O espaço Web3-AI é um dos mais quentes em Cripto, combinando grande promessa com hype significativo. Parece quase herético apontar o número de projetos Web3-AI com capitalizações de mercado de vários bilhões de dólares, mas sem casos de uso prático, movidos puramente por narrativas de proxy do mercado tradicional de IA. Enquanto isso, a lacuna nas capacidades de IA entre Web2 e Web3 continua a aumentar de forma alarmante. No entanto, Web3-AI não é só hype. Desenvolvimentos recentes no mercado de IA generativa destacam a proposta de valor de abordagens mais descentralizadas.

Considerando todos esses fatores, nos encontramos em um mercado superestimado e superfinanciado que está desconectado do estado da indústria de IA generativa, mas capaz de desbloquear um valor tremendo para a próxima onda de IA generativa. Sentir-se confuso é compreensível. Se nos afastarmos do hype e analisarmos o espaço Web3-AI através das lentes dos requisitos atuais, áreas claras emergem onde a Web3 pode fornecer valor substancial. Mas isso requer cortar um campo denso de distorção da realidade.

Distorção da realidade Web3-AI

Como nativos de Cripto , tendemos a ver o valor da descentralização em tudo. No entanto, a IA evoluiu como uma força cada vez mais centralizada em termos de dados e computação, então a proposta de valor da IA ​​descentralizada precisa começar a combater essa força natural de centralização.

Quando se trata de IA, há uma incompatibilidade crescente entre o valor que percebemos estar criando na Web3 e as necessidades do mercado de IA. A realidade preocupante é que a lacuna entre a IA da Web2 e da Web3 está aumentando em vez de diminuir, impulsionada fundamentalmente por três fatores-chave:

Talento limitado em pesquisa de IA

O número de pesquisadores de IA trabalhando na Web3 está na casa dos dígitos únicos. Isso não é nada encorajador para aqueles que afirmam que a Web3 é o futuro da IA.

Infraestrutura restrita

Ainda T conseguimos fazer com que os aplicativos da web funcionem corretamente com backends Web3, então pensar em IA é um exagero, para dizer o mínimo. A infraestrutura Web3 impõe restrições computacionais que são impraticáveis ​​para o ciclo de vida de soluções de IA generativas.

Modelos, dados e recursos computacionais limitados

A IA generativa depende de três coisas: modelos, dados e computação. Nenhum dos grandes modelos de fronteira está equipado para rodar em infraestruturas Web3; não há base para grandes conjuntos de dados de treinamento; e há uma enorme lacuna de qualidade entre os clusters de GPU Web3 e aqueles necessários para pré-treinamento e ajuste fino de modelos de base.

A difícil realidade é que a Web3 vem construindo uma versão “pobre” da IA, essencialmente tentando igualar as capacidades da Web2 IA, mas criando versões inferiores. Essa realidade contrasta fortemente com a tremenda proposta de valor da descentralização em várias áreas da IA.

Para evitar fazer desta análise uma tese abstrata, vamos mergulhar em diferentes tendências de IA descentralizada e avaliá-las em relação ao seu potencial de mercado de IA.

Leia Mais: Jesus Rodriguez - Financiando IA generativa de código aberto com Cripto

A distorção da realidade na Web3-AI levou a onda inicial de inovação e financiamento a focar em projetos cujas propostas de valor parecem desconectadas das realidades do mercado de IA. Ao mesmo tempo, há outras áreas emergentes na Web3-AI que detêm um potencial tremendo.

Algumas tendências exageradas da Web3-AI

Infraestrutura de GPU descentralizada para treinamento e ajuste fino

Nos últimos anos, vimos uma explosão de infraestruturas de GPU descentralizadas com a promessa de democratizar o pré-treinamento e o ajuste fino de modelos de fundação. A ideia é permitir uma alternativa à monopolização de GPU estabelecida pelos laboratórios de IA existentes. A realidade é que o pré-treinamento e o ajuste fino de grandes modelos de fundação exigem grandes clusters de GPU com barramentos de comunicação super-rápidos conectando-os. Um ciclo de pré-treinamento de um modelo de fundação 50B-100B em uma infraestrutura de IA descentralizada pode levar mais de um ano, se funcionar.

Estruturas ZK-AI

A ideia de combinar computações de conhecimento zero (zk) e IA gerou conceitos interessantes para habilitar mecanismos de Política de Privacidade em modelos de fundação. Dada a proeminência da infraestrutura zk na Web3, várias estruturas prometem incorporar a computação zk em modelos de fundação. Embora teoricamente atraentes, os modelos zk-AI rapidamente encontram o desafio de serem proibitivamente caros do ponto de vista computacional quando aplicados a modelos grandes. Além disso, o zk limitará aspectos como interpretabilidade, que é uma das áreas mais promissoras em IA generativa.

Prova de Inferência

Cripto é sobre provas criptográficas, e às vezes estas são anexadas a coisas que T precisam delas. No espaço Web3-AI, vemos exemplos de frameworks emitindo provas criptográficas de saídas de modelos específicos. Os desafios com estes cenários não são tecnológicos, mas relacionados ao mercado. Basicamente, a prova de inferência é uma espécie de solução em busca de um problema e carece de quaisquer casos de uso reais hoje.

Algumas tendências de alto potencial da Web3-AI

Agentes com carteiras

Fluxos de trabalho de agentes são uma das tendências mais interessantes em IA generativa e têm potencial significativo para Cripto. Por agentes, estamos nos referindo a programas de IA que podem não apenas responder passivamente a perguntas com base em entradas, mas também executar ações em um determinado ambiente. Enquanto a maioria dos agentes autônomos são criados para casos de uso isolados, estamos vendo o rápido surgimento de ambientes multiagentes e colaboração.

Esta é uma área onde a Cripto pode desbloquear um valor tremendo. Por exemplo, imagine um cenário em que um agente precisa contratar outros agentes para concluir uma tarefa ou apostar algum valor para garantir a qualidade de seus resultados. Provisionar agentes com primitivas financeiras na forma de trilhos de Cripto desbloqueia muitos casos de uso para colaboração agêntica.

Financiamento Cripto para IA

Um dos segredos mais conhecidos em IA generativa é que o espaço de IA de código aberto está passando por uma tremenda crise de financiamento. A maioria dos laboratórios de IA de código aberto T pode mais trabalhar em grandes modelos e, em vez disso, está se concentrando em outras áreas que T exigem grandes quantidades de acesso computacional e dados. A Cripto é extremamente eficiente na formação de capital com mecanismos como airdrops, incentivos ou até mesmo pontos. O conceito de trilhos de financiamento de Cripto para IA generativa de código aberto é uma das áreas mais promissoras na intersecção dessas duas tendências.

Modelos de pequenas fundações

No ano passado, a Microsoft cunhou o termo small language model (SLM) após o lançamento de seu modelo Phi, que, com menos de 2B parâmetros, foi capaz de superar LLMs muito maiores em tarefas de ciência da computação e matemática. Pequenos modelos de base – pense em parâmetros 1B-5B – são um requisito essencial para a viabilidade da IA descentralizada e desbloqueiam cenários promissores para IA no dispositivo. Descentralizar modelos de centenas de bilhões de parâmetros é quase impossível hoje e permanecerá assim por um tempo. No entanto, pequenos modelos de base devem ser capazes de rodar em muitas das infraestruturas Web3 atuais. Impulsionar a agenda SLM é essencial para construir valor real com Web3 e IA.

Geração de Dados Sintéticos

A escassez de dados é um dos maiores desafios com esta última geração de modelos de fundação. Como resultado, há um nível crescente de pesquisa focada em mecanismos de geração de dados sintéticos usando modelos de fundação que podem complementar conjuntos de dados do mundo real. A mecânica de redes Cripto e incentivos de tokens pode coordenar idealmente um grande número de partes para colaborar na criação de novos conjuntos de dados sintéticos.

Outras tendências relevantes da Web3-AI

Há várias outras tendências interessantes de Web3-AI com potencial significativo. Proof-of-Human outputs está se tornando cada vez mais relevante, dados os desafios com conteúdo gerado por IA. Avaliação e benchmarking são um segmento de IA no qual os recursos de confiança e transparência do Web3 podem brilhar. O ajuste fino centrado no ser humano, como aprendizado por reforço com feedback Human (RLHF), também é um cenário interessante para redes Web3. Outros cenários provavelmente surgirão à medida que a IA generativa continua a evoluir e os recursos de Web3-AI amadurecem.

A necessidade de mais capacidades de IA descentralizadas é muito real. Embora a indústria Web3 ainda não esteja em posição de rivalizar com o valor criado pelos megamodelos de IA, ela pode desbloquear valor real para o espaço de IA generativa. O maior desafio para a evolução da Web3-AI pode ser superar seu próprio campo de distorção da realidade. Há muito valor na Web3-AI; só precisamos nos concentrar em construir coisas reais.

Observação: as opiniões expressas nesta coluna são do autor e não refletem necessariamente as da CoinDesk, Inc. ou de seus proprietários e afiliados.