رشد پروژه‌های AI کریپتو: راه‌حل‌های غیرمتمرکز برای بازار GPU و چالش‌های سرمایه‌گذاری

چگونه بفهمیم که یک پروژه کریپتوی هوش مصنوعی ارزش سرمایه‌گذاری دارد

همگرایی بین هوش مصنوعی و کریپتو به عنوان تحول بزرگ بعدی در فناوری مطرح شده است. در چند سال گذشته، شاهد بوده‌ایم که توکن‌های کریپتوی هوش مصنوعی به ارزش بازار بیش از ۱ میلیارد دلار رسیده‌اند. اما با وجود این علاقه گسترده سرمایه‌گذاران، تاکنون موجی از تقاضای کاربران به وجود نیامده است. اگر از یک کاربر معمولی هوش مصنوعی بپرسید که از کدام برنامه‌ها استفاده می‌کند، احتمالاً به برنامه‌هایی مانند ChatGPT، اپلیکیشن جستجوی Leo از Brave، یا Copilot مایکروسافت اشاره می‌کند. به ندرت پیش می‌آید که کاربری بگوید از یک پروتکل بلاکچین یا کریپتو استفاده می‌کند. اما آیا این تقاضای کاربری در آینده به وجود خواهد آمد؟ و آیا هوش مصنوعی بلاکچین واقعاً جهان را متحول خواهد کرد یا فقط یک هیاهوی جمع‌آوری سرمایه است؟ Cointelegraph با مدیران برخی از پروتکل‌های پیشرو هوش مصنوعی بلاکچین مصاحبه کرده تا به این سوالات پاسخ دهد.

Guarav Sharma، مدیر ارشد فناوری پروژه هوش مصنوعی IO (IO)، بیان کرد که سیستم‌های متمرکز پردازش ابری امروزی نمی‌توانند با تقاضا برای واحدهای پردازش گرافیکی (GPU) که به شدت توسط توسعه‌دهندگان هوش مصنوعی نیاز است، همگام شوند و این فرصتی برای پروژه‌های بلاکچین غیرمتمرکز فراهم می‌کند. قبل از کار بر روی این پروژه، Sharma در صنعت هتل‌داری مشغول به کار بود و مدل‌های هوش مصنوعی توسعه می‌داد که پیش‌بینی می‌کرد کدام هتل‌ها توسط کاربران رزرو می‌شوند و چه قیمتی باید تعیین شود. اما وقتی از آمازون درخواست GPU کافی برای آموزش مدل خود کرد، آن‌ها ادعا کردند که موجودی کافی برای برآورده کردن نیازهای او ندارند. او گفت:

«ما به آمازون رفتیم، صادقانه بگویم، ابتدا فکر کردیم که آن را بخریم. نتوانستیم بخریم. سپس به سراغ ابر رفتیم. آنجا هم پیدا نکردیم و مجبور شدیم ماه‌ها صبر کنیم تا این موجودی را از AWS دریافت کنیم.»

به گفته Sharma، مشکل اساسی این است که ارائه‌دهندگان پردازش ابری متمرکز ماه‌ها طول می‌کشد تا سرورها را در یک مکان خاص راه‌اندازی کنند و این هزینه زیادی برای کاربر عادی دارد. در همین حال، ممکن است برخی GPUها دقیقاً در مکانی که مشتری می‌خواهد موجود باشند، اما چون متعلق به ارائه‌دهنده نیستند، ارائه نمی‌شوند. به عنوان مثال، اگر مشتری به آمازون برود و ۱۰,۰۰۰ GPU در آمستردام بخواهد، آن‌ها با گوگل همکاری نمی‌کنند تا این سرورها را فراهم کنند. «این‌طور کار نمی‌کنند، درست است؟» Sharma به‌طور بلاغی پرسید.

به نظر او، پروتکل‌های غیرمتمرکزی مانند IO می‌توانند این مشکل را با ایجاد یک بازار برای قدرت GPU حل کنند. مشتریان می‌توانند به پلتفرم مراجعه کنند تا سرورها را پیدا کنند و ارائه‌دهندگان می‌توانند GPUهای خود را در پلتفرم عرضه کنند، به این ترتیب مشتریان می‌توانند GPUها را بدون توجه به ارائه‌دهنده پیدا کنند. با توجه به افزایش تقاضا برای GPUها با محبوبیت بیشتر برنامه‌های هوش مصنوعی، این تنها راه برای تطبیق کارآمد خریداران و فروشندگان است.

با این حال، Sharma اذعان کرد که برخی تیم‌های هوش مصنوعی ارزش زیادی ارائه نمی‌دهند، هم در حوزه هوش مصنوعی بلاکچین و هم در صنعت گسترده‌تر هوش مصنوعی. برخی تیم‌ها ادعا می‌کنند که می‌خواهند مدل بزرگ بعدی را با تنها سه یا پنج نفر ایجاد کنند، در حالی که در واقعیت این کار به تیمی بسیار بزرگ‌تر نیاز دارد. برخی دیگر مهندسانی دارند که برای شرکت‌های بزرگ کار کرده‌اند اما هیچ نمونه کاری برای نشان دادن به سرمایه‌گذاران ندارند. Sharma پیشنهاد کرد که سرمایه‌گذاران باید به دقت تیم پشت هر پروژه را بررسی کنند. تیم‌هایی که احتمالاً در آینده کار خوبی تولید خواهند کرد، احتمالاً در گذشته نیز کار خوبی تولید کرده‌اند. سرمایه‌گذاران همچنین باید خواستار متن‌باز بودن کد و ممیزی‌های منظم باشند تا اطمینان حاصل شود که عموم مردم از میزان دخالت انسانی در پروژه آگاه هستند، زیرا برخی پروژه‌های «هوش مصنوعی» بیشتر انسانی هستند تا هوش مصنوعی.

به گفته Kartin Wong، یکی از بنیان‌گذاران ORA، بازارهای پیش‌بینی بلاکچین در آینده نیاز به استفاده از هوش مصنوعی خواهند داشت و این امر نیازمند همگرایی بین این دو فناوری است. Wong به رشد Polymarket به عنوان اثبات این نیاز اشاره کرد. در حالی که Polymarket بر روی یک بلاکچین اجرا می‌شود، «هیچ اوراکلی برای پاسخ به سوال اینکه چه کسی شرط را برده است، ندارد.» در عوض، «بیشتر اوقات بر اساس قضاوت انسانی است.» اما هوش مصنوعی بلاکچین می‌تواند اوراکل‌هایی ایجاد کند که «به هر سوالی در جهان پاسخ دهند، اگر این اتفاق در اینترنت رخ داده باشد.»

او همچنین استدلال کرد که توکن‌سازی می‌تواند به جمع‌آوری سرمایه برای مدل‌های هوش مصنوعی کمک کند. ORA ایده «عرضه اولیه مدل» را معرفی کرد که به مدل‌های هوش مصنوعی آموزش‌ندیده اجازه می‌دهد توکن عرضه کنند. سرمایه‌های جمع‌آوری‌شده می‌توانند برای آموزش مدل که بسیار پرهزینه و نیازمند GPU است، استفاده شوند. به گفته Wong، مدل‌های راه‌اندازی‌شده در ORA متعلق به دارندگان توکن هستند و این دارندگان می‌توانند از موفقیت آن‌ها سود ببرند. این مدل‌ها همچنین متن‌باز هستند که شفافیت را برای عموم سرمایه‌گذاران ایجاد می‌کند. Wong ادعا کرد که این امر یک مشکل رایج در هوش مصنوعی را حل می‌کند، که بیشتر مدل‌ها باید اختصاصی باشند تا سرمایه‌گذاران بتوانند پول درآورند. در ORA، سازندگان مدل موظف به رعایت مجوزهای نرم‌افزار متن‌باز هستند که به گفته او مانع از این می‌شود که توسعه‌دهندگان با کپی و چسباندن کد، سود سازندگان را از بین ببرند.

با این حال، Wong نیز اذعان کرد که برخی پروژه‌های هوش مصنوعی بلاکچین یا به طور کلی پروژه‌های هوش مصنوعی جعلی هستند. برخی مدل‌ها ممکن است ادعا کنند که نتایج را از هوش مصنوعی تولید می‌کنند، اما ممکن است از انسان‌ها برای بررسی کار تولید شده توسط مدل استفاده کنند و این ممکن است مدل را بی‌فایده کند. او پیشنهاد کرد که تشخیص بین هوش مصنوعی واقعی و جعلی گاهی اوقات بسیار دشوار است. با این حال، بهترین راه برای سرمایه‌گذاران برای قضاوت اینکه آیا یک محصول واقعاً هوش مصنوعی است، استفاده از آن است. او به ChatOLM، یک چت‌بات ایجاد شده از طریق ORA، به عنوان مثالی از محصولی که به وضوح از هوش مصنوعی استفاده می‌کند، اشاره کرد، زیرا سریع‌تر از آنچه یک انسان می‌تواند پاسخ می‌دهد.

به گفته Ron Chan، یکی از بنیان‌گذاران پروتکل هوش مصنوعی بلاکچین Inference Labs، بلاکچین تنها راه برای دستیابی به «هوش مصنوعی کاملاً خودمختار» است. به همین دلیل، انسانیت در آینده نمی‌تواند بدون آن باشد. Chan بیان کرد که هوش مصنوعی متمرکز «به سمت اهداف شرکت‌ها توسعه می‌یابد.» در حالی که این امر جایگاه خود را در جهان دارد، هوش مصنوعی غیرمتمرکز نیاز متفاوتی را برآورده می‌کند. این نوع هوش مصنوعی «آزادانه توسعه می‌یابد - توسعه آن توسط مشارکت و سرعت تقاضای بازار هدایت می‌شود» که «شرایطی برای نوآوری انسانی با قدرت حل چالش‌های بزرگ ایجاد می‌کند.» او ادعا کرد که هوش مصنوعی غیرمتمرکز سیستم‌هایی برای «اثبات استنتاج» یا توانایی اثبات اینکه یک پاسخ خاص از یک مدل هوش مصنوعی خاص آمده است، توسعه خواهد داد. این، به گفته او، یک «نیاز فوری» برای صنعت است.

Chan اذعان کرد که تشخیص بین پروژه‌های انسانی و هوش مصنوعی گاهی اوقات دشوار یا حتی غیرممکن است. او به مثال کاربر X با نام Error Error Ttyl اشاره کرد که ادعا می‌کند توسط یک مدل هوش مصنوعی کنترل می‌شود. «چگونه ناظران می‌توانند تأیید کنند که هیچ اپراتور انسانی پشت صحنه تصمیم‌گیری نمی‌کند؟» او به‌طور بلاغی پرسید و اشاره کرد که چون هم هوش مصنوعی و هم خالق آن رمز عبور حساب را دارند، تأیید اینکه چه کسی پست‌ها را تولید می‌کند ممکن است غیرعملی باشد. پاسخ این است که به هوش مصنوعی کنترل انحصاری، استقلال قابل تأیید و واگذاری غیرقابل بازگشت بدهیم، Chan پیشنهاد کرد. هوش مصنوعی باید «تنها دسترسی به حساب» را داشته باشد و اشخاص ثالث باید بتوانند این واقعیت را تأیید کنند. علاوه بر این، پس از انتقال کنترل حساب به هوش مصنوعی، باید غیرممکن باشد که انسان‌ها دوباره این کنترل را به دست آورند. تنها در این صورت می‌توانیم بدانیم که هر کاری که انجام می‌دهد واقعاً توسط مدل هوش مصنوعی آغاز شده و نه توسط یک انسان که پشت صحنه کار می‌کند.

به نظر Chan، این نوع استنتاج قابل اثبات هوش مصنوعی حوزه‌ای است که تنها پروتکل‌های غیرمتمرکز می‌توانند راه‌حلی ارائه دهند. Cointelegraph از مصاحبه‌شوندگان خواست تا مثال‌هایی از اپلیکیشن‌های هوش مصنوعی بلاکچین که کاربران می‌توانند اکنون از آن‌ها لذت ببرند، ارائه دهند. در پاسخ، Wong به اپلیکیشن چت OLMChat اشاره کرد، در حالی که Chan درباره یک پروژه ردیابی هواپیما و یک اپلیکیشن استیکینگ مایع که توسط تیم Inference Labs ایجاد شده، صحبت کرد. در حالی که این اپلیکیشن‌ها ممکن است کاربران کمتری نسبت به نرم‌افزارهای معروفی مانند ChatGPT داشته باشند، مصاحبه‌شوندگان همگی امیدوار بودند که هوش مصنوعی بلاکچین واقعاً جهان را متحول خواهد کرد، حتی اگر مزایای آن ممکن است مدتی طول بکشد تا به‌طور کامل توسط کاربران نهایی درک شود.