป็นวิดีโอและการแปลงภาพเป็นวิดีโอ[20]

นอกจากความต้องการที่สูงมากของการคำนวณ โมเดล AI ยังต้องการปริมาณข้อมูลที่มหาศาลด้วย ผลลัพธ์คือมีการเพิ่มขึ้นอย่างมากในความต้องการสำหรับการจัดเก็บข้อมูล[21] โซลูชันการจัดเก็บข้อมูล เช่น Filecoin (FIL) และ Arweave (AR) สามารถใช้เป็นทางเลือกเครือข่ายแบบกระจายอํานาจและปลอดภัยในการจัดเก็บข้อมูล AI บนเซิร์ฟเวอร์ AWS แบบรวมศูนย์ โซลูชันเหล่านี้ไม่เพียง แต่ให้พื้นที่เก็บข้อมูลที่คุ้มค่าและปรับขนาดได้ แต่ยังช่วยเพิ่มความปลอดภัยและความสมบูรณ์ของข้อมูลโดยการกําจัดความล้มเหลวจุดเดียวและลดความเสี่ยงของการละเมิดข้อมูล

สุดท้ายบริการ AI ที่ดํารงตําแหน่งเช่น OpenAI และ Gemini สามารถเข้าถึงข้อมูลแบบเรียลไทม์อย่างต่อเนื่องผ่าน Bing และ Google Search ตามลําดับ สิ่งนี้ทําให้นักพัฒนาโมเดล AI อื่น ๆ ทั้งหมดนอก บริษัท เทคโนโลยีเหล่านี้เสียเปรียบ อย่างไรก็ตามบริการขูดข้อมูลเช่น Grass and Masa (MASA) สามารถช่วยยกระดับสนามเด็กเล่นได้เนื่องจากอนุญาตให้บุคคลสร้างรายได้จากข้อมูลแอปพลิเคชันของตนโดยเสนอให้การฝึกอบรมโมเดล AI ในขณะที่ยังคงควบคุมและความเป็นส่วนตัวของข้อมูลส่วนบุคคล

ทรัพย์สินพยายามแก้ไขปัญหาที่เกี่ยวข้องกับ AI

หมวดที่สามรวมถึงสินทรัพย์ที่พยายามแก้ปัญหาที่เกี่ยวข้องกับ AI ซึ่งรวมถึงการเพิ่มบอท การเทียบเทียนและการที่มาของเนื้อหา

ปัญหาที่สำคัญที่เพิ่มมากขึ้นโดย AI คือการแพร่กระจายของบอทและข้อมูลที่ผิด๤ ภาพลอกที่สร้างขึ้นโดย AI ได้แสดงให้เห็นแล้วว่ามีผลต่อการเลือกตั้งประธานาธิบดีในอินเดียและยุโรป[22]และผู้เชี่ยวชาญกลัวอย่างสิ้นเชิงว่าการเลือกตั้งประธานาธิบดีที่กำลังจะเกิดขึ้นจะเป็นการแพร่กระจายข้อมูลที่ผิดพลาดอย่างรวดเร็วโดยอย่างมากโดย deepfakes.[23]Assets looking to help solve issues related to deepfakes through establishing verifiable content provenance include Origin Trail (TRAC), Numbers Protocol (NUM), and Story Protocol. In addition, Worldcoin (WLD) attempts to solve the issue of bots by proving a person’s humanity through unique biometric identifiers.

ความเสี่ยงอีกประการหนึ่งของ AI คือการรับรองความเชื่อในตัวโมเดลเอง ว่าเราจะเชื่อใจในผลลัพธ์ของ AI ที่เราได้รับว่าไม่ได้ถูกปรับแก้หรือแก้ไขให้เป็นจริงหรือไม่? ณ ปัจจุบันมีโปรโตคอลหลายรายที่ทำงานเพื่อช่วยแก้ปัญหานี้ผ่านการใช้วิธีการเข้ารหัส, zero-knowledge proofs, และ Fully Homomorphic Encryption (FHE), รวมถึง Modulus Labs และ Zama[24]

สรุป

แม้ว่าสินทรัพย์ AI แบบกระจายอํานาจเหล่านี้จะมีความคืบหน้าในขั้นต้น แต่เรายังคงอยู่ในจุดแรกของทางแยกนี้ เมื่อต้นปีนี้ Fred Wilson ผู้ร่วมทุนที่มีชื่อเสียงกล่าวว่า AI และ crypto เป็น "สองด้านของเหรียญเดียวกัน" และ "web3 จะช่วยให้เราไว้วางใจ AI"[25]เนื่องจากอุตสาหกรรม AI ยังคงเติบโตอย่างต่อเนื่อง Grayscale Research เชื่อว่ากรณีการใช้ crypto ที่เกี่ยวข้องกับ AI เหล่านี้จะกลายเป็นสิ่งสำคัญอย่างมาก และว่าเทคโนโลยีทั้งสองที่กำลังเจริญเติบโตอย่างรวดเร็วนี้มีศักยภาพที่จะสนับสนุนการเติบโตของกันอย่างแท้จริง

ตามหลายตัวบ่งชี้ AI อยู่บนขอบเขตและกำลังมีผลกระทบที่ลึกซึ้งทั้งในด้านบวกและลบ โดยการใช้เทคโนโลยีบล็อกเชน เราเชื่อว่าคริปโตสามารถช่วยลดอันตรายบางประการที่ AI ก่อให้เกิด

ข้อความปฏิเสธความรับผิดชอบ：

1. บทความนี้พิมพ์ซ้ําจาก[Grayscale]. สิทธิ์ในการเผยแพร่ทั้งหมดเป็นของผู้เขียนต้นฉบับ [วิล อ็อกเดน มัวร์]. หากมีคำประณีตต่อการเผยแพร่นี้ กรุณาติดต่อ เกต เรียน ทีมและพวกเขาจะจัดการกับมันทันที
2. ข้อจํากัดความรับผิดชอบความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนและไม่ถือเป็นคําแนะนําการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่นทําโดยทีม Gate Learn ห้ามคัดลอก แจกจ่าย หรือลอกเลียนแบบบทความที่แปลแล้ว เว้นแต่จะกล่าวถึง