Pinaka-Maimpluwensyang: Sam Altman

Ang tagapagtatag ng OpenAI na si Sam Altman ang pinakakilalang pangalan sa larangan ng artificial intelligence (AI). Simula nang ilunsad ang ChatGPT noong huling bahagi ng 2022, ang AI ay unti-unting sumikat sa bawat sulok ng pang-araw-araw na buhay, at si Altman ay lumitaw bilang nangungunang pigura na nagtutulak sa pagbabagong iyon.

Habang lumalawak at bumubuti ang AI, lalo itong naging kaugnay ng Crypto. Isang alon ng mga desentralisadong aplikasyon at protocol ang gumagamit na ngayon ng AI upang mapahusay o i-automate ang aktibidad ng DeFi. Kasabay nito, naniniwala ang isang lumalaking grupo ng mga tagabuo na ang ugnayan ay may dalawang direksyon: Maaaring baguhin ng AI ang Crypto, ngunit maaari ring makatulong ang mga blockchain na ayusin ang ilan sa mga umuusbong na kahinaan ng AI, kabilang ang compute, Privacy, at pagkakakilanlan.

Desentralisadong kapangyarihan sa pag-compute

Ang lumalaking pangangailangan para sa compute, na higit na dulot ng pagtaas ng paggamit ng generative AI, ay ONE sa mga CORE isyu na hinulaan ng ilan sa Crypto ecosystem na magdudulot ng problema sa nalalapit na hinaharap. Habang tumataas ang ating pag-asa sa AI, mas maraming enerhiya at compute ang kailangan upang KEEP maayos ang pagtakbo ng mga sistema. Upang maiwasan ang isang punto ng pagkabigo, kakailanganin ng AI compute ang isang napakalaking, pandaigdigang ipinamamahaging network, na maaaring makatulong sa pag-coordinate ng Crypto .

“Kung saan ang blockchain ay nagniningning [sa pagtugon sa compute] ay epektibong nasa mga pamilihan at koordinasyon, kaya ang Crypto ay tiyak na may napakalakas na papel dito upang magamit ang mga compute na hindi gaanong nagagamit: kung paano makuha ang pinakamagandang presyo, kung paano i-secure ang compute na iyon, at magbigay ng kumpidensyalidad,” sabi ni Illia Polosukhin, ang lumikha ng NEAR Protocol. Ang NEAR ay isang blockchain na idinisenyo para sa mabilis, mababang gastos, at mga application na madaling gamitin ng mga developer, at kamakailan lamang ay pinalawak ng pangkat sa likod nito ang mga pagsisikap nito na bumuo ng mga AI tool, na nagpapahintulot sa mga blockchain developer na magpatakbo ng mga produktong AI sa chain. Si Polosukhin ay ONE sa mga may-akda ng isang whitepaperna nakikita ng marami bilang balangkas para sa mga modernong LLM, na kilala rin bilang Transformer.

Sa kasalukuyan, halos lahat ng pag-unlad ng AI ay nakasalalay sa ilang malalaking kumpanya tulad ng Amazon, Google, at Microsoft/OpenAi, na kumokontrol sa mahal at limitadong mga mapagkukunan ng GPU, at walang madaling paraan upang i-coordinate o pagkatiwalaan ang libu-libong indibidwal na makina na nakakalat sa buong mundo. Ang mga blockchain ay maaaring pumasok at magsilbing neutral na coordination at verification layer, na nagtatala kung aling mga gawain ang itinalaga, kinukumpirma kung ang mga ito ay natapos nang tama, at awtomatikong nagbabayad sa taong nagbigay ng compute. Dahil ang mga tala sa mga blockchain ay hindi tinatablan ng anumang pagbabago, T kailangang magtiwala ang mga user sa isang random na may-ari ng makina; ang mga blockchain proof at transparent na log ang humahawak diyan.

Sa madaling salita, idinaragdag ng blockchain ang mga layer ng tiwala, koordinasyon, at insentibo na kailangan upang gawing isang pandaigdigang network ang milyun-milyong independiyenteng makina na may kakayahang paganahin ang AI.

Mayroong ilang mga proyekto, na kilala bilang mga desentralisadong AI network, na umunlad mula sa merkado na ito. ONE sa mga nauna ay ang Bittensor, na nagbibigay ng isang pamilihan para sa pagkalkula.

Ang pag-usbong ng mga desentralisadong AI network ay nag-ugat sa lumalaking pagkadismaya sa mga developer, mananaliksik, at mga crypto-native builder dahil sa kung gaano na ka-sentralisado at ka-permiso ang naging AI ecosystem. Ang kanilang mga alalahanin ay mula sa konsentrasyon ng compute at data sa loob ng iilang korporasyon, hanggang sa kakulangan ng transparency sa kung paano sinasanay ang mga modelo, hanggang sa mga pangamba na ang ganitong sentralisadong kontrol ay maaaring magbigay-daan sa censorship, gatekeeping, o unilateral na paggawa ng desisyon tungkol sa kung aling mga AI system ang pinapayagang gamitin ng mundo.

Bagama't nagsimula ang Bittensor bilang isang proyekto ng AI na gumamit ng blockchain bilang isang kasangkapan sa koordinasyon, sinasabi ng mga tagapagtatag nito na lumawak na ito nang higit pa sa AI.

Sa CORE nito, ang network ng Bittensor lumilikha ng isang bukas na pamilihan para sa katalinuhanat pagkalkula: ang mga kalahok ay nagpapatakbo ng mga modelo o nagsusuplay ng hardware, at ang network ay patuloy na sinusuri ang kalidad ng kanilang mga kontribusyon. Kapag ang isang modelo ay nakagawa ng isang bagay na mahalaga, nakukuha nito ang katutubong token ng protocol, ang TAO. Sa paglipas ng panahon, inorganisa ng Bittensor ang sarili nito.sa mga espesyalisadong "subnet,"bawat isa ay nakatuon sa iba't ibang kategorya ng gawaing AI. Ang resulta ay isang ecosystem na kumikilos nang hindi na parang iisang sistema kundi parang isang kapaligirang pamumuhay, kung saan maraming uri ng katalinuhan ang sabay-sabay na umuunlad. Ang magagandang kontribusyon ay tumataas, ang mahihina ay nawawala, at sinumang may kasanayan o komputasyon ay maaaring lumahok nang hindi humihingi ng pahintulot.

Ang pagsusulong para sa desentralisasyon ng AI, ayon sa co-founder ng Bittsensor na si Ala Shaabana, ay nagmula sa kanyang inilarawan bilang isang estruktural na kawalan ng balanse sa kung paano binubuo at kinokontrol ang modernong AI. Sa kasalukuyan, halos lahat ng makabuluhang kapangyarihan ng AI ay nasa loob lamang ng iilang korporasyon.

“Parang tatlong tao sa mundo ang nagmamay-ari ng lahat ng aklatan, guro, at kompyuter, at lahat ng iba ay nangangailangan ng pahintulot para magamit ang mga ito,” sinabi niya sa CoinDesk sa isang panayam. Laganap ang konsentrasyon, kaya itinuro ni Shaabana na ang OpenAI ay mayroon lamang dalawang miyembro ng lupon na may kapangyarihang gumawa ng mga desisyon tungkol sa isang Technology tinuring mismo ng kumpanya na "ang susunod na pinakamahusay na bagay pagkatapos ng isang nuke" (bagaman ito ay noong pagkakatatag ng organisasyon). Para kay Shaabana, ang ideya na ang isang maliit na grupo ng mga makapangyarihang indibidwal ay maaaring mag-isang patnubayan ang pag-unlad ng isang bagay na kasinghalaga ng AI ay mapanganib.

Dito pumapasok ang papel ng Crypto . Ang mga insentibo ang nagbibigay-daan upang maisaayos ang isang pandaigdigang network ng mga Contributors na nagsasanay ng mga modelo, nagbibigay ng datos, at nagsusuplay ng compute.

Privacy, tiwala, at pagkakakilanlan

Bagama't matagal nang itinuturing ng karaniwang mamumuhunan sa Crypto na mahalaga ang Privacy , ang isyu ng Privacy ay lumitaw bilang isang lumalaking alalahanin sa mga gumagamit ng AI ngayong taon. Ang data ng user ay kadalasang pinapanatili at ginagamit upang sanayin ang mga LLM na nagpapagana sa mga pangunahing platform ng AI, na humahantong sa maraming alalahanin tungkol sa kung paano magagamit ang pribado at personal na data.

Naniniwala si Polosukhin na dito nagiging mahalaga ang "pribadong AI," o ang tinatawag niyang "user-owned AI." Ang ideya ay dapat gumana ang mga AI system para sa mga user o organisasyon sa loob ng sarili nilang imprastraktura, sa halip na magpadala ng sensitibong data sa mga sentralisadong provider. Nagbibigay-daan ito sa mga team na sanayin ang mga modelo para sa kanilang mga partikular na pangangailangan habang pinapanatili ang impormasyon sa ilalim ng kanilang kontrol at pinapanatili ang pagsunod sa mga internasyonal na regulasyon sa Privacy tulad ng HIPAA at GDPR ng European Union. Ang mga blockchain ay maaaring magbigay ng mga tamper-proof log at mga garantiya ng tiwala upang suportahan ang balangkas na ito.

Nagtalo si Polosukhin na ang pagkamit ng user-owned AI ay nangangailangan ng muling pagtatayo ng AI stack mismo — mula sa compute, Privacy , at model training — sa paraang ibabalik ang kontrol sa mga kamay ng mga user at organisasyon.

"Para diyan, kailangan mo ng isang desentralisadong compute network, kailangan mo ng pribadong AI, at kailangan mo ng pagsasanay sa modelo," sabi ni Polosukhin.

Bukod sa Privacy, ang tiwala at pagkakakilanlan ay nagiging mas kumplikado rin sa panahon ng AI, na isa pang larangan kung saan maaaring muling gumanap ng papel ang blockchain.

Ang kontrobersyal na proyektong blockchain ni Sam Altman, ang World network, ay naglalayong tugunan ang pagkakakilanlan sa pamamagitan ngpatunay ng pagkatao (minsan kilala bilang proof-of-humanity). Binibigyan ng sistema ang mga gumagamit ng World ID, isang digital na kredensyal na nagpapatunay na sila ay isang natatanging Human. Gamit ang Aparato ng orb, ini-scan ng system ang iris ng isang user upang lumikha ng kakaibang cryptographic code. Ayon sa World, ang imahe ng iris ay mabubura, ngunit mananatili ang code upang maitanong ng system kung ito pa rin ang dating user: nang hindi inilalantad ang pangalan o anumang personal na detalye, maaaring i-verify ng mga user ang kanilang pagkakakilanlan online.

Sinabi ni Tiago Sada, Pinuno ng Produkto sa Tools for Humanity (TFH), ang organisasyong tumutulong sa pamamahala ng World network, sa CoinDesk na kinilala ng Altman ang pagkakakilanlan at tiwala bilang mga CORE isyu na nilikha ng AI, at nakita ang blockchain bilang natural na angkop upang matugunan ang mga ito.

“ONE sa mga bagay na nawawala sa panahon ng AI ay ang kakayahang magtiwala sa mga bagay online,” sabi ni Sada. “T mo alam kung sino o ano ang pagkakatiwalaan. Doon pumapasok ang patunay ng sangkatauhan. Pinag-uusapan mo man ang tungkol sa mga tweet, larawan, o isang taong nagpapadala ng pera — ang mga blockchain ay maaaring maging isang mapagkukunan ng katotohanan sa isang mundo kung saan napakahirap malaman kung ano ang katotohanan.”

Inilarawan ni Sada ang Mundo bilang isang kinakailangang antas ng kaligtasan, inihambing ito sa pag-imbento ng mga seatbelt kasabay ng pag-imbento ng mga kotse. Naniniwala siya na ang mga kagamitang pinansyal na nagpoprotekta sa pagkakakilanlan at privacy ay magiging kritikal na mga kaso ng paggamit sa interseksyon ng AI at blockchain.

Higit pa sa pag-verify lamang ng pagkakakilanlan, iniisip ni Sada na ang lahat ng ito ay mahalaga para sa pagkakakilanlang pinansyal at mga kaso ng paggamit, upang protektahan ang datos na iyon habang hindi nagbubunyag ng anumang bagay tungkol sa mga transaksyong pinansyal, ay magiging susi sa interseksyon ng AI at blockchain.

Ang hinaharap

Habang lumalaki ang haka-haka kung tayo ba ay nasa isang AI bubble, wala sa mga ekspertong nakapanayam ang gustong hulaan kung saan mapupunta ang mga bagay-bagay.

Sa mga proyekto ng AI ngayon, tinantya ni Sada ng TFH: “70% nito ay mawawala — isa itong uso. 30% nito ay lubhang malalim at babaguhin ang mundo. At ang 30% na iyon ay higit pa sa sulit sa hype ng iba.”

Samantala, nag-aalala si Polosukhin tungkol sa modelong pang-ekonomiya na maaaring lumitaw kapag ang AI ay ganap nang naisama sa lipunan. "Habang nagiging mas mahusay ang mga bagay-bagay, bumubuti ang kita ng kapital, ngunit nawawalan ng access ang mga manggagawa sa kapital," aniya. "Papasok tayo sa isang bagay na T teoryang pang-ekonomiya na gagana. Walang malinaw na modelo kung paano gumagana ang lipunan kung maliit na porsyento lamang ng mga tao ang nangangasiwa sa mga makina." Ang Crypto, aniya, ay nag-aalok ng isang sandbox upang mag-eksperimento sa mga bagong sistemang pang-ekonomiya sa mga paraang hindi kayang gawin ng mga tradisyunal na ekonomiya. Ang ideyang iyon ay sinusubukan na sa industriya: Kamakailan lamang, ang Coinbase naglunsad ng isang piloto para sa pangkalahatang pangunahing kita,gamit ang blockchain rails upang ipamahagi ang mga paulit-ulit na pagbabayad at tuklasin kung paano masusuportahan ng mga mekanismong pang-ekonomiyang nakabatay sa crypto ang mga tao.

Pagninilay-nilay sa malawakang paggamit ngmga modernong LLMna si Polosukhin ay tumulong sa pagdisenyo, nakikita niyang "nakakatuwa" na makitang nabigyang-buhay ang paksang kanyang pinagtrabahuhan. Dagdag niya, "Nakakatuwang makita na ito ay ganap nang gumagana. Malinaw na marami pa ring dapat pagbutihin, ngunit nagkaroon ng napakalaking pagbabago mula sa itinuturing na machine learning 15 taon na ang nakalilipas patungo sa kung ano ang mayroon tayo ngayon."