Введення

На даний момент поточний цикл бичачого ринку криптовалют є найбільш тьмяним з точки зору комерційних інновацій, йому не вистачає феноменальних гарячих треків, таких як DeFi, NFT та GameFi, які спостерігалися на попередньому бичачому ринку. Як наслідок, загальний ринок потребує промислових гарячих точок, з повільним зростанням користувачів, промислових інвестицій та розробників.

Ця стагнація також відображається на цінах поточних активів. Протягом усього циклу більшість альткоїнів продовжували втрачати вартість по відношенню до BTC, включаючи ETH. Адже оцінка платформ смарт-контрактів визначається процвітанням додатків. Коли інновації в розробці додатків слабкі, оцінку публічних блокчейнів важко підвищити.

Штучний інтелект, як відносно нова комерційна категорія в цьому циклі, все ще має потенціал привернути значну додаткову увагу до проєктів сектору криптоштучного інтелекту завдяки вибуховій швидкості розробки та постійним гарячим темам у зовнішньому комерційному світі.

У звіті IO.NET, опублікованому автором у квітні, було окреслено необхідність поєднання ШІ з криптовалютою. Переваги криптоекономічних рішень з точки зору детермінізму, мобілізації та розподілу ресурсів, а також недовіри потенційно можуть вирішити три проблеми штучного інтелекту: випадковість, інтенсивність ресурсів і складність у розрізненні людей і машин.

У секторі штучного інтелекту криптоекономіки автор намагається обговорити та вивести деякі важливі питання за допомогою іншої статті, зокрема:

• Нові або потенційно вибухонебезпечні наративи в секторі криптоштучного інтелекту
• Каталітичні шляхи та логіка цих наративів
• Релевантні цілі проєкту, пов'язані з цими наративами
• Ризики та невизначеності в наративній дедукції

Ця стаття відображає думки автора станом на дату публікації, які можуть змінитися в майбутньому. Точки зору дуже суб'єктивні і можуть містити помилки у фактах, даних і логіці міркувань. Будь ласка, не сприймайте це як інвестиційну пораду. Критика та дискусії з боку колег вітаються.

Перейдемо до справи.

Наступна хвиля наративів у треку криптоштучного інтелекту

Перш ніж офіційно представити наступну хвилю наративів у треку криптоштучного інтелекту, давайте спочатку подивимося на основні наративи нинішнього криптоштучного інтелекту. З точки зору ринкової вартості, ті, що мають понад 1 мільярд доларів США, це:

• Обчислювальна потужність: Render (RNDR, з оборотною ринковою вартістю 3,85 мільярда), Akash (1,2 мільярда оборотної ринкової вартості), IO.NET (останній раунд первинної оцінки фінансування становить 1 мільярд)
• Мережа алгоритмів: Bittensor (TAO, ринкова вартість в обороті 2,97 мільярда)
• Агент штучного інтелекту: Fetchai (FET, ринкова капіталізація 2,1 мільярда до злиття)

*Час даних: 2024.5.24, грошові одиниці – долари США.

Окрім вищезгаданих секторів, який буде наступним сектором штучного інтелекту з ринковою вартістю одного проєкту понад $1 млрд?

Автор вважає, що на ньому можна спекулювати з двох точок зору: наратив «сторони промислового постачання» та наратив «моменту GPT».

Перший погляд на наратив штучного інтелекту: можливості в секторах енергетики та даних, що стоять за штучним інтелектом з боку промислового постачання

З боку промислового постачання є чотири рушійні сили для розвитку штучного інтелекту:

• Алгоритми: Високоякісні алгоритми можуть ефективніше виконувати завдання з навчання та виведення.
• Обчислювальна потужність: Як навчання моделі, так і висновок вимагають обчислювальної потужності, що забезпечується апаратним забезпеченням графічного процесора. Це поточне основне вузьке місце в галузі, оскільки дефіцит мікросхем призвів до високих цін на мікросхеми середнього та високого класу.
• Енергія: центри обробки даних зі штучним інтелектом споживають значну кількість енергії. Крім електроенергії, необхідної для живлення графічних процесорів, на системи охолодження великих центрів обробки даних може припадати близько 40% загального енергоспоживання.
• Дані: Підвищення продуктивності великої моделі вимагає розширення параметрів навчання, що означає величезний попит на високоякісні дані.

Серед цих чотирьох рушійних сил є криптопроєкти з оборотною ринковою вартістю, що перевищує $1 млрд, у секторах алгоритмів та обчислювальної потужності. Однак проєкти з аналогічною ринковою вартістю ще не з'явилися у сферах енергетики та даних.

Насправді дефіцит поставок енергії та даних незабаром може стати новими гарячими точками галузі, що потенційно може спричинити сплеск пов'язаних криптопроєктів. Почнемо з енергетики.

29 лютого 2024 року Ілон Маск згадав на конференції Bosch ConnectedWorld 2024: «Я прогнозував дефіцит чіпів понад рік тому. Наступним дефіцитом буде електроенергія. Я думаю, що наступного року не вистачить потужності, щоб запустити всі чіпи».

Розглядаючи конкретні дані, у звіті AI Index Report, який щорічно публікує Стенфордський інститут штучного інтелекту, орієнтованого на людину, на чолі з Фей-Фей Лі, у своєму звіті за 2022 рік про індустрію штучного інтелекту за 2021 рік оцінено, що споживання енергії штучним інтелектом становило лише 0,9% світового попиту на електроенергію, що створює обмежений тиск на енергію та навколишнє середовище. У 2023 році Міжнародне енергетичне агентство (МЕА) підсумувало, що у 2022 році глобальні центри обробки даних спожили приблизно 460 терават-годин (ТВт-год) електроенергії, що становить 2% світового попиту на електроенергію. Вони прогнозували, що до 2026 року глобальне енергоспоживання центрів обробки даних становитиме щонайменше 620 ТВт-год і може досягати 1050 ТВт-год.

Однак оцінки МЕА все ще консервативні, оскільки багато проєктів штучного інтелекту ось-ось запустяться, а потреби в енергії значно перевищують прогнози на 2023 рік.

Наприклад, Microsoft та OpenAI планують проєкт «Зоряна брама». Цей проєкт, який, як очікується, розпочнеться у 2028 році та буде завершений приблизно у 2030 році, має на меті створити суперкомп'ютер із мільйонами виділених чіпів штучного інтелекту, що забезпечить безпрецедентну обчислювальну потужність для OpenAI, зокрема для його досліджень у галузі штучного інтелекту та великих мовних моделей. Очікується, що проект коштуватиме понад 100 мільярдів доларів, що в 100 разів перевищує поточну вартість великих центрів обробки даних.

Споживання енергії тільки проектом «Зоряна брама» оцінюється в 50 терават-годин.

У зв'язку з цим засновник OpenAI Сем Альтман заявив на форумі в Давосі в січні цього року: «Майбутній штучний інтелект потребує енергетичного прориву, тому що ШІ споживатиме набагато більше електроенергії, ніж очікують люди».

Слідом за обчислювальними потужностями та енергією, наступною областю дефіциту в індустрії штучного інтелекту, що швидко розвивається, ймовірно, будуть дані.

Точніше, дефіцит якісних даних, необхідних ШІ, вже став реальністю.

З моменту еволюції GPT люди в основному зрозуміли закономірність зростання можливостей великих мовних моделей — розширюючи параметри моделі та навчальні дані, можливості моделі можуть бути експоненціально покращені — і цей процес наразі не показує короткострокових технічних перешкод.

Однак проблема полягає в тому, що якісні та загальнодоступні дані можуть ставати все більш дефіцитними в майбутньому. Продукти штучного інтелекту можуть зіткнутися з конфліктами попиту та пропозиції щодо даних, подібних до тих, що стосуються чіпів та енергії.

По-перше, це збільшення спорів щодо права власності на дані.

27 грудня 2023 року The New York Times подала позов проти OpenAI та Microsoft до окружного суду США, звинувативши їх у використанні мільйонів своїх статей без дозволу для навчання моделі GPT. У позові вимагається відшкодування збитків на мільярди доларів за «незаконне копіювання та використання творів, що мають унікальну цінність», а також міститься заклик знищити всі моделі та навчальні дані, що містять матеріали, захищені авторським правом The New York Times.

Наприкінці березня The New York Times опублікувала нову заяву, спрямовану не лише на OpenAI, а й на Google та Meta. У заяві стверджувалося, що OpenAI транскрибувала велику кількість відео YouTube у текст за допомогою інструменту розпізнавання мови під назвою Whisper, а потім використовувала текст для навчання GPT-4. The New York Times стверджувала, що для великих компаній стало звичайною практикою використовувати підступні методи для навчання моделей штучного інтелекту, вказуючи на те, що Google також перетворює відеоконтент YouTube на текст для навчання власних великих моделей, що, по суті, порушує права творців відеоконтенту.

Судовий процес між The New York Times та OpenAI, позначений як «перша справа про авторське право на штучний інтелект», є складним і має далекосяжні наслідки для майбутнього контенту та індустрії штучного інтелекту. З огляду на складність справи та її потенційний вплив, швидке вирішення малоймовірне. Одним із можливих результатів є позасудове врегулювання, коли багаті компанії, такі як Microsoft і OpenAI, виплачують значну компенсацію. Однак майбутні суперечки щодо авторських прав на дані неминуче підвищать загальну вартість високоякісних даних.

Крім того, як найбільша у світі пошукова система, Google повідомила, що розглядає можливість стягнення плати за свою функцію пошуку. Звинувачення будуть спрямовані не на широку громадськість, а на компанії, що займаються штучним інтелектом.

Джерело: Reuters

Сервери пошукових систем Google зберігають велику кількість контенту. Можна навіть сказати, що Google зберігає весь контент, який з'явився на всіх інтернет-сторінках з 21 століття. Поточні пошукові продукти на основі штучного інтелекту, такі як закордонні, такі як Perplexity, і вітчизняні, такі як Kimi та Secret Tower, обробляють дані пошуку за допомогою штучного інтелекту, а потім видають їх користувачам. Витрати пошукових систем на штучний інтелект неминуче збільшать вартість збору даних.

Насправді, крім публічних даних, гіганти штучного інтелекту придивляються і до непублічних внутрішніх даних.

Photobucket — це відомий веб-сайт для розміщення зображень і відео, який на початку 2000-х років мав 70 мільйонів користувачів і майже половину онлайн-ринку фотографій у США. З розвитком соціальних мереж кількість користувачів Photobucket значно скоротилася. Наразі залишилося лише 2 мільйони активних користувачів (вони платять високу комісію в розмірі 399 доларів США на рік). Згідно з угодою та політикою конфіденційності, підписаними користувачами під час реєстрації, вони не використовуються більше року. Обліковий запис буде повторно використано, а також підтримується право Photobucket використовувати зображення та відеодані, завантажені користувачем. Генеральний директор Photobucket Тед Леонард розповів, що 1,3 мільярда фото- та відеоданих, якими вона володіє, є надзвичайно цінними для навчання генеративних моделей штучного інтелекту. Він веде переговори з кількома технологічними компаніями про продаж даних, пропонуючи від 5 центів до 1 долара за фотографію і більше 1 долара за відео, оцінюючи, що дані, які може надати Photobucket, коштують понад 1 мільярд доларів.

Дослідницька група EPOCH, яка зосереджується на тенденції розвитку штучного інтелекту, свого часу опублікувала звіт про дані, необхідні для машинного навчання на основі використання даних та генерації нових даних за допомогою машинного навчання у 2022 році, а також з огляду на зростання обчислювальних ресурсів. Одного разу він опублікував звіт про стан даних, необхідних для машинного навчання, під назвою «Чи закінчаться у нас дані? Аналіз меж масштабування наборів даних у Machine Learning». У звіті зроблено висновок, що високоякісні текстові дані будуть вичерпані в період з лютого 2023 по 2026 рік, а дані зображень будуть вичерпані між 2030 і 2060 роками. Якщо ефективність використання даних не може бути значно підвищена або з'являться нові джерела даних, поточна тенденція великих моделей машинного навчання, які покладаються на масивні набори даних, може сповільнитися.

Судячи з поточної ситуації, коли гіганти штучного інтелекту закуповують дані за високими цінами, безкоштовні високоякісні текстові дані вичерпані. Прогноз EPOCH 2 роки тому був відносно точним.

Водночас, з'являються і рішення попиту на «дефіцит даних ШІ», а саме: послуги з надання даних ШІ.

Defined.ai – це компанія, яка надає індивідуальні, реальні та високоякісні дані для компаній, що займаються штучним інтелектом.

Приклади типів даних, які може надати Defined.ai: https://www.defined.ai/datasets

Його бізнес-модель така: компанії, що займаються штучним інтелектом, надають Defined.ai власні потреби в даних. Наприклад, з точки зору якості картинки, роздільна здатність має бути максимально високою, щоб уникнути розмиття, пересвіту, а контент має бути автентичним. Що стосується контенту, компанії зі штучним інтелектом можуть налаштовувати конкретні теми на основі власних навчальних завдань, таких як нічні фотографії, нічні конуси, парковки та знаки, щоб покращити рівень розпізнавання ШІ в нічних сценах. Публіка може взяти на себе завдання зробити фото. Потім компанія перегляне їх і завантажить. Деталі, які відповідають вимогам, будуть врегульовані виходячи з кількості фотографій. Ціна становить близько 1-2 доларів США за якісну картинку, 5-7 доларів США за короткометражний фільм тривалістю більше десяти секунд. Високоякісне відео тривалістю понад 10 хвилин коштує 100-300 доларів США, а текст – 1 долар США за тисячу слів. Особа, яка отримує завдання субпідряду, може отримати близько 20% гонорару. Надання даних може стати ще одним краудсорсинговим бізнесом після «маркування даних».

Глобальний розподіл завдань, краудсорсинг, економічні стимули, ціноутворення/обіг активів даних та захист конфіденційності відкриті для всіх, що особливо добре підходить для бізнес-парадигми Web3.

Наратив штучного інтелекту націлений на промислове постачання

Увага, привернута дефіцитом мікросхем, проникла в криптоіндустрію, зробивши розподілені обчислювальні потужності найгарячішим і найвищим треком ШІ з найвищою ринковою капіталізацією на даний момент.

Отже, якщо конфлікти попиту та пропозиції в енергетичному секторі та секторі даних індустрії штучного інтелекту вибухнуть у найближчі 1-2 роки, які проєкти, пов'язані з наративами, зараз присутні в криптоіндустрії?

Цілі, пов'язані з енергетикою

Проекти, пов'язані з енергетикою, які були зареєстровані на великих централізованих біржах (CEX), є рідкісними, єдиним помітним прикладом є Power Ledger (токен: POWR).

Power Ledger, створена в 2017 році, є комплексною енергетичною платформою на основі блокчейну, спрямованою на децентралізацію торгівлі енергією. Він сприяє прямим транзакціям електроенергії між окремими особами та громадами, підтримує широке застосування відновлюваних джерел енергії та забезпечує прозорість та ефективність за допомогою смарт-контрактів. Спочатку Power Ledger працював на ланцюжку консорціуму, похідному від Ethereum. У другій половині 2023 року Power Ledger оновив свій технічний документ і запустив власну всеосяжну публічну мережу, яка базується на технічній базі Solana для обробки високочастотних мікротранзакцій на розподіленому енергетичному ринку. В даний час основними напрямками діяльності Power Ledger є:

• Торгівля енергією: дозволяє користувачам купувати та продавати електроенергію безпосередньо, особливо з відновлюваних джерел.
• Торгівля екологічною продукцією: сприяє торгівлі вуглецевими кредитами та сертифікатами відновлюваної енергії, а також фінансуванню на основі екологічних продуктів.
• Робота публічного ланцюга: залучає розробників додатків до створення на блокчейні Power Ledger з комісією за транзакції, що сплачується в токенах POWR.

На даний момент циркулююча ринкова капіталізація Power Ledger становить 170 мільйонів доларів, а повністю розбавлена ринкова капіталізація становить 320 мільйонів доларів.

Цілі, пов'язані з даними

У порівнянні з криптовалютними цілями, пов'язаними з енергетикою, трек даних має багатший вибір криптоцілей. Ось проєкти відстеження даних, які я зараз спостерігаю, і всі вони перераховані принаймні на одному з великих CEX, таких як Binance, OKX або Coinbase, розташовані в порядку зростання їх повністю розбавленої оцінки (FDV):

1. Streamr – ДАНІ

Ціннісна пропозиція: Streamr прагне побудувати децентралізовану мережу даних у реальному часі, яка дозволяє користувачам вільно торгувати та обмінюватися даними, зберігаючи при цьому повний контроль над своїми даними. За допомогою свого маркетплейсу даних Streamr прагне дозволити виробникам даних безпосередньо продавати потоки даних зацікавленим споживачам без посередників, тим самим знижуючи витрати та підвищуючи ефективність.

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

У практичному випадку співпраці Streamr співпрацює з іншим проєктом бортового обладнання Web3 — DIMO. За допомогою апаратних датчиків DIMO, встановлених у транспортних засобах, вони збирають такі дані, як температура, тиск повітря та інші показники, формуючи потоки даних про погоду, які передаються організаціям, які цього потребують.

У порівнянні з іншими проектами даних, Streamr більше фокусується на даних IoT та апаратних датчиків. Окрім вищезгаданих даних про транспортні засоби DIMO, інші проекти включають потоки даних про дорожній рух у реальному часі в Гельсінкі. Завдяки цьому фокусу токен проєкту Streamr, DATA, пережив сплеск, подвоївшись у ціні за один день у грудні минулого року, коли концепція DePIN була на піку.

Наразі циркулююча ринкова капіталізація Streamr становить 44 мільйони доларів США, а повністю розбавлена ринкова капіталізація становить 58 мільйонів доларів США.

1. Ковалентний – CQT

На відміну від інших проєктів даних, Covalent надає дані блокчейну. Мережа Covalent зчитує дані з вузлів блокчейну через RPC, обробляє та систематизує ці дані, створюючи ефективну базу даних запитів. Це дозволяє користувачам Covalent швидко отримувати необхідну інформацію, не виконуючи складних запитів безпосередньо з вузлів блокчейну. Ця послуга відома як «індексація даних блокчейну».

Клієнтами Covalent є в основному B2B, включаючи проекти Dapp, такі як різні додатки DeFi, а також багато централізованих криптокомпаній, таких як ConsenSys (материнська компанія MetaMask), CoinGecko (відомий сайт відстеження криптоактивів), Rotki (податковий інструмент) і Rainbow (криптогаманець). Крім того, клієнтами Covalent також є традиційні фінансові гіганти, такі як Fidelity та аудиторська фірма «Великої четвірки» EY. Згідно з офіційним розкриттям Covalent, дохід проекту від послуг передачі даних вже перевищив дохід провідного проекту в тій же галузі, The Graph.

Індустрія Web3, завдяки повноті, відкритості, автентичності та характеру ончейн-даних у реальному часі, готова стати цінним джерелом високоякісних даних для конкретних сценаріїв штучного інтелекту та «невеликих моделей штучного інтелекту». Як постачальник даних, Covalent почав надавати дані для різних сценаріїв штучного інтелекту та запустив структуровані дані, які можна перевірити, спеціально для штучного інтелекту.

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

Наприклад, він надає дані SmartWhales, інтелектуальній торговій платформі в мережі, і використовує штучний інтелект для визначення прибуткових торгових моделей і адрес; Entendre Finance використовує структуровані дані Covalent та обробку штучного інтелекту для аналітичної інформації в режимі реального часу, виявлення аномалій та прогнозного аналізу.

В даний час основні сценарії для ончейн-сервісів даних, що надаються Covalent, як і раніше, є фінансовими. Однак з узагальненням продуктів і типів даних Web3 сценарії використання ончейн-даних також будуть ще більше розширені.

Поточна розбавлена ринкова вартість проекту Covalent становить $150 млн, а повна розбавлена ринкова вартість – $235 млн. У порівнянні з The Graph, проектом індексу даних блокчейну в тому ж напрямку, він має відносно очевидну перевагу в оцінці.

1. Hivemapper – Мед

Серед усіх інформаційних матеріалів відеодані часто мають найвищу ціну за одиницю. Hivemapper може надавати компанії, що займаються штучним інтелектом, дані, включаючи відео та картографічну інформацію. Сам Hivemapper є децентралізованим глобальним картографічним проектом, який має на меті створити детальну, динамічну та доступну картографічну систему за допомогою технології блокчейн та внесків спільноти. Учасники можуть зафіксувати дані карти за допомогою відеореєстратора та додати їх до мережі даних Hivemapper з відкритим вихідним кодом, а також отримувати винагороди на основі свого внеску у токені проєкту HONEY. Для того, щоб покращити мережеві ефекти та зменшити витрати на взаємодію, Hivemapper побудований на Solana.

Компанія Hivemapper, заснована у 2015 році, спочатку мала на меті створення карт за допомогою дронів. Однак незабаром з'ясувалося, що цю модель важко масштабувати, що спонукало перейти до використання відеореєстраторів і смартфонів для збору географічних даних, що значно знизило вартість виробництва глобальних карт.

У порівнянні з програмним забезпеченням для перегляду вулиць та картографії, таким як Google Maps, Hivemapper використовує стимулюючу мережу та модель краудсорсингу для більш ефективного розширення покриття карт, підтримки свіжості реальних карт та покращення якості відео.

До того, як попит на дані, керований штучним інтелектом, різко зріс, основними клієнтами Hivemapper були відділи автономного водіння автомобільної промисловості, компанії з надання навігаційних послуг, уряди, страхові компанії та фірми з нерухомості. Сьогодні Hivemapper може надавати обширні дані про дороги та навколишнє середовище для штучного інтелекту та великих моделей через API. Постійно оновлюючи потоки зображень і даних про дорожні об'єкти, моделі штучного інтелекту та машинного навчання можуть краще перетворювати ці дані на покращені можливості, виконуючи завдання, пов'язані з географічним розташуванням та візуальним судженням.

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

Наразі проєкт Hivemapper Honey має розбавлену ринкову капіталізацію в розмірі 120 мільйонів доларів США та повністю розведену ринкову капіталізацію (FDV) у розмірі 496 мільйонів доларів США.

На додаток до трьох вищезгаданих проектів, область даних також включає:

The Graph – GRT: З розбавленою ринковою капіталізацією в 3,2 мільярда доларів і FDV в 3,7 мільярда доларів, The Graph надає послуги індексації даних блокчейну, подібні до Covalent.

Ocean Protocol – OCEAN: З оборотною ринковою капіталізацією в 670 мільйонів доларів США та FDV у 1,45 мільярда доларів США, Ocean Protocol є протоколом з відкритим вихідним кодом, спрямованим на полегшення обміну та монетизації даних і послуг, пов'язаних з даними. Він з'єднує споживачів даних із постачальниками даних для обміну даними, забезпечуючи при цьому довіру, прозорість і відстежуваність. Цей проєкт збирається об'єднатися з Fetch.ai та SingularityNET, а його токен конвертується в ASI.

Другий погляд на наратив штучного інтелекту: прибуття AGI, що нагадує момент GPT

На думку автора, першим роком «треку штучного інтелекту» в криптоіндустрії став чудовий 2023 рік, ознаменований появою GPT, а сплеск криптопроєктів зі штучним інтелектом був скоріше хвильовим ефектом від вибухового зростання індустрії штучного інтелекту.

Хоча такі можливості, як GPT4 і Turbo, продовжували розвиватися після GPT3.5, і Сора продемонстрував дивовижні здібності до створення відео, а також швидкий розвиток великих мовних моделей за межами OpenAI, незаперечно, що когнітивний вплив технологічних досягнень штучного інтелекту на широку громадськість зменшується. Люди поступово починають використовувати інструменти штучного інтелекту, і масштабне переміщення робочих місць, схоже, ще не відбулося.

Отже, чи стане сфера штучного інтелекту свідком ще одного «моменту GPT» у майбутньому, коли стрибок у розвитку штучного інтелекту здивує маси, змусивши людей усвідомити, що в результаті їхнє життя та робота зміняться? Цим моментом може стати поява штучного загального інтелекту (AGI).

AGI відноситься до машин з комплексними когнітивними здібностями, подібними до людських, здатних вирішувати різні складні проблеми, що виходять за рамки конкретних завдань. Системи AGI володіють високорівневим абстрактним мисленням, широкими фоновими знаннями, міждоменними міркуваннями здорового глузду, причинно-наслідковим розумінням і міждисциплінарними здібностями до трансферного навчання. З точки зору всебічних можливостей, продуктивність AGI знаходиться на одному рівні з найкращими людьми і навіть перевершує колективні здібності найвидатніших людських груп.

Насправді, незалежно від того, чи зображені вони в науковій фантастиці, іграх чи фільмах, чи підживлені очікуваннями громадськості після швидкого поширення GPT, суспільство давно очікувало появи AGI, що перевершує людський когнітивний рівень. Можна сказати, що GPT сам по собі є попередником AGI, пророцтва загального штучного інтелекту.

Причина, чому GPT має такий величезний промисловий енергетичний та психологічний вплив, полягає в тому, що швидкість та продуктивність його впровадження перевершили очікування мас: люди не очікували, що система штучного інтелекту, здатна пройти тест Тюрінга, насправді з'явиться, і з'явиться так швидко.

Насправді штучний загальний інтелект (AGI) може повторити раптовість «моменту GPT» протягом 1-2 років: люди щойно адаптувалися до допомоги GPT, але виявили, що ШІ більше не просто помічник. Він навіть може самостійно виконувати високотворчі та складні завдання, включаючи ті проблеми, які десятиліттями бентежили провідних вчених.

8 квітня цього року Маск дав інтерв'ю Ніколаю Тангену, головному інвестиційному директору Норвезького суверенного фонду добробуту, про терміни появи AGI.

Він сказав: «Якщо ми визначимо, що AGI розумніші за найрозумніших людей, я думаю, що це, швидше за все, станеться приблизно до 2025 року». Іншими словами, за його оцінкою, для прибуття AGI знадобиться ще максимум півтора року. Звичайно, він додав застереження, що "потужність і залізо не відстають".

Переваги появи AGI очевидні.

Це означає, що продуктивність людства зробить гігантський стрибок вперед, а численні проблеми наукових досліджень, які переслідували нас протягом десятиліть, будуть вирішені без особливих зусиль. Якщо ми визначаємо «найрозумніших людей» як лауреатів Нобелівської премії, це означає, що поки є достатньо енергії, обчислювальних потужностей і даних, ми можемо мати незліченну кількість невтомних «лауреатів Нобелівської премії», які цілодобово заглиблюються в найскладніші наукові проблеми.

Насправді лауреати Нобелівської премії не такі рідкісні, як один на кілька сотень мільйонів; Більшість з них не поступаються університетським професорам за здібностями та інтелектом. Однак завдяки ймовірності та удачі у виборі правильного напрямку, а також збереженню до отримання результатів, люди подібного до них калібру, їхні не менш видатні колеги, можливо, також отримали Нобелівські премії в паралельних всесвітах наукових досліджень. На жаль, поки що не вистачає людей зі здібностями топових університетських професорів, які беруть участь у наукових проривах, тому швидкість «вивчення всіх правильних напрямків у наукових дослідженнях» залишається низькою.

З появою AGI, в умовах, коли енергія та обчислювальна потужність забезпечуються достатньою кількістю, ми можемо мати нескінченну кількість AGI з рівнем лауреатів Нобелівської премії, які глибоко досліджують будь-який можливий напрямок наукового прориву. Темпи технологічного прогресу збільшаться в десятки разів. Технологічний прогрес призведе до того, що ресурси, які зараз вважаються дорогими та дефіцитними, збільшаться в сотні разів протягом наступних 10-20 років, таких як виробництво продуктів харчування, нові матеріали, нові ліки, високоякісна освіта тощо. Витрати на отримання цих ресурсів також знизяться в геометричній прогресії, що дозволить нам утримувати більше людей з меншими ресурсами, а багатство на душу населення швидко зростатиме.

Тенденція глобального ВВП (Джерело: Світовий банк)

Це може звучати трохи сенсаційно. Давайте розглянемо два приклади, які обговорювалися автором в IO.NET звіті про дослідження раніше:

• У 2018 році лауреат Нобелівської премії з хімії Френсіс Арнольд заявив на церемонії нагородження: «Сьогодні ми можемо читати, писати та редагувати будь-яку послідовність ДНК у практичному застосуванні, але ми все ще не можемо її скласти». Лише через п'ять років, у 2023 році, дослідники Salesforce Research, стартапу зі штучного інтелекту зі Стенфордського університету та Кремнієвої долини, опублікували статтю в Nature Biotechnology. Вони використовували велику мовну модель, засновану на тонкому налаштуванні GPT-3, щоб створити мільйон нових білків з нуля, і виявили два білки з кардинально різними структурами, обидва з яких мають антимікробні властивості і потенційно можуть служити рішеннями для резистентності бактерій, крім антибіотиків. Іншими словами, за допомогою ШІ вузьке місце в «створенні» білка було подолано.
• До цього алгоритм штучного інтелекту AlphaFold передбачив структури майже всіх 214 мільйонів відомих білків на Землі протягом 18 місяців, що в сотні разів перевищує сукупні зусилля всіх попередніх структурних біологів.

Революція вже відбулася, і поява AGI ще більше прискорить цей процес. З іншого боку, проблеми, пов'язані з появою AGI, також величезні. AGI не тільки замінить велику кількість когнітивних працівників, але й вплине на фізичних працівників, які раніше вважалися «менш схильними до впливу ШІ». З розвитком робототехнічних технологій і розробкою нових матеріалів, що призводять до зниження витрат на виробництво, частка робочих місць, замінених машинами і програмним забезпеченням, буде стрімко збільшуватися.

У цей час на поверхню швидко спливуть дві, здавалося б, далекі питання:

1. Проблема зайнятості та доходів для великої кількості безробітних.
2. Як відрізнити ШІ від людини у світі, де ШІ поширений повсюдно.

Worldcoin\Worldchain намагається запропонувати рішення, пропонуючи систему універсального базового доходу (UBI) для забезпечення базового доходу населення та використовуючи біометричні функції на основі райдужної оболонки ока для розрізнення людей та штучного інтелекту.

Насправді UBI, який надає гроші всім бажаючим, – це не просто пиріг у небі. Такі країни, як Фінляндія та Англія, експериментували з універсальним базовим доходом, а партії в Канаді, Іспанії, Індії та інших країнах активно пропонують і просувають відповідні експерименти.

Перевага використання біометричної ідентифікації + моделі на основі блокчейну для розподілу UBI полягає в глобальному характері системи, що забезпечує більш широке охоплення населення. Крім того, він може використовувати мережу користувачів, розширену за рахунок розподілу доходу, для побудови інших бізнес-моделей, таких як фінансові послуги (DeFi), соціальні мережі, краудсорсинг тощо, формуючи синергію всередині мережі.

Одним із відповідних активів, на які вплинула поява AGI, є Worldcoin – WLD, з розбавленою ринковою капіталізацією $1,03 млрд і повністю розбавленою ринковою капіталізацією $47,2 млрд.

Ризики та невизначеності наративної дедукції

На відміну від багатьох попередніх звітів про дослідження проектів і треків, опублікованих Mint Ventures, ця стаття має більшу суб'єктивність у наративній дедукції та прогнозуванні. Читачі повинні розглядати зміст цієї статті як дискусію, що розходиться, а не як пророцтво про майбутнє. Наративна екстраполяція, представлена автором, стикається з багатьма невизначеностями, що призводять до спекулятивних помилок. Ці ризики або фактори впливу включають, але не обмежуються:

• Енергетичний аспект: оновлення графічного процесора спричиняють стрімке зниження енергоспоживання

Незважаючи на різке зростання попиту на енергію, пов'язану зі штучним інтелектом, виробники мікросхем, такі як Nvidia, забезпечують вищу обчислювальну потужність при меншому енергоспоживанні за рахунок постійної модернізації апаратного забезпечення. Наприклад, у березні цього року Nvidia випустила нове покоління обчислювальної карти зі штучним інтелектом GB200, яка об'єднує два графічні процесори B200 та один CPU Grace. Його навчальна продуктивність у чотири рази вища, ніж у основного графічного процесора зі штучним інтелектом попереднього покоління H100, а продуктивність висновків у сім разів вища, ніж у H100, тоді як необхідне енергоспоживання становить лише чверть від H100. Однак, незважаючи на це, прагнення до потужності від ШІ далеко не задоволене. Зі зменшенням споживання одиниці енергії загальне споживання енергії може фактично зрости в міру подальшого розширення застосувань і потреб у ШІ.

• Аспект даних: Проєкт Q* реалізує «самостійно згенеровані дані»

В OpenAI вже давно ходять чутки про проєкт «Q», про який згадували у внутрішніх комунікаціях співробітникам OpenAI. Як повідомляє Reuters з посиланням на інсайдерів OpenAI, це може стати проривом у прагненні OpenAI до суперінтелекту/загального штучного інтелекту (AGI). Q не тільки має здатність розв'язувати раніше небачені математичні задачі за допомогою абстракції, але й має можливість генерувати дані для навчання великих моделей без необхідності подачі реальних даних. Якщо ці чутки правдиві, вузьке місце навчання моделей ШІ, обмежене відсутністю високоякісних даних, буде зламано.

• Прихід AGI: занепокоєння OpenAI

Терміни приходу AGI, як припустив Ілон Маск, дійсно можуть настати до 2025 року, але це лише питання часу. Однак Worldcoin, як прямий бенефіціар приходу AGI, може зіткнутися з найбільшими проблемами з боку OpenAI, оскільки він широко визнаний «тіньовим токеном OpenAI».

Рано вранці 14 травня OpenAI продемонструвала найновіший GPT-4o та 19 інших різних версій великих мовних моделей у комплексних оцінках завдань на своєму весняному заході з презентації продукту. Просто поглянувши на таблицю, GPT-4o набрав 1310 балів, здавалося б, значно вище, ніж пізніші ранги. Однак за загальним балом він лише на 4,5% вищий, ніж GPT4 turbo, що посідає друге місце, на 4,9% вище, ніж Gemini 1.5 Pro від Google, який посідає четверте місце, і на 5,1% вищий, ніж Claude 3 Opus від Anthropic, який посідає п'яте місце.

Оскільки світовий момент дебюту GPT3.5 минув трохи більше року, конкуренти OpenAI вже наздогнали дуже близьку позицію (хоча GPT5 ще не випущений і, як очікується, буде запущений цього року). Чи зможе OpenAI зберегти свої лідируючі позиції в галузі в майбутньому, здається, стає розмитим. Якщо передова перевага та домінуюча позиція OpenAI будуть розмиті або перевищені, то наративна цінність Worldcoin як тіньового токена OpenAI також знизиться.

Крім того, окрім схеми аутентифікації райдужної оболонки ока Worldcoin, на цей ринок також виходить все більше конкурентів. Наприклад, проєкт ідентифікації для сканування долоні Humanity Protocol щойно оголосив про завершення нового раунду фінансування на суму $30 млн при оцінці в $1 млрд. LayerZero Labs також оголосила про свою роботу на Humanity і приєдналася до своєї мережі вузлів валідаторів, використовуючи докази ZK для автентифікації облікових даних.

Висновок

Підсумовуючи, хоча автор екстраполював наратив треку ШІ, трек ШІ відрізняється від нативних криптополів, таких як DeFi. Це скоріше продукт переливу буму штучного інтелекту у валютне коло. Наразі багато проєктів ще не повністю сформували свої бізнес-моделі, і багато проєктів більше схожі на меми на тему штучного інтелекту (наприклад, Rndr, схожий на мем Nvidia, Worldcoin, схожий на мем OpenAI). Читачі повинні ставитися до них з обережністю.

Заява:

1. Ця стаття під початковою назвою «Наступна хвиля наративної дедукції в секторі криптоштучного інтелекту: каталізатори, шляхи розвитку та пов'язані проекти» відтворена з [mintventures]. Усі авторські права належать оригінальному автору [Alex Xu]. Якщо у вас є будь-які заперечення щодо передруку, будь ласка, зв'яжіться з командою Gate Learn, команда впорається з цим якомога швидше.

2. Відмова від відповідальності: Погляди та думки, висловлені в цій статті, відображають лише особисті погляди автора та не є будь-якою інвестиційною порадою.

3. Переклад статті на інші мови здійснює команда Gate Learn. Якщо не зазначено, копіювання, розповсюдження або плагіат перекладених статей заборонено.