5 Bagong Trend sa Generative AI na Kailangang Paghandaan ng Web3

"Bumuo para sa kung saan pupunta ang industriya, hindi para sa kung saan ito." Ang mantra na ito ay nagpasigla ng mga nakakagambalang inobasyon sa loob ng mga dekada — pinalaki ng Microsoft ang mga microprocessor, ginamit ng Salesforce ang cloud at ang Uber ay umunlad sa mobile revolution.

Ang parehong prinsipyo ay nalalapat sa AI — Ang Generative AI ay napakabilis na umuusbong na ang pagbuo para sa mga kakayahan ngayon ay nanganganib sa pagkaluma. Sa kasaysayan, ang Web3 ay may maliit na papel sa AI evolution na ito. Ngunit maaari ba itong umangkop sa pinakabagong mga uso na muling hinuhubog ang industriya?

Ang 2024 ay isang pivotal na taon para sa generative AI, na may groundbreaking research at engineering advancements. Ito rin ang taon na ang salaysay ng Web3-AI ay lumipat mula sa speculative hype tungo sa mga sulyap sa totoong utility. Bagama't umiikot ang unang wave ng AI sa mga mega-model, mahabang cycle ng pagsasanay, malawak na compute cluster at malalim na bulsa ng enterprise — na ginagawang hindi naa-access sa Web3 — ang mga bagong trend sa 2024 ay nagbubukas ng mga pinto para sa makabuluhang pagsasama ng Web3.

Sa harap ng Web3-AI, ang 2024 ay pinangungunahan ng mga speculative na proyekto tulad ng mga meme-driven na agentic na platform na nagpapakita ng bullish na sentimento sa merkado ngunit nag-aalok ng maliit na real-world utility. Habang kumukupas ang hype na iyon, lumalabas ang isang window ng pagkakataon upang muling tumuon sa mga nakikitang kaso ng paggamit. Ang generative AI landscape ng 2025 ay magiging lubhang kakaiba, na may mga pagbabago sa pagbabago sa pananaliksik at Technology. Marami sa mga pagbabagong ito ang maaaring maging dahilan ng pag-aampon ng Web3, ngunit kung bubuo lamang ang industriya para sa hinaharap.

Suriin natin ang limang pangunahing trend na humuhubog sa AI at ang potensyal na ipinakita ng mga ito para sa Web3.

1. Ang lahi ng pangangatwiran

Ang pangangatwiran ay naging susunod na hangganan para sa malalaking modelo ng wika (LLMs). Ang mga kamakailang modelo tulad ng GPT-01, DeepSeek R1, at Gemini Flash ay naglalagay ng mga kakayahan sa pangangatwiran sa CORE ng kanilang mga pagsulong. Sa paggana, ang pangangatwiran ay nagbibigay-daan sa AI na hatiin ang mga kumplikadong gawain sa paghihinuha sa mga structured, multi-step na proseso, na kadalasang gumagamit ng mga diskarte sa Chain of Thought (CoT). Kung paanong naging pamantayan para sa mga LLM ang pagsunod sa pagtuturo, malapit nang maging baseline na kakayahan ang pangangatwiran para sa lahat ng pangunahing modelo.

Ang Web3-AI na pagkakataon

Ang pangangatwiran ay nagsasangkot ng mga masalimuot na daloy ng trabaho na nangangailangan ng traceability at transparency — isang lugar kung saan kumikinang ang Web3. Isipin ang isang artikulong binuo ng AI kung saan ang bawat hakbang sa pangangatwiran ay mabe-verify on-chain, na nagbibigay ng hindi nababagong talaan ng lohikal na pagkakasunud-sunod nito. Sa isang mundo kung saan ang nilalamang nabuo ng AI ay nangingibabaw sa mga digital na pakikipag-ugnayan, ang antas ng pinagmulang ito ay maaaring maging isang pangunahing pangangailangan. Ang Web3 ay maaaring magbigay ng isang desentralisado, walang pinagkakatiwalaang layer upang i-verify ang mga landas ng pangangatwiran ng AI, na tumutulay sa isang kritikal na puwang sa AI ecosystem ngayon.

2. Ang pagsasanay ng sintetikong data ay tumataas

Ang isang pangunahing enabler ng advanced na pangangatwiran ay sintetikong data. Gumagamit ang mga modelo tulad ng DeepSeek R1 ng mga intermediate system (gaya ng R1-Zero) upang bumuo ng mga dataset ng pangangatwiran na may mataas na kalidad, na pagkatapos ay ginagamit para sa fine-tuning. Binabawasan ng diskarteng ito ang pag-asa sa mga real-world na dataset, pinapabilis ang pagbuo ng modelo at pagpapabuti ng katatagan.

Ang Web3-AI na pagkakataon

Ang pagbuo ng sintetikong data ay isang napaka-katulad na gawain, perpekto para sa mga desentralisadong network. Ang isang Web3 framework ay maaaring magbigay ng insentibo sa mga node na mag-ambag ng compute power patungo sa synthetic data generation, na makakakuha ng mga reward batay sa paggamit ng dataset. Ito ay maaaring magpaunlad ng isang desentralisadong AI data economy kung saan ang mga sintetikong dataset ay nagpapagana ng mga open-source at proprietary na modelo ng AI.

3. Ang paglipat sa mga daloy ng trabaho pagkatapos ng pagsasanay

Ang mga naunang modelo ng AI ay umasa sa napakalaking pretraining na workload na nangangailangan ng libu-libong GPU. Gayunpaman, ang mga modelo tulad ng GPT-01 ay inilipat ang focus sa mid-training at post-training, na nagbibigay-daan sa mas espesyal na mga kakayahan tulad ng advanced na pangangatwiran. Ang pagbabagong ito ay kapansin-pansing nagbabago sa mga kinakailangan sa pag-compute, na binabawasan ang pagtitiwala sa mga sentralisadong kumpol.

Ang Web3-AI na pagkakataon

Habang ang pretraining ay nangangailangan ng mga sentralisadong GPU farm, ang post-training ay maaaring ipamahagi sa mga desentralisadong network. Maaaring mapadali ng Web3 ang desentralisadong pagpipino ng modelo ng AI, na nagpapahintulot sa mga Contributors na mag-stake ng mga mapagkukunan sa pag-compute bilang kapalit ng mga insentibo sa pamamahala o pinansyal. Ang pagbabagong ito ay nagde-demokratize ng AI development, na ginagawang mas mabubuhay ang mga desentralisadong imprastraktura ng pagsasanay.

4. Ang pagtaas ng distilled small models

Ang distillation, isang proseso kung saan ginagamit ang malalaking modelo para sanayin ang mas maliliit, espesyal na bersyon, ay nakakita ng pagsulong sa pag-aampon. Kasama na ngayon sa mga nangungunang pamilya ng AI tulad ng Llama, Gemini, Gemma at DeepSeek ang mga distilled variant na na-optimize para sa kahusayan, na nagbibigay-daan sa kanila na tumakbo sa commodity hardware.

Ang Web3-AI na pagkakataon

Ang mga distilled na modelo ay sapat na compact upang tumakbo sa mga consumer-grade GPU o kahit na mga CPU, na ginagawa itong perpektong akma para sa mga desentralisadong inference network. Maaaring lumabas ang mga marketplace ng inference ng AI na nakabatay sa Web3, kung saan ang mga node ay nagbibigay ng kapangyarihan sa pag-compute para magsagawa ng magaan, distilled na mga modelo. Idesentralisa nito ang inference ng AI, babawasan ang pag-asa sa mga cloud provider at pag-unlock ng mga bagong tokenized na istruktura ng insentibo para sa mga kalahok.

5. Ang pangangailangan para sa malinaw na mga pagsusuri sa AI

ONE sa pinakamalaking hamon sa generative AI ay ang pagsusuri. Maraming nangungunang modelo ang epektibong naisaulo ang mga kasalukuyang benchmark ng industriya, na ginagawang hindi maaasahan ang mga ito para sa pagtatasa ng pagganap sa totoong mundo. Kapag nakakita ka ng isang modelo na nakakakuha ng napakataas na marka sa isang ibinigay na benchmark, kadalasan ay dahil ang benchmark na iyon ay kasama sa training corpus ng modelo. Ngayon, walang umiiral na matatag na mekanismo para sa pag-verify ng mga resulta ng pagsusuri ng modelo, na humahantong sa mga kumpanya na umasa sa mga numerong naiulat sa sarili sa mga teknikal na papel.

Ang Web3-AI Opportunity

Ang mga cryptographic na patunay na nakabatay sa Blockchain ay maaaring magpakilala ng radikal na transparency sa mga pagsusuri ng AI. Maaaring i-verify ng mga desentralisadong network ang pagganap ng modelo sa mga standardized na benchmark, na binabawasan ang pag-asa sa hindi nabe-verify na mga claim ng kumpanya. Bukod pa rito, maaaring hikayatin ng mga insentibo sa Web3 ang pagbuo ng mga bago, batay sa komunidad na mga pamantayan sa pagsusuri, na nagtutulak sa pananagutan ng AI sa mga bagong taas.

Maaari bang umangkop ang Web3 sa susunod na wave ng AI?

Ang Generative AI ay sumasailalim sa isang paradigm shift. Ang landas patungo sa artificial general intelligence (AGI) ay hindi na pinangungunahan ng mga monolitikong modelo na may mahahabang yugto ng pagsasanay. Ang mga bagong tagumpay — gaya ng mga arkitektura na hinimok ng pangangatwiran, mga synthetic na inobasyon ng dataset, mga pag-optimize pagkatapos ng pagsasanay at pag-distill ng modelo — ay nagde-desentralisa ng mga daloy ng trabaho ng AI.

Ang Web3 ay halos wala sa unang wave ng generative AI, ngunit ang mga umuusbong na trend na ito ay nagpapakilala ng mga bagong pagkakataon kung saan ang mga desentralisadong arkitektura ay maaaring magbigay ng tunay na utility. Ang mahalagang tanong ngayon ay: maaari bang kumilos nang mabilis ang Web3 upang sakupin ang sandaling ito at maging isang nauugnay na puwersa sa rebolusyon ng AI?