TL;DR

Conduzimos uma análise aprofundada de 67 projetos Cripto+IA, classificando-os de acordo com a perspectiva GenAI. Nossa classificação abrange:

1. GPU DePIN
2. Computação Descentralizada (Treinamento + Inferência)
3. Verificação (ZKML + OPML)
4. Cripto LLM
5. Dados (Geral + Específico de IA)
6. Aplicativos Criadores de IA
7. Aplicativos de Consumo de IA
8. Padrões de IA (Tokens + Agentes)
9. Economia de IA

Por que estamos escrevendo isso?

A narrativa Cripto+IA tem capturado muita atenção até agora. Muitos relatórios sobre Cripto+IA estão surgindo, mas eles cobrem apenas parte da história da IA ou interpretam a IA exclusivamente a partir da perspectiva da Cripto.

Este artigo analisará o tópico do ponto de vista da IA, explorando como a Cripto apoia a IA e como a IA pode beneficiar a Cripto, para entender melhor o panorama atual da indústria de Cripto+IA.

Parte I: Decodificando o cenário GenAI

Vamos explorar toda a paisagem GenAI começando pelos produtos de IA que usamos todos os dias. Esses produtos tipicamente consistem em dois componentes principais: um LLM e uma UI. Para o modelo grande, existem dois processos principais: criação de modelo e utilização de modelo, comumente conhecidos como Treinamento e Inferência. Quanto à UI, ela vem em várias formas, incluindo baseada em conversação como GPT, baseada em visual como LumaAI, e muitas outras que integram APIs de inferência nas interfaces de produto existentes.

Calcular

Aprofundando mais, a computação é fundamental tanto para treinamento quanto para inferência, dependendo fortemente da computação de GPU subjacente. Embora as conexões físicas das GPUs possam diferir entre treinamento e inferência, as GPUs servem como componente de infraestrutura fundamental em produtos de IA. Acima disso, temos a orquestração de clusters de GPU, conhecida como Nuvens. Estas podem ser divididas em Nuvens Tradicionais Versáteis e Nuvens Verticais[1], com Vertical Clouds sendo mais focado em IA e otimizado para cenários de computação de IA.

Armazenamento

Em relação ao armazenamento, o armazenamento de dados de IA pode ser dividido em soluções de armazenamento tradicionais como AWS S3 e Azure Blob Storage, e armazenamento específico otimizado para conjuntos de dados de IA. Essas soluções de armazenamento especializadas, como o Filestore da Google Cloud, são projetadas para aprimorar a velocidade de acesso aos dados em cenários específicos.

Treinamento

Continuando com a infraestrutura de IA, é crucial distinguir entre Treinamento e Inferência, pois diferem significativamente. E além da computação geral, ambos envolvem numerosas lógicas de negócios específicas de IA.

Para treinamento, a infraestrutura geralmente pode ser dividida em[2]:

1. Plataformas: Estas são especificamente projetadas para treinar e auxiliar os desenvolvedores de IA no treinamento eficaz de grandes modelos de linguagem, com soluções adicionais de aceleração de software, como MosaicML.
2. Fornecedores de Modelos Básicos: Esta categoria inclui plataformas como Hugging Face, que oferecem modelos base que os usuários podem treinar ou aperfeiçoar ainda mais.
3. Frameworks: Por último, existem vários frameworks de treinamento fundamentais construídos do zero, como PyTorch e TensorFlow.

Inferência

Para inferência, o cenário pode geralmente ser dividido em:

1. Otimizadores: Eles se especializam em fazer uma série de otimizações especificamente para inferência e casos de uso particulares, como suporte a processamento paralelo ou aprimoramentos algorítmicos para geração de mídia. Um exemplo inclui fal.ai, que otimizou a inferência para processos de texto para imagem, melhorando a velocidade das difusões em 50% em comparação com abordagens gerais.
2. Plataformas de Implantação: Estas fornecem serviços de nuvem de inferência de modelo geral, como o Amazon SageMaker, facilitando a implantação e dimensionamento de modelos de IA em diferentes ambientes.

Aplicação

Embora existam inúmeras aplicações de IA, elas podem ser amplamente categorizadas com base nos grupos de usuários em dois tipos principais: criador e consumidor[3].

1. Consumidor de IA: Começando com o consumidor de IA, este grupo usa principalmente produtos de IA e está disposto a pagar pelo valor que esses produtos trazem. Um exemplo típico dessa categoria é o ChatGPT.
2. AI Criador: Por outro lado, as aplicações para AI Criadores são mais sobre convidar criadores de IA para suas plataformas para criar agentes, compartilhar conhecimentos e depois compartilhar lucros com eles, sendo o mercado GPT um dos exemplos mais famosos.

Essas duas categorias abrangem quase todas as aplicações de IA. Embora existam classificações mais detalhadas, este artigo se concentrará nessas categorias mais amplas.

Parte II: Como Cripto ajuda AI

Antes de responder a esta pergunta, vamos resumir as principais vantagens da Cripto que a IA poderia alavancar: Monetização, Inclusão, Transparência, Propriedade de dados, Redução de custos e mais.

Um resumo de alto nível das interseções entre Cripto e IA do blog vitalik.eth

Estes sinergias-chave[4] ajuda principalmente a paisagem atual por:

1. Monetização: Através de mecanismos únicos de Cripto, como tokenização, monetização e incentivo, inovações disruptivas podem ser feitas em aplicações de criador de IA, garantindo que a economia de IA seja aberta e justa.
2. Inclusividade: Cripto permite a participação sem a necessidade de permissão, quebra das várias restrições impostas pelas empresas de IA fechadas e centralizadas que dominam o mercado hoje. Isso permite que a IA alcance verdadeira abertura e liberdade.
3. Transparência: Cripto pode tornar a IA totalmente open-source ao utilizar as tecnologias ZKML/OPML para colocar todo o processo de treinamento e inferência de LLMs na cadeia, garantindo a abertura e a permissão da IA.
4. Propriedade de dados: Ao possibilitar transações on-chain para estabelecer a propriedade de dados para contas (usuários), permitindo assim que os usuários realmente sejam donos de seus dados de IA. Isso é especialmente benéfico na camada de aplicação, ajudando os usuários a garantir efetivamente seus direitos de dados de IA.
5. Redução de custos: Ao incentivar com tokens, o valor futuro do poder computacional pode ser convertido em dinheiro, reduzindo significativamente o custo atual das GPUs. Esta abordagem reduz consideravelmente o custo da IA no nível computacional.

Parte III: Explorando o cenário Cripto+IA

Aplicar as vantagens da Cripto às diferentes categorias dentro do cenário de IA cria uma nova perspectiva do cenário de IA através da lente da Cripto.

Camada LLM

1. GPU DePIN

Continuamos a delinear o plano AI+Cripto com base na Paisagem de AI. Começando com LLMs e começando no nível fundamental com GPUs, uma narrativa de longa data na Cripto tem sido a Redução de Custos.

Através da incentivação da blockchain, podemos reduzir significativamente os custos recompensando os provedores de GPU. Esta narrativa é atualmente conhecida como GPU DePIN. Enquanto as GPUs são usadas não apenas em IA, mas também em jogos, AR e outros cenários, a trilha GPU DePIN geralmente abrange essas áreas.

Aqueles focados na pista de IA incluemAethirerede Aioz, enquanto aqueles dedicados à renderização visual incluem io.net, rede de renderização, e outros.

2. Computação Descentralizada

Computação descentralizada é uma narrativa que existe desde a criação da blockchain e se desenvolveu significativamente ao longo do tempo. No entanto, devido à complexidade das tarefas de computação (comparadas ao armazenamento descentralizado), muitas vezes é necessário limitar os cenários de computação.

IA, como o cenário computacional mais recente, naturalmente deu origem a uma série de projetos de computação descentralizada. Em comparação com o GPU DePIN, essas plataformas de computação descentralizada não apenas oferecem redução de custos, mas também atendem a cenários de computação mais específicos: Treinamento e Inferência. Eles orquestram em redes de longa distância para aumentar significativamente a escalabilidade[5].

Escalabilidade e eficiência de custos por gensyn.ai

Por exemplo, plataformas focadas em Treinamento incluem AI Arena, Gensyn, DIN, e Flock.io; aqueles focados em Inferência incluem Então, Ritual, e Justu.ai; e aqueles que lidam com ambos os aspectos incluem Bittensor, 0G, Sentient, Akash, Phala, AnkreOásis.

3. Verificação

A verificação é uma categoria única dentro da Cripto+IA, principalmente porque garante que todo o processo de computação de IA, seja Treinamento ou Inferência, pode ser verificado na cadeia.

Isso é crucial para manter a completa descentralização e transparência dos processos. Além disso, tecnologias como ZKML também protegem a privacidade e segurança dos dados, permitindo que os usuários tenham 100% de propriedade de seus dados pessoais.

Dependendo do algoritmo e do processo de verificação, isso pode ser dividido em ZKML e OPML. ZKML usa a tecnologia de conhecimento zero (ZK) para converter Treinamento/Inferência de IA em circuitos ZK, tornando o processo verificável on-chain, como visto em plataformas como EZKL, Modulus Labs, ConcisoeGiza. Por outro lado, o OPML utiliza oráculos fora da cadeia para enviar provas à blockchain, como demonstrado por OraeEspectral.

4. Modelo Base de Cripto

Ao contrário de LLMs gerais como ChatGPT ou Claude, os Modelos Base de Cripto são reajustados com extensos dados de cripto, dotando esses modelos base com uma base de conhecimento especializada em criptomoedas.

Esses modelos base podem fornecer poderosas capacidades de IA para aplicações nativas de cripto, como DeFi, NFT e GamingFi. Atualmente, exemplos de tais modelos base incluem LagoeChainbase.

5. Dados

Dados são um componente crítico no campo de IA. No Treinamento de IA, conjuntos de dados desempenham um papel crucial, e durante a Inferência, as vastas quantidades de prompts e bases de conhecimento dos usuários também exigem armazenamento substancial.

A descentralização do armazenamento de dados não apenas reduz significativamente os custos de armazenamento, mas, mais importante, garante a rastreabilidade e os direitos de propriedade dos dados.

Soluções de armazenamento descentralizado tradicionais como Filecoin, Arweave, e Storjpode armazenar grandes volumes de dados de IA a custos muito baixos.

Enquanto isso, soluções de armazenamento de dados específicas para IA mais recentes são otimizadas para as características únicas dos dados de IA. Por exemplo, Espaço e TempoeOpenDBotimizar o pré-processamento e a consulta de dados, enquantoMasa, Grama, Nuklai, e Protocolo KIP foco na monetização de dados de IA. Rede Bagelconcentra-se na privacidade dos dados do usuário.

Essas soluções aproveitam as vantagens únicas da Cripto para inovar em áreas de gerenciamento de dados dentro do campo de IA que anteriormente receberam menos atenção.

Camada de Aplicação

1. Criador

Na camada de aplicativos Crypto+AI, os aplicativos criadores são particularmente notáveis. Dada a capacidade inerente do Crypto para monetização, incentivar os criadores de IA naturalmente segue.

Para os Criadores de IA, o foco se divide entre usuários de baixo/código e desenvolvedores. Os usuários de baixo/código, como criadores de bots, usam essas plataformas para criar bots e monetizá-los por meio de tokens/NFTs. Eles podem rapidamente arrecadar fundos por meio de ICO ou NFT Mint e, em seguida, recompensar os detentores de tokens de longo prazo por meio de propriedade compartilhada, como compartilhamento de receita. Isso abre completamente seus produtos de IA por meio da co-propriedade da comunidade, completando assim a Ciclo da Economia de IA[6].

Além disso, como plataformas criadoras de IA Cripto, elas abordam os desafios de financiamento no início e meio do estágio e lucratividade a longo prazo para os criadores de IA. Isso é feito aproveitando a vantagem única da tokenização inerente à Cripto e oferecendo serviços a uma fração do taxas de comissãotípico do Web2—demonstrando os benefícios de custo operacional zero trazidos pela descentralização da Cripto[7].

Neste setor, plataformas como MagnetAI, Olas, Myshell, Fetch.ai, Protocolo Virtual, e Espectralatendem aos usuários de baixo/código nenhum, fornecendo plataformas de criação de agentes. Para os desenvolvedores de modelos de IA,MagnetAIeAgoramodelos de desenvolvedor de plataformas. Além disso, para outras categorias como criadores de IA+Social, existem plataformas comoProtocolo de HistóriaeCriadorLanceque atendem especificamente às suas necessidades, enquanto SaharaAIconcentra-se na monetização de bases de conhecimento.

2. Consumidor

Consumidor refere-se ao uso de IA para servir diretamente aos usuários de cripto. Atualmente, há menos projetos nesse segmento, mas os que existem são insubstituíveis e únicos, como WorldcoineChainGPT.

3. Padrão

Os padrões são uma faixa distinta dentro da Cripto, caracterizada pelo desenvolvimento de blockchains independentes, protocolos ou melhorias para criar blockchains de aplicativos de IA dApp, ou habilitando infraestruturas existentes, como Ethereum, para suportar aplicações de IA.

Esses padrões permitem que os dApps de IA incorporem as vantagens da Cripto, como transparência e descentralização, proporcionando suporte fundamental tanto para produtos de criadores quanto para consumidores.

Exemplos incluem Agora, que estende o ERC-20 para oferecer compartilhamento de receita, e7007.ai, que estende o ERC-721 para tokenizar ativos de inferência de modelo. Além disso, plataformas como Talus, Theoriq, AletheaeMorpheusestão criando VMs on-chain para fornecer ambientes de execução para Agentes de IA, enquanto Sentient oferece padrões abrangentes para dApps de IA.

4. Economia de IA

A Economia de IA é uma inovação significativa dentro do domínio Cripto+IA, enfatizando o uso da tokenização, monetização e incentivação da Cripto para democratizar a IA.

Ciclo da Economia de IA pela MagnetAI

Destaca a economia de compartilhamento de IA, a co-propriedade da comunidade e o compartilhamento de direitos de propriedade. Essas inovações impulsionam substancialmente a prosperidade e o desenvolvimento contínuo da IA.

Entre eles, TeoriaeFetch.ai foco na monetização do agente; Olas enfatiza a tokenização; Rede Mentaloferece benefícios de restaking; e MagnetAIintegra tokenização, monetização e incentivação em uma única plataforma coesa.

Última Parte: Conclusão

IA e Cripto são parceiros naturais. Cripto ajuda a tornar a IA mais aberta, transparente e insubstituivelmente favorável à sua prosperidade futura.

A IA, por sua vez, expande os limites da Cripto, atraindo mais usuários e atenção. Como uma narrativa universal para toda a humanidade, a IA também introduz uma narrativa de adoção massiva ao mundo Cripto que é sem precedentes.

Disclaimer:

1. Este artigo é reproduzido a partir de [MagnetAI]. Todos os direitos autorais pertencem ao autor original [MagnetAI]. Se houver objeções a esta reimpressão, entre em contato com o Gate Aprenderequipe, e eles vão lidar com isso prontamente.
2. Isenção de Responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem aconselhamento de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. A menos que mencionado, copiar, distribuir ou plagiar os artigos traduzidos é proibido.