Di masa lalu, start-up, dengan kecepatan, ketangkasan, dan budaya wirausaha mereka, bebas dari belenggu kelembaman organisasi dan memimpin inovasi teknologi untuk waktu yang lama. **Namun, semua ini ditulis ulang oleh era kecerdasan buatan. **Sampai saat ini, pencipta produk terobosan AI adalah raksasa teknologi tradisional seperti OpenAI Microsoft, Nvidia, Google, dan bahkan Meta.
**Apa yang terjadi? **Mengapa raksasa menang atas start-up kali ini? Startup dapat menulis kode yang bagus, tetapi mereka menghadapi beberapa kendala dibandingkan dengan raksasa teknologi:
Biaya komputasi tetap tinggi
Pengembangan AI memiliki lobus terbalik: Kekhawatiran dan ketidakpastian seputar dampak sosial AI menghambat inovasi karena kurangnya pedoman yang diperlukan
Masalah kotak hitam AI
"Parit data" yang dibangun oleh perusahaan teknologi besar membentuk hambatan untuk masuk
Jadi, mengapa teknologi blockchain dibutuhkan? Di mana itu bersinggungan dengan kecerdasan buatan? Meskipun tidak semua masalah dapat diselesaikan sekaligus, Jaringan Infrastruktur Fisik Terdistribusi (DePIN) di Web3 menciptakan kondisi untuk menyelesaikan masalah di atas. Berikut ini akan dijelaskan bagaimana teknologi di balik DePIN dapat membantu kecerdasan buatan, terutama dari empat dimensi:
Kurangi biaya infrastruktur
VERIFIKASI Pencipta dan Kepribadian
ISI AI Demokrasi dan Transparansi
Pengaturan mekanisme imbalan kontribusi data
Di bawah:
"web3" mengacu pada Internet generasi berikutnya, dan teknologi blockchain serta teknologi lain yang ada adalah komponen organiknya.
"Blockchain" mengacu pada teknologi ledger terdesentralisasi dan terdistribusi.
"Crypto" mengacu pada penggunaan mekanisme token untuk insentif dan desentralisasi.
1. Mengurangi biaya infrastruktur (komputasi dan penyimpanan)
Setiap gelombang inovasi teknologi dimulai dengan sesuatu yang mahal menjadi cukup murah untuk disia-siakan.
– Utang Teknologi Masyarakat dan Momen Gutenberg Perangkat Lunak, melalui SK Ventures
Betapa pentingnya keterjangkauan infrastruktur (infrastruktur kecerdasan buatan mengacu pada biaya perangkat keras untuk komputasi, transmisi, dan penyimpanan data), teori revolusi teknologi Carlota Perez telah menunjukkan bahwa teori tersebut mengusulkan bahwa terobosan teknologi mencakup dua tahapan:
Sumber: Teori Revolusi Teknologi Carlota Perez
Tahap pemasangan ditandai dengan investasi modal ventura yang berat, pembangunan infrastruktur dan "mendorong" strategi go-to-market (GTM), karena pelanggan tidak memahami proposisi nilai dari produk baru teknologi.
Tahap penerapan ditandai dengan peningkatan besar dalam pasokan infrastruktur, menurunkan ambang batas untuk menarik pendatang baru, dan mengadopsi strategi promosi pasar (GTM) "tarik"****, menunjukkan tingkat tinggi pencocokan pasar produk, Pelanggan mengharapkan lebih banyak produk yang belum terbentuk.
Sekarang upaya seperti ChatGPT telah menunjukkan kecocokan pasar dan permintaan pelanggan, orang mungkin merasa bahwa AI telah memasuki fase penerapan. **Namun, AI kehilangan bagian penting: kelebihan infrastruktur untuk start-up yang sensitif terhadap harga untuk dibangun dan bereksperimen. **
pertanyaan
Bidang infrastruktur fisik saat ini terutama dimonopoli oleh oligopoli yang terintegrasi secara vertikal, termasuk AWS, GCP, Azure, Nvidia, Cloudflare, Akamai, dll. Industri ini memiliki margin keuntungan yang tinggi. Diperkirakan margin laba kotor AWS pada perangkat keras komputasi komoditas adalah 61%. Oleh karena itu, pendatang baru di bidang AI, khususnya bidang LLM, harus menghadapi biaya komputasi yang sangat tinggi.
Biaya pelatihan ChatGPT diperkirakan mencapai 4 juta dolar AS, dan biaya pengoperasian inferensi perangkat keras sekitar 700.000 dolar AS per hari.
*Bloom versi 2 dapat menelan biaya $10 juta untuk pelatihan dan pelatihan ulang.
Jika ChatGPT memasuki Pencarian Google, pendapatan Google akan berkurang sebesar $36 miliar, **Keuntungan besar akan dialihkan dari platform perangkat lunak (Google) ke penyedia perangkat keras (Nvidia). **
Jaringan DePIN seperti Filecoin (pelopor DePIN yang berasal dari tahun 2014, berfokus pada pengumpulan perangkat keras tingkat Internet dan melayani penyimpanan data terdistribusi), Bacalhau, Gensyn.ai, Jaringan Render, ExaBits (lapisan koordinasi untuk pencocokan pasokan dan permintaan CPU/GPU) dapat Menghemat 75% hingga 90%+ biaya infrastruktur melalui tiga aspek berikut:
1. Dorong kurva penawaran dan dorong kompetisi pasar
DePIN memberikan kesempatan yang sama bagi pemasok perangkat keras untuk menjadi penyedia layanan. Ini menciptakan pasar di mana siapa pun dapat bergabung sebagai "penambang" dan menukar CPU/GPU atau daya penyimpanan untuk kompensasi finansial, sehingga menciptakan persaingan untuk penyedia yang ada.
Sementara perusahaan seperti AWS tidak diragukan lagi menikmati 17 tahun lebih awal dalam antarmuka pengguna, operasi, dan integrasi vertikal, **DePIN menarik basis pelanggan baru yang tidak dapat menerima harga dari pemasok terpusat. **Sama seperti Ebay yang tidak secara langsung bersaing dengan Bloomingdale, melainkan menyediakan alternatif yang lebih ekonomis untuk memenuhi kebutuhan serupa, jaringan penyimpanan terdistribusi tidak menggantikan pemasok terpusat, tetapi dirancang untuk melayani kelompok pengguna yang sensitif terhadap harga.
2. Mempromosikan keseimbangan ekonomi pasar melalui desain ekonomi terenkripsi
Mekanisme subsidi yang dibuat oleh DePIN dapat memandu pemasok perangkat keras untuk berpartisipasi dalam jaringan, sehingga mengurangi biaya pengguna akhir. Pada prinsipnya, kita dapat melihat biaya dan pendapatan penyedia penyimpanan AWS dan Filecoin di Web2 dan Web3.
**Pelanggan mendapatkan pengurangan harga: **Jaringan DePIN menciptakan pasar yang kompetitif dan memperkenalkan persaingan ala Bertrand, sehingga mengurangi biaya pembayaran pelanggan. Sebagai perbandingan, AWS EC2 membutuhkan sekitar 55% margin dan 31% margin keseluruhan untuk tetap bertahan. Insentif Token/imbalan blok yang disediakan oleh jaringan DePIN juga merupakan sumber pendapatan baru. Dalam konteks Filecoin, semakin banyak data nyata yang dihosting oleh penyedia penyimpanan, semakin banyak hadiah blok (token) yang dapat diperolehnya. **Oleh karena itu, penyedia penyimpanan memiliki insentif untuk menarik lebih banyak pelanggan untuk menutup transaksi dan meningkatkan pendapatan. **Struktur token dari beberapa jaringan DePIN komputasi yang baru muncul masih dirahasiakan, tetapi kemungkinan mengikuti pola yang sama. Jaringan serupa meliputi:
Bacalhau: Lapisan koordinasi yang membawa perhitungan ke tempat penyimpanan data, menghindari pemindahan data dalam jumlah besar.
exaBITS: Jaringan komputasi terdistribusi yang melayani AI dan aplikasi intensif komputasi.
Gensyn.ai: Protokol Komputasi Model Pembelajaran Mendalam.
3. Mengurangi biaya overhead: Keunggulan Bacalhau, exaBITS, dan jaringan DePIN lainnya serta IPFS/penyimpanan beralamat konten meliputi:
Membuka kunci ketersediaan data laten: Volume data yang besar saat ini belum dimanfaatkan karena biaya bandwidth yang tinggi untuk mentransmisikan kumpulan data besar, seperti data acara besar yang dihasilkan oleh stadion olahraga. Proyek DePIN dapat memproses data di tempat dan hanya mengirimkan keluaran yang bermakna, menggali potensi ketersediaan data.
Pengurangan Biaya Operasional: Mengurangi biaya entri, transfer, dan impor/ekspor data dengan memperoleh data secara lokal.
**Minimalkan pekerjaan manual dalam berbagi data sensitif: **Jika rumah sakit A dan B perlu menggabungkan data sensitif pasien mereka untuk dianalisis, mereka dapat menggunakan Bacalhau untuk mengoordinasikan daya komputasi GPU dan langsung memproses data sensitif secara lokal tanpa harus bertukar informasi identitas pribadi informasi (PII) dengan rekanan melalui proses administrasi yang rumit.
**Tidak perlu menghitung ulang kumpulan data dasar: **Penyimpanan beralamat IPFS/konten hadir dengan kemampuan untuk menghapus duplikat, melacak, dan memverifikasi data. Untuk fungsi dan kinerja biaya IPFS, silakan merujuk ke artikel ini.
AI Generated Summary: AI membutuhkan infrastruktur terjangkau yang disediakan oleh DePIN, dan pasar infrastruktur saat ini didominasi oleh oligopoli yang terintegrasi secara vertikal. Jaringan DePIN seperti Filecoin, Bacalhau, Render Network, ExaBits mendemokratisasi peluang untuk menjadi pemasok perangkat keras, memperkenalkan persaingan, menjaga keseimbangan ekonomi pasar melalui desain ekonomi kripto, mengurangi biaya hingga lebih dari 75%-90%, dan mengurangi biaya overhead.
2. Verifikasi pencipta dan kepribadian
pertanyaan
Sebuah survei baru-baru ini menunjukkan bahwa **50% pakar AI percaya bahwa kemungkinan AI menyebabkan kerusakan parah pada manusia melebihi 10%. **
Masyarakat perlu waspada bahwa AI telah menyebabkan kekacauan sosial, dan masih kurangnya regulasi atau spesifikasi teknis, situasi ini disebut "reverse lobe".
Misalnya, dalam video Twitter ini, pembawa acara podcast Joe Rogan dan komentator konservatif Ben Shapiro memperdebatkan film "Ratatouille", tetapi video ini dihasilkan oleh AI.
Sumber: Bloomberg
Perlu dicatat bahwa dampak sosial AI jauh melampaui masalah yang ditimbulkan oleh blog, percakapan, dan gambar palsu:
Selama pemilu AS tahun 2024, konten kampanye deepfake yang dihasilkan AI mencapai efek palsu untuk pertama kalinya.
*Sebuah video Senator Elizabeth Warren telah diedit agar dia "mengatakan" hal-hal seperti "Partai Republik tidak boleh memilih" (rumor dibantah).
Suara Biden yang disintesis dengan suara mengkritik wanita trans.
Sekelompok seniman telah mengajukan gugatan class action terhadap AI Midjourney dan Stabilitas, menuduh penggunaan karya seniman secara tidak sah untuk melatih AI, pelanggaran hak cipta, dan ancaman terhadap mata pencaharian seniman.
Lagu yang dihasilkan AI "Heart on My Sleeve," yang menampilkan The Weeknd dan Drake, menjadi viral di platform streaming tetapi kemudian ditarik. Ketika teknologi baru memasuki arus utama tanpa regulasi, itu menimbulkan banyak masalah, **pelanggaran hak cipta adalah masalah "lobus terbalik". **
Jadi bisakah kita menambahkan spesifikasi terkait AI ke Web3?
solusi
Berikan bukti identitas dan bukti pembuat dengan menggunakan bukti asal pada rantai terenkripsi
Jadikan teknologi blockchain benar-benar berfungsi - sebagai buku besar terdistribusi yang berisi riwayat on-chain yang tidak dapat diubah, keaslian konten digital dapat diverifikasi melalui bukti kriptografi konten.
Tanda tangan digital sebagai bukti pencipta dan bukti kepribadian
Untuk mengidentifikasi deepfake, bukti kriptografi dapat dibuat menggunakan tanda tangan digital yang unik untuk pembuat konten asli. Tanda tangan dapat dibuat menggunakan kunci privat yang hanya diketahui oleh pembuatnya dan dapat diverifikasi dengan kunci publik yang tersedia untuk semua. Memiliki tanda tangan membuktikan bahwa konten tersebut dibuat oleh pencipta asli, baik manusia atau AI, dan memverifikasi perubahan resmi atau tidak sah pada konten tersebut.
Menggunakan pohon IPFS dan Merkle untuk bukti keaslian
IPFS adalah protokol terdistribusi untuk mereferensikan kumpulan data besar menggunakan pengalamatan konten dan pohon Merkle. Untuk membuktikan bahwa konten file telah diterima dan diubah, bukti Merkle dibuat, yaitu serangkaian hash yang menunjukkan posisi blok data tertentu di pohon Merkle. Dengan setiap perubahan, hash ditambahkan ke pohon Merkle, memberikan bukti modifikasi file.
**Masalah dari skema enkripsi adalah mekanisme insentif.**Bagaimanapun juga, mengidentifikasi pembuat deepfake dapat mengurangi dampak sosial yang negatif, tetapi tidak akan membawa manfaat ekonomi yang sama. Tanggung jawab ini kemungkinan besar jatuh pada platform distribusi media arus utama seperti Twitter, Meta, dan Google, dan memang demikian adanya. ** Jadi mengapa kita membutuhkan blockchain? **
Jawabannya adalah tanda tangan kriptografi blockchain dan bukti keaslian** lebih efisien, dapat diverifikasi, dan pasti. **Saat ini, proses pendeteksian deepfake sebagian besar menggunakan algoritme pembelajaran mesin (seperti "Deepfake Detection Challenge" dari Meta, "Asymmetric Numerals" (ANS) Google dan c2pa: untuk mengidentifikasi keteraturan dan anomali dalam konten visual,**tetapi seringkali tidak cukup akurat dan tertinggal dari kecepatan pengembangan deepfake.**Umumnya, tinjauan manual diperlukan untuk menentukan keasliannya, yang tidak efisien dan mahal.
Jika suatu hari nanti setiap konten memiliki tanda kriptografi, setiap orang dapat membuktikan dengan pasti sumber pembuatannya, menandai perusakan atau pemalsuan, maka kita akan mengantarkan dunia yang indah.
Ringkasan yang Dihasilkan AI: AI dapat menimbulkan ancaman yang signifikan bagi masyarakat, terutama konten palsu dan penggunaan konten yang tidak sah, sementara teknologi Web3 seperti Proof of Creator menggunakan tanda tangan digital dan Proof of Authenticity menggunakan pohon IPFS dan Merkle, Keaslian digital konten dapat diverifikasi, mencegah perubahan yang tidak sah, dan memberikan norma untuk AI.
3. Demokratisasi AI
pertanyaan
AI hari ini adalah kotak hitam yang terbuat dari data hak milik dan algoritme hak milik. Sifat tertutup LLM, sebuah perusahaan teknologi besar, telah membunuh "Demokrasi AI" di mata saya, yaitu, setiap pengembang dan bahkan pengguna dapat menyumbangkan algoritma dan data ke model LLM, dan mendapatkan bagian keuntungan ketika model menguntungkan (artikel terkait).
AI Democracy = Visibility (dapat melihat input data dan algoritme ke dalam model)** + Kontribusi** (dapat mengkontribusikan data atau algoritme ke model).
solusi
Tujuan demokrasi AI adalah untuk membuat model AI generatif terbuka, relevan, dan dimiliki oleh publik. Tabel di bawah ini membandingkan keadaan AI saat ini dengan masa depan yang dapat dicapai melalui teknologi blockchain Web3.
saat sekarang--
Untuk pelanggan:
Satu arah menerima keluaran LLM
Tidak dapat mengontrol bagaimana data pribadi digunakan
Untuk pengembang:
Komposabilitas rendah
Pemrosesan data ETL tidak dapat dilacak dan sulit direproduksi
Sumber kontribusi data terbatas pada pemilik data
Model sumber tertutup hanya dapat diakses melalui API dengan biaya tertentu
Keluaran data bersama kurang dapat diverifikasi, dan ilmuwan data menghabiskan 80% waktunya untuk pembersihan data kelas bawah
Setelah menggabungkan blockchain——
Untuk pelanggan:
Pengguna dapat memberikan umpan balik (seperti bias, moderasi konten, umpan balik granular pada keluaran) sebagai dasar untuk penyempurnaan
Pengguna dapat memilih untuk menyumbangkan data dengan imbalan keuntungan setelah model menguntungkan
Untuk pengembang:
**Lapisan manajemen data terdistribusi: **Crowdsourcing berulang-ulang pelabelan data yang memakan waktu dan pekerjaan persiapan data lainnya
Visibilitas & kemampuan untuk menggabungkan & menyempurnakan algoritme, dengan sumber yang dapat diverifikasi (riwayat anti rusak dari semua perubahan dapat dilihat)
Kedaulatan data (dicapai melalui pengalamatan konten/IPFS) dan kedaulatan algoritme (misalnya, Urbit menyadari kombinasi point-to-point dan portabilitas data dan algoritme)
**Mempercepat inovasi LLM, **Mempercepat inovasi LLM dari berbagai varian model sumber terbuka yang mendasarinya.
Output data pelatihan yang dapat direproduksi, dicapai melalui catatan operasi ETL sebelumnya yang tidak dapat diubah dan kueri di blockchain (seperti Kamu).
Beberapa orang mengatakan bahwa platform open source Web2 juga menyediakan solusi kompromi, tetapi efeknya tidak ideal Untuk diskusi terkait, lihat postingan blog exaBITS.
Ringkasan pembuatan AI: LLM tertutup dari perusahaan teknologi besar membunuh "demokrasi AI", yaitu, setiap pengembang atau pengguna dapat menyumbangkan algoritme dan data ke model LLM, dan mendapatkan bagian dari keuntungan saat model tersebut menguntungkan. AI harus terbuka untuk umum, relevan untuk umum, dan dimiliki oleh umum. Dengan bantuan jaringan blockchain, pengguna dapat memberikan umpan balik, menyumbangkan data ke model dengan imbalan keuntungan yang terealisasi, dan pengembang juga dapat memperoleh visibilitas dan sumber yang dapat diverifikasi untuk menggabungkan dan menyempurnakan algoritme. Inovasi Web3 seperti pengalamatan konten/IPFS dan Urbit akan mengaktifkan data dan kedaulatan algoritmik. Reproduksibilitas keluaran data pelatihan juga akan dimungkinkan melalui catatan abadi blockchain dari operasi dan kueri ETL sebelumnya.
4. Siapkan mekanisme hadiah kontribusi data
pertanyaan
Saat ini, data konsumen yang paling berharga adalah aset eksklusif perusahaan teknologi besar, yang membentuk penghalang bisnis inti. Raksasa teknologi tidak memiliki insentif untuk membagikan data ini dengan pihak luar.
Jadi mengapa kami tidak bisa mendapatkan data langsung dari pembuat atau penggunanya? Mengapa kita tidak dapat menjadikan data sebagai sumber daya publik, menyumbangkan data, dan menjadikannya sumber terbuka untuk digunakan oleh ilmuwan data?
Sederhananya, itu karena kurangnya mekanisme insentif dan mekanisme koordinasi. Memelihara data dan melakukan ETL (mengekstrak, mengubah, dan memuat) adalah biaya overhead yang besar. Faktanya, penyimpanan data saja akan menjadi industri senilai $777 miliar pada tahun 2030, belum termasuk biaya komputasi. Tidak ada yang melakukan pekerjaan dan biaya pemrosesan data secara gratis.
Mari kita lihat OpenAI, awalnya ditetapkan sebagai open source dan nirlaba, tetapi sulit untuk menyadari biayanya dan tidak dapat menutupi biayanya. Pada 2019, OpenAI harus menerima suntikan modal dari Microsoft, dan algoritme tersebut tidak lagi terbuka untuk umum. OpenAI diharapkan menghasilkan pendapatan $ 1 miliar pada tahun 2024.
solusi
Web3 memperkenalkan mekanisme baru bernama "dataDAO", yang memfasilitasi redistribusi pendapatan antara pemilik model AI dan kontributor data, menciptakan lapisan insentif untuk kontribusi data crowdsourced. Dikarenakan keterbatasan tempat maka tidak akan diperluas disini, jika ingin mengetahui lebih lanjut dapat membaca dua artikel berikut ini:
Cara kerja DataDAO/prinsip DataDAO, ditulis oleh HQ Han dari Protocol Labs
Bagaimana kontribusi data dan monetisasi bekerja di web3/web3 Bagaimana cara kerja kontribusi data dan monetisasi Pada artikel ini, saya membahas secara mendalam mekanisme, kekurangan dan peluang dataDAO
Secara umum, DePIN telah mengambil pendekatan yang berbeda dan memberikan energi perangkat keras baru untuk mempromosikan inovasi Web3 dan AI. Sementara raksasa teknologi mendominasi industri AI, pemain baru dapat memanfaatkan teknologi blockchain untuk bergabung: Jaringan DePIN menurunkan hambatan untuk masuk dengan menurunkan biaya komputasi; sifat blockchain yang dapat diverifikasi dan didistribusikan memungkinkan AI yang benar-benar terbuka Itu menjadi mungkin; mekanisme inovatif seperti itu karena dataDAO mendorong kontribusi data; fitur blockchain yang tidak dapat diubah dan tahan gangguan memberikan sertifikat identitas pencipta, menghilangkan kekhawatiran orang-orang 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.
Bagaimana analisis multidimensi DePIN membantu kecerdasan buatan?
Di masa lalu, start-up, dengan kecepatan, ketangkasan, dan budaya wirausaha mereka, bebas dari belenggu kelembaman organisasi dan memimpin inovasi teknologi untuk waktu yang lama. **Namun, semua ini ditulis ulang oleh era kecerdasan buatan. **Sampai saat ini, pencipta produk terobosan AI adalah raksasa teknologi tradisional seperti OpenAI Microsoft, Nvidia, Google, dan bahkan Meta.
**Apa yang terjadi? **Mengapa raksasa menang atas start-up kali ini? Startup dapat menulis kode yang bagus, tetapi mereka menghadapi beberapa kendala dibandingkan dengan raksasa teknologi:
Jadi, mengapa teknologi blockchain dibutuhkan? Di mana itu bersinggungan dengan kecerdasan buatan? Meskipun tidak semua masalah dapat diselesaikan sekaligus, Jaringan Infrastruktur Fisik Terdistribusi (DePIN) di Web3 menciptakan kondisi untuk menyelesaikan masalah di atas. Berikut ini akan dijelaskan bagaimana teknologi di balik DePIN dapat membantu kecerdasan buatan, terutama dari empat dimensi:
Di bawah:
1. Mengurangi biaya infrastruktur (komputasi dan penyimpanan)
Betapa pentingnya keterjangkauan infrastruktur (infrastruktur kecerdasan buatan mengacu pada biaya perangkat keras untuk komputasi, transmisi, dan penyimpanan data), teori revolusi teknologi Carlota Perez telah menunjukkan bahwa teori tersebut mengusulkan bahwa terobosan teknologi mencakup dua tahapan:
Sumber: Teori Revolusi Teknologi Carlota Perez
Sekarang upaya seperti ChatGPT telah menunjukkan kecocokan pasar dan permintaan pelanggan, orang mungkin merasa bahwa AI telah memasuki fase penerapan. **Namun, AI kehilangan bagian penting: kelebihan infrastruktur untuk start-up yang sensitif terhadap harga untuk dibangun dan bereksperimen. **
pertanyaan
Bidang infrastruktur fisik saat ini terutama dimonopoli oleh oligopoli yang terintegrasi secara vertikal, termasuk AWS, GCP, Azure, Nvidia, Cloudflare, Akamai, dll. Industri ini memiliki margin keuntungan yang tinggi. Diperkirakan margin laba kotor AWS pada perangkat keras komputasi komoditas adalah 61%. Oleh karena itu, pendatang baru di bidang AI, khususnya bidang LLM, harus menghadapi biaya komputasi yang sangat tinggi.
Sumber: Analisis Lapis demi Lapis - Arsitektur dan Biaya Penelusuran LLM
solusi
Jaringan DePIN seperti Filecoin (pelopor DePIN yang berasal dari tahun 2014, berfokus pada pengumpulan perangkat keras tingkat Internet dan melayani penyimpanan data terdistribusi), Bacalhau, Gensyn.ai, Jaringan Render, ExaBits (lapisan koordinasi untuk pencocokan pasokan dan permintaan CPU/GPU) dapat Menghemat 75% hingga 90%+ biaya infrastruktur melalui tiga aspek berikut:
1. Dorong kurva penawaran dan dorong kompetisi pasar
DePIN memberikan kesempatan yang sama bagi pemasok perangkat keras untuk menjadi penyedia layanan. Ini menciptakan pasar di mana siapa pun dapat bergabung sebagai "penambang" dan menukar CPU/GPU atau daya penyimpanan untuk kompensasi finansial, sehingga menciptakan persaingan untuk penyedia yang ada.
Sementara perusahaan seperti AWS tidak diragukan lagi menikmati 17 tahun lebih awal dalam antarmuka pengguna, operasi, dan integrasi vertikal, **DePIN menarik basis pelanggan baru yang tidak dapat menerima harga dari pemasok terpusat. **Sama seperti Ebay yang tidak secara langsung bersaing dengan Bloomingdale, melainkan menyediakan alternatif yang lebih ekonomis untuk memenuhi kebutuhan serupa, jaringan penyimpanan terdistribusi tidak menggantikan pemasok terpusat, tetapi dirancang untuk melayani kelompok pengguna yang sensitif terhadap harga.
2. Mempromosikan keseimbangan ekonomi pasar melalui desain ekonomi terenkripsi
Mekanisme subsidi yang dibuat oleh DePIN dapat memandu pemasok perangkat keras untuk berpartisipasi dalam jaringan, sehingga mengurangi biaya pengguna akhir. Pada prinsipnya, kita dapat melihat biaya dan pendapatan penyedia penyimpanan AWS dan Filecoin di Web2 dan Web3.
**Pelanggan mendapatkan pengurangan harga: **Jaringan DePIN menciptakan pasar yang kompetitif dan memperkenalkan persaingan ala Bertrand, sehingga mengurangi biaya pembayaran pelanggan. Sebagai perbandingan, AWS EC2 membutuhkan sekitar 55% margin dan 31% margin keseluruhan untuk tetap bertahan. Insentif Token/imbalan blok yang disediakan oleh jaringan DePIN juga merupakan sumber pendapatan baru. Dalam konteks Filecoin, semakin banyak data nyata yang dihosting oleh penyedia penyimpanan, semakin banyak hadiah blok (token) yang dapat diperolehnya. **Oleh karena itu, penyedia penyimpanan memiliki insentif untuk menarik lebih banyak pelanggan untuk menutup transaksi dan meningkatkan pendapatan. **Struktur token dari beberapa jaringan DePIN komputasi yang baru muncul masih dirahasiakan, tetapi kemungkinan mengikuti pola yang sama. Jaringan serupa meliputi:
3. Mengurangi biaya overhead: Keunggulan Bacalhau, exaBITS, dan jaringan DePIN lainnya serta IPFS/penyimpanan beralamat konten meliputi:
AI Generated Summary: AI membutuhkan infrastruktur terjangkau yang disediakan oleh DePIN, dan pasar infrastruktur saat ini didominasi oleh oligopoli yang terintegrasi secara vertikal. Jaringan DePIN seperti Filecoin, Bacalhau, Render Network, ExaBits mendemokratisasi peluang untuk menjadi pemasok perangkat keras, memperkenalkan persaingan, menjaga keseimbangan ekonomi pasar melalui desain ekonomi kripto, mengurangi biaya hingga lebih dari 75%-90%, dan mengurangi biaya overhead.
2. Verifikasi pencipta dan kepribadian
pertanyaan
Sebuah survei baru-baru ini menunjukkan bahwa **50% pakar AI percaya bahwa kemungkinan AI menyebabkan kerusakan parah pada manusia melebihi 10%. **
Masyarakat perlu waspada bahwa AI telah menyebabkan kekacauan sosial, dan masih kurangnya regulasi atau spesifikasi teknis, situasi ini disebut "reverse lobe".
Misalnya, dalam video Twitter ini, pembawa acara podcast Joe Rogan dan komentator konservatif Ben Shapiro memperdebatkan film "Ratatouille", tetapi video ini dihasilkan oleh AI.
Sumber: Bloomberg
Perlu dicatat bahwa dampak sosial AI jauh melampaui masalah yang ditimbulkan oleh blog, percakapan, dan gambar palsu:
Jadi bisakah kita menambahkan spesifikasi terkait AI ke Web3?
solusi
Berikan bukti identitas dan bukti pembuat dengan menggunakan bukti asal pada rantai terenkripsi
Jadikan teknologi blockchain benar-benar berfungsi - sebagai buku besar terdistribusi yang berisi riwayat on-chain yang tidak dapat diubah, keaslian konten digital dapat diverifikasi melalui bukti kriptografi konten.
Tanda tangan digital sebagai bukti pencipta dan bukti kepribadian
Untuk mengidentifikasi deepfake, bukti kriptografi dapat dibuat menggunakan tanda tangan digital yang unik untuk pembuat konten asli. Tanda tangan dapat dibuat menggunakan kunci privat yang hanya diketahui oleh pembuatnya dan dapat diverifikasi dengan kunci publik yang tersedia untuk semua. Memiliki tanda tangan membuktikan bahwa konten tersebut dibuat oleh pencipta asli, baik manusia atau AI, dan memverifikasi perubahan resmi atau tidak sah pada konten tersebut.
Menggunakan pohon IPFS dan Merkle untuk bukti keaslian
IPFS adalah protokol terdistribusi untuk mereferensikan kumpulan data besar menggunakan pengalamatan konten dan pohon Merkle. Untuk membuktikan bahwa konten file telah diterima dan diubah, bukti Merkle dibuat, yaitu serangkaian hash yang menunjukkan posisi blok data tertentu di pohon Merkle. Dengan setiap perubahan, hash ditambahkan ke pohon Merkle, memberikan bukti modifikasi file.
**Masalah dari skema enkripsi adalah mekanisme insentif.**Bagaimanapun juga, mengidentifikasi pembuat deepfake dapat mengurangi dampak sosial yang negatif, tetapi tidak akan membawa manfaat ekonomi yang sama. Tanggung jawab ini kemungkinan besar jatuh pada platform distribusi media arus utama seperti Twitter, Meta, dan Google, dan memang demikian adanya. ** Jadi mengapa kita membutuhkan blockchain? **
Jawabannya adalah tanda tangan kriptografi blockchain dan bukti keaslian** lebih efisien, dapat diverifikasi, dan pasti. **Saat ini, proses pendeteksian deepfake sebagian besar menggunakan algoritme pembelajaran mesin (seperti "Deepfake Detection Challenge" dari Meta, "Asymmetric Numerals" (ANS) Google dan c2pa: untuk mengidentifikasi keteraturan dan anomali dalam konten visual,**tetapi seringkali tidak cukup akurat dan tertinggal dari kecepatan pengembangan deepfake.**Umumnya, tinjauan manual diperlukan untuk menentukan keasliannya, yang tidak efisien dan mahal.
Jika suatu hari nanti setiap konten memiliki tanda kriptografi, setiap orang dapat membuktikan dengan pasti sumber pembuatannya, menandai perusakan atau pemalsuan, maka kita akan mengantarkan dunia yang indah.
Ringkasan yang Dihasilkan AI: AI dapat menimbulkan ancaman yang signifikan bagi masyarakat, terutama konten palsu dan penggunaan konten yang tidak sah, sementara teknologi Web3 seperti Proof of Creator menggunakan tanda tangan digital dan Proof of Authenticity menggunakan pohon IPFS dan Merkle, Keaslian digital konten dapat diverifikasi, mencegah perubahan yang tidak sah, dan memberikan norma untuk AI.
3. Demokratisasi AI
pertanyaan
AI hari ini adalah kotak hitam yang terbuat dari data hak milik dan algoritme hak milik. Sifat tertutup LLM, sebuah perusahaan teknologi besar, telah membunuh "Demokrasi AI" di mata saya, yaitu, setiap pengembang dan bahkan pengguna dapat menyumbangkan algoritma dan data ke model LLM, dan mendapatkan bagian keuntungan ketika model menguntungkan (artikel terkait).
AI Democracy = Visibility (dapat melihat input data dan algoritme ke dalam model)** + Kontribusi** (dapat mengkontribusikan data atau algoritme ke model).
solusi
Tujuan demokrasi AI adalah untuk membuat model AI generatif terbuka, relevan, dan dimiliki oleh publik. Tabel di bawah ini membandingkan keadaan AI saat ini dengan masa depan yang dapat dicapai melalui teknologi blockchain Web3.
saat sekarang--
Untuk pelanggan:
Untuk pengembang:
Setelah menggabungkan blockchain——
Untuk pelanggan:
Pengguna dapat memberikan umpan balik (seperti bias, moderasi konten, umpan balik granular pada keluaran) sebagai dasar untuk penyempurnaan
Pengguna dapat memilih untuk menyumbangkan data dengan imbalan keuntungan setelah model menguntungkan
Untuk pengembang:
Beberapa orang mengatakan bahwa platform open source Web2 juga menyediakan solusi kompromi, tetapi efeknya tidak ideal Untuk diskusi terkait, lihat postingan blog exaBITS.
Ringkasan pembuatan AI: LLM tertutup dari perusahaan teknologi besar membunuh "demokrasi AI", yaitu, setiap pengembang atau pengguna dapat menyumbangkan algoritme dan data ke model LLM, dan mendapatkan bagian dari keuntungan saat model tersebut menguntungkan. AI harus terbuka untuk umum, relevan untuk umum, dan dimiliki oleh umum. Dengan bantuan jaringan blockchain, pengguna dapat memberikan umpan balik, menyumbangkan data ke model dengan imbalan keuntungan yang terealisasi, dan pengembang juga dapat memperoleh visibilitas dan sumber yang dapat diverifikasi untuk menggabungkan dan menyempurnakan algoritme. Inovasi Web3 seperti pengalamatan konten/IPFS dan Urbit akan mengaktifkan data dan kedaulatan algoritmik. Reproduksibilitas keluaran data pelatihan juga akan dimungkinkan melalui catatan abadi blockchain dari operasi dan kueri ETL sebelumnya.
4. Siapkan mekanisme hadiah kontribusi data
pertanyaan
Saat ini, data konsumen yang paling berharga adalah aset eksklusif perusahaan teknologi besar, yang membentuk penghalang bisnis inti. Raksasa teknologi tidak memiliki insentif untuk membagikan data ini dengan pihak luar.
Jadi mengapa kami tidak bisa mendapatkan data langsung dari pembuat atau penggunanya? Mengapa kita tidak dapat menjadikan data sebagai sumber daya publik, menyumbangkan data, dan menjadikannya sumber terbuka untuk digunakan oleh ilmuwan data?
Sederhananya, itu karena kurangnya mekanisme insentif dan mekanisme koordinasi. Memelihara data dan melakukan ETL (mengekstrak, mengubah, dan memuat) adalah biaya overhead yang besar. Faktanya, penyimpanan data saja akan menjadi industri senilai $777 miliar pada tahun 2030, belum termasuk biaya komputasi. Tidak ada yang melakukan pekerjaan dan biaya pemrosesan data secara gratis.
Mari kita lihat OpenAI, awalnya ditetapkan sebagai open source dan nirlaba, tetapi sulit untuk menyadari biayanya dan tidak dapat menutupi biayanya. Pada 2019, OpenAI harus menerima suntikan modal dari Microsoft, dan algoritme tersebut tidak lagi terbuka untuk umum. OpenAI diharapkan menghasilkan pendapatan $ 1 miliar pada tahun 2024.
solusi
Web3 memperkenalkan mekanisme baru bernama "dataDAO", yang memfasilitasi redistribusi pendapatan antara pemilik model AI dan kontributor data, menciptakan lapisan insentif untuk kontribusi data crowdsourced. Dikarenakan keterbatasan tempat maka tidak akan diperluas disini, jika ingin mengetahui lebih lanjut dapat membaca dua artikel berikut ini:
Secara umum, DePIN telah mengambil pendekatan yang berbeda dan memberikan energi perangkat keras baru untuk mempromosikan inovasi Web3 dan AI. Sementara raksasa teknologi mendominasi industri AI, pemain baru dapat memanfaatkan teknologi blockchain untuk bergabung: Jaringan DePIN menurunkan hambatan untuk masuk dengan menurunkan biaya komputasi; sifat blockchain yang dapat diverifikasi dan didistribusikan memungkinkan AI yang benar-benar terbuka Itu menjadi mungkin; mekanisme inovatif seperti itu karena dataDAO mendorong kontribusi data; fitur blockchain yang tidak dapat diubah dan tahan gangguan memberikan sertifikat identitas pencipta, menghilangkan kekhawatiran orang-orang tentang dampak sosial negatif dari AI.