L’intersezione tra intelligenza artificiale generativa e Web3 è ONE degli ambiti di ricerca e sviluppo più attivi negli ultimi mesi nei circoli Cripto . Calcolo decentralizzato, intelligenza artificiale a conoscenza zero, modelli di base più piccoli, reti di dati decentralizzate e catene basate sull'intelligenza artificiale sono alcune delle tendenze recenti che mirano a abilitare binari nativi Web3 per i carichi di lavoro di intelligenza artificiale.

Queste tendenze sono innovazioni tecnologiche che cercano di collegare i mondi del Web3 e dell’intelligenza artificiale, rappresentando un attrito naturale contro la natura centralizzata dell’intelligenza artificiale generativa. Sebbene la creazione di ponti tecnologici con l’intelligenza artificiale sia fondamentale per l’evoluzione del Web3, essi T rappresentano l’unico percorso di integrazione per queste tendenze Tecnologie .

E se il percorso per l’integrazione di Web3 e AI fosse finanziario anziché puramente tecnico? Si scopre che le capacità Finanza programmabile e di formazione di capitale delle Cripto potrebbero essere utili per ONE delle più grandi sfide che l’attuale mercato dell’IA generativa deve affrontare.

A quale sfida ci riferiamo? Nient’altro che le sfide legate al finanziamento dell’intelligenza artificiale generativa open source.

Nonostante il recente livello di innovazione nell’intelligenza artificiale generativa decentralizzata, il divario con la tecnologia dell’intelligenza artificiale centralizzata sta aumentando anziché diminuire. Molte persone concordano sul fatto che le blockchain rappresentano la migliore alternativa Tecnologie al crescente controllo centralizzato dell’intelligenza artificiale sulle grandi piattaforme tecnologiche. Tuttavia, le sfide legate all’adozione delle piattaforme di intelligenza artificiale decentralizzate sono enormi.

L’elaborazione decentralizzata è un chiaro pilastro per l’intelligenza artificiale decentralizzata, ma si rivela poco pratica per il pre-addestramento e la messa a punto dei carichi di lavoro che richiedono GPU in stretta prossimità con accesso a set di dati che spesso si trovano dietro i firewall aziendali. Il machine learning a conoscenza zero è troppo costoso per essere pratico in modelli di base di grandi dimensioni e T ha riscontrato alcuna domanda reale nel mercato. I mercati dei dati decentralizzati devono superare gli stessi problemi che hanno impedito ai mercati dei dati di diventare grandi aziende tecnologiche.

Mentre l’intelligenza artificiale decentralizzata si sforza di superare questi attriti, le alternative centralizzate stanno accelerando a un ritmo frenetico, creando uno spaventoso divario tra i due. L’ ONE tendenza che mantiene vive le speranze per un mondo in cui l’intelligenza artificiale decentralizzata possa avere successo è la rapida evoluzione dell’intelligenza artificiale generativa open source.

Tutte le tendenze dell’intelligenza artificiale decentralizzata si basano su un sano ecosistema di intelligenza artificiale generativa open source, ma quell’ecosistema potrebbe non essere così sano come sembra.

Negli ultimi due anni, abbiamo assistito a un’esplosione di innovazione nell’intelligenza artificiale generativa di grandi dimensioni open source come alternativa a piattaforme come OpenAI/Microsoft, Google o Anthropic. Meta è diventato un sorprendente campione indiscusso dell'intelligenza artificiale generativa open source con il rilascio dei modelli Llama. Aziende come Mistral hanno raccolto miliardi in finanziamenti di venture capital, piattaforme aziendali come Databricks o Snowflake stanno spingendo modelli open source e ogni settimana si registra un numero crescente di rilasci di intelligenza artificiale generativa open source.

Sebbene lo slancio dell’intelligenza artificiale generativa open source sia forte, un’analisi più dettagliata mostra una realtà diversa. L’intelligenza artificiale generativa open source si trova ad affrontare un enorme problema di finanziamento. Quando si tratta di modelli di fondazioni di grandi dimensioni, solo le grandi aziende come Databricks, Snowflake, Meta o startup ben finanziate come Mistral riescono a tenere il passo con le prestazioni dei grandi modelli chiusi. La maggior parte dei rilasci di altri laboratori, come Databricks e Snowflake, si concentrano su carichi di lavoro aziendali ottimizzati, mentre la maggior parte della recente ricerca open source si concentra su tecniche complementari piuttosto che su nuovi modelli.

La ragione di questo fenomeno può essere attribuita ai costi astronomici della costruzione di grandi modelli di frontiera. Qualsiasi ciclo di pre-addestramento per un modello con oltre 20 miliardi di parametri potrebbe costare dai dieci ai cento milioni di dollari e comporta un processo di più mesi con molti tentativi falliti. Questi costi non rientrano nel budget della maggior parte dei laboratori universitari. Per rendere le cose ancora più interessanti, molte delle sovvenzioni per i laboratori universitari di intelligenza artificiale provengono da grandi operatori tecnologici, che poi sono i beneficiari immediati dei risultati.

Guadagnare con l’open source è stato storicamente difficile, e guadagnare con l’intelligenza artificiale generativa open source è difficile su scala AI. Di conseguenza, l’intelligenza artificiale generativa open source sta attraversando una massiccia crisi di finanziamenti che può creare un grave divario con gli operatori storici dell’intelligenza artificiale.

Le primitive di formazione del capitale delle Cripto sembrano ONE delle poche alternative praticabili per affrontare la crisi dei finanziamenti nell’intelligenza artificiale generativa. Nel corso della sua storia, i token Cripto sono stati un veicolo primario per la formazione di capitale per i progetti Web3 attraverso cicli di mercato rialzisti e ribassisti. Alcuni di questi principi potrebbero essere applicati all’intelligenza artificiale generativa open source? Sicuramente c’è più di ONE interessante.

Gitcoin rappresenta ONE degli esempi di maggior successo di finanziamento dell’innovazione open source nel Web3. Il meccanismo di finanziamento quadratico introdotto da Gitcoin potrebbe applicarsi direttamente all’intelligenza artificiale generativa. Portare le capacità native di IA generativa su Web3 è fondamentale per l’evoluzione di questo spazio, quindi è naturale aspettarsi che i progetti di IA generativa attirino l’attenzione della comunità.

Supponiamo che un laboratorio universitario di intelligenza artificiale debba raccogliere 10 milioni di dollari per la pre-formazione di un LLM basato su una nuova architettura. Più DAO e fondazioni possono contribuire a una sovvenzione Gitcoin che può anche essere abbinata ai concedenti, creando un meccanismo di finanziamento più efficiente. Questo meccanismo è molto più efficiente delle attuali alternative sul mercato.

Il finanziamento di progetti open source consente meccanismi in cui il valore creato da tali progetti può avvantaggiare la comunità originaria dei finanziatori. Quando si tratta di Web3 e di intelligenza artificiale generativa aperta, un’idea interessante è quella di stabilire una licenza in cui qualsiasi applicazione commerciale che utilizza un modello finanziato utilizzando token Web3 dovrebbe contribuire con parte di tali entrate sotto forma di quel token specifico. Questo meccanismo può essere applicato anche tramite contratti intelligenti.

I veicoli di finanziamento per l’IA open source rappresentano ONE delle sfide più importanti da affrontare nell’attuale panorama dell’IA generativa. L’open source è tradizionalmente difficile da Finanza, e l’intelligenza artificiale generativa open source lo è ancora di più, considerando i costosi requisiti computazionali.

Non abilitare canali di finanziamento adeguati per promuovere l’innovazione open source nell’intelligenza artificiale generativa può creare un rischio sistemico per l’intero settore poiché l’equilibrio si sposterà interamente verso piattaforme commerciali chiuse. Le Cripto hanno creato alcuni dei canali più sofisticati e collaudati per finanziare l’innovazione open source. Forse, il primo ponte tra Web3 e intelligenza artificiale generativa sarà finanziario e non necessariamente tecnico.

Nota: le opinioni espresse in questa colonna sono quelle dell'autore e non riflettono necessariamente quelle di CoinDesk, Inc. o dei suoi proprietari e affiliati.