jakiro
Autor: Casey, paradigma antiguos socios de inversión;
Creo que abrir trae innovación.En los últimos años, la inteligencia artificial ha logrado el desarrollo de Leap y tiene utilidad e influencia global.A medida que el poder informático crece con la integración de los recursos, la inteligencia artificial naturalmente dará a luz a problemas centralizados, y la parte con un poder informático más fuerte ocupará gradualmente la posición dominante.Esto obstaculizará nuestro ritmo innovador.Creo que la descentralización y la Web3 son competidores poderosos para mantener la inteligencia y la apertura artificiales.
1, Cálculo descentralizado para pre -entrenamiento y fino.
Cálculo de crowdsourcing (CPU + GPUS.
Opinión de soporte: el modelo de recursos de crowdfunding de Airbnb/Uber puede expandirse al campo de cálculo, y los recursos de computación inactiva se agregarán a un mercado.Esto puede resolver los siguientes problemas: proporcionar recursos de computación de menor costo para ciertos casos (procesar ciertas fallas de cierre/retraso);
Oposición: el cálculo de la bolsa cruzada no puede lograr la economía de escala;El cálculo de la descentralización es una paradoja;
Ejemplos del proyecto: Akash, Render, io.net, ritual, hiperbólico, gensyn
2, Razonamiento descentralizado
Ejecute el razonamiento del modelo de código abierto de manera descentralizada
Opiniones de apoyo: El modelo de código abierto (OS) se está acercando al modelo de código cerrado en algunos aspectos, y se obtiene cada vez más adopción.La mayoría de las personas usan servicios centralizados para ejecutar el razonamiento del modelo SO con servicios centralizados como Huggingface o Replicate, introduciendo así los problemas de privacidad y revisión.Existe una solución para operar la inferencia a través de la descentralización o los proveedores distribuidos.
Oposición: no hay necesidad de descentralizar el razonamiento, y el razonamiento local se convertirá en el ganador final.Ahora está publicando chips especiales que pueden procesar el razonamiento del modelo de parámetros 7B+.Edge Computing es nuestra solución en privacidad y anti -revisión.
Ejemplos del proyecto: Ritual, GPT4All (alojado), Ollama (Web2), Edgellama (Web3, P2P Ollama), Petals
3En la cadenaAICuerpo inteligente
En la cadena de aprendizaje automáticoaplicaciones
Opinión de soporte: AI SMART (Aplicación de IA) requiere una capa coordinada para las transacciones.Para la inteligencia de IA, el uso de criptomonedas para el pago es lógico, porque es una tecnología digital en sí, y está claro que el cuerpo inteligente no puede abrir una cuenta bancaria a través de la certificación KYC.El cuerpo inteligente de IA descentralizado no tiene riesgos de plataforma.Por ejemplo, Operai puede decidir repentinamente cambiar su arquitectura ChatGPT Plug -in, que destruirá mi plug -IN de Talk2Books, pero no hay aviso anticipado.Esto sucedió.No existe tal riesgo de plataforma creado en la cadena.
Oposición: El agente no ha sido preparado para la producción … No.Babyagi, AutoGpt, etc. son juguetes.Para el argumento de los riesgos de la plataforma, este es un caso antiguo de criptomonedas.
Ejemplos del proyecto: AI Arena, Myshell, Operator.io, Fetch.ai
4, Fuente de datos y modelo
Gestión independiente y recopilación de valor de datos y modelos de aprendizaje automático
Opinión de soporte: la propiedad de los datos debe pertenecer al usuario de generar datos, no a una empresa que recopila datos.Los datos son el recurso más valioso en la era digital, pero es monopolizado por grandes compañías de tecnología y tiene un desempeño financiero deficiente.Se acerca la red altamente personalizada, que requiere datos y modelos de trasplante.Traeremos nuestros datos y modelos de una aplicación a otra a través de Internet, al igual que pasamos nuestras billeteras cifradas entre diferentes DAPP.La fuente de datos es un gran problema, especialmente el fenómeno del fraude se está volviendo cada vez más grave, e incluso Biden lo ha reconocido.Es probable que la arquitectura blockchain sea la mejor solución para resolver el rompecabezas de la fuente de datos.
Oposición: A nadie le importa si tiene sus propios datos o privacidad.Hemos visto esto desde la última vez que la preferencia del usuario.¡Eche un vistazo al volumen de registro de Facebook/Instagram!Al final, las personas confiarán en OpenAI para proporcionar sus datos de aprendizaje automático.Enfrentemos la realidad.
Ejemplo del proyecto: Vana, lluvia
5TokensAplicaciones(aplicaciones.
ImaginarCharal.aiCon recompensas de criptomonedas
Opiniones de apoyo: los incentivos de divisas de Cryptocs son muy efectivos para comenzar la red y el comportamiento de orientación.Veremos una gran cantidad de aplicaciones centradas en la inteligencia artificial adoptar este mecanismo.AI Partner es un mercado sorprendente.En 2022, los estadounidenses gastaron más de $ 130 mil millones en mascotas;Hemos visto que la aplicación AI Companion ha logrado el ajuste del mercado de productos, y el tiempo promedio de la sesión de la sesión de carácter es más de 1 hora.Si vemos una plataforma de incentivos cifrada que ocupa la cuota de mercado en este campo y otras aplicaciones de IA, no nos sorprenderemos.
Oposición: Este es solo el fenómeno del entusiasmo especulativo de la criptomoneda y no durará.Los tokens son el costo de adquirir la Web 3.0.
Ejemplo de elementos: Myshell, Deva
6, Operaciones de aprendizaje automático de incentivos de token (como capacitación,RLHF,razonamiento)
ImaginarScaleaiCon recompensas de criptomonedas
Opiniones de apoyo: los incentivos de cifrado se pueden utilizar en todo el proceso de trabajo de aprendizaje automático para motivar comportamientos como la optimización del peso, la fina ajustada y la salida de la salida del modelo de juicio humano para aún más fina.
Oposición: MLOPS (Operación de aprendizaje automático) es un mal caso de recompensas de criptomonedas, porque la calidad es demasiado importante.Aunque las criptomonedas son buenas para motivar el comportamiento del consumidor cuando no hay problema con la entropía, no son propicias para los comportamientos coordinados cuando la calidad y la precisión son cruciales.
Ejemplo del proyecto: bittensor, ritual
7, Verificado en la cadena (Zkml.
Demuestre qué modelos se pueden ejecutar efectivamente en la cadena e insertarse en el mundo encriptado
Opiniones de apoyo: la verificación del modelo en la cadena desbloqueará la capacidad combinada, lo que significa que puede usar una salida de combinación en el campo Defi y cifrado.Cinco años después, cuando tenemos los cuerpos inteligentes que ejecutan el modelo médico para verificar nuestro cuerpo por nosotros, necesitaremos algunas formas de verificar sus conocimientos y qué modelos usamos para diagnosticarlos.La verificación del modelo es como la reputación de inteligencia.
Oposición: Nadie necesita verificar qué modelo se está ejecutando.Esto es lo que no nos importa.Estamos al revés al final de esto.Nadie ejecuta Llama2 pero tiene miedo de ejecutar otros modelos en el fondo.Estas son las consecuencias de la tecnología cifrada (prueba de conocimiento cero) con la intención de encontrar un problema para resolver, y la especulación del certificado de conocimiento cero (ZK) para obtener una gran cantidad de fondos de capital de riesgo.
Ejemplo de elementos: Modulus Labs, Upshot, EZKL
