VanEck：2030年加密货币人工智能收入预测

ผู้เขียนต้นฉบับ: แพทริค บุช, แมทธิว ซีเกล

การรวบรวมต้นฉบับ: Lynn, Mars Finance

เราร่างโครงร่างสถานการณ์รายได้จากสกุลเงินดิจิทัลของ AI ภายในปี 2573 โดยเน้นกรณีพื้นฐานที่ 10.2 พันล้านดอลลาร์ และเน้นย้ำถึงบทบาทที่สำคัญของบล็อกเชนสาธารณะในการขับเคลื่อนการนำ AI มาใช้ผ่านฟังก์ชันที่จำเป็น

โปรดทราบว่า VanEck อาจดำรงตำแหน่งในสินทรัพย์ดิจิทัลตามรายการด้านล่าง

ประเด็นสำคัญ:

• รายได้จาก Crypto AI คาดว่าจะสูงถึง 10.2 พันล้านดอลลาร์ภายในปี 2573 ตามกรณีพื้นฐานของเรา

• เทคโนโลยีบล็อกเชนอาจกลายเป็นตัวขับเคลื่อนสำคัญในการนำ AI มาใช้และความก้าวหน้าของโซลูชัน AI แบบกระจายอำนาจ

• การบูรณาการกับสิ่งจูงใจในการเข้ารหัสช่วยเพิ่มความปลอดภัยและประสิทธิภาพของโมเดล AI

• บล็อกเชนอาจเป็นวิธีแก้ปัญหาการรับรองความถูกต้องของ AI และความท้าทายด้านความสมบูรณ์ของข้อมูล

บล็อกเชนสาธารณะอาจเป็นกุญแจสำคัญในการปลดล็อคการนำปัญญาประดิษฐ์ (AI) มาใช้อย่างแพร่หลาย และแอปพลิเคชัน AI จะกลายเป็นต้นเหตุของสกุลเงินดิจิทัล เนื่องจากสกุลเงินดิจิทัลมีองค์ประกอบพื้นฐานที่สำคัญที่จำเป็นสำหรับปัญญาประดิษฐ์ เช่น ความโปร่งใส ความไม่เปลี่ยนแปลง คุณสมบัติการเป็นเจ้าของที่กำหนดไว้อย่างดี และสภาพแวดล้อมการทดสอบฝ่ายตรงข้าม เราเชื่อว่าฟีเจอร์เหล่านี้จะช่วยให้ AI เข้าถึงศักยภาพสูงสุดได้ จากการประมาณการการเติบโตของ AI เรายืนยันว่าโครงการ crypto ที่เน้น AI จะมีรายรับต่อปีถึง 10.2 พันล้านดอลลาร์ภายในปี 2573 ในบทความนี้ เราคาดเดาเกี่ยวกับบทบาทของ crypto ในการส่งเสริมการนำ AI มาใช้ และคุณค่าที่ crypto จะนำมาสู่ธุรกิจ AI:

ตรวจสอบบล็อกนี้ที่นี่เวอร์ชัน PDF。

เราพบว่าการใช้งานสกุลเงินดิจิทัลที่ดีที่สุดในปัญญาประดิษฐ์คือ:

• จัดหาทรัพยากรคอมพิวเตอร์แบบกระจาย

• การทดสอบโมเดล การปรับแต่ง และการตรวจสอบความถูกต้อง

• การคุ้มครองลิขสิทธิ์และความสมบูรณ์ของข้อมูล

• การรักษาความปลอดภัยปัญญาประดิษฐ์

• ตัวตน

สกุลเงินดิจิทัลมีประโยชน์มากสำหรับปัญญาประดิษฐ์ เนื่องจากสามารถแก้ปัญหาความท้าทายด้านปัญญาประดิษฐ์ทั้งในปัจจุบันและอนาคตได้มากมายแล้ว โดยพื้นฐานแล้ว สกุลเงินดิจิทัลช่วยแก้ปัญหาการประสานงานได้ สกุลเงินดิจิทัลเป็นการนำทรัพยากรมนุษย์ การคำนวณ และการเงินมารวมกันเพื่อใช้งานซอฟต์แวร์โอเพ่นซอร์ส โดยการให้รางวัลแก่ผู้ที่สร้าง สนับสนุน และใช้แต่ละเครือข่ายบล็อคเชนในรูปแบบของโทเค็นที่เชื่อมโยงกับมูลค่าของแต่ละเครือข่าย ระบบการให้รางวัลนี้สามารถใช้เพื่อแนะนำส่วนประกอบต่างๆ ของสแต็กมูลค่า AI นัยสำคัญในการรวมการเข้ารหัสเข้ากับปัญญาประดิษฐ์คือการใช้สิ่งจูงใจของสกุลเงินดิจิทัลเพื่อพัฒนาโครงสร้างพื้นฐานทางกายภาพที่จำเป็น เช่น คลัสเตอร์ GPU ที่ทุ่มเทให้กับการฝึกอบรม การปรับแต่งอย่างละเอียด และสนับสนุนการใช้แบบจำลองเชิงกำเนิด เนื่องจากสกุลเงินดิจิทัลเป็นสภาพแวดล้อมที่ไม่เป็นมิตรซึ่งใช้สกุลเงินดิจิทัลเพื่อให้รางวัลแก่พฤติกรรมผู้ใช้ที่ต้องการ จึงเป็นพื้นฐานที่ดีที่สุดสำหรับการทดสอบและปรับแต่งโมเดลปัญญาประดิษฐ์อย่างละเอียดเพื่อเพิ่มประสิทธิภาพเอาต์พุตที่ตรงตามมาตรฐานคุณภาพบางอย่าง

Blockchain ยังนำความโปร่งใสมาสู่การเป็นเจ้าของดิจิทัล ซึ่งสามารถช่วยแก้ไขปัญหาซอฟต์แวร์โอเพ่นซอร์สบางส่วนที่ AI จะต้องเผชิญในศาล ดังที่ได้รับการเน้นในคดีฟ้องร้องของ New York Times กับ OpenAI และ Microsoft นั่นคือ การเข้ารหัสสามารถพิสูจน์ความเป็นเจ้าของและการคุ้มครองลิขสิทธิ์ของเจ้าของข้อมูล ผู้สร้างโมเดล และผู้ใช้โมเดลได้อย่างโปร่งใส ความโปร่งใสนี้จะขยายไปถึงการเผยแพร่การพิสูจน์ทางคณิตศาสตร์เกี่ยวกับความถูกต้องของแบบจำลองบนบล็อกเชนสาธารณะ สุดท้ายนี้ เนื่องจากลายเซ็นดิจิทัลที่ไม่สามารถปลอมแปลงได้และความสมบูรณ์ของข้อมูล เราเชื่อว่าบล็อกเชนสาธารณะจะช่วยลดปัญหาการระบุตัวตนและความปลอดภัยที่อาจบ่อนทำลายประสิทธิภาพของ AI

การกำหนดบทบาทของสกุลเงินดิจิทัลในองค์กรปัญญาประดิษฐ์

รายได้ Crypto AI โดยประมาณในปี 2030: Bear, Base Case, Bull Scenario

ที่มา: Morgan Stanley, Bloomberg, VanEck Research ณ วันที่ 29 มกราคม 2024 ประสิทธิภาพที่ผ่านมาไม่รับประกันผลลัพธ์ในอนาคต ข้อมูล สถานการณ์การประเมินมูลค่า และราคาเป้าหมายที่ให้ไว้ในบล็อกนี้ไม่ได้มีวัตถุประสงค์เพื่อใช้เป็นคำแนะนำทางการเงิน หรือคำกระตุ้นการตัดสินใจ คำแนะนำในการซื้อหรือขาย หรือเป็นการคาดการณ์ประสิทธิภาพในอนาคตของธุรกิจ AI ประสิทธิภาพที่แท้จริงในอนาคตไม่เป็นที่ทราบแน่ชัด และอาจแตกต่างอย่างมากจากผลลัพธ์สมมุติฐานที่อธิบายไว้ในที่นี้ อาจมีความเสี่ยงหรือปัจจัยอื่น ๆ ที่ไม่ได้พิจารณาในสถานการณ์ที่นำเสนอซึ่งอาจขัดขวางประสิทธิภาพการทำงาน สิ่งเหล่านี้เป็นเพียงผลการจำลองจากการวิจัยของเราและมีวัตถุประสงค์เพื่อเป็นภาพประกอบเท่านั้น โปรดทำวิจัยของคุณเองและสรุปผลของคุณเอง

ในการคาดการณ์ตลาดสำหรับ crypto-AI ขั้นแรกเราประเมินตลาดโดยรวมที่สามารถระบุได้ (TAM) ของประสิทธิภาพการทำงานทางธุรกิจที่ได้รับจาก AI โดยพื้นฐานสำหรับตัวเลขนี้มาจากสมมติฐานของ McKinsey ในปี 2022 จากนั้น เราจะใช้สมมติฐานการเติบโตทางเศรษฐกิจและผลิตภาพกับการคาดการณ์ของ McKinsey เพื่อคำนวณ TAM กรณีพื้นฐานที่ 5.85 ล้านดอลลาร์ในปี 2030 ในกรณีพื้นฐานนี้ เราถือว่าการเติบโตของผลิตภาพ AI สูงกว่าการเติบโตของ GDP 50% ซึ่งก็คือ 3% จากนั้นเราคาดการณ์การรุกตลาดของ AI ในองค์กรทั่วโลก (33% ในกรณีพื้นฐาน) และนำไปใช้กับ TAM เริ่มต้นของเรา โดยคาดการณ์ว่า AI จะนำเงิน 1.93 ล้านดอลลาร์สหรัฐฯ ในการปรับปรุงประสิทธิภาพการทำงานมาสู่องค์กร ในการคำนวณรายได้สำหรับธุรกิจ AI ทั้งหมด เราถือว่า 13% ของผลผลิตที่เพิ่มขึ้นเหล่านี้ถูกจับโดยธุรกิจ AI (หรือผู้บริโภคในองค์กร) เป็นรายได้ เราประมาณส่วนแบ่งรายได้ของ AI โดยใช้ส่วนแบ่งรายได้เฉลี่ยของต้นทุนค่าแรงของบริษัทใน SP 500 โดยสมมติว่าการใช้จ่ายของ AI น่าจะใกล้เคียงกัน ส่วนต่อไปของการวิเคราะห์ของเราใช้การคาดการณ์ของ Bloomberg Intelligence เกี่ยวกับการกระจาย Value Stack ของ AI เพื่อประมาณการรายได้ต่อปีสำหรับกลุ่มธุรกิจ AI แต่ละกลุ่ม สุดท้ายนี้ เราจะจัดเตรียมการประมาณการเฉพาะของส่วนแบ่งตลาดสกุลเงินดิจิทัลของธุรกิจ AI แต่ละรายเพื่อให้ได้ตัวเลขสุดท้ายสำหรับแต่ละกรณีและแต่ละตลาด

เรามองเห็นอนาคตที่โมเดล AI แบบกระจายอำนาจที่สร้างขึ้นโดยใช้พื้นที่เก็บข้อมูลสาธารณะแบบโอเพ่นซอร์สจะถูกนำไปใช้กับทุกกรณีการใช้งานเท่าที่จะจินตนาการได้ ในหลายกรณี โมเดลโอเพ่นซอร์สเหล่านี้มีประสิทธิภาพเหนือกว่าการสร้าง AI แบบรวมศูนย์ พื้นฐานของสมมติฐานนี้เกิดจากการสันนิษฐานว่าชุมชนโอเพ่นซอร์สรวบรวมผู้ที่ชื่นชอบและผู้ที่ชื่นชอบงานอดิเรกซึ่งมีแรงจูงใจเฉพาะตัวในการปรับปรุงสิ่งต่างๆ เราได้เห็นโครงการอินเทอร์เน็ตแบบโอเพ่นซอร์สเข้ามาขัดขวางธุรกิจแบบเดิมๆ ตัวอย่างที่ดีที่สุดของปรากฏการณ์นี้คือ Wikipedia ซึ่งยุติธุรกิจสารานุกรมเชิงพาณิชย์อย่างมีประสิทธิภาพ และ Twitter ซึ่งขัดขวางสื่อข่าว ชุมชนโอเพ่นซอร์สเหล่านี้ประสบความสำเร็จในกรณีที่องค์กรแบบดั้งเดิมล้มเหลว เนื่องจากกลุ่มโอเพ่นซอร์สประสานงานและสร้างแรงบันดาลใจให้ผู้คนส่งมอบคุณค่าผ่านการผสมผสานระหว่างอิทธิพลทางสังคม อุดมการณ์ และความสามัคคีของกลุ่ม พูดง่ายๆ ก็คือ ชุมชนโอเพ่นซอร์สเหล่านี้ประสบความสำเร็จได้เพราะสมาชิกของพวกเขาใส่ใจ

การรวมโมเดล AI แบบโอเพ่นซอร์สเข้ากับสิ่งจูงใจด้านสกุลเงินดิจิทัลสามารถขยายการเข้าถึงของชุมชนเกิดใหม่เหล่านี้ ทำให้พวกเขามีอำนาจทางการเงินในการสร้างโครงสร้างพื้นฐานที่จำเป็นเพื่อดึงดูดผู้เข้าร่วมใหม่ การใช้สมมติฐานนี้กับปัญญาประดิษฐ์จะเป็นการผสมผสานที่ลงตัวระหว่างความหลงใหลและทรัพยากรทางการเงิน โมเดลปัญญาประดิษฐ์จะได้รับการทดสอบในการแข่งขันจูงใจสกุลเงินดิจิทัล ซึ่งจะสร้างสภาพแวดล้อมสำหรับเกณฑ์มาตรฐานการประเมินโมเดล ในสภาพแวดล้อมนี้ โมเดลและเกณฑ์การประเมินที่มีประสิทธิภาพสูงสุดจะชนะ เนื่องจากค่าของแต่ละโมเดลมีการระบุปริมาณอย่างชัดเจน ดังนั้นในกรณีพื้นฐานของเรา เราคาดว่าโมเดล AI ที่สร้างโดยบล็อกเชนจะคิดเป็น 5% ของรายได้จากซอฟต์แวร์ AI ทั้งหมด การประมาณการนี้รวมถึงฮาร์ดแวร์ ซอฟต์แวร์ บริการ โฆษณา เกม และอื่นๆ อีกมากมาย ซึ่งสะท้อนถึงการเปลี่ยนแปลงในปริมาณการดำเนินธุรกิจ จากรายได้ซอฟต์แวร์ AI ทั้งหมด เราคาดว่ารายได้นี้จะคิดเป็นประมาณครึ่งหนึ่งของรายได้ AI ทั้งหมด หรือประมาณ 125.5 พันล้านดอลลาร์ ดังนั้นเราจึงประเมินว่าส่วนแบ่งการตลาด 5% สำหรับโมเดลโอเพ่นซอร์สเท่ากับรายได้ 6.27 พันล้านดอลลาร์จากโมเดล AI ที่ได้รับการสนับสนุนจากโทเค็นเข้ารหัสลับ

เราคาดการณ์ว่า TAM สำหรับการประมวลผล (หรือโครงสร้างพื้นฐาน AI ที่เป็นบริการ) สำหรับการปรับแต่ง การฝึกอบรม และการอนุมานอาจสูงถึง 47.44 พันล้านดอลลาร์ภายในปี 2573 เมื่อ AI ถูกนำมาใช้กันอย่างแพร่หลาย AI ก็จะกลายเป็นส่วนสำคัญต่อการทำงานหลายอย่างของเศรษฐกิจโลก และการจัดหาคอมพิวเตอร์และการจัดเก็บข้อมูลสามารถมองได้ว่าเป็นสาธารณูปโภคที่คล้ายกับการผลิตและการจำหน่ายไฟฟ้า ในไดนามิกนี้ โหลดพื้นฐาน ส่วนใหญ่จะมาจากไฮเปอร์สเกลเลอร์บนคลาวด์ของ GPU เช่น Amazon และ Google ซึ่งส่วนแบ่งการตลาดจะเข้าใกล้การกระจาย Pareto 80% เราพบว่าโครงสร้างพื้นฐานเซิร์ฟเวอร์แบ็กเอนด์ที่กระจายด้วยบล็อกเชนนั้นตอบสนองความต้องการเฉพาะทางและทำหน้าที่เป็นผู้ให้บริการ จุดสูงสุด ในช่วงที่มีความต้องการเครือข่ายสูง สำหรับผู้ผลิตโมเดล AI ที่ปรับแต่งเอง ผู้ให้บริการพื้นที่จัดเก็บข้อมูลและการประมวลผลที่เข้ารหัสมอบสิทธิประโยชน์ต่างๆ เช่น การให้บริการตามความต้องการ ระยะเวลาล็อคอิน SLA ที่สั้นลง สภาพแวดล้อมการประมวลผลที่ปรับแต่งได้มากขึ้น และความไวในการตอบสนองที่มากขึ้น นอกจากนี้ GPU แบบกระจายอำนาจสามารถรวมเข้ากับโมเดล AI แบบกระจายอำนาจในสัญญาอัจฉริยะได้อย่างราบรื่น ช่วยให้เกิดกรณีการใช้งานที่ไม่ได้รับอนุญาต ซึ่งตัวแทน AI จะปรับขนาดความต้องการด้านคอมพิวเตอร์ของตนเอง เมื่อคิดถึง GPU ที่จัดทำโดย blockchain ในฐานะ Uber/Lyft ที่เทียบเท่ากับโครงสร้างพื้นฐานการประมวลผลปัญญาประดิษฐ์ เราเชื่อว่าการประมวลผลและการจัดเก็บข้อมูลที่จัดทำโดย blockchain จะคิดเป็น 20% ของตลาดที่ไม่ใช่ไฮเปอร์สเกลสำหรับโครงสร้างพื้นฐานปัญญาประดิษฐ์ และอาจสร้างรายได้ 1.90 พันล้านดอลลาร์ .

การกำหนด อัตลักษณ์ ในบริบทของตัวแทนและแบบจำลองปัญญาประดิษฐ์ผ่านมนุษยชาติออนไลน์ที่พิสูจน์ได้ ถือได้ว่าเป็นกลไกการป้องกันแม่มดสำหรับเครือข่ายคอมพิวเตอร์ของโลก เราสามารถประมาณต้นทุนของบริการนี้ได้โดยตรวจสอบค่าธรรมเนียมที่เกี่ยวข้องกับการรักษาความปลอดภัยเครือข่ายบล็อกเชนต่างๆ ในปี 2023 ต้นทุนเหล่านี้สำหรับ Bitcoin, Ethereum และ Solana จะอยู่ที่ประมาณ 1.71%, 4.3% และ 5.57% ของมูลค่าการออกเงินเฟ้อของแต่ละเครือข่าย ตามลำดับ ในทางอนุรักษ์นิยม เราสามารถอนุมานได้ว่าการจดจำตัวตนควรมีสัดส่วนประมาณ 3.5% ของตลาด AI เมื่อพิจารณาว่าซอฟต์แวร์ AI มี TAM อยู่ที่ 125.5 พันล้านดอลลาร์ ซึ่งสอดคล้องกับรายได้ต่อปีที่ 8.78 พันล้านดอลลาร์ เนื่องจากเราเชื่อว่าสกุลเงินดิจิทัลนำเสนอทางออกที่ดีที่สุดสำหรับปัญหาข้อมูลประจำตัว เราจึงเชื่อว่าจะครองตลาดปลายทางนี้ถึง 10% โดยคาดว่าจะมีรายได้ต่อปีประมาณ 878 ล้านดอลลาร์

ความปลอดภัยของ AI คาดว่าจะกลายเป็นองค์ประกอบที่สำคัญอีกประการหนึ่งของอุปกรณ์ AI โดยมีข้อกำหนดพื้นฐานคือการใช้ข้อมูลที่ไม่เสียหาย เกี่ยวข้อง และอัปเดตเพื่อตรวจสอบว่าโมเดลทำงานอย่างถูกต้องหรือไม่ เมื่อ AI ขยายไปสู่การใช้งานที่ชีวิตมนุษย์มีความเสี่ยง เช่น รถยนต์ที่ขับเคลื่อนด้วยตนเอง หุ่นยนต์ในโรงงาน และระบบการดูแลสุขภาพ ความทนทานต่อความล้มเหลวก็ลดลง ความจำเป็นในการรับผิดชอบในกรณีที่เกิดอุบัติเหตุจะผลักดันตลาดประกันภัยให้ต้องมีหลักฐานยืนยันความปลอดภัยที่เป็นรูปธรรม บล็อกเชนสาธารณะเหมาะอย่างยิ่งสำหรับฟังก์ชันนี้ เนื่องจากสามารถเผยแพร่ “หลักฐานการรักษาความปลอดภัย” บนบัญชีแยกประเภทที่ไม่เปลี่ยนรูปซึ่งใครๆ ก็สามารถมองเห็นได้ ธุรกิจนี้ถือได้ว่าคล้ายกับการปฏิบัติตามข้อกำหนดของสถาบันการเงิน เมื่อพิจารณาว่าธนาคารพาณิชย์และการลงทุนของสหรัฐฯ สร้างรายได้ 660 พันล้านดอลลาร์ ในขณะที่ใช้จ่าย 58.75 พันล้านดอลลาร์ในค่าใช้จ่ายในการปฏิบัติตามกฎระเบียบ (8.9% ของรายได้) เราคาดว่าความปลอดภัยของ AI น่าจะคิดเป็นประมาณ 22.34 พันล้านดอลลาร์ของ AI TAM มูลค่า 251 พันล้านดอลลาร์ แม้ว่าสกุลเงินดิจิทัลมีศักยภาพในการปรับปรุงความปลอดภัยของ AI เมื่อพิจารณาจากรัฐบาลสหรัฐฯ ที่ให้ความสำคัญกับ AI เราเชื่อว่าการปฏิบัติตาม AI ส่วนใหญ่จะถูกรวมศูนย์ ดังนั้นเราจึงประเมินว่าสกุลเงินดิจิทัลจะมีสัดส่วนประมาณ 5% ของตลาดนี้ หรือประมาณ 1.1 พันล้านดอลลาร์

จัดระเบียบทรัพยากรคอมพิวเตอร์แบบกระจาย

สกุลเงินดิจิทัลสามารถใช้ผลประโยชน์อันยิ่งใหญ่ในการประสานงานทางสังคมและการเงินเพื่อทำให้การเข้าถึงคอมพิวเตอร์เป็นประชาธิปไตย ซึ่งจะช่วยแก้ไขปัญหาที่นักพัฒนา AI เผชิญอยู่ในปัจจุบัน นอกเหนือจากค่าใช้จ่ายที่สูงและการจำกัดการเข้าถึง GPU คุณภาพแล้ว ผู้สร้างโมเดล AI ยังเผชิญกับปัญหายุ่งยากอื่นๆ อีกด้วย สิ่งเหล่านี้รวมถึงการล็อคอินของผู้ขาย การขาดความปลอดภัย ความพร้อมใช้งานในการประมวลผลที่จำกัด เวลาแฝงต่ำ และการกำหนดขอบเขตทางภูมิศาสตร์ตามที่กฎหมายของรัฐกำหนด

ความสามารถของสกุลเงินดิจิทัลในการตอบสนองความต้องการของปัญญาประดิษฐ์สำหรับ GPU นั้นมาจากความสามารถในการรวบรวมทรัพยากรผ่านสิ่งจูงใจโทเค็น เครือข่าย Bitcoin มีมูลค่าโทเค็น 850 พันล้านดอลลาร์ และมูลค่าหุ้น 20 พันล้านดอลลาร์ ซึ่งเป็นข้อพิสูจน์ถึงความสามารถนี้ ดังนั้นทั้งนักขุด Bitcoin ในปัจจุบันและตลาด GPU แบบกระจายอำนาจที่มีแนวโน้มมีศักยภาพในการเพิ่มมูลค่าที่สำคัญให้กับปัญญาประดิษฐ์โดยการจัดหาการคำนวณแบบกระจายอำนาจ

การเปรียบเทียบที่เป็นประโยชน์ในการทำความเข้าใจการจัดหา GPU ผ่านบล็อกเชนคือธุรกิจผลิตพลังงาน พูดง่ายๆ ก็คือ มีหน่วยงานหลายแห่งที่ดำเนินงานโรงงานขนาดใหญ่และมีราคาแพงซึ่งสามารถผลิตไฟฟ้าได้อย่างน่าเชื่อถือเพื่อตอบสนองความต้องการด้านโครงข่ายไฟฟ้าส่วนใหญ่ โรงงาน ภาระพื้นฐาน เหล่านี้มีความต้องการที่มั่นคง แต่ต้องใช้เงินลงทุนจำนวนมากในการก่อสร้าง ส่งผลให้ผลตอบแทนจากเงินทุนค่อนข้างต่ำแต่รับประกันได้ การเสริมโหลดฐานเป็นเครื่องกำเนิดไฟฟ้าอีกประเภทหนึ่งที่เรียกว่า กำลังไฟฟ้าสูงสุด บริษัทเหล่านี้ผลิตไฟฟ้าเมื่อมีความต้องการเกินกำลังการผลิตพื้นฐาน สิ่งนี้เกี่ยวข้องกับการผลิตพลังงานขนาดเล็กที่มีต้นทุนสูงและอยู่ในตำแหน่งเชิงกลยุทธ์ที่ใกล้เคียงกับความต้องการพลังงานนั้น เราคาดหวังว่าการเปลี่ยนแปลงที่คล้ายคลึงกันจะเกิดขึ้นในพื้นที่ การประมวลผลตามความต้องการ

นักขุด Bitcoin กระจายไปสู่ปัญญาประดิษฐ์

Bitcoin และสกุลเงินดิจิทัลที่พิสูจน์การทำงานอื่น ๆ เช่น ปัญญาประดิษฐ์ มีความต้องการพลังงานสูง พลังงานนี้จะต้องถูกสร้างขึ้น เก็บเกี่ยว ขนส่ง และแยกย่อยเป็นไฟฟ้าที่ใช้ได้เพื่อจ่ายพลังงานให้กับอุปกรณ์การทำเหมืองและคลัสเตอร์คอมพิวเตอร์ ห่วงโซ่อุปทานกำหนดให้นักขุดต้องลงทุนจำนวนมากในโรงไฟฟ้า สัญญาซื้อขายไฟฟ้า โครงสร้างพื้นฐานโครงข่ายไฟฟ้า และสิ่งอำนวยความสะดวกของศูนย์ข้อมูล แรงจูงใจทางการเงินที่เกิดจากการขุด cryptocurrencies PoW ได้นำไปสู่การเกิดขึ้นของนักขุด Bitcoin ที่กระจายอยู่ทั่วโลกจำนวนมากที่มีสิทธิ์ด้านพลังงานและพลังงานและสถาปัตยกรรมกริดแบบรวม พลังงานส่วนใหญ่มาจากแหล่งที่มีคาร์บอนเข้มข้นซึ่งมีต้นทุนต่ำกว่าซึ่งสังคมหลีกเลี่ยง ดังนั้นข้อเสนอคุณค่าที่น่าสนใจที่สุดที่นักขุด Bitcoin สามารถนำเสนอได้คือโครงสร้างพื้นฐานด้านพลังงานที่มีต้นทุนต่ำเพื่อขับเคลื่อนโครงสร้างพื้นฐานแบ็กเอนด์ AI

ผู้ให้บริการคอมพิวเตอร์ระดับไฮเปอร์สเกล เช่น AWS และ Microsoft ได้ดำเนินกลยุทธ์การลงทุนในการดำเนินงานบูรณาการในแนวตั้งและสร้างระบบนิเวศด้านพลังงานของตนเอง บริษัทเทคโนโลยีขนาดใหญ่ได้ก้าวไปสู่ต้นน้ำ โดยออกแบบชิปของตนเองและจัดหาพลังงานของตนเอง ซึ่งส่วนใหญ่เป็นพลังงานหมุนเวียน ปัจจุบัน ศูนย์ข้อมูลใช้พลังงานหมุนเวียนสองในสามของธุรกิจในสหรัฐฯ Microsoft และ Amazon ต่างก็มุ่งมั่นที่จะบรรลุการจัดหาพลังงานหมุนเวียน 100% ภายในปี 2568 อย่างไรก็ตาม หากความต้องการการประมวลผลที่คาดหวังเกินความคาดหมาย ดังที่บางคนกล่าวไว้ จำนวนศูนย์ข้อมูลที่มี AI เป็นศูนย์กลางอาจเพิ่มขึ้นเป็นสองเท่าภายในปี 2570 และรายจ่ายฝ่ายทุนอาจเพิ่มประมาณการในปัจจุบันเป็นสามเท่า บริษัทเทคโนโลยีขนาดใหญ่จ่ายค่าไฟฟ้าไปแล้ว $0.06-0.10/kWh ซึ่งแพงกว่าที่นักขุด Bitcoin คู่แข่งมักจะจ่าย (0.03-0.05 kWh) หากความต้องการพลังงานของ AI เกินกว่าแผนโครงสร้างพื้นฐานในปัจจุบันของบริษัทเทคโนโลยีขนาดใหญ่ ความได้เปรียบด้านต้นทุนพลังงานของนักขุด Bitcoin เหนือนักขุดระดับไฮเปอร์สเกลก็อาจเพิ่มขึ้นอย่างมีนัยสำคัญ นักขุดเริ่มสนใจธุรกิจปัญญาประดิษฐ์ที่มีกำไรสูงที่เกี่ยวข้องกับการจัดหา GPU มากขึ้น โดยเฉพาะอย่างยิ่ง Hive รายงานในเดือนตุลาคมว่าการดำเนินงาน HPC และ AI สร้างรายได้จากการขุด Bitcoin ถึง 15 เท่าต่อเมกะวัตต์ นักขุด Bitcoin รายอื่นที่คว้าโอกาสของปัญญาประดิษฐ์ ได้แก่ Hut 8 และ Applied Digital

นักขุด Bitcoin มีประสบการณ์การเติบโตในตลาดใหม่นี้ ซึ่งช่วยกระจายรายได้และเพิ่มรายงานรายได้ ในระหว่างการประชุมนักวิเคราะห์ของ Hut 8 ในไตรมาสที่ 3 ปี 2023 Jaime Leverton ซีอีโอกล่าวว่า ในธุรกิจ HPC ของเรา เราได้สร้างแรงผลักดันในไตรมาสที่สามด้วยการเพิ่มลูกค้าใหม่และการเติบโตของลูกค้าปัจจุบัน สัปดาห์ที่แล้วเราเปิดตัวบริการคลาวด์ตามความต้องการ ที่ให้บริการแอปพลิเคชันบน Kubernetes ที่สามารถรองรับปัญญาประดิษฐ์ การเรียนรู้ของเครื่องจักร เอฟเฟกต์ภาพ และการเรนเดอร์ปริมาณงานให้กับลูกค้าที่กำลังมองหาบริการ HPC จาก GPU ของเรา สิ่งนี้ บริการทำให้การควบคุมอยู่ในมือของลูกค้าของเราในขณะที่ลดเวลาการจัดเตรียมจากวันเหลือเป็นนาที ซึ่ง น่าดึงดูดเป็นพิเศษสำหรับผู้ที่มองหาโครงการ HPC ระยะสั้น ธุรกิจ Hut 8 HPC ตั้งแต่ไตรมาส 3 ปี 2566 มีรายได้ 4.5 ล้านดอลลาร์ คิดเป็นมากกว่า 25% ของรายได้ของบริษัทในช่วงเวลาเดียวกัน ความต้องการบริการ HPC และผลิตภัณฑ์ใหม่ที่เพิ่มขึ้น ควรสนับสนุนการเติบโตในอนาคตของสายธุรกิจนี้ โดยที่ Bitcoin จะลดลงครึ่งหนึ่ง รายได้ HPC อาจเกินกว่ารายได้จากการขุดในไม่ช้า ทั้งนี้ขึ้นอยู่กับสภาวะตลาด

แม้ว่าธุรกิจของพวกเขาจะดูสดใส แต่นักขุด Bitcoin ที่หันมาใช้ปัญญาประดิษฐ์อาจประสบปัญหาเนื่องจากขาดทักษะในการสร้างศูนย์ข้อมูลหรือไม่สามารถขยายแหล่งจ่ายไฟได้ นักขุดเหล่านี้อาจพบความท้าทายที่เกี่ยวข้องกับค่าใช้จ่ายในการดำเนินงาน เนื่องจากต้นทุนในการจ้างพนักงานขายที่เน้นศูนย์ข้อมูลใหม่ นอกจากนี้ การดำเนินการขุดในปัจจุบันไม่มีเวลาแฝงของเครือข่ายหรือแบนด์วิธที่เพียงพอ เนื่องจากการเพิ่มประสิทธิภาพสำหรับพลังงานราคาถูกส่งผลให้พวกมันตั้งอยู่ในสถานที่ห่างไกลซึ่งมักจะขาดการเชื่อมต่อใยแก้วนำแสงความเร็วสูง

การใช้ระบบคลาวด์แบบกระจายอำนาจสำหรับปัญญาประดิษฐ์

นอกจากนี้เรายังเห็นโครงการ crypto ที่เน้นการประมวลผลเป็นศูนย์กลางซึ่งจะรวบรวมส่วนเล็ก ๆ แต่สำคัญของตลาดทรัพยากรเซิร์ฟเวอร์ AI เอนทิตีเหล่านี้จะประสานงานคลัสเตอร์การประมวลผลที่นอกเหนือไปจากระดับไฮเปอร์สเกล เพื่อนำเสนอคุณค่าที่ปรับให้เหมาะกับความต้องการของผู้สร้าง AI ที่เพิ่งเริ่มต้น ประโยชน์ของการประมวลผลแบบกระจายอำนาจ ได้แก่ ความสามารถในการปรับแต่งได้ การเข้าถึงแบบเปิด และเงื่อนไขสัญญาที่ดีขึ้น บริษัทคอมพิวเตอร์ที่ใช้บล็อกเชนเหล่านี้ช่วยให้ผู้เล่น AI รายเล็กสามารถหลีกเลี่ยงค่าใช้จ่ายจำนวนมากและความไม่พร้อมใช้งานทั่วไปของ GPU ระดับไฮเอนด์ เช่น H 100 และ A 100 ธุรกิจ Crypto AI จะตอบสนองความต้องการโดยการสร้างเครือข่ายโครงสร้างพื้นฐานทางกายภาพที่สร้างขึ้นตามแรงจูงใจของโทเค็นเข้ารหัสลับ ในขณะเดียวกันก็จัดหา IP ที่เป็นกรรมสิทธิ์เพื่อสร้างโครงสร้างพื้นฐานซอฟต์แวร์เพื่อเพิ่มประสิทธิภาพการใช้งานการประมวลผลสำหรับแอปพลิเคชัน AI โครงการประมวลผลบล็อคเชนจะใช้วิธีการทางการตลาดและผลตอบแทนจากการเข้ารหัสเพื่อค้นหาการประมวลผลราคาถูกกว่าจากศูนย์ข้อมูลที่เป็นอิสระ หน่วยงานที่มีพลังการประมวลผลส่วนเกิน และอดีตนักขุด PoW บางโปรเจ็กต์ที่ให้บริการการประมวลผลแบบกระจายอำนาจสำหรับโมเดล AI ได้แก่ Akash, Render และ io.net

Akash เป็นโปรเจ็กต์บนจักรวาลซึ่งถือได้ว่าเป็น ซูเปอร์คลาวด์ แบบกระจายอำนาจทั่วไปที่ให้ CPU, GPU, หน่วยความจำ และพื้นที่เก็บข้อมูล ในความเป็นจริงมันเป็นตลาดสองทางที่เชื่อมโยงผู้ใช้บริการคลาวด์และผู้ให้บริการคลาวด์ ซอฟต์แวร์ของ Akash ได้รับการออกแบบมาเพื่อประสานอุปสงค์และอุปทานในการประมวลผล ในขณะเดียวกันก็สร้างเครื่องมือที่อำนวยความสะดวกในการฝึกอบรม ปรับแต่ง และใช้งานโมเดล AI Akash ยังรับประกันว่าผู้ซื้อและผู้ขายในตลาดจะปฏิบัติตามภาระผูกพันของตนอย่างซื่อสัตย์ Akash ได้รับการประสานงานผ่านโทเค็น $AKT ซึ่งสามารถนำไปใช้ชำระค่าบริการคลาวด์พร้อมส่วนลดได้ $AKT ยังทำหน้าที่เป็นกลไกจูงใจสำหรับผู้ให้บริการประมวลผล GPU และผู้เข้าร่วมเครือข่ายอื่นๆ ในด้านอุปทาน Akash มีความก้าวหน้าอย่างมากในการเพิ่มผู้จำหน่ายคอมพิวเตอร์ เนื่องจากมีผู้จำหน่ายที่แตกต่างกัน 65 รายในตลาด Akash แม้ว่าความต้องการด้านการประมวลผลจะซบเซาก่อนการเปิดตัว AI Super Cloud ของ Akash ในวันที่ 31 สิงหาคม 2023 แต่ผู้ซื้อด้านการประมวลผลได้ใช้จ่ายไปแล้ว 138,000 ดอลลาร์นับตั้งแต่วันเปิดตัว

Render ซึ่งเพิ่งย้ายไปที่ Solana โดยเริ่มแรกมุ่งเน้นไปที่การเชื่อมโยงศิลปินกับกลุ่มที่กระจัดกระจายซึ่งจะให้พลัง GPU ในการแสดงภาพและวิดีโอ อย่างไรก็ตาม Render ได้เริ่มมุ่งเน้นไปที่คลัสเตอร์ GPU แบบกระจายอำนาจบนปริมาณงานการเรียนรู้ของเครื่องเพื่อรองรับโมเดลการเรียนรู้เชิงลึก ด้วยข้อเสนอการปรับปรุงเครือข่าย RNP-004 ขณะนี้ Render มี API เพื่อเชื่อมต่อกับเครือข่ายภายนอก (เช่น io.net) ซึ่งจะใช้ประโยชน์จากเครือข่าย GPU ของ Render สำหรับการเรียนรู้ของเครื่อง ข้อเสนอที่ตามมาจากชุมชน Render ได้รับการอนุมัติเพื่ออนุญาตให้เข้าถึง GPU ผ่าน Beam และ FEDML สำหรับงานการเรียนรู้ของเครื่อง ด้วยเหตุนี้ Render จึงกลายเป็นผู้อำนวยความสะดวกในการกระจายอำนาจของปริมาณงาน GPU โดยประสานงานโดยการจ่ายเงิน RNDR ให้กับผู้ให้บริการ และมอบสิ่งจูงใจ RNDR ให้กับหน่วยงานที่ใช้โครงสร้างพื้นฐานแบ็กเอนด์ของเครือข่าย

เปรียบเทียบราคา GPU io.net ที่มา: io.net ณ วันที่ 4 มกราคม 2024

อีกหนึ่งโครงการที่น่าสนใจบน Solana คือ io.net ซึ่งถือเป็น DePIN หรือเครือข่ายโครงสร้างพื้นฐานทางกายภาพแบบกระจายอำนาจ จุดประสงค์ของ io.net ก็เพื่อให้ GPU เช่นกัน แต่มุ่งเน้นไปที่การใช้ GPU เพื่อขับเคลื่อนโมเดล AI เท่านั้น นอกเหนือจากการประสานงานการคำนวณแล้ว Io.net ยังได้เพิ่มบริการเพิ่มเติมให้กับคอร์สแต็กอีกด้วย ระบบอ้างว่าจัดการองค์ประกอบทั้งหมดของ AI รวมถึงการสร้าง การใช้ และการปรับแต่งเพื่ออำนวยความสะดวกและแก้ไขปัญหาปริมาณงาน AI ทั่วทั้งเครือข่ายอย่างเหมาะสม โครงการนี้ยังใช้ประโยชน์จากเครือข่าย GPU แบบกระจายอำนาจอื่น ๆ เช่น Render และ Filecoin รวมถึง GPU ของตัวเอง แม้ว่าปัจจุบัน io.net จะขาดโทเค็น แต่ก็มีแผนที่จะเปิดตัวในไตรมาสแรกของปี 2024

เอาชนะปัญหาคอขวดของการประมวลผลแบบกระจายอำนาจ

อย่างไรก็ตาม การใช้ประโยชน์จากการประมวลผลแบบกระจายนี้ยังคงเป็นความท้าทาย เนื่องจากความต้องการเครือข่ายที่กำหนดโดยข้อมูลทั่วไปขนาด 633+ TB ที่จำเป็นในการฝึกโมเดลการเรียนรู้เชิงลึก ระบบคอมพิวเตอร์ที่ตั้งอยู่ทั่วโลกยังนำเสนออุปสรรคใหม่ในการฝึกโมเดลคู่ขนาน เนื่องจากความล่าช้าและความแตกต่างในความสามารถของคอมพิวเตอร์ บริษัทหนึ่งที่รุกเข้าสู่ตลาดโมเดลโอเพ่นซอร์สอย่างจริงจังคือ Together ซึ่งกำลังสร้างระบบคลาวด์แบบกระจายอำนาจเพื่อโฮสต์โมเดล AI แบบโอเพ่นซอร์ส การทำงานร่วมกันจะช่วยให้นักวิจัย นักพัฒนา และบริษัทต่างๆ สามารถใช้ประโยชน์และปรับปรุง AI ผ่านแพลตฟอร์มที่ใช้งานง่าย ซึ่งรวมข้อมูล แบบจำลอง และการคำนวณ ขยายการเข้าถึงของ AI และขับเคลื่อนบริษัทเทคโนโลยีรุ่นต่อไป ด้วยการทำงานร่วมกับสถาบันวิจัยเชิงวิชาการชั้นนำ ร่วมกันสร้างคอมพิวเตอร์วิจัย Together เพื่อช่วยให้ห้องปฏิบัติการสามารถรวมศูนย์คอมพิวเตอร์สำหรับการวิจัยปัญญาประดิษฐ์ได้ บริษัทยังได้ร่วมมือกับศูนย์วิจัยแบบจำลองพื้นฐาน (CRFM) ของสแตนฟอร์ด เพื่อสร้างการประเมินแบบองค์รวมของแบบจำลองภาษา (HELM) HELM คือ เกณฑ์มาตรฐานที่มีชีวิต ที่ออกแบบมาเพื่อเพิ่มความโปร่งใสในปัญญาประดิษฐ์โดยจัดทำกรอบการทำงานที่เป็นมาตรฐานสำหรับการประเมินโมเดลพื้นฐานดังกล่าว

นับตั้งแต่ก่อตั้ง Together Vipul Ved Prakash ผู้ก่อตั้งได้เป็นหัวหอกในหลายๆ โครงการ รวมถึง 1) GPT-JT ซึ่งเป็น LLM แบบเปิดที่มีโมเดลพารามิเตอร์ 6 B ที่ได้รับการฝึกบนลิงก์ <1 Gbps 2) OpenChatKit ซึ่งเป็นรากฐานโอเพ่นซอร์สที่ทรงพลังสำหรับการสร้างความเชี่ยวชาญเฉพาะทาง และแชทบอทเอนกประสงค์ และ 3) RedPajama โครงการที่สร้างโมเดลโอเพ่นซอร์สชั้นนำที่มีจุดมุ่งหมายเพื่อเป็นพื้นฐานสำหรับการวิจัยและการใช้งานเชิงพาณิชย์ แพลตฟอร์ม Together เป็นโมเดลพื้นฐานที่ประกอบด้วยโมเดลแบบเปิดบนฮาร์ดแวร์สินค้าโภคภัณฑ์ คลาวด์แบบกระจายอำนาจ และคลาวด์สำหรับนักพัฒนาที่ครอบคลุม โดยรวบรวมแหล่งการประมวลผลที่แตกต่างกัน รวมถึงเครื่องมือขุดของผู้บริโภค ฟาร์มขุดคริปโต ผู้ให้บริการคลาวด์ T2-T4 และการประมวลผลเชิงวิชาการ

เราเชื่อว่าโซลูชันการประมวลผลบนคลาวด์แบบกระจายอำนาจและเป็นประชาธิปไตยเช่น Together สามารถลดต้นทุนในการสร้างโมเดลใหม่ได้อย่างมาก ซึ่งอาจขัดขวางและแข่งขันกับยักษ์ใหญ่ที่จัดตั้งขึ้นเช่น Amazon Web Services, Google Cloud และ Azure สำหรับบริบท การเปรียบเทียบ AWS Capacity Blocks และอินสแตนซ์ AWS p 5.48 xlarge กับคลัสเตอร์ Together GPU ที่กำหนดค่าด้วย GPU H 100 SXM 5 จำนวนเท่ากัน โดยราคา Together มีราคาต่ำกว่า AWS ประมาณ 4 เท่า

เนื่องจาก Open LLM มีความแม่นยำมากขึ้นและมีการนำไปใช้อย่างกว้างขวางมากขึ้น Together อาจกลายเป็นมาตรฐานอุตสาหกรรมสำหรับโมเดลโอเพ่นซอร์ส เช่นเดียวกับ Red Hat สำหรับ Linux คู่แข่งในพื้นที่นี้ ได้แก่ ผู้ให้บริการโมเดล Stability A และ HuggingFace และผู้ให้บริการคลาวด์ปัญญาประดิษฐ์ Gensyn และ Coreweave

เสริมโมเดล AI ด้วยสิ่งจูงใจสกุลเงินดิจิทัล

สิ่งจูงใจบล็อคเชนและสกุลเงินดิจิตอลแสดงให้เห็นว่าผลกระทบของเครือข่ายและรางวัลที่เกี่ยวข้องกับขนาดของเอฟเฟกต์เครือข่ายบังคับให้ผู้คนทำงานที่เป็นประโยชน์ ในบริบทของการขุด Bitcoin ภารกิจคือการรักษาความปลอดภัยเครือข่าย Bitcoin ผ่านการใช้ไฟฟ้าราคาแพง กำลังคนทางเทคนิค และเครื่อง ASIC การประสานงานของทรัพยากรทางเศรษฐกิจนี้เป็นกลไกป้องกันการโจมตีของ Sybil ต่อการโจมตีทางเศรษฐกิจของ Bitcoin ในการแลกเปลี่ยน นักขุดที่ประสานงานทรัพยากรเหล่านี้จะได้รับ BTC USD อย่างไรก็ตาม พื้นที่สีเขียวสำหรับงานที่เป็นประโยชน์ใน AI นั้นมีขนาดใหญ่กว่ามากและหลายโครงการกำลังผลักดันการปรับปรุงโมเดล AI และการเรียนรู้ของเครื่องอยู่แล้ว

โครงการดั้งเดิมที่สุดคือ Numerai ปัจจุบัน Numerai ถือได้ว่าเป็นการแข่งขันด้านวิทยาศาสตร์ข้อมูลแบบกระจายอำนาจโดยมีเป้าหมายเพื่อระบุโมเดลการเรียนรู้ของเครื่องที่ดีที่สุดเพื่อเพิ่มผลตอบแทนทางการเงินโดยการสร้างพอร์ตการลงทุนหุ้น ในแต่ละยุค ผู้เข้าร่วม Numerai ที่ไม่ระบุชื่อจะได้รับสิทธิ์เข้าถึงข้อมูลดิบที่ซ่อนอยู่ และขอให้ใช้ข้อมูลนี้เพื่อสร้างพอร์ตหุ้นที่มีประสิทธิภาพดีที่สุด ในการเข้าร่วม ผู้ใช้ไม่เพียงแต่ต้องส่งการคาดการณ์เท่านั้น แต่ยังถูกบังคับให้เดิมพันโทเค็น NMR ที่อยู่เบื้องหลังการคาดการณ์ของแบบจำลองเพื่อพิสูจน์คุณค่าของแบบจำลองเหล่านั้น ผู้ใช้รายอื่นสามารถเดิมพันโทเค็นในโมเดลที่พวกเขาเชื่อว่าทำงานได้ดีที่สุด ผลลัพธ์ของแบบจำลองที่ส่งคำมั่นสัญญาแต่ละรายการจะถูกป้อนเข้าสู่อัลกอริธึมการเรียนรู้ของเครื่องเพื่อสร้างเมตาโมเดลที่แจ้งการตัดสินใจลงทุนของกองทุนเฮดจ์ฟันด์ Numerai One ผู้ใช้ที่ส่ง การอนุมาน ด้วยค่าสัมประสิทธิ์หรือประสิทธิผลข้อมูลที่ดีที่สุดจะได้รับรางวัลเป็นโทเค็น NMR ในเวลาเดียวกัน ผู้ที่เดิมพันโมเดลที่แย่ที่สุดจะถูกเฉือนโทเค็น (ยึดและนำกลับมาใช้ใหม่เพื่อให้รางวัลแก่ผู้ชนะ)

ซับเน็ตและกรณีใช้งานบน Bittensor ที่มา: https://taostats.io/api/ ณ วันที่ 2 มกราคม 2024

Bittensor เป็นโครงการที่คล้ายกันซึ่งขยายแนวคิดหลักของ Numerai อย่างหนาแน่น Bittensor ถือได้ว่าเป็น “Bitcoin แห่งความฉลาดของเครื่องจักร” เนื่องจากเป็นเครือข่ายที่ให้สิ่งจูงใจทางเศรษฐกิจสำหรับโมเดล AI/ML สิ่งนี้ทำโดย “นักขุด” ที่สร้างโมเดล AI และเอนทิตี “ผู้ตรวจสอบ” ที่ประเมินคุณภาพของผลลัพธ์ของโมเดลเหล่านี้ สถาปัตยกรรมของ Bittensor เป็นสถาปัตยกรรมของเครือข่ายฐานและซับเน็ต (ซับเน็ต) ขนาดเล็กจำนวนมาก แต่ละเครือข่ายย่อยมุ่งเน้นไปที่พื้นที่ที่แตกต่างกันของความฉลาดของเครื่องจักร ผู้ตรวจสอบจะถามคำถามหรือคำขอต่าง ๆ ไปยังนักขุดบนเครือข่ายย่อยเหล่านี้เพื่อประเมินคุณภาพของโมเดล AI ของพวกเขา

โมเดลที่มีประสิทธิภาพดีที่สุดจะได้รับรางวัลเป็นโทเค็น TAO สูงสุด ในขณะที่ผู้ตรวจสอบความถูกต้องจะได้รับการชดเชยสำหรับการประเมินที่แม่นยำของนักขุด ในระดับสูง ทั้งผู้ตรวจสอบและนักขุดจะต้องเดิมพันโทเค็นเพื่อเข้าร่วมในแต่ละซับเน็ต และสัดส่วนของแต่ละซับเน็ตของการปักหลักทั้งหมดจะกำหนดจำนวนโทเค็น TAO ที่ได้รับจากอัตราเงินเฟ้อรวมของ Bittensors ทั้งหมด ดังนั้น นักขุดแต่ละคนไม่เพียงแต่มีแรงจูงใจในการเพิ่มประสิทธิภาพโมเดลของเขาเพื่อรับรางวัลสูงสุดเท่านั้น แต่ยังมีแรงจูงใจที่จะเน้นโมเดลของเขาไปที่เครือข่ายย่อยโดเมนปัญญาประดิษฐ์ที่ดีที่สุดอีกด้วย นอกจากนี้ เนื่องจากนักขุดและผู้ตรวจสอบต้องรักษาเงินทุนเพื่อที่จะเข้าร่วม ทุกคนจึงต้องเกินขีดจำกัดต้นทุนเงินทุนหรือออกจากระบบ

ณ เดือนมกราคม 2024 มีซับเน็ตที่แตกต่างกัน 32 เครือข่าย ซึ่งแต่ละเครือข่ายทุ่มเทให้กับพื้นที่เฉพาะของการเรียนรู้ของเครื่องหรือปัญญาประดิษฐ์ ตัวอย่างเช่น Subnet 1 เป็นข้อความที่แจ้ง LLM คล้ายกับ ChatGPT บนซับเน็ตนี้ นักขุดจะรัน LLM เวอร์ชันต่างๆ ที่ปรับให้ตอบสนองต่อพรอมต์เครื่องมือตรวจสอบความถูกต้องที่ประเมินคุณภาพการตอบสนองได้ดีที่สุด บนเครือข่ายย่อย 8 ที่เรียกว่า Taoshi นักขุดจะส่งการคาดการณ์ระยะสั้นสำหรับราคา Bitcoin และสินทรัพย์ทางการเงินต่างๆ Bittensor ยังมีซับเน็ตสำหรับการแปลภาษาของมนุษย์ การจัดเก็บ เสียง การขูดเว็บ การแปลด้วยคอมพิวเตอร์ และการสร้างภาพ การสร้างเครือข่ายย่อยนั้นไม่ได้รับอนุญาต และใครก็ตามที่มี 200 TAO ก็สามารถสร้างเครือข่ายย่อยได้ ผู้ดำเนินการเครือข่ายย่อยมีหน้าที่รับผิดชอบในการสร้างกลไกการประเมินและการให้รางวัลสำหรับกิจกรรมของแต่ละเครือข่ายย่อย ตัวอย่างเช่น Opentensor ซึ่งเป็นรากฐานเบื้องหลัง Bittensor รันซับเน็ต 1 และเพิ่งเปิดตัวโมเดลร่วมกับ Cerebras เพื่อประเมินเอาต์พุต LLM ของนักขุดบนซับเน็ตนั้น

แม้ว่าซับเน็ตเหล่านี้จะได้รับการสนับสนุนอย่างเต็มที่ในช่วงแรกจากรางวัลเงินเฟ้อ แต่ในที่สุดแต่ละซับเน็ตก็ต้องรักษาตัวเองทางการเงินได้ในที่สุด ดังนั้นผู้ให้บริการเครือข่ายย่อยและผู้ตรวจสอบความถูกต้องจะต้องประสานงานเพื่อสร้างเครื่องมือที่อนุญาตให้ผู้ใช้ภายนอกเข้าถึงบริการของแต่ละเครือข่ายย่อยได้โดยเสียค่าธรรมเนียม เมื่อผลตอบแทนของ TAO ที่ขยายตัวลดลง แต่ละซับเน็ตจะต้องพึ่งพารายได้ภายนอกเพื่อรักษาตัวมันเองมากขึ้น ในสภาพแวดล้อมที่มีการแข่งขันเช่นนี้ มีแรงกดดันทางเศรษฐกิจโดยตรงในการสร้างแบบจำลองที่ดีที่สุด และจูงใจผู้อื่นให้สร้างแอปพลิเคชันที่ทำกำไรได้ในโลกแห่งความเป็นจริงสำหรับโมเดลเหล่านี้ Bittensor กำลังปลดล็อกศักยภาพของ AI โดยใช้ประโยชน์จากธุรกิจขนาดเล็กที่กระท่อนกระแท่นเพื่อระบุและสร้างรายได้จากโมเดล AI ดังที่ MogMachine ผู้เผยแพร่ศาสนาของ Bittensor กล่าวไว้ ไดนามิกนี้สามารถมองได้ว่าเป็น “การแข่งขันของดาร์วินเพื่อปัญญาประดิษฐ์”

อีกโครงการที่น่าสนใจคือการใช้วิทยาการเข้ารหัสลับเพื่อสร้างแรงจูงใจในการสร้างตัวแทนปัญญาประดิษฐ์ที่ถูกตั้งโปรแกรมให้ทำงานโดยอัตโนมัติในนามของมนุษย์หรือโปรแกรมคอมพิวเตอร์อื่นๆ เอนทิตีเหล่านี้เป็นโปรแกรมคอมพิวเตอร์ที่ปรับเปลี่ยนได้ซึ่งออกแบบมาเพื่อแก้ไขปัญหาเฉพาะ Agent เป็นคำที่รวมเอาแชทบอท กลยุทธ์การซื้อขายอัตโนมัติ ตัวละครในเกม และแม้แต่ผู้ช่วยในจักรวาลเสมือน โครงการที่โดดเด่นอย่างหนึ่งในพื้นที่นี้คือ Altered State Machine ซึ่งเป็นแพลตฟอร์มที่ใช้ NFT เพื่อสร้างตัวแทนปัญญาประดิษฐ์ที่เป็นเจ้าของ ขับเคลื่อน และผ่านการฝึกอบรม ใน Altered State Machine ผู้ใช้จะสร้าง ตัวแทน ของตน จากนั้น ฝึกอบรม พวกเขาโดยใช้คลัสเตอร์ GPU แบบกระจาย เอเจนต์เหล่านี้ได้รับการปรับให้เหมาะสมสำหรับกรณีการใช้งานเฉพาะ อีกโครงการหนึ่งคือ Fetch.ai เป็นแพลตฟอร์มสำหรับสร้างตัวแทนที่ปรับแต่งตามความต้องการของผู้ใช้แต่ละคน Fetch.ai ยังเป็นธุรกิจ SaaS ที่ช่วยให้สามารถจดทะเบียนและให้เช่าหรือขายตัวแทนได้

AI Token คืนตั้งแต่วันที่ 1 มกราคม 2023

ที่มา: Artemis XYZ ณ วันที่ 10 มกราคม 2024 ประสิทธิภาพที่ผ่านมาไม่รับประกันผลลัพธ์ในอนาคต

การยืนยันผ่านการพิสูจน์ความรู้แบบศูนย์ (zk)

ปี 2023 เป็นปีสำคัญของโมเดล AI ใหม่ OpenAI เปิดตัว ChatGPT, Meta เปิดตัว LLAMA-2 และ Google เปิดตัว BERT เนื่องจากคำสัญญาของการเรียนรู้เชิงลึก มีสตาร์ทอัพที่เกี่ยวข้องกับปัญญาประดิษฐ์มากกว่า 18,563 รายในสหรัฐอเมริกา ณ เดือนมิถุนายน 2023 บริษัทสตาร์ทอัพเหล่านี้และบริษัทอื่นๆ ได้ผลิตโมเดลพื้นฐานใหม่และโมเดลที่ได้รับการปรับแต่งมานับพันรายการ อย่างไรก็ตาม ในพื้นที่ที่มีการลงทุนในบริษัทที่เกี่ยวข้องกับ AI มูลค่า 1 ดอลลาร์จากทุกๆ 4 ดอลลาร์ การขยายตัวของหน่วยงานใหม่ๆ จำนวนมากควรเป็นสาเหตุให้เกิดความกังวลอย่างจริงจัง

• ใครเป็นผู้สร้างและเป็นเจ้าของแต่ละรุ่นจริงๆ?

• เอาต์พุตผลิตโดยรุ่นที่ระบุจริงหรือไม่

• โมเดลใช้งานได้จริงตามที่โฆษณาไว้หรือไม่?

• แหล่งข้อมูลสำหรับแต่ละรุ่นคืออะไร และใครเป็นเจ้าของข้อมูลนั้น

• การฝึกอบรม การปรับแต่ง และ/หรือการอนุมานละเมิดลิขสิทธิ์หรือสิทธิ์ในข้อมูลหรือไม่

ทั้งนักลงทุนและผู้ใช้โมเดลเหล่านี้ควรมั่นใจ 100% ว่าจะสามารถแก้ไขปัญหาเหล่านี้ได้ ปัจจุบัน มีการวัดประสิทธิภาพจำนวนมากสำหรับส่วนประกอบต่างๆ ของเอาท์พุต LLM เช่น HumanEval สำหรับการสร้างโค้ด Chatbot Arena สำหรับงานเสริม LLM และ ARC Benchmark สำหรับความสามารถในการอนุมาน LLM อย่างไรก็ตาม แม้ว่าจะพยายามสร้างความโปร่งใสให้กับโมเดล เช่น Open LLM Leaderboard ของ Hugging Face แต่ก็ไม่มีข้อพิสูจน์ที่เป็นรูปธรรมเกี่ยวกับความถูกต้องของโมเดล ที่มาขั้นสุดท้าย หรือแหล่งที่มาของข้อมูลการฝึกอบรม/การอนุมาน ไม่เพียงแต่สามารถเล่นเกมเกณฑ์มาตรฐานได้เท่านั้น แต่ยังไม่มีทางระบุได้ว่ารุ่นใดรุ่นหนึ่งกำลังทำงานอยู่จริงหรือไม่ (ซึ่งต่างจากการใช้ API ที่เชื่อมต่อกับรุ่นอื่น) และไม่มีการรับประกันใด ๆ ว่ากระดานผู้นำนั้นมีความซื่อสัตย์

นี่คือการผสมผสานระหว่างบล็อกเชนสาธารณะ ปัญญาประดิษฐ์ และสาขาคณิตศาสตร์ล้ำสมัยที่เรียกว่าการพิสูจน์ความรู้เป็นศูนย์ (zk) หลักฐาน zk คือการประยุกต์ใช้การเข้ารหัสที่ช่วยให้ใครบางคนพิสูจน์ได้ในระดับที่ต้องการของความแน่นอนทางคณิตศาสตร์ว่าข้อความที่พวกเขาทำเกี่ยวกับข้อมูลนั้นถูกต้องโดยไม่ต้องเปิดเผยข้อมูลพื้นฐานให้ใครเห็น คำสั่งอาจรวมถึงคำสั่งง่ายๆ (เช่น การจัดอันดับ) แต่สามารถขยายไปสู่การคำนวณทางคณิตศาสตร์ที่ซับซ้อนได้ ตัวอย่างเช่น ไม่เพียงแต่บางคนสามารถแสดงให้เห็นว่าเขาหรือเธอรู้ความมั่งคั่งสัมพัทธ์ของกลุ่มตัวอย่างโดยไม่เปิดเผยความมั่งคั่งนั้นให้บุคคลอื่นทราบ แต่เขาหรือเธอยังสามารถสาธิตการคำนวณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของกลุ่มได้อย่างถูกต้องอีกด้วย โดยพื้นฐานแล้ว คุณสามารถแสดงให้เห็นว่าคุณเข้าใจข้อมูลและ/หรือว่าคุณใช้ข้อมูลเพื่อยืนยันความจริง โดยไม่ต้องเปิดเผยรายละเอียดของข้อมูลหรือวิธีการคำนวณของคุณ นอกเหนือจากปัญญาประดิษฐ์แล้ว Proof-of-zk ยังถูกนำมาใช้เพื่อขยาย Ethereum ทำให้การทำธุรกรรมเกิดขึ้นนอกเครือข่ายบนบล็อกเชนเลเยอร์ 2 ได้ เมื่อเร็วๆ นี้ มีการใช้ zk-proofs กับโมเดลการเรียนรู้เชิงลึกเพื่อพิสูจน์:

• ใช้ข้อมูลเฉพาะเพื่อสร้างแบบจำลองหรือจัดเตรียมเอาต์พุตการอนุมาน (รวมถึงข้อมูล/แหล่งที่มาใดที่ไม่ได้ใช้)

• ใช้แบบจำลองเฉพาะเพื่อสร้างการอนุมาน

• เอาต์พุตการอนุมานไม่ได้ถูกแก้ไข

หลักฐาน zk สามารถเผยแพร่สู่สาธารณะ บล็อคเชนถาวร และตรวจสอบผ่านสัญญาอัจฉริยะ ผลลัพธ์ก็คือบล็อกเชนสามารถพิสูจน์คุณสมบัติที่สำคัญของแบบจำลองปัญญาประดิษฐ์ต่อสาธารณะและไม่อาจปฏิเสธได้ โครงการล้ำสมัยสองโครงการที่ใช้ ZK กับ AI เรียกว่า การเรียนรู้ของเครื่องเป็นศูนย์ (ZKML) ได้แก่ EZKL และโมดูลัส EZKL ใช้ระบบพิสูจน์ Halo 2 เพื่อสร้าง zk-snarks ซึ่งเป็นการพิสูจน์ความรู้แบบศูนย์ที่สามารถตรวจสอบแบบสาธารณะบน EVM ของ Ethereum แม้ว่าขนาดของแบบจำลองที่ EZKL สามารถพิสูจน์ได้ในปัจจุบันนั้นค่อนข้างเล็ก โดยมีพารามิเตอร์ประมาณ 100 M เมื่อเทียบกับพารามิเตอร์ 175 B สำหรับ ChatGPT 4 แต่ Jason Morton ซีอีโอของ EZKL เชื่อว่าพวกเขากำลังพิจารณา ปัญหาทางวิศวกรรม มากกว่าคำถาม ข้อจำกัดทางเทคนิค EZKL เชื่อว่าพวกเขาสามารถเอาชนะปัญหาการพิสูจน์ได้โดยการแบ่งการพิสูจน์สำหรับการดำเนินการแบบคู่ขนาน ซึ่งช่วยลดข้อจำกัดด้านหน่วยความจำและเวลาในการคำนวณ ในความเป็นจริง Jason Morton เชื่อว่าวันหนึ่ง “การตรวจสอบความถูกต้องของแบบจำลองจะง่ายพอ ๆ กับการลงนามในธุรกรรมบล็อคเชน”

ZKML พิสูจน์ให้เห็นว่าการประยุกต์ใช้ปัญญาประดิษฐ์สามารถแก้ไขจุดอ่อนที่สำคัญของการนำปัญญาประดิษฐ์ไปใช้ รวมถึงปัญหาลิขสิทธิ์และความปลอดภัยของปัญญาประดิษฐ์ ดังที่คดีฟ้องร้องล่าสุดของ New York Times ต่อ Open AI และ Microsoft แสดงให้เห็น กฎหมายลิขสิทธิ์จะมีผลบังคับใช้กับการเป็นเจ้าของข้อมูล และโครงการ AI จะถูกบังคับให้แสดงหลักฐานแหล่งที่มาของข้อมูล เทคโนโลยี ZKML สามารถใช้เพื่อแก้ไขข้อพิพาทเกี่ยวกับโมเดลและความเป็นเจ้าของข้อมูลในศาลได้อย่างรวดเร็ว ในความเป็นจริง หนึ่งในแอปพลิเคชันที่ดีที่สุดของ ZKML คือการอนุญาตให้ตลาดข้อมูล/แบบจำลอง เช่น Ocean Protocol และ SingularityNet พิสูจน์ความถูกต้องและความถูกต้องของรายการได้

ในที่สุดโมเดล AI จะขยายไปสู่ส่วนที่ความแม่นยำและความปลอดภัยเป็นสิ่งสำคัญ คาดการณ์ว่าภายในปี 2570 จะมีอุปกรณ์ AI Edge จำนวน 5.8 พันล้านเครื่อง ซึ่งอาจรวมถึงเครื่องจักรกลหนัก หุ่นยนต์ โดรนอัตโนมัติ และยานพาหนะ เนื่องจากระบบอัจฉริยะของเครื่องจักรถูกนำไปใช้กับสิ่งต่าง ๆ ที่สามารถทำร้ายและฆ่าได้ การใช้ข้อมูลคุณภาพสูงจากแหล่งที่เชื่อถือได้เพื่อพิสูจน์ว่ามีรุ่นที่มีชื่อเสียงกำลังทำงานบนอุปกรณ์จึงเป็นสิ่งสำคัญ แม้ว่าการสร้างการพิสูจน์แบบเรียลไทม์อย่างต่อเนื่องจากอุปกรณ์ Edge เหล่านี้อาจเป็นเรื่องท้าทายในเชิงเศรษฐกิจและทางเทคนิคและเผยแพร่ไปยังบล็อกเชน แต่การตรวจสอบโมเดลเมื่อเปิดใช้งานหรือเผยแพร่ไปยังบล็อกเชนเป็นระยะๆ อาจเป็นไปได้มากกว่า อย่างไรก็ตาม Zupass จาก 0x PARC Foundation ได้สร้างการพิสูจน์ดั้งเดิมที่ได้มาจาก “การพิสูจน์การพกพาข้อมูล” ซึ่งสามารถสร้างการพิสูจน์สิ่งที่เกิดขึ้นบนอุปกรณ์ Edge ได้ในราคาถูก ปัจจุบันสิ่งนี้เกี่ยวข้องกับการเข้าร่วมกิจกรรม แต่คาดว่าในไม่ช้าสิ่งนี้จะย้ายไปยังด้านอื่น ๆ เช่น ตัวตนและแม้แต่การดูแลสุขภาพ

โมเดล AI ของศัลยแพทย์หุ่นยนต์ของคุณดีแค่ไหน?

จากมุมมองของธุรกิจที่อาจต้องรับผิดชอบต่อความล้มเหลวของอุปกรณ์ การมีหลักฐานที่ยืนยันได้ว่าแบบจำลองของพวกเขาไม่ใช่สาเหตุของเหตุการณ์ที่มีค่าใช้จ่ายสูงดูเหมือนจะเหมาะสมอย่างยิ่ง ในทำนองเดียวกัน จากมุมมองของการประกันภัย อาจกลายเป็นสิ่งจำเป็นทางเศรษฐกิจในการตรวจสอบและพิสูจน์การใช้แบบจำลองที่เชื่อถือได้ซึ่งได้รับการฝึกฝนจากข้อมูลจริง ในทำนองเดียวกัน ในโลกของ AI deepfakes การใช้ประโยชน์จากกล้อง โทรศัพท์ และคอมพิวเตอร์ที่ได้รับการตรวจสอบและรับรองโดยบล็อคเชนเพื่อดำเนินการต่างๆ อาจกลายเป็นบรรทัดฐาน แน่นอนว่า ควรโพสต์หลักฐานพิสูจน์ความถูกต้องและแม่นยำของอุปกรณ์เหล่านี้ในบัญชีแยกประเภทโอเพ่นซอร์สสาธารณะเพื่อป้องกันการปลอมแปลงและการฉ้อโกง

แม้ว่าข้อพิสูจน์เหล่านี้จะมีแนวโน้มที่ดี แต่ในปัจจุบันข้อพิสูจน์เหล่านี้ถูกจำกัดด้วยต้นทุนก๊าซและค่าใช้จ่ายในการคำนวณ ตามราคา ETH ปัจจุบัน มีค่าใช้จ่ายประมาณ 300-500,000 Gas เพื่อส่งหลักฐานบนห่วงโซ่ (ประมาณ 35-58 ดอลลาร์สหรัฐ ตามราคา ETH ปัจจุบัน) จากมุมมองด้านการคำนวณ Sreeram Kennan จาก Eigenlayer ประมาณการว่า การคำนวณเพื่อพิสูจน์ซึ่งมีราคา 50 เหรียญสหรัฐฯ ในการทำงานบน AWS จะมีราคาสูงกว่าประมาณ 1,000,000 เท่าเมื่อใช้เทคโนโลยีพิสูจน์ ZK ในปัจจุบัน ด้วยเหตุนี้ การพิสูจน์ ZK จึงก้าวของการพัฒนาเร็วกว่ามาก ใครๆ ก็คาดหวังไว้เมื่อไม่กี่ปีก่อน แต่ก็ยังมีหนทางอีกยาวไกลก่อนที่กรณีการใช้งานจริงจะสามารถเปิดออกได้ สมมติว่ามีคนสงสัยเกี่ยวกับแอปพลิเคชันของ ZKML ในกรณีนี้ พวกเขาสามารถเข้าร่วมการแข่งขันร้องเพลงแบบกระจายอำนาจ ซึ่งตัดสินโดยโมเดลสัญญาอัจฉริยะออนไลน์ที่ได้รับการพิสูจน์แล้ว และให้ผลลัพธ์ของพวกเขาอัปโหลดไปยังบล็อกเชนอย่างถาวร

สร้างมนุษยชาติผ่านอัตลักษณ์บนบล็อกเชน

ผลลัพธ์ที่เป็นไปได้ประการหนึ่งจากความชาญฉลาดของเครื่องจักรขั้นสูงที่แพร่หลายก็คือตัวแทนอัตโนมัติจะกลายเป็นผู้ใช้อินเทอร์เน็ตที่มีประสิทธิผลมากที่สุด การเปิดตัวเอเจนต์ AI มักจะส่งผลให้เครือข่ายทั้งหมดหยุดชะงักจากสแปมที่สร้างโดยบ็อตโดยมีจุดประสงค์ หรือแม้แต่เอเจนต์ตามงานที่ไม่เป็นอันตรายที่อุดตันเครือข่าย (“กำจัดสแปม”) ปริมาณการรับส่งข้อมูลของ Solana สูงถึง 100 กิกะไบต์ต่อวินาที เนื่องจากบอทแข่งขันกันเพื่อโอกาสในการเก็งกำไรมูลค่าประมาณ 100,000 ดอลลาร์ ลองจินตนาการถึงปริมาณการเข้าชมเว็บที่ล้นหลามซึ่งจะเกิดขึ้นเมื่อตัวแทน AI สามารถจับเว็บไซต์องค์กรหลายล้านแห่งเป็นตัวประกันและขู่กรรโชกเงินหลายพันล้านดอลลาร์ สิ่งนี้ชี้ให้เห็นว่าอินเทอร์เน็ตในอนาคตจะกำหนดข้อจำกัดเกี่ยวกับการรับส่งข้อมูลที่ไม่ใช่มนุษย์ หนึ่งในวิธีที่ดีที่สุดในการจำกัดการโจมตีดังกล่าวคือการกำหนดภาษีทางเศรษฐกิจจากการใช้ทรัพยากรราคาถูกมากเกินไป แต่เราจะกำหนดกรอบการทำงานที่ดีที่สุดสำหรับการเรียกเก็บเงินจากสแปมได้อย่างไร และเราจะกำหนดความเป็นมนุษย์ได้อย่างไร

โชคดีที่บล็อกเชนมีระบบป้องกันในตัวต่อการโจมตีซีบิลสไตล์บอท AI อยู่แล้ว การผสมผสานระหว่างการวัดผู้ใช้ที่ไม่ใช่มนุษย์และการเรียกเก็บเงินจากผู้ใช้ที่ไม่ใช่มนุษย์จะเป็นการใช้งานในอุดมคติ ในขณะที่การทำงานหนักในการคำนวณมากกว่าเล็กน้อย (เช่น Hashcash) จะขัดขวางบอท ในแง่ของการพิสูจน์ความเป็นมนุษย์ บล็อกเชนได้ต่อสู้ดิ้นรนมายาวนานกับการเอาชนะการไม่เปิดเผยตัวตนเพื่อปลดล็อกกิจกรรมต่างๆ เช่น การให้สินเชื่อที่ไม่ได้รับหลักประกัน และกิจกรรมอื่น ๆ ที่อิงตามชื่อเสียง

วิธีหนึ่งในการได้รับแรงผลักดันในการพิสูจน์ตัวตนคือการใช้ JSON Web Tokens (JWT) JWT เป็นข้อมูลรับรอง 0 Auth ซึ่งคล้ายกับ คุกกี้ ที่สร้างขึ้นเมื่อคุณลงชื่อเข้าใช้เว็บไซต์เช่น Google คุกกี้เหล่านี้ช่วยให้คุณสามารถเปิดเผยตัวตนของ Google เมื่อคุณเยี่ยมชมเว็บไซต์บนอินเทอร์เน็ตในขณะที่ลงชื่อเข้าใช้ Google สร้างโดย L1 blockchain Sui, zkLogin ช่วยให้ผู้ใช้สามารถเชื่อมโยงคีย์ส่วนตัวและการดำเนินการของกระเป๋าเงินกับบัญชี Google หรือ Facebook ที่สร้าง JWT zk P2P ขยายแนวคิดนี้เพิ่มเติม โดยใช้ประโยชน์จาก JWT เพื่ออนุญาตให้ผู้ใช้แลกเปลี่ยนสกุลเงินคำสั่งเป็นสกุลเงินดิจิทัลบน Base blockchain โดยไม่ได้รับอนุญาต ซึ่งทำได้โดยการยืนยันการโอนเงินแบบ peer-to-peer ผ่านแอปการชำระเงิน Venmo ซึ่งเมื่อยืนยันผ่านทางอีเมล JWT จะปลดล็อคโทเค็น USDC ในสัญญาอัจฉริยะ ผลลัพธ์ของทั้งสองโครงการคือพวกเขามีความสัมพันธ์อันแน่นแฟ้นกับข้อมูลประจำตัวนอกเครือข่าย ตัวอย่างเช่น zkLogin เชื่อมต่อที่อยู่กระเป๋าสตางค์กับข้อมูลประจำตัวของ Google ในขณะที่ zk P2P ใช้ได้เฉพาะกับผู้ใช้ KYC ของ Venmo เท่านั้น แม้ว่าทั้งสองจะขาดการรับประกันที่แข็งแกร่งพอที่จะเปิดใช้งานข้อมูลประจำตัวแบบออนไลน์ได้ แต่ก็สร้างองค์ประกอบสำคัญที่ผู้อื่นสามารถใช้ได้

ในขณะที่หลายโครงการพยายามที่จะยืนยันตัวตนของมนุษย์ของผู้ใช้บล็อกเชน แต่โครงการที่โดดเด่นที่สุดคือ WorldCoin ซึ่งก่อตั้งโดย Sam Altman ซีอีโอของ OpenAI แม้ว่าจะมีการโต้เถียงกันเนื่องจากเครื่อง “Orb” แบบดิสโทเปียที่ผู้ใช้ต้องสแกนม่านตาด้วย WorldCoin กำลังก้าวไปสู่ระบบการระบุตัวตนที่ไม่เปลี่ยนรูป ซึ่งไม่สามารถปลอมแปลงหรือถูกครอบงำด้วยความฉลาดของเครื่องจักรได้อย่างง่ายดาย เนื่องจาก WorldCoin สร้างตัวระบุการเข้ารหัสตาม ลายนิ้วมือ ที่เป็นเอกลักษณ์ของแต่ละคน ซึ่งสามารถสุ่มตัวอย่างได้เพื่อให้มั่นใจถึงความเป็นเอกลักษณ์และความถูกต้อง หลังจากการตรวจสอบ ผู้ใช้จะได้รับหนังสือเดินทางดิจิทัลที่เรียกว่า World ID บนบล็อกเชน Optimism ทำให้ผู้ใช้สามารถพิสูจน์ความเป็นมนุษย์ของตนบนบล็อกเชน สิ่งที่ดีที่สุดคือลายเซ็นเฉพาะของบุคคลจะไม่ถูกเปิดเผยและไม่สามารถติดตามได้เนื่องจากมีการเข้ารหัส World ID เพียงยืนยันว่าที่อยู่ blockchain เป็นของมนุษย์ โปรเจ็กต์อย่าง Checkmate เชื่อมโยง World ID กับโปรไฟล์โซเชียลมีเดียอยู่แล้ว เพื่อให้มั่นใจถึงเอกลักษณ์และความน่าเชื่อถือของผู้ใช้ ในอินเทอร์เน็ตแห่งอนาคตที่นำโดย AI การแสดงความเป็นมนุษย์อย่างชัดเจนในการโต้ตอบออนไลน์ทุกครั้งอาจกลายเป็นเรื่องธรรมดา เมื่อปัญญาประดิษฐ์เอาชนะข้อจำกัดของ CAPTCHA แอปพลิเคชันบล็อกเชนสามารถพิสูจน์ตัวตนได้ในราคาถูก รวดเร็ว และเป็นรูปธรรม

มีส่วนร่วมในปัญญาประดิษฐ์ผ่านเทคโนโลยีบล็อกเชน

ไม่ต้องสงสัยเลยว่าเราอยู่ในช่วงเริ่มต้นของการปฏิวัติปัญญาประดิษฐ์ อย่างไรก็ตาม หากวิถีการเติบโตของสติปัญญาของเครื่องจักรตรงกับการคาดการณ์ที่ชัดเจนที่สุด AI จะต้องถูกท้าทายให้เก่งขึ้นในขณะที่ทำผลงานได้ดีกว่าอันตรายที่อาจเกิดขึ้น เราเชื่อว่าสกุลเงินดิจิทัลเป็นช่องทางที่เหมาะสมในการ ฝึกฝน โรงงานปัญญาประดิษฐ์ที่อุดมไปด้วยผลลัพธ์แต่อาจร้ายกาจอย่างเหมาะสม ชุดโซลูชัน AI ของ Blockchain สามารถเพิ่มผลลัพธ์ของผู้สร้าง Machine Intelligence ได้โดยมอบการประมวลผลแบบกระจายอำนาจที่ตอบสนอง ยืดหยุ่น และอาจถูกกว่า นอกจากนี้ยังสร้างแรงจูงใจให้ผู้สร้างที่สามารถสร้างโมเดลที่ดีกว่าได้ ในขณะเดียวกันก็ให้สิ่งจูงใจทางการเงินแก่ผู้อื่นในการสร้างธุรกิจที่มีประโยชน์โดยใช้โมเดล AI เหล่านี้ ที่สำคัญไม่แพ้กัน เจ้าของโมเดลสามารถแสดงให้เห็นถึงความถูกต้องของโมเดลของตนได้ ในขณะที่แสดงให้เห็นว่าไม่ได้ใช้แหล่งข้อมูลที่ได้รับการป้องกัน สำหรับผู้ใช้ AI แอปพลิเคชันการเข้ารหัสจะมีประโยชน์ในการยืนยันว่าโมเดลที่พวกเขาใช้งานนั้นตรงตามมาตรฐานความปลอดภัย สำหรับคนอื่นๆ บล็อกเชนและสกุลเงินดิจิทัลอาจเป็นบทลงโทษและรางวัลที่ยุ่งเหยิง ซึ่งพันธนาการกัลลิเวอร์ที่ปัญญาประดิษฐ์จะต้องกลายมาเป็น

ที่มา: VanEck Research เว็บไซต์โครงการ ณ วันที่ 15 มกราคม 2024

การเปิดเผยข้อมูล: VanEck ปรากฏตัวใน Together ผ่านความร่วมมือเชิงกลยุทธ์กับ Cadenza ผู้จัดการร่วมลงทุนระยะเริ่มต้น ผู้ซึ่งใจดีพอที่จะมีส่วนร่วมในหัวข้อ การเอาชนะปัญหาคอขวดในคอมพิวเตอร์แบบกระจายอำนาจ