Ang intersection sa pagitan ng generative artificial intelligence at Web3 ay ONE sa mga pinaka-aktibong lugar ng pananaliksik at pag-unlad sa mga Crypto circle sa nakalipas na ilang buwan. Ang desentralisadong compute, zero-knowledge AI, mas maliliit na modelo ng pundasyon, desentralisadong data network, at AI-first chain ay ilan sa mga kamakailang trend na naglalayong paganahin ang Web3-native rails para sa mga workload ng AI.

Ang mga trend na ito ay mga teknolohikal na inobasyon na naglalayong tulay ang mundo ng Web3 at AI, na kumakatawan sa natural na alitan laban sa sentralisadong katangian ng generative AI. Habang ang paglikha ng mga teknolohikal na tulay na may AI ay pundasyon para sa ebolusyon ng Web3, T nila kinakatawan ang tanging landas ng pagsasama para sa mga trend ng Technology ito.

Paano kung ang landas para sa pagsasama ng Web3 at AI ay pinansyal sa halip na puro teknikal? Lumalabas na maaaring maging kapaki-pakinabang ang programmable Finance at capital formation ng Crypto para sa ONE sa mga pinakamalaking hamon na kinakaharap ng kasalukuyang generative AI market.

Anong hamon ang tinutukoy natin? Walang iba kundi ang mga hamon sa pagpopondo ng open-source generative AI.

Sa kabila ng kamakailang antas ng pagbabago sa desentralisadong generative AI, ang agwat sa sentralisadong AI tech ay tumataas sa halip na bumababa. Maraming tao ang sumasang-ayon na ang mga blockchain ay kumakatawan sa pinakamahusay na alternatibong Technology sa pagtaas ng sentralisadong AI na kontrol ng malalaking tech platform. Gayunpaman, ang mga hamon sa pag-aampon para sa mga desentralisadong AI platform ay napakalaki.

Ang decentralized compute ay isang malinaw na haligi para sa desentralisadong AI ngunit nagpapatunay na hindi praktikal para sa pretraining at fine-tuning na mga workload na nangangailangan ng mga GPU sa malapit na may access sa mga dataset na kadalasang nasa likod ng mga corporate firewall. Ang Zero-knowledge ML ay masyadong mahal para maging praktikal sa malalaking modelo ng pundasyon at T pang nakikitang tunay na pangangailangan sa merkado. Kailangang malampasan ng mga desentralisadong data marketplace ang mga parehong isyu na humadlang sa mga data marketplace na maging malalaking tech na negosyo.

Habang ang desentralisadong AI ay nagsusumikap na malampasan ang mga alitan na ito, ang mga sentralisadong alternatibo ay bumibilis sa napakabilis na bilis, na lumilikha ng nakakatakot na agwat sa pagitan ng dalawa. Ang ONE trend na nagpapanatili ng pag-asa para sa isang mundo kung saan maaaring magtagumpay ang desentralisadong AI ay ang mabilis na ebolusyon ng open-source generative AI.

Ang lahat ng mga desentralisadong trend ng AI ay umaasa sa isang malusog na open-source generative AI ecosystem, ngunit ang ecosystem na iyon ay maaaring hindi kasing malusog na tila.

Sa nakalipas na dalawang taon, nasaksihan namin ang pagsabog ng inobasyon sa open-source large generative AI bilang alternatibo sa mga platform gaya ng OpenAI/Microsoft, Google o Anthropic. Ang Meta ay naging isang nakakagulat na hindi mapag-aalinlanganang kampeon ng open-source generative AI sa paglabas ng mga modelong Llama. Ang mga kumpanyang tulad ng Mistral ay nakalikom ng bilyun-bilyon sa venture funding, ang mga platform ng enterprise tulad ng Databricks o Snowflake ay nagtutulak ng mga open-source na modelo, at mayroong dumaraming bilang ng mga open-source generative AI release sa lingguhang batayan.

Habang ang momentum sa open-source generative AI ay malakas, ang isang mas detalyadong pagsusuri ay nagpapakita ng ibang katotohanan. Ang open-source generative AI ay nahaharap sa isang napakalaking isyu sa pagpopondo. Pagdating sa malalaking modelo ng pundasyon, tanging malalaking kumpanya tulad ng Databricks, Snowflake, Meta o mga startup na mahusay na pinondohan tulad ng Mistral ang nakikisabay sa pagganap ng malalaking saradong modelo. Karamihan sa mga release mula sa iba pang mga lab, tulad ng Databricks at Snowflake, ay nakatuon sa mga naka-optimize na workload ng enterprise, habang karamihan sa kamakailang open-source na pananaliksik ay nakatuon sa mga pantulong na diskarte sa halip na sa mga bagong modelo.

Ang dahilan sa likod ng hindi pangkaraniwang bagay na ito ay maaaring maiugnay sa mga gastos sa astronomya ng pagbuo ng malalaking modelo ng hangganan. Anumang cycle ng pre-training para sa 20 bilyong-plus na modelo ng parameter ay maaaring magastos sa pagitan ng sampu hanggang isang daang milyong dolyar at nagsasangkot ng maraming buwang proseso na may maraming nabigong pagtatangka. Ang mga gastos na ito ay lampas sa badyet ng karamihan sa mga laboratoryo ng unibersidad. Upang gawing mas kawili-wili ang mga bagay, marami sa mga gawad para sa mga laboratoryo ng unibersidad ng AI ay nagmumula sa malalaking tech na nanunungkulan, na kung saan ay ang mga agarang benepisyaryo ng mga output.

Ang kumita ng pera gamit ang open source ay dating mahirap, at ang kumita ng pera gamit ang open-source generative AI ay mahirap sa AI scale. Bilang resulta, ang open-source generative AI ay nakakaranas ng napakalaking funding crunch na maaaring lumikha ng isang seryosong agwat sa mga nanunungkulan sa AI.

Ang mga simula ng pagbuo ng kapital ng Crypto ay tila ONE sa ilang mabubuhay na alternatibo upang matugunan ang crunch ng pagpopondo sa generative AI. Sa buong kasaysayan nito, ang mga Crypto token ay naging pangunahing sasakyan para sa pagbuo ng kapital para sa mga proyekto sa Web3 sa pamamagitan ng mga cycle ng bull at bear market. Maaari bang mailapat ang ilan sa mga prinsipyong ito sa open-source generative AI? Mayroong tiyak na higit sa ONE kawili-wiling opsyon.

Kinakatawan ng Gitcoin ang ONE sa pinakamatagumpay na halimbawa ng pagpopondo sa open-source na inobasyon sa Web3. Ang mekanismo ng quadratic na pagpopondo na pinasimunuan ng Gitcoin ay maaaring direktang ilapat sa generative AI. Ang pagdadala ng mga native generative AI na kakayahan sa Web3 ay pinakamahalaga para sa ebolusyon ng espasyo, kaya natural na asahan na ang mga generative AI na proyekto ay magtutulak ng atensyon ng komunidad.

Sabihin nating kailangan ng isang unibersidad na AI lab na makalikom ng $10 milyon para sa pre-training ng isang LLM batay sa nobelang arkitektura. Maraming DAO at foundation ang maaaring mag-ambag sa isang Gitcoin grant na maaari ding itugma ng mga grantor, na lumilikha ng mas mahusay na mekanismo ng pagpopondo. Ang mekanismong ito ay mas mahusay kaysa sa kasalukuyang mga alternatibo sa merkado.

Ang pagpopondo sa mga open-source na proyekto ay nagbibigay-daan sa mga mekanismo kung saan ang halagang nilikha ng mga proyektong iyon ay maaaring makinabang sa orihinal na komunidad ng pagpopondo. Pagdating sa Web3 at open generative AI, isang kawili-wiling ideya ay ang magtatag ng lisensya kung saan ang anumang komersyal na application na gumagamit ng modelong pinondohan gamit ang mga Web3 token ay dapat mag-ambag ng bahagi ng kita na iyon pabalik sa anyo ng partikular na token na iyon. Ang mekanismong ito ay maaari pa ngang ipatupad sa pamamagitan ng mga smart contract.

Ang pagpopondo ng mga sasakyan para sa open-source na AI ay ONE sa pinakamahalagang hamon na dapat tugunan sa kasalukuyang generative AI landscape. Tradisyonal na mahirap Finance ang open source , at ang open-source generative AI ay higit pa, kung isasaalang-alang ang mamahaling computational na kinakailangan.

Ang hindi pagpapagana ng mga wastong channel sa pagpopondo upang itaguyod ang open-source na innovation sa generative AI ay maaaring lumikha ng isang sistematikong panganib sa buong espasyo dahil ang balanse ay ganap na lilipat sa mga saradong komersyal na platform. Ang Crypto ay nagtatag ng ilan sa mga pinaka-sopistikadong at nasubok sa labanan na mga channel para sa pagpopondo ng open-source na pagbabago. Siguro, ang unang tulay sa pagitan ng Web3 at generative AI ay magiging pinansyal at hindi kinakailangang teknikal.

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.