Почему Web3 проигрывает гонку ИИ?

Искусственный интеллект (ИИ) широко признан одной из самых трансформирующих технологий этого столетия. Естественно, перспектива децентрализованных систем ИИ на базе инфраструктуры Web3 вызывает значительный концептуальный интерес.

Однако, несмотря на это казалось бы убедительное предложение ценности, Web3-АИ не смог достичь значимого прогресса в более широкой экосистеме ИИ. По мере того как передовые возможности ИИ развиваются с беспрецедентной скоростью, окно возможностей для Web3 стать жизнеспособной основой для ИИ следующего поколения стремительно закрывается.

В этом эссе рассматривается спорный, но критически важный тезис: Web3 проигрывает гонку за ИИ. В каждой технологической революции наступает момент, когда становится слишком поздно для серьёзных изменений. Если Web3-АИ не переключит внимание с поверхностных трендов на фундаментальную инфраструктуру, обоснование построения систем ИИ следующего поколения на децентрализованных платформах может полностью исчезнуть.

Заблуждение нарратива Web3 AI

В книге «Чёрный лебедь» Нассим Николас Талеб ввёл понятие «нарративное заблуждение»: склонность создавать связные истории вокруг несвязанных или слабо связанных событий. Текущее состояние Web3-АИ является классическим примером этого. Сообщество поощряет яркие, но в значительной степени нерелевантные тренды в контексте рынка ИИ — агенты-мемы ИИ, спекулятивные zk-АИ прототипы — как будто они являются значительным прогрессом в области. Хотя инновации и существуют, растущий разрыв между Web3-АИ и более широкой экосистемой ИИ становится неустойчивым.

Привлекательность нарративно-ориентированных инноваций заставила экосистему Web3 путать экспериментирование с прогрессом. В результате капитал и внимание часто направляются на новшества, а не на фундаментальные возможности. Иллюзия движения вперёд скрывает факт, что большая часть того, что сегодня создаётся в Web3-АИ, не имеет отношения к критическому пути инноваций в ИИ.

ИИ и волновая теория технологической эволюции

Чтобы понять хрупкое положение Web3-АИ, полезно рассмотреть, как обычно развивается технология. Во-первых, прорывы разворачиваются во взаимозависимых волнах. Например, мобильные вычисления были катализированы предыдущими волнами, такими как облачная инфраструктура, а чипы для ИИ возникли из инноваций в игровом оборудовании. Чтобы оставаться актуальными в новой волне, технологии должны основываться на предыдущих.

Web3-АИ лишён этой преемственности. Он не сыграл значительной роли в трендах, приведших к революции генеративного ИИ. Он пропустил циклы облачных вычислений, масштабной обработки данных и даже ранней разработки моделей ИИ. В результате Web3-АИ страдает от фундаментального вакуума — он пытается поймать волну без серфборда.

Во-вторых, рынки инфраструктурных технологий склонны к консолидации. История показывает, что доминирующие инфраструктурные платформы почти всегда сужаются до нескольких крупных игроков. Облачные вычисления сосредоточились вокруг AWS, Azure и GCP. Мобильная разработка стабилизировалась вокруг iOS и Android. Большие данные консолидировались вокруг Snowflake и Databricks. Инфраструктура ИИ, вероятно, последует по схожему пути. Если Web3-АИ не позиционирует себя как одна из трёх ведущих платформ, он рискует стать неактуальным в сильно концентрированной среде.

Отсутствие основ и создание нерелевантных вещей

Современный стэк ИИ строится на четырёх фундаментальных столпах: данные, вычисления, модели и исследовательские таланты. К сожалению, Web3 исторически игнорировал все четыре. Ему не хватает глубоких талантов в области ИИ. В Web3 отсутствуют крупномасштабные наборы данных для ИИ. Вычислительная инфраструктура по-прежнему примитивна. И нет широко принятых моделей ИИ, которые работают значимо на децентрализованных протоколах.

Этот дефицит основ усугубляется склонностью гнаться за блестящими новинками. Проекты в Web3-АИ непропорционально тяготеют к спекулятивным направлениям, таким как агенты-мемы или zkML без чётких случаев использования. Хотя эти идеи интеллектуально интересны, они не являются ядром, позволяющим реализовать или масштабировать значимые возможности ИИ. В текущем виде они предлагают мало практической ценности для продвижения инфраструктуры ИИ.

Чтобы добиться реального прогресса, экосистеме Web3-АИ необходимо преодолеть этот фундаментальный дефицит. Это означает инвестиции в таланты, создание каналов обработки данных, разработку эффективного вычислительного слоя и разработку моделей, которые предлагают ощутимые преимущества при внедрении на децентрализованных системах.

Разрыв в ИИ между Web3 и Web2 увеличивается

Инновации в области ИИ стремительно растут, и Web3 выступает лишь пассивным наблюдателем. Ни один из основных прорывов ИИ — некурируемое предварительное обучение, продвинутая тонкая настройка, генерация с поддержкой извлечения, движки рассуждений или агентные фреймворки — не вовлекал архитектуры Web3 в значительной степени.

По мере того как каждое новое релиз накапливается выше предыдущего, барьеры для догоняния становятся всё более высокими. Весь критический инструментарий, платформы и инфраструктура для создания передовых моделей в настоящее время централизованы. Без срочных скоординированных усилий изменить этот курс Web3-АИ окажется отставшим на десятилетия в области, которая развивается за несколько месяцев.

Риск стать неактуальным

ИИ по своей природе представляет собой централизационную силу. Обучение передовых моделей требует огромных наборов данных, колоссальных вычислительных ресурсов и специализированных талантов — всё это тяготеет к концентрации. Децентрализованные альтернативы сталкиваются с глубокими техническими и экономическими вызовами.

Это не означает, что децентрализованный ИИ обречён. Но запас ошибок стремительно иссякает. Если Web3-АИ не ускорится значительно, централизованная экосистема достигнет такого доминирования, что децентрализация станет второстепенным вопросом. Риск заключается не в упущении следующего тренда ИИ, а в том, чтобы стать принципиально неактуальным в будущем ИИ.

Сигнал к пробуждению

Устойчивость и оптимизм заложены в ДНК Web3, и недавние усилия более технически подкованных команд внушают надежду, такие как Nous Research (распределённое обучение), Prime Intellect (распределённое обучение), LayerLens (оценка и бенчмаркинг), Pluralis (распределённое обучение), Sahara (ИИ-приложения) и ряд других. Некоторые начинают решать ключевые проблемы — машинное обучение с сохранением конфиденциальности, распределённое обучение, проверяемый вывод.

Но эти усилия остаются скорее исключением, чем правилом. Движение Web3-АИ по-прежнему испытывает нехватку талантов, данных, вычислительных мощностей, инфраструктуры и капитала. Оно должно отказаться от отвлекающих факторов и сосредоточиться на фундаментальных возможностях. Осознание этой реальности с ясностью даёт шанс изменить курс. Игнорирование её означает упущение самой значимой технологической революции в истории.