Penulis: Catrina Wang
Kompilasi: Catrina SevenUp DAO Sumber: Coin Time
Kredit gambar: Dihasilkan oleh alat AI tak terbatas
Sampai saat ini, startup telah memimpin dalam inovasi teknologi karena kecepatan, ketangkasan, budaya kewirausahaan, dan kebebasan dari kelembaman organisasi. Namun, di era AI yang berkembang pesat, banyak hal telah berubah. Raksasa teknologi besar seperti OpenAI milik Microsoft, Nvidia, Google, dan bahkan Meta telah mendominasi produk AI yang inovatif sejauh ini.
Jadi apa yang salah? Mengapa "Goliat" mengalahkan "David" kali ini? Sementara startup dapat menulis kode yang bagus, mereka seringkali tidak dapat bersaing dengan raksasa teknologi besar karena beberapa tantangan:
Biaya komputasi masih sangat tinggi;
AI memiliki masalah yang disebut "menonjol terbalik": kurangnya tindakan regulasi yang diperlukan akan menghambat inovasi karena kekhawatiran dan ketidakpastian tentang dampak sosial;
AI adalah kotak hitam;
Kesenjangan data dari pemain yang sudah melebar (perusahaan teknologi besar) menciptakan hambatan bagi pesaing baru.
Jadi, bagaimana kaitannya dengan teknologi blockchain, dan di mana ia bersinggungan dengan kecerdasan buatan? Meski bukan obat mujarab, di Web3, **DePIN (Jaringan Infrastruktur Fisik Terdesentralisasi) dapat meningkatkan teknologi AI dengan menyelesaikan tantangan di atas. **Dalam artikel ini, saya akan menjelaskan cara menggunakan teknologi di balik DePIN untuk meningkatkan kecerdasan buatan dari empat dimensi:
1. Mengurangi biaya infrastruktur;2. Verifikasi identitas dan kemanusiaan produsen;3. Memasukkan demokrasi dan transparansi ke dalam AI;
**4. Instal mekanisme insentif untuk kontribusi data. **
Dalam konteks artikel ini,
"Web3" didefinisikan sebagai generasi berikutnya dari Internet, teknologi blockchain adalah bagian penting darinya, dan juga mencakup teknologi lain yang sudah ada;
"Blockchain" berarti teknologi ledger terdesentralisasi dan terdistribusi;
"Cryptocurrency" mengacu pada penggunaan token sebagai mekanisme insentif dan desentralisasi.
Pertama, kurangi biaya infrastruktur (komputasi dan penyimpanan)
Pentingnya keterjangkauan infrastruktur (dalam konteks AI, biaya perangkat keras untuk menghitung, mengirim, dan menyimpan data) disorot dalam kerangka kerja "Revolusi Teknologi" Carlota Perez. Kerangka tersebut mengusulkan bahwa setiap terobosan teknologi memiliki dua fase:
1) Fase instalasi ditandai dengan investasi VC yang besar, pembangunan infrastruktur dan pendekatan "push" to market (GTM), karena proposisi nilai pelanggan untuk teknologi baru belum jelas.
2) Fase penyebaran ditandai dengan peningkatan pesat dalam pasokan infrastruktur, yang menurunkan hambatan masuk bagi pendatang baru, sementara dicirikan oleh pendekatan GTM "tarik", yang menunjukkan bahwa pelanggan menginginkan lebih banyak produk yang belum mapan dan bahwa ada Pembelanjaan produk-pasar yang kuat.
Meskipun ChatGPT sudah memiliki kecocokan pasar produk yang jelas dan permintaan pelanggan yang besar, orang mungkin berpikir bahwa AI telah memasuki fase penerapan.
**Namun, satu hal masih kurang: pasokan infrastruktur yang berlebihan untuk membuatnya cukup murah bagi startup yang sensitif terhadap harga untuk membangun dan bereksperimen. **
1. Masalah Masalahnya adalah dinamika pasar saat ini di ruang infrastruktur fisik sebagian besar merupakan oligopoli yang terintegrasi secara vertikal, di mana perusahaan seperti AWS, GCP, Azure, Nvidia, Cloudflare, dan Akamai menikmati keuntungan tinggi. Misalnya, AWS diperkirakan memiliki margin kotor sebesar 61% pada perangkat keras komputasi komoditas.
Mahal secara komputasi untuk pendatang AI baru, terutama di LLM.
Biaya pelatihan ChatGPT sekitar $4 juta, dan biaya inferensi perangkat keras sekitar $700.000 per hari.
Versi kedua Bloom diperkirakan menelan biaya $10 juta untuk pelatihan dan pelatihan ulang.
Jika ChatGPT diterapkan ke Google Penelusuran, pendapatan Google akan menelan biaya $36 miliar, perubahan keuntungan besar dari platform perangkat lunak (Google) ke penyedia perangkat keras (Nvidia).
2. Solusi Jaringan DePIN (seperti Filecoin, Bacalhau, Render Network, dan ExaBits) dapat mencapai penghematan biaya infrastruktur lebih dari 75%-90% melalui tiga tuas berikut. Jaringan ini adalah perintis sejak 2014 yang berfokus pada akumulasi perangkat keras Internet berskala besar untuk penyimpanan data terdesentralisasi, sementara Bacalhau, Jaringan Render, dan ExaBits adalah lapisan koordinasi yang menyesuaikan permintaan dengan pasokan CPU/GPU. ** (Penafian: Penulis adalah mantan karyawan Protocol Labs dan konsultan ExaBits)
1) Dorong kurva penawaran dan ciptakan pasar yang lebih kompetitif
DePIN mendemokratisasi pemasok perangkat keras dengan memungkinkan pemasok perangkat keras menjadi penyedia layanan. Ini menciptakan persaingan untuk kepentingan pribadi ini dengan menciptakan pasar di mana siapa pun dapat bergabung dengan jaringan sebagai "penambang", menawarkan CPU/GPU atau daya penyimpanan mereka dengan imbalan imbalan finansial.
Sementara perusahaan seperti AWS tidak diragukan lagi menikmati 17 tahun lebih awal dalam antarmuka pengguna, keunggulan operasional, dan integrasi vertikal, DePIN membuka basis pelanggan baru yang sebelumnya terlalu mahal oleh penyedia terpusat. Sama seperti Ebay yang tidak akan bersaing langsung dengan Bloomingdale, tetapi memperkenalkan alternatif yang lebih terjangkau untuk memenuhi kebutuhan serupa, jaringan DePIN tidak akan menggantikan penyedia terpusat, melainkan bertujuan untuk melayani basis pengguna yang lebih sadar harga.
2) Seimbangkan ekonomi pasar ini melalui desain cryptoeconomic
DePIN menciptakan mekanisme subsidi untuk mendorong pemasok perangkat keras untuk berpartisipasi dalam jaringan, sehingga mengurangi biaya bagi pengguna akhir. Untuk memahami cara kerjanya, pertama-tama mari kita bandingkan biaya dan pendapatan penyedia penyimpanan di AWS dan Filecoin.
A. Jaringan DePIN dapat mengurangi biaya bagi pelanggan: Jaringan DePIN menciptakan pasar yang kompetitif dan memperkenalkan persaingan gaya Bertrand, sehingga mengurangi biaya bagi pelanggan. Sebaliknya, AWS EC2 membutuhkan margin laba menengah 50% dan margin kotor 31% untuk tetap bertahan.
B. Dengan mengeluarkan token rewards/block reward sebagai sumber pendapatan baru, jaringan DePIN dapat memberikan keuntungan lebih. Dalam konteks Filecoin, menghosting lebih banyak data aktual berarti penyedia penyimpanan mendapatkan lebih banyak hadiah blok (token). Oleh karena itu, penyedia penyimpanan memiliki insentif untuk menarik lebih banyak pelanggan dan memenangkan lebih banyak kesepakatan untuk memaksimalkan pendapatan. Struktur token dari beberapa jaringan DePIN komputasi yang muncul tetap tersembunyi, tetapi kemungkinan akan mengikuti pola yang sama. Contoh jaringan ini meliputi:
Bacalhau: Lapisan koordinasi yang membawa komputasi ke tempat penyimpanan data tanpa memindahkan data dalam jumlah besar
ExaBITS: Jaringan Komputasi Terdesentralisasi untuk Kecerdasan Buatan dan Aplikasi Intensif Komputasi
3) Mengurangi biaya overhead:
Manfaat jaringan DePIN seperti Bacalhau dan ExaBITS dan IPFS/penyimpanan beralamat konten meliputi:
A. Menciptakan Ketersediaan dari Data Laten: Karena tingginya biaya bandwidth untuk mentransfer kumpulan data besar, ada sejumlah besar data yang belum dimanfaatkan. Misalnya, stadion olahraga menghasilkan data acara dalam jumlah besar, yang saat ini tidak digunakan. Proyek DePIN membuka ketersediaan data laten tersebut dengan memproses data di tempat dan hanya mengirimkan keluaran yang berarti.
B. Mengurangi biaya operasional melalui penyerapan data lokal, seperti entri data, transmisi, dan impor/ekspor.
C. Meminimalkan proses berbagi data sensitif secara manual: Misalnya, jika rumah sakit A dan B perlu menggabungkan data sensitif pasien masing-masing untuk analisis, mereka dapat menggunakan Bacalhau untuk mengoordinasikan daya GPU untuk langsung memproses data sensitif secara lokal alih-alih melalui proses yang rumit prosedur administratif dengan Pihak lawan memproses pertukaran PII (Personally Identifiable Information).
D. Hilangkan kebutuhan untuk menghitung ulang kumpulan data pokok: IPFS/penyimpanan beralamat konten memiliki properti bawaan untuk mendeduplikasi, melacak silsilah, dan memverifikasi data. Berikut adalah bacaan lebih lanjut tentang fitur dan manfaat biaya yang dibawa IPFS.
3. RingkasanAI membutuhkan DePIN untuk mendapatkan infrastruktur yang terjangkau, dan pasar saat ini dimonopoli oleh oligopoli yang terintegrasi secara vertikal. Jaringan DePIN seperti Filecoin, Bacalhau, Render Network, dan ExaBits dapat memberikan penghematan biaya 75%-90%+ dengan mendemokratisasi akses ke pemasok perangkat keras dan memperkenalkan persaingan, menyeimbangkan ekonomi pasar melalui desain ekonomi kripto, dan mengurangi biaya overhead.
Kedua, Kreator & Verifikasi Kemanusiaan
1. Pertanyaan Menurut survei terbaru, 50% ilmuwan kecerdasan buatan percaya bahwa setidaknya ada 10% kemungkinan kecerdasan buatan akan menyebabkan kehancuran umat manusia.
Ini adalah pemikiran yang serius. AI telah menyebabkan gangguan sosial, dan saat ini kita tidak memiliki struktur regulasi atau jaminan teknologi — yang oleh pemerintah disebut sebagai "papan loncatan terbalik". **
Sayangnya, dampak sosial AI jauh melampaui debat dan gambar podcast palsu:
Siklus pemilihan presiden 2024 akan menjadi satu, kampanye politik yang dihasilkan AI deepfake yang sulit dibedakan dari yang asli.
Video Senator Elizabeth Warren sedang diedit agar terlihat seperti Warren mengatakan Partai Republik seharusnya tidak diizinkan untuk memilih (dibantah).
Memalsukan kloning suara Biden karena mengkritik wanita trans.
Sekelompok seniman mengajukan gugatan class action terhadap AI Midjourney dan Stabilitas dengan tuduhan penggunaan karya seniman secara tidak sah untuk melatih gambar AI yang melanggar merek dagang seniman dan mengancam mata pencaharian mereka.
Soundtrack buatan AI deepfake berjudul "Heart on My Sleeve", dinyanyikan oleh The Weeknd dan Drake, menjadi berita utama sebelum ditarik dari layanan streaming. Kontroversi seputar pelanggaran hak cipta merupakan pertanda komplikasi yang dapat muncul ketika teknologi baru memasuki kesadaran arus utama tanpa aturan yang diperlukan. Dengan kata lain, ini adalah masalah batu loncatan terbalik.
Bagaimana jika kita dapat memiliki perlindungan untuk AI melalui bukti kriptografi di Web3?
**2. Solusi 1) Buktikan identitas pencipta dan identitas manusia melalui sertifikat sumber terenkripsi pada blockchain. **
Di sinilah kita dapat memanfaatkan teknologi blockchain - sebagai buku besar terdistribusi yang berisi catatan abadi di blockchain. Ini memungkinkan untuk memverifikasi keaslian konten digital dengan memeriksa bukti kriptografisnya.
2) Tanda tangan digital membuktikan identitas dan kemanusiaan pencipta
Untuk mencegah deepfake, bukti kriptografi dapat dihasilkan menggunakan tanda tangan digital yang unik bagi pembuat konten asli. Tanda tangan ini dapat dibuat menggunakan kunci privat, yang hanya diketahui oleh pembuatnya, dapat diverifikasi menggunakan kunci publik, dan tersedia untuk semua. Dengan melampirkan tanda tangan ini ke konten, dimungkinkan untuk membuktikan bahwa konten tersebut dibuat oleh pencipta asli, apakah itu manusia atau AI, dan bahwa perubahan resmi/tidak sah telah dilakukan pada konten ini.
3) Gunakan pohon IPFS dan Merkle untuk membuktikan keaslian
IPFS adalah protokol terdesentralisasi yang menggunakan pengalamatan konten dan pohon Merkle untuk referensi kumpulan data besar. Untuk membuktikan perubahan pada konten file, bukti Merkle dibuat, yang merupakan daftar hash yang menunjukkan blok data tertentu di pohon Merkle. Setiap kali ada perubahan, hash baru dibuat dan pohon Merkle diperbarui, memberikan bukti modifikasi file.
Solusi kriptografi semacam itu mungkin menghadapi masalah insentif dan penghargaan:
Lagi pula, menangkap generator deepfake tidak akan memiliki biaya finansial sebanyak mengurangi eksternalitas sosial yang negatif. Tanggung jawab kemungkinan besar akan jatuh pada platform distribusi media besar seperti Twitter, Meta, Google, dll., yang sudah ditandai.
** Jadi mengapa kita membutuhkan blockchain? **Jawabannya adalah tanda tangan kriptografi dan bukti keaslian ini lebih efisien, dapat diverifikasi, dan deterministik. Saat ini, proses pendeteksian deepfake sebagian besar dilakukan melalui algoritme pembelajaran mesin (seperti "Tantangan Deteksi Deepfake Meta", "Sistem Angka Asimetris Google" (ANS) dan c2pa dari Meta) untuk mengidentifikasi pola dan anomali dalam konten visual, yang terkadang tidak akurat. Akurat , dan tertinggal dari deepfake yang semakin canggih. Intervensi moderator manusia seringkali diperlukan untuk menilai keaslian, yang tidak efisien dan mahal.
Bayangkan sebuah dunia di mana setiap bagian dari konten memiliki tanda kriptografinya sendiri sehingga setiap orang dapat membuktikan asal-usul ciptaan dan manipulasi atau pemalsuan bendera - sebuah dunia baru yang berani.
3. Ringkasan Kecerdasan buatan menimbulkan ancaman besar bagi masyarakat, dengan deepfake dan penggunaan konten tanpa izin menjadi perhatian utama. Teknologi Web3, seperti tanda tangan digital yang membuktikan identitas pencipta dan kemanusiaan serta menggunakan pohon IPFS dan Merkle untuk membuktikan keaslian, dapat memberikan keamanan untuk AI dengan memverifikasi keaslian konten digital dan mencegah perubahan yang tidak sah.
Ketiga, menyuntikkan demokrasi ke dalam AI
1. Masalah Saat ini, kecerdasan buatan adalah kotak hitam yang terdiri dari data hak milik dan algoritme hak milik. Sifat tertutup dari perusahaan teknologi besar seperti itu mengarah pada ketidakmungkinan "demokrasi AI", yaitu, setiap pengembang dan bahkan pengguna harus dapat menyumbangkan algoritme dan data ke model LLM dan menerima bagian dari keuntungan model di masa depan (seperti yang dibahas dalam makalah ini) dibahas).
Demokrasi AI = Visibilitas (kemampuan untuk melihat data dan algoritme yang dimasukkan ke dalam model) + Kontribusi (kemampuan untuk menyumbangkan data atau algoritme ke model).
2. Solusi AI Democracy bertujuan untuk membuat model AI generatif dapat diakses, relevan, dan dimiliki oleh semua orang. Tabel di bawah ini membandingkan apa yang mungkin dilakukan saat ini dengan apa yang dimungkinkan oleh teknologi blockchain di Web3.
1) Saat ini
A. Untuk konsumen:
B. Untuk pengembang:
Sedikit pengulangan karena tidak ada keterlacakan ETL yang dilakukan pada data
80% waktu data scientist terbuang percuma untuk melakukan pembersihan data tingkat rendah karena kurangnya kemampuan untuk memverifikasi keluaran data bersama
Blockchain akan memungkinkan untuk:
A. Untuk konsumen:
Pengguna dapat memberikan umpan balik (mis. umpan balik halus tentang bias, moderasi konten, keluaran) sebagai masukan untuk penyempurnaan berkelanjutan
B. Untuk pengembang:
Lapisan kurasi data terdesentralisasi: Crowdsource membosankan dan proses persiapan data yang memakan waktu seperti pelabelan data
Visibilitas dan kemampuan untuk menggabungkan dan menyempurnakan algoritme dengan yang dapat diverifikasi dan berbasis silsilah (yaitu, mereka dapat melihat riwayat anti rusak dari semua perubahan di masa lalu)
Kedaulatan data (dicapai melalui pengalamatan konten/IPFS) dan kedaulatan algoritme (misalnya, Urbit mewujudkan kombinasi titik-ke-titik dan portabilitas data dan algoritme)
LLM inovatif yang muncul dari varian fundamental model open source menghasilkan dorongan untuk mempercepat inovasi
Keluaran data pelatihan yang dapat direproduksi melalui rekaman blockchain yang tidak dapat diubah dari operasi dan kueri ETL sebelumnya (mis. Kamu)
Mungkin dikatakan bahwa platform open source Web2 adalah kompromi, tetapi masih jauh dari optimal untuk alasan yang dijelaskan dalam artikel ini.
3. Ringkasan Sifat tertutup dari perusahaan teknologi besar telah menyebabkan ketidakmungkinan "demokrasi AI", yaitu, setiap pengembang atau pengguna harus dapat menyumbangkan algoritme dan data ke model LLM dan mendapatkan keuntungan dari masa depan dari bagian model. AI harus dapat diakses, relevan, dan dimiliki oleh semua orang. Jaringan blockchain akan memungkinkan pengguna untuk memberikan umpan balik, menyumbangkan data untuk monetisasi model, dan memberi pengembang visibilitas dan kemampuan untuk menyusun dan menyempurnakan algoritme dengan fitur yang dapat diverifikasi dan berbasis garis keturunan. Inovasi Web3 seperti pengalamatan konten/IPFS dan Urbit akan mengaktifkan kedaulatan data dan algoritme. Keluaran data pelatihan berulang dari operasi dan kueri ETL sebelumnya juga akan dimungkinkan melalui catatan abadi blockchain.
Keempat, tetapkan insentif kontribusi data
1. Masalah Saat ini, data konsumen yang paling berharga adalah pembagian bisnis hak milik dari platform teknologi besar. Raksasa teknologi tidak memiliki banyak insentif untuk membagikan data ini dengan pihak luar.
Jadi, mengapa tidak mendapatkan data ini langsung dari pembuat/pengguna data? Mengapa tidak menjadikan data sebagai barang publik dengan menyumbangkan data kami dan membuka sumbernya untuk ilmuwan data berbakat?
Singkatnya, tidak ada mekanisme insentif atau koordinasi untuk mewujudkan hal ini. Tugas memelihara data dan melakukan ETL (mengekstrak, mengubah, dan memuat) memerlukan biaya tambahan yang signifikan. Faktanya, industri penyimpanan data saja akan menjadi industri senilai $777 miliar pada tahun 2030, belum termasuk biaya komputasi. Mengapa ada orang yang mengambil pekerjaan pemipaan data dan biaya ketika tidak ada imbalan apa pun?
Misalnya, OpenAI awalnya open source dan nirlaba, tetapi karena tidak mudah menghasilkan uang, ia mengalami masalah. Terakhir, pada 2019, ia harus menerima suntikan modal dari Microsoft dan menutup algoritmenya untuk umum. OpenAI diharapkan menghasilkan pendapatan $1 miliar pada tahun 2024.
2. Solusi Web3 memperkenalkan mekanisme baru yang disebut dataDAO, yang memfasilitasi redistribusi pendapatan dari pemilik model AI ke kontributor data, menciptakan lapisan insentif untuk kontribusi data crowdsourced.
Kesimpulan
Kesimpulannya, DePIN adalah kategori baru yang menarik yang menyediakan bahan bakar alternatif dalam perangkat keras untuk mendorong kebangkitan inovasi Web3 dan AI.
Sementara perusahaan teknologi besar mendominasi industri AI, pemain baru yang bersaing dengan teknologi blockchain juga memiliki potensi untuk:
Jaringan DePIN menurunkan ambang batas biaya komputasi; sifat blockchain yang dapat diverifikasi dan terdesentralisasi memungkinkan AI terbuka yang sebenarnya; mekanisme inovatif, seperti dataDAO, memberi insentif pada kontribusi data; properti blockchain yang tidak dapat diubah dan tahan rusak memberikan bukti identitas dari penulis untuk mengatasi kekhawatiran tentang dampak sosial negatif dari AI.
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
AI membutuhkan Web3
Penulis: Catrina Wang Kompilasi: Catrina SevenUp DAO Sumber: Coin Time
Sampai saat ini, startup telah memimpin dalam inovasi teknologi karena kecepatan, ketangkasan, budaya kewirausahaan, dan kebebasan dari kelembaman organisasi. Namun, di era AI yang berkembang pesat, banyak hal telah berubah. Raksasa teknologi besar seperti OpenAI milik Microsoft, Nvidia, Google, dan bahkan Meta telah mendominasi produk AI yang inovatif sejauh ini.
Jadi apa yang salah? Mengapa "Goliat" mengalahkan "David" kali ini? Sementara startup dapat menulis kode yang bagus, mereka seringkali tidak dapat bersaing dengan raksasa teknologi besar karena beberapa tantangan:
Jadi, bagaimana kaitannya dengan teknologi blockchain, dan di mana ia bersinggungan dengan kecerdasan buatan? Meski bukan obat mujarab, di Web3, **DePIN (Jaringan Infrastruktur Fisik Terdesentralisasi) dapat meningkatkan teknologi AI dengan menyelesaikan tantangan di atas. **Dalam artikel ini, saya akan menjelaskan cara menggunakan teknologi di balik DePIN untuk meningkatkan kecerdasan buatan dari empat dimensi:
1. Mengurangi biaya infrastruktur; 2. Verifikasi identitas dan kemanusiaan produsen; 3. Memasukkan demokrasi dan transparansi ke dalam AI; **4. Instal mekanisme insentif untuk kontribusi data. **
Dalam konteks artikel ini,
Pertama, kurangi biaya infrastruktur (komputasi dan penyimpanan)
Pentingnya keterjangkauan infrastruktur (dalam konteks AI, biaya perangkat keras untuk menghitung, mengirim, dan menyimpan data) disorot dalam kerangka kerja "Revolusi Teknologi" Carlota Perez. Kerangka tersebut mengusulkan bahwa setiap terobosan teknologi memiliki dua fase:
1) Dorong kurva penawaran dan ciptakan pasar yang lebih kompetitif DePIN mendemokratisasi pemasok perangkat keras dengan memungkinkan pemasok perangkat keras menjadi penyedia layanan. Ini menciptakan persaingan untuk kepentingan pribadi ini dengan menciptakan pasar di mana siapa pun dapat bergabung dengan jaringan sebagai "penambang", menawarkan CPU/GPU atau daya penyimpanan mereka dengan imbalan imbalan finansial. Sementara perusahaan seperti AWS tidak diragukan lagi menikmati 17 tahun lebih awal dalam antarmuka pengguna, keunggulan operasional, dan integrasi vertikal, DePIN membuka basis pelanggan baru yang sebelumnya terlalu mahal oleh penyedia terpusat. Sama seperti Ebay yang tidak akan bersaing langsung dengan Bloomingdale, tetapi memperkenalkan alternatif yang lebih terjangkau untuk memenuhi kebutuhan serupa, jaringan DePIN tidak akan menggantikan penyedia terpusat, melainkan bertujuan untuk melayani basis pengguna yang lebih sadar harga.
2) Seimbangkan ekonomi pasar ini melalui desain cryptoeconomic DePIN menciptakan mekanisme subsidi untuk mendorong pemasok perangkat keras untuk berpartisipasi dalam jaringan, sehingga mengurangi biaya bagi pengguna akhir. Untuk memahami cara kerjanya, pertama-tama mari kita bandingkan biaya dan pendapatan penyedia penyimpanan di AWS dan Filecoin.
3) Mengurangi biaya overhead: Manfaat jaringan DePIN seperti Bacalhau dan ExaBITS dan IPFS/penyimpanan beralamat konten meliputi: A. Menciptakan Ketersediaan dari Data Laten: Karena tingginya biaya bandwidth untuk mentransfer kumpulan data besar, ada sejumlah besar data yang belum dimanfaatkan. Misalnya, stadion olahraga menghasilkan data acara dalam jumlah besar, yang saat ini tidak digunakan. Proyek DePIN membuka ketersediaan data laten tersebut dengan memproses data di tempat dan hanya mengirimkan keluaran yang berarti. B. Mengurangi biaya operasional melalui penyerapan data lokal, seperti entri data, transmisi, dan impor/ekspor. C. Meminimalkan proses berbagi data sensitif secara manual: Misalnya, jika rumah sakit A dan B perlu menggabungkan data sensitif pasien masing-masing untuk analisis, mereka dapat menggunakan Bacalhau untuk mengoordinasikan daya GPU untuk langsung memproses data sensitif secara lokal alih-alih melalui proses yang rumit prosedur administratif dengan Pihak lawan memproses pertukaran PII (Personally Identifiable Information). D. Hilangkan kebutuhan untuk menghitung ulang kumpulan data pokok: IPFS/penyimpanan beralamat konten memiliki properti bawaan untuk mendeduplikasi, melacak silsilah, dan memverifikasi data. Berikut adalah bacaan lebih lanjut tentang fitur dan manfaat biaya yang dibawa IPFS. 3. RingkasanAI membutuhkan DePIN untuk mendapatkan infrastruktur yang terjangkau, dan pasar saat ini dimonopoli oleh oligopoli yang terintegrasi secara vertikal. Jaringan DePIN seperti Filecoin, Bacalhau, Render Network, dan ExaBits dapat memberikan penghematan biaya 75%-90%+ dengan mendemokratisasi akses ke pemasok perangkat keras dan memperkenalkan persaingan, menyeimbangkan ekonomi pasar melalui desain ekonomi kripto, dan mengurangi biaya overhead.
Kedua, Kreator & Verifikasi Kemanusiaan
1. Pertanyaan Menurut survei terbaru, 50% ilmuwan kecerdasan buatan percaya bahwa setidaknya ada 10% kemungkinan kecerdasan buatan akan menyebabkan kehancuran umat manusia. Ini adalah pemikiran yang serius. AI telah menyebabkan gangguan sosial, dan saat ini kita tidak memiliki struktur regulasi atau jaminan teknologi — yang oleh pemerintah disebut sebagai "papan loncatan terbalik". **
2) Tanda tangan digital membuktikan identitas dan kemanusiaan pencipta Untuk mencegah deepfake, bukti kriptografi dapat dihasilkan menggunakan tanda tangan digital yang unik bagi pembuat konten asli. Tanda tangan ini dapat dibuat menggunakan kunci privat, yang hanya diketahui oleh pembuatnya, dapat diverifikasi menggunakan kunci publik, dan tersedia untuk semua. Dengan melampirkan tanda tangan ini ke konten, dimungkinkan untuk membuktikan bahwa konten tersebut dibuat oleh pencipta asli, apakah itu manusia atau AI, dan bahwa perubahan resmi/tidak sah telah dilakukan pada konten ini.
3) Gunakan pohon IPFS dan Merkle untuk membuktikan keaslian IPFS adalah protokol terdesentralisasi yang menggunakan pengalamatan konten dan pohon Merkle untuk referensi kumpulan data besar. Untuk membuktikan perubahan pada konten file, bukti Merkle dibuat, yang merupakan daftar hash yang menunjukkan blok data tertentu di pohon Merkle. Setiap kali ada perubahan, hash baru dibuat dan pohon Merkle diperbarui, memberikan bukti modifikasi file.
Solusi kriptografi semacam itu mungkin menghadapi masalah insentif dan penghargaan: Lagi pula, menangkap generator deepfake tidak akan memiliki biaya finansial sebanyak mengurangi eksternalitas sosial yang negatif. Tanggung jawab kemungkinan besar akan jatuh pada platform distribusi media besar seperti Twitter, Meta, Google, dll., yang sudah ditandai. ** Jadi mengapa kita membutuhkan blockchain? **Jawabannya adalah tanda tangan kriptografi dan bukti keaslian ini lebih efisien, dapat diverifikasi, dan deterministik. Saat ini, proses pendeteksian deepfake sebagian besar dilakukan melalui algoritme pembelajaran mesin (seperti "Tantangan Deteksi Deepfake Meta", "Sistem Angka Asimetris Google" (ANS) dan c2pa dari Meta) untuk mengidentifikasi pola dan anomali dalam konten visual, yang terkadang tidak akurat. Akurat , dan tertinggal dari deepfake yang semakin canggih. Intervensi moderator manusia seringkali diperlukan untuk menilai keaslian, yang tidak efisien dan mahal.
Bayangkan sebuah dunia di mana setiap bagian dari konten memiliki tanda kriptografinya sendiri sehingga setiap orang dapat membuktikan asal-usul ciptaan dan manipulasi atau pemalsuan bendera - sebuah dunia baru yang berani. 3. Ringkasan Kecerdasan buatan menimbulkan ancaman besar bagi masyarakat, dengan deepfake dan penggunaan konten tanpa izin menjadi perhatian utama. Teknologi Web3, seperti tanda tangan digital yang membuktikan identitas pencipta dan kemanusiaan serta menggunakan pohon IPFS dan Merkle untuk membuktikan keaslian, dapat memberikan keamanan untuk AI dengan memverifikasi keaslian konten digital dan mencegah perubahan yang tidak sah.
Ketiga, menyuntikkan demokrasi ke dalam AI
1. Masalah Saat ini, kecerdasan buatan adalah kotak hitam yang terdiri dari data hak milik dan algoritme hak milik. Sifat tertutup dari perusahaan teknologi besar seperti itu mengarah pada ketidakmungkinan "demokrasi AI", yaitu, setiap pengembang dan bahkan pengguna harus dapat menyumbangkan algoritme dan data ke model LLM dan menerima bagian dari keuntungan model di masa depan (seperti yang dibahas dalam makalah ini) dibahas).
Demokrasi AI = Visibilitas (kemampuan untuk melihat data dan algoritme yang dimasukkan ke dalam model) + Kontribusi (kemampuan untuk menyumbangkan data atau algoritme ke model). 2. Solusi AI Democracy bertujuan untuk membuat model AI generatif dapat diakses, relevan, dan dimiliki oleh semua orang. Tabel di bawah ini membandingkan apa yang mungkin dilakukan saat ini dengan apa yang dimungkinkan oleh teknologi blockchain di Web3.
B. Untuk pengembang: Lapisan kurasi data terdesentralisasi: Crowdsource membosankan dan proses persiapan data yang memakan waktu seperti pelabelan data Visibilitas dan kemampuan untuk menggabungkan dan menyempurnakan algoritme dengan yang dapat diverifikasi dan berbasis silsilah (yaitu, mereka dapat melihat riwayat anti rusak dari semua perubahan di masa lalu) Kedaulatan data (dicapai melalui pengalamatan konten/IPFS) dan kedaulatan algoritme (misalnya, Urbit mewujudkan kombinasi titik-ke-titik dan portabilitas data dan algoritme) LLM inovatif yang muncul dari varian fundamental model open source menghasilkan dorongan untuk mempercepat inovasi Keluaran data pelatihan yang dapat direproduksi melalui rekaman blockchain yang tidak dapat diubah dari operasi dan kueri ETL sebelumnya (mis. Kamu) Mungkin dikatakan bahwa platform open source Web2 adalah kompromi, tetapi masih jauh dari optimal untuk alasan yang dijelaskan dalam artikel ini. 3. Ringkasan Sifat tertutup dari perusahaan teknologi besar telah menyebabkan ketidakmungkinan "demokrasi AI", yaitu, setiap pengembang atau pengguna harus dapat menyumbangkan algoritme dan data ke model LLM dan mendapatkan keuntungan dari masa depan dari bagian model. AI harus dapat diakses, relevan, dan dimiliki oleh semua orang. Jaringan blockchain akan memungkinkan pengguna untuk memberikan umpan balik, menyumbangkan data untuk monetisasi model, dan memberi pengembang visibilitas dan kemampuan untuk menyusun dan menyempurnakan algoritme dengan fitur yang dapat diverifikasi dan berbasis garis keturunan. Inovasi Web3 seperti pengalamatan konten/IPFS dan Urbit akan mengaktifkan kedaulatan data dan algoritme. Keluaran data pelatihan berulang dari operasi dan kueri ETL sebelumnya juga akan dimungkinkan melalui catatan abadi blockchain.
Keempat, tetapkan insentif kontribusi data
1. Masalah Saat ini, data konsumen yang paling berharga adalah pembagian bisnis hak milik dari platform teknologi besar. Raksasa teknologi tidak memiliki banyak insentif untuk membagikan data ini dengan pihak luar.
Jadi, mengapa tidak mendapatkan data ini langsung dari pembuat/pengguna data? Mengapa tidak menjadikan data sebagai barang publik dengan menyumbangkan data kami dan membuka sumbernya untuk ilmuwan data berbakat?
Singkatnya, tidak ada mekanisme insentif atau koordinasi untuk mewujudkan hal ini. Tugas memelihara data dan melakukan ETL (mengekstrak, mengubah, dan memuat) memerlukan biaya tambahan yang signifikan. Faktanya, industri penyimpanan data saja akan menjadi industri senilai $777 miliar pada tahun 2030, belum termasuk biaya komputasi. Mengapa ada orang yang mengambil pekerjaan pemipaan data dan biaya ketika tidak ada imbalan apa pun?
Misalnya, OpenAI awalnya open source dan nirlaba, tetapi karena tidak mudah menghasilkan uang, ia mengalami masalah. Terakhir, pada 2019, ia harus menerima suntikan modal dari Microsoft dan menutup algoritmenya untuk umum. OpenAI diharapkan menghasilkan pendapatan $1 miliar pada tahun 2024. 2. Solusi Web3 memperkenalkan mekanisme baru yang disebut dataDAO, yang memfasilitasi redistribusi pendapatan dari pemilik model AI ke kontributor data, menciptakan lapisan insentif untuk kontribusi data crowdsourced.
Kesimpulan
Kesimpulannya, DePIN adalah kategori baru yang menarik yang menyediakan bahan bakar alternatif dalam perangkat keras untuk mendorong kebangkitan inovasi Web3 dan AI. Sementara perusahaan teknologi besar mendominasi industri AI, pemain baru yang bersaing dengan teknologi blockchain juga memiliki potensi untuk:
Jaringan DePIN menurunkan ambang batas biaya komputasi; sifat blockchain yang dapat diverifikasi dan terdesentralisasi memungkinkan AI terbuka yang sebenarnya; mekanisme inovatif, seperti dataDAO, memberi insentif pada kontribusi data; properti blockchain yang tidak dapat diubah dan tahan rusak memberikan bukti identitas dari penulis untuk mengatasi kekhawatiran tentang dampak sosial negatif dari AI.