Ризики, виклики та майбутні напрямки розвитку децентралізованого штучного інтелекту

Вступ

Децентралізований штучний інтелект, хоча має багато переваг, але також стикається з багатьма ризиками та викликами. Як третій у цьому серії, ця стаття проаналізує ці виклики та висвітлить майбутні напрями розвитку децентралізованого штучного інтелекту.

Ми також вітаємо підприємців та проекти в цьому напрямку, щоб зв’язатися з нами.

Можливості розвитку AI Agent

!

AI Agent - це природний еволюційний процес великого моделі, який, завдяки впровадженню механізму пам’яті, розкладанню задач і здатності до планування, може сприймати оточення, самостійно приймати рішення та виконувати складні завдання.

!

Існуючі великі моделі можуть генерувати текст та розв’язувати проблеми, але вони ще не мають повноцінної здатності планування та виконання завдань. AI Agent доповнить цей недолік, покращуючи виконання штучного інтелекту в складних завданнях.

!

Якщо сказати, що штучний інтелект - це ядерна енергія, то він не повинен бути лише в руках кількох людей. Децентралізований штучний інтелектний агент буде забезпечувати справедливість та прозорість технології штучного інтелекту через блокчейн та криптовалютні технології.

У майбутньому децентралізована штучний інтелект стане необхідною тенденцією для вирішення проблем існуючих централізованих систем штучного інтелекту.

Розвиток можливостей маркування даних:

Підготовка даних включає збір, очищення, позначення та покращення даних, потреба штучного інтелекту в різноманітності даних збільшила залежність від високої точності та індивідуалізованої позначки даних, тривалість робочого циклу позначення даних та високі витрати на робочу силу обмежили розвиток галузі штучного інтелекту.

Web3 може через економічні стимули, залучити велику кількість співробітників зі збору та маркування даних штучного інтелекту з усіх регіонів світу, щоб дати їм змогу отримувати прибуток від внеску в дані.

!

Приклад: Ринок обміну даними Ocean Protocol

!

Механізм роботи

!

• Постачальники (Providers): постачальники даних можуть видавати та продавати свої токени даних, щоб отримувати дохід.

• Споживачі (Користувачі): придбати або заробити необхідні токени даних, щоб отримати доступ.

• Ринок (Marketplaces): це відкритий, прозорий та справедливий ринок обміну даними, який надається Ocean Protocol або сторонньою стороною. Він може забезпечити підключення постачальників та споживачів з усього світу та надавати токени даних різних типів та галузей.

• Мережа (Network): Це децентралізований мережевий рівень, наданий Ocean Protocol.

• Куратор - це роль у екосистемі, яка відповідає за відбір, управління та перевірку наборів даних. Вони перевіряють інформацію про джерело, вміст, формат та ліцензію набору даних, щоб забезпечити його відповідність стандартам та довіру та використання іншими користувачами.

• Верифікатор - це роль в екосистемі, яка відповідає за перевірку та перегляд транзакцій даних та послуг даних.

**Підсумок: ** AI Agent і децентралізована маркування даних є двома дуже популярними напрямками в сфері DeAI, в яких багато стартапів займаються розробкою.

Ризики та виклики, з якими стикається децентралізований штучний інтелект

!

• Обмеження AI, яке втілює Web3：Через обмежену кількість користувачів Web3, радіус дії економічного стимулювання є обмеженим. Це обмежує швидкий розвиток децентралізованого AI і потребує більшої участі та прийняття користувачів.
• Виклики технології доведення нульових знань: проблеми кількісної точності, апаратних вимог та протиборство атакам. Технологія доведення нульових знань (ZKP) має велике значення для досягнення перевірки моделі, але наразі вона все ще зіткнулася з технічними проблемами та викликами впровадження.
• Привабливість вартості переваги: Якщо на ринку буде пом’якшене постачання обчислювальних ресурсів, це призведе до зменшення цінності та вартості переваг децентралізованої мережі обчислювальної потужності. Це вимагає постійного підвищення ефективності та зниження вартості децентралізованого штучного інтелекту для збереження його конкурентоспроможності.
• Проблема ефективності та вартості поєднання штучного інтелекту з криптографією: ефективність виконання задач з конфіденційним обчисленням за допомогою технології доказів відсутності знання або повного гомоморфного шифрування (FHE) значно нижча, ніж при виконанні відкритого тексту. Зважаючи на високі вимоги до обчислювальних потужностей штучного інтелекту, впровадження криптографічних технологій ще більше підвищить вартість і може бути складним у реалізації.
• Проблема глибокого фальсифікації штучного інтелекту:Проблема бутлінгу комунікації в процесі навчання моделей штучного інтелекту значно виявляється. Часті обміни параметрами моделі та інформацією про градієнти споживають велику мережеву пропускну здатність та призводять до високих комунікаційних витрат. Одночасно проблема синхронізації вузлів також може впливати на результати навчання, вимагаючи частої перевірки даних та операцій синхронізації.
• Поширення штучного інтелекту призводить до збільшення ризику глибокої фальсифікації. У сценаріях, де взаємодіють Web3 та штучний інтелект, потрібно запобігати ризику штучного інтелектування.

!

Напрямки розвитку децентралізованого штучного інтелекту в майбутньому

Модельний рівень: У міру того, як агенти штучного інтелекту стають все більш поширеними, користувачі покладатимуться на агентів штучного інтелекту, які допоможуть їм виконати свої завдання в майбутньому, що є ключем до з’єднання модельного рівня та прикладного рівня. **Поступово формується диверсифікована платформа моделі, вартість великої моделі знижується, а для того, щоб закінчитися додаток «темної конячки», ще потрібен час.

Шарінг навчання: Можливість реалізації AI моделі існує, але через те, що запити на розумові завдання вищі, ніж на навчання, навчальний процес буде більше залежати від централізованої обчислювальної потужності.

Рівень обчислювальної потужності: децентралізовані обчислювальні потужності ефективно знижують витрати на використання графічного процесора, а графічні процесори корпоративного рівня задовольняють поточні потреби в обчислювальній потужності. У майбутньому будуть реалізовані наскрізні моделі, і в гру вступлять споживчі графічні процесори.

Data Layer: Збір відкритих даних стає все складнішим, дезцентралізований збір та маркування даних стануть важливим шляхом отримання та обробки даних майбутніх моделей штучного інтелекту.

Висновок

Децентралізований штучний інтелект, як новий технологічний тренд, незважаючи на виклики, має великий потенціал розвитку. З розвитком технологій і поступовим зрілішанням ринку, децентралізований штучний інтелект може відігравати все більшу роль у майбутньому. Нам потрібно продовжувати слідкувати за цими викликами та шукати інноваційні рішення для просування розвитку децентралізованого штучного інтелекту. У цьому контексті ми вважаємо, що децентралізований штучний інтелект має своє значення на рівні моделі, навчання, даних та обчислювальної потужності, особливо DeAI є одним з найбільш видимих та цінних напрямків.