Ang Solusyon ng DePIN sa Pinakamalaking Blind Spot ng AI

Taon 2030 na at ipinadala mo ang iyong humanoid robot para bumili ng ketchup sa grocery store. Ito ay isang mahusay na walker, ito ay may mahusay na mga kamay, at ito ay maaaring magdala ng mas maraming mga pamilihan kaysa sa sinumang magulang. Tinutulungan ng mga high-resolution na camera, gyroscope, at pressure sensor ang robot na makagalaw nang tahimik sa mga pasilyo nang may napakagandang biyaya na halos makalimutan mo na wala itong pag-asa. Tulad ng mga katapat nitong Human , ito ay tiyak na mapapahamak na gumala-gala nang walang patutunguhan sa paligid ng tindahan upang tumaya kung ito ang uri ng tindahan na nagpapanatili ng ketchup sa mga pampalasa o sarsa .

Nils Pihl, CEO at Tagapagtatag ng Auki Labs , ay isang negosyante, behavioral engineer at social transhumanist na dalubhasa sa intersection ng modernong Technology at pag-uugali ng Human .

Ganap na 65% ng mga Amerikanong mamimili ng grocery ang gumugugol ng mahigit kalahating oras sa tindahan sa bawat shopping trip, at ang karaniwang mamimili ay umaalis din nang walang item na T nila mahanap sa bawat ikatlong pagbisita . Nang walang ilang makabuluhang pag-overhaul sa kung paano nauunawaan at na-navigate ng mga robot at computer ang pisikal na mundo, walang gaanong dahilan upang maniwala na ang iyong humanoid robot ay magiging mas mahusay — hindi kung walang desentralisadong network ng perception ng makina, marahil ang pinakamahalagang DePIN para sa hinaharap na may independiyenteng mga ahente ng robot.

Tulad ng mga tao, ang mga makina ay maaaring mag-navigate sa pamamagitan ng memorya o gabay. Sa loob ng mga dekada, ang pinakakaraniwang paraan para makakuha ng gabay ang mga makina at tao ay sa pamamagitan ng mga geopositioning satellite tulad ng GPS. Habang lumalaki ang ating mga lungsod, gayunpaman, nagsisimula nang ipakita ang edad ng GPS.

Bagama't bihira mo itong isipin, ang GPS ay isang line-of-sight based Technology na nangangailangan ng walang patid na landas sa pagitan mo at ng ilang satellite. Iyon ang dahilan kung bakit ito gumagana nang hindi maganda sa malalaking lungsod at panloob na kapaligiran.

Maraming mga pagsulong ang ginawa upang subukang punan ang mga kakulangan. ONE sa mga una, mula sa mga unang araw ng mobile computing, ay ang tahimik na pagsukat ng lakas ng signal sa mga cellphone sa bawat WiFi router na kanilang nadaraanan. Sa paglipas ng panahon, salamat sa kumplikadong triangulation, nagawa ng mga kumpanya tulad ng Skyhook at Google na lumikha ng mga mapa na mababa ang resolution na nagpapakita ng mga lokasyon ng marami sa mga WiFi router sa mundo. Ito ang dahilan kung bakit hihilingin sa iyo ng mga navigation application tulad ng Google Maps na i-on ang iyong WiFi para makakuha ng mas magagandang resulta.

Sa nakalipas na dekada, naglabas ang mga kritiko ng maraming alalahanin sa Privacy at mga demanda na may kaugnayan sa triangulation ng WiFi At makatarungang sabihin na, sa kasamaang-palad, nawala ang Privacy sa labanang iyon. Nakakaaliw, marahil, na ang WiFi triangulation ay nakakatulong pa rin sa average na user na iposisyon ang kanilang sarili sa loob ng ilang metro — hindi sapat para sa aming robot na kumukuha ng ketchup na maunawaan nang tama kung nasaan ito.

At kaya, ang malaking tech ay lumipat sa susunod na promising advance sa geolocation: visual positioning system. Pinangunahan ng mga kumpanyang tulad ng Niantic at Snap, inihambing ng mga visual positioning system (VPS) ang mundo gaya ng nakikita ng isang onboard camera sa isang external na memorya kung ano ang LOOKS ng mundo, na nakaimbak sa kanilang sentral na kinokontrol na cloud. Sa madaling sabi, ang VPS ay isang kalakalan kung saan sasabihin mo sa malaking tech kung ano ang iyong tinitingnan upang masabi nila kung nasaan ka.

Ang mga visual positioning system ay tumpak hanggang sa sentimetro sa mga mainam na pagkakataon, at tumpak sa ilalim ng isang metro sa maraming pampublikong espasyo sa lunsod. Dahil sa walang kapantay na katumpakan na ito, ang malalaking tech na kumpanya ay tumataya sa VPS para sa kinabukasan ng robotics at AR glasses.

Ngunit iyon ay dapat magpahinto sa atin. Ang pag-alala sa maraming paglabag sa Privacy ng mas simpleng nakalipas na mga araw ng mobile social media — paano tayo mangyayari kapag nakikita ng malalaking tech na kumpanya ang mundo sa pamamagitan ng ating mga mata, at ang ating mga tahanan at pribadong espasyo sa pamamagitan ng ating mga kasama sa makina?

Kung pupunta ka sa isang grocery store at magsisimulang mag-film sa mga istante, makikita mo ang iyong sarili na sinasamahan palabas ng tindahan. Ang mga produktong inilagay sa antas ng mata ay mas malamang na kunin at bilhin, at maingat na iniisip ng mga retailer kung paano nila inilalagay ang kanilang mga produkto upang mapakinabangan ang mga benta. Dahil dito, ang visual na layout ng merchandising ng mga tindahan ay maingat na binabantayan ang mga lihim ng mapagkumpitensya.

Sa madaling salita, hindi interesado ang mga tindahan na ibahagi ang layout ng produkto ng kanilang mga tindahan sa isang sentral na serbisyo. Hindi makatwiran na asahan na ang aming robot ay maaaring magpakita lamang sa tindahan at agad na malaman kung nasaan ang bawat solong produkto, dahil masisira nito ang intelektwal na pag-aari ng tindahan.

Sa halip, ang pinakamahusay na maaasahan natin ay ang tindahan ay may sariling self-host at secure na sistema na makakasagot sa mga tanong ng robot tungkol sa mga indibidwal na produkto, at gagabay sa AI at AR na mga salamin sa kung saan nila kailangan pumunta nang hindi nakompromiso ang corporate security.

Makikita na ng maasikasong mambabasa kung saan nangangako ang DePIN na hihigitan niya ang mga higante sa panahon ng Web2, at dalhin sa amin ang aming ketchup sa paraang mapangalagaan ang privacy.

Hindi tulad ng mga tao, ang mga robot at computer ay maaaring makipagpalitan ng spatial na data sa isa't isa, magkatuwang na nakikita ang mundo nang magkasama. Ang collaborative spatial computing ay magbibigay-daan sa mga makina na mag-navigate nang mas mahusay sa mundo sa pamamagitan ng pagkonekta sa iba pang panlabas na mapagkukunan ng impormasyon. Sa paradigm ng Web3 DePIN, ang palitan na ito ay maaaring maging insentibo sa pananalapi at secure sa cryptographically.

Ang pag-iisip na ang aming grocery shopping robot ay makakahanap ng ketchup nang mas mabilis nang hindi nakompromiso ang corporate security ay isang magandang halimbawa. Ngunit ang mga implikasyon ng desentralisadong pang-unawa ng makina ay nakakagulat. Sa sandaling makapag-coordinate na ang mga self-driving na kotse sa isa't isa, at makipagpalitan ng live na impormasyon sa trapiko, ang trapiko ay radikal na mababago.

Sa Beijing, kung saan mas maraming sasakyan sa kalsada kaysa sa mga tao sa Los Angeles, mahigit 1,000 taon ng pagiging produktibo ng Human ang nawawala sa pagbibiyahe bawat araw. Ang desentralisadong machine perception ay magbibigay-daan sa mga sasakyang ito na gumalaw nang mas mabilis sa koordinasyon sa isa't isa, na nagbubukas ng daan-daang taon ng pagiging produktibo araw-araw.

Ang desentralisadong persepsyon ng makina ay magbibigay-daan ONE araw para sa pagpapanatili ng privacy ng mga baso ng AR na may mas maliit na form factor, dahil maaaring i-offload ng mga baso ang ilan sa mabigat na spatial computing sa mga lokal na server ng pagpoposisyon, at baguhin ang komunikasyon ng Human sa paraang kasing lalim ng pag-imbento ng pagsulat o ng telepono. Habang lumalaki ang ating sibilisasyon sa mahigit 100 bilyong matalinong gumagawa ng desisyon sa susunod na dalawampung taon, ang mga desentralisadong network ng perception ng makina ay tutulong sa bawat ONE sa kanila na mahanap ang kanilang lugar sa mundo, kapwa sa Earth at higit pa.

Tandaan: Ang mga pananaw na ipinahayag sa column na ito ay sa may-akda at hindi kinakailangang sumasalamin sa mga pananaw ng CoinDesk, Inc. o sa mga may-ari at kaakibat nito.