คลื่นลูกต่อไปของการอนุมานเชิงบรรยายในแทร็ก AI ของคริปโต: ปัจจัยเร่งปฏิกิริยา เส้นทางการพัฒนา และเป้าหมายที่เกี่ยวข้อง

การแนะนำ

จนถึงตอนนี้ วงจรตลาดกระทิงของคริปโตในรอบนี้ถือเป็นรอบที่น่าเบื่อที่สุดในแง่ของนวัตกรรมทางธุรกิจ เนื่องจากขาดวงจรที่ร้อนแรงอย่าง DeFi, NFT และ Gamefi ในตลาดกระทิงรอบก่อน ส่งผลให้ขาดจุดที่เป็นกระแสนิยมของอุตสาหกรรมในตลาดโดยรวม และการเติบโตของผู้ใช้ การลงทุนในอุตสาหกรรม และนักพัฒนาก็ค่อนข้างอ่อนแอ

สิ่งนี้ยังสะท้อนให้เห็นในราคาสินทรัพย์ปัจจุบัน ตลอดทั้งรอบอัตราแลกเปลี่ยนของ Alt coin ส่วนใหญ่เทียบกับ BTC ยังคงสูญเสียเงิน รวมถึง ETH ท้ายที่สุดแล้ว การประเมินมูลค่าของแพลตฟอร์มสัญญาอัจฉริยะนั้นถูกกำหนดโดยความเจริญรุ่งเรืองของแอปพลิเคชัน เมื่อการพัฒนาและนวัตกรรมของแอปพลิเคชันขาดความน่าสนใจ การประเมินมูลค่าของเครือข่ายสาธารณะก็เพิ่มขึ้นได้ยากเช่นกัน

AI ซึ่งเป็นประเภทธุรกิจด้านคริปโตที่ค่อนข้างใหม่ในรอบนี้ ได้รับประโยชน์จากความเร็วในการพัฒนาที่รวดเร็วและจุดร้อนที่เกิดขึ้นอย่างต่อเนื่องในโลกธุรกิจภายนอก และยังมีแนวโน้มที่จะทำให้มีการให้ความสนใจกับโครงการติดตาม AI ในโลกของคริปโตเพิ่มมากขึ้นอีกด้วย

ใน รายงาน IO.NET ผู้เขียนเผยแพร่เมื่อเดือนเมษายน โดยได้สรุปความจำเป็นในการรวม AI และ Crypto เข้าด้วยกัน นั่นคือ ข้อดีของโซลูชันด้านเศรษฐกิจแบบเข้ารหัสในด้านความแน่นอน การระดมและการจัดสรรทรัพยากร และความไม่ไว้วางใจอาจเป็นหนึ่งในโซลูชันสำหรับความท้าทายสามประการ ได้แก่ ความสุ่มของ AI ความเข้มข้นของทรัพยากร และความยากลำบากในการแยกแยะระหว่างมนุษย์กับเครื่องจักร

ในเส้นทาง AI ของเศรษฐกิจคริปโต ผู้เขียนพยายามที่จะหารือและสรุปประเด็นสำคัญบางประเด็นผ่านบทความอื่น ซึ่งรวมถึง:

• มีเรื่องราวอื่น ๆ อะไรอีกบ้างที่กำลังผลิบานในเส้นทาง AI ของคริปโตที่อาจระเบิดได้ในอนาคต?

• เส้นทางเร่งปฏิกิริยาและตรรกะของเรื่องเล่าเหล่านี้

• เป้าหมายของโครงการที่เกี่ยวข้องกับการเล่าเรื่อง

• ความเสี่ยงและความไม่แน่นอนในการอนุมานเชิงบรรยาย

บทความนี้เป็นความคิดเห็นชั่วคราวของผู้เขียนจนถึงเวลาที่ตีพิมพ์ ซึ่งอาจมีการเปลี่ยนแปลงในอนาคต และมุมมองอาจมีความลำเอียงได้สูง นอกจากนี้ อาจมีข้อผิดพลาดในข้อเท็จจริง ข้อมูล และตรรกะในการให้เหตุผล โปรดอย่าใช้เป็นข้อมูลอ้างอิงด้านการลงทุน ยินดีต้อนรับการวิพากษ์วิจารณ์และการอภิปรายจากเพื่อนร่วมงาน

ต่อไปนี้เป็นข้อความหลัก

คลื่นลูกต่อไปของเรื่องราวในแทร็ก AI ของคริปโต

ก่อนที่เราจะทบทวนเรื่องราวต่อไปในแวดวง AI ของคริปโตอย่างเป็นทางการ มาดูเรื่องราวหลักของ AI ของคริปโตในปัจจุบันกันก่อน จากมุมมองของมูลค่าตลาด ผู้ที่มีมูลค่าตลาดมากกว่า 1 พันล้านดอลลาร์สหรัฐ ได้แก่:

• พลังประมวลผล: Render (RNDR มูลค่าตลาด 3.85 พันล้านดอลลาร์), Akash (มูลค่าตลาด 1.2 พันล้านดอลลาร์), IO.NET (การประเมินมูลค่าการระดมทุนรอบล่าสุด 1 พันล้านดอลลาร์)

• เครือข่ายอัลกอริธึม: Bittensor (TAO มูลค่าตลาด 2.97 พันล้านดอลลาร์)

• เอเจนต์เอไอ : Fetchai (FET มูลค่าตลาดก่อนควบรวมกิจการ 2.1 พันล้านดอลลาร์)

*ข้อมูลเวลา: 24.5.2024 หน่วยสกุลเงินคือดอลลาร์สหรัฐ

นอกเหนือจากสาขาที่กล่าวมาข้างต้นแล้ว สาขา AI ใดที่จะมีมูลค่าตลาดของโปรเจ็กต์เดี่ยวถัดไปเกิน 1 พันล้าน?

ผู้เขียนเชื่อว่าสามารถคาดเดาได้จากสองมุมมอง: เรื่องเล่าของด้านอุปทานของอุตสาหกรรมและเรื่องเล่าของช่วงเวลา GPT

มุมมองแรกของการเล่าเรื่อง AI: การพิจารณาโอกาสด้านพลังงานและข้อมูลเบื้องหลัง AI จากด้านอุปทานของอุตสาหกรรม

จากมุมมองของอุปทานของอุตสาหกรรม แรงผลักดันทั้งสี่เบื้องหลังการพัฒนา AI มีดังนี้:

• อัลกอริทึม: อัลกอริทึมคุณภาพสูงสามารถดำเนินการฝึกอบรมและอนุมานได้อย่างมีประสิทธิภาพมากขึ้น

• พลังการประมวลผล: ทั้งการฝึกโมเดลและการใช้เหตุผลโมเดลต้องใช้ฮาร์ดแวร์ GPU เพื่อให้มีพลังการประมวลผล ซึ่งถือเป็นคอขวดหลักของอุตสาหกรรม การขาดแคลนชิปในอุตสาหกรรมทำให้ราคาชิประดับกลางและระดับสูงสูงขึ้น

• พลังงาน: ศูนย์ประมวลผลข้อมูลที่ AI ต้องการใช้พลังงานจำนวนมาก นอกเหนือจากพลังงานที่ GPU ต้องใช้ในการทำงานประมวลผลแล้ว ยังต้องใช้พลังงานจำนวนมากในการจัดการกับการกระจายความร้อนของ GPU อีกด้วย ระบบระบายความร้อนของศูนย์ข้อมูลขนาดใหญ่คิดเป็นประมาณ 40% ของการใช้พลังงานทั้งหมด

• ข้อมูล: การปรับปรุงประสิทธิภาพของโมเดลขนาดใหญ่ต้องขยายพารามิเตอร์การฝึกอบรม ซึ่งหมายความว่าจะต้องมีข้อมูลคุณภาพสูงจำนวนมาก

เมื่อพิจารณาจากแรงผลักดันของอุตสาหกรรมทั้ง 4 ข้างต้น ทั้งอัลกอริธึมและแทร็กพลังการประมวลผลต่างก็มีโครงการเข้ารหัสที่มีมูลค่าตลาดมากกว่า 1 พันล้านดอลลาร์สหรัฐ ในขณะที่แทร็กพลังงานและข้อมูลยังไม่เห็นโครงการที่มีมูลค่าตลาดเท่ากัน

ในความเป็นจริง การขาดแคลนพลังงานและข้อมูลอาจเกิดขึ้นในเร็วๆ นี้ กลายเป็นจุดศูนย์กลางของอุตสาหกรรมครั้งใหม่ ส่งผลให้โครงการที่เกี่ยวข้องกับสกุลเงินดิจิทัลเติบโตอย่างก้าวกระโดด

มาพูดเรื่องพลังงานกันก่อน

เมื่อวันที่ 29 กุมภาพันธ์ 2024 มัสก์กล่าวในการประชุม Bosch Connected World 2024 ว่า: ฉันคาดการณ์ไว้แล้วว่าจะเกิดการขาดแคลนชิปเมื่อกว่าหนึ่งปีก่อน การขาดแคลนครั้งต่อไปจะเป็นไฟฟ้า ฉันคิดว่าไฟฟ้าจะไม่เพียงพอที่จะใช้งานชิปทั้งหมดในปีหน้า

จากข้อมูลเฉพาะ สถาบันปัญญาประดิษฐ์ที่เน้นมนุษย์ที่มหาวิทยาลัยสแตนฟอร์ด ซึ่งนำโดย Fei-Fei Li เผยแพร่รายงานดัชนี AI ทุกปี ในรายงานเกี่ยวกับอุตสาหกรรม AI ในปี 2021 ที่เผยแพร่โดยทีมงานในปี 2022 ทีมวิจัยประเมินว่าขนาดการบริโภคพลังงาน AI ในปีนั้นคิดเป็นเพียง 0.9% ของความต้องการไฟฟ้าทั่วโลก และแรงกดดันต่อพลังงานและสิ่งแวดล้อมก็มีจำกัด ในปี 2023 สำนักงานพลังงานระหว่างประเทศ (IEA) สรุปปี 2022 ดังต่อไปนี้: ศูนย์ข้อมูลทั่วโลกใช้ไฟฟ้าประมาณ 460 เทระวัตต์ชั่วโมง (TWh) คิดเป็น 2% ของความต้องการไฟฟ้าทั่วโลก และคาดการณ์ว่าภายในปี 2026 การบริโภคพลังงานของศูนย์ข้อมูลทั่วโลกจะอยู่ที่อย่างน้อย 620 TWh และสูงสุด 1,050 TWh

ในความเป็นจริง การประมาณการของ IEA ยังคงค่อนข้างอนุรักษ์นิยม เพราะมีโครงการที่เกี่ยวข้องกับ AI จำนวนมากที่กำลังจะเริ่มต้น และความต้องการพลังงานที่สอดคล้องกันนั้นสูงเกินกว่าที่ IEA จะจินตนาการได้เมื่อ 23 ปีก่อนมาก

ตัวอย่างเช่น Microsoft และ OpenAI กำลังวางแผนโครงการ Stargate โดยคาดว่าโครงการนี้จะเริ่มต้นในปี 2028 และจะแล้วเสร็จประมาณปี 2030 โครงการนี้มีแผนจะสร้างซูเปอร์คอมพิวเตอร์ที่มีชิป AI เฉพาะจำนวนหลายล้านตัวเพื่อให้ OpenAI มีพลังการประมวลผลที่ไม่เคยมีมาก่อนเพื่อสนับสนุนการวิจัยและพัฒนาด้านปัญญาประดิษฐ์ โดยเฉพาะอย่างยิ่งโมเดลภาษาขนาดใหญ่ โครงการนี้คาดว่าจะมีค่าใช้จ่ายมากกว่า $100 พันล้าน ซึ่งมากกว่าค่าใช้จ่ายศูนย์ข้อมูลขนาดใหญ่ในปัจจุบันถึง 100 เท่า

โครงการสตาร์เกตเพียงอย่างเดียวมีการใช้พลังงานสูงถึง 50 เทราวัตต์ชั่วโมง

นั่นเป็นเหตุผลที่ Sam Altman ผู้ก่อตั้ง OpenAI กล่าวที่ Davos Forum เมื่อเดือนมกราคมปีนี้ว่า “ปัญญาประดิษฐ์จะต้องมีการพัฒนาพลังงานในอนาคต เพราะปริมาณไฟฟ้าที่ปัญญาประดิษฐ์ใช้จะเกินความคาดหมายของผู้คนมาก”

หลังจากพลังการประมวลผลและพลังงาน พื้นที่ที่ขาดแคลนต่อไปในอุตสาหกรรม AI ที่กำลังเติบโตอย่างรวดเร็วก็คือข้อมูล

กล่าวอีกนัยหนึ่ง การขาดแคลนข้อมูลคุณภาพสูงที่จำเป็นสำหรับ AI ได้กลายเป็นความจริงแล้ว

ในปัจจุบัน มนุษย์ได้ค้นพบกฎการเติบโตของความสามารถของโมเดลภาษาขนาดใหญ่โดยพื้นฐานจากวิวัฒนาการของ GPT แล้ว นั่นก็คือ การขยายพารามิเตอร์ของโมเดลและข้อมูลการฝึกอบรม ความสามารถของโมเดลสามารถปรับปรุงให้ดีขึ้นแบบทวีคูณ และไม่มีคอขวดทางเทคนิคในกระบวนการนี้ในระยะสั้น

แต่ปัญหาคือข้อมูลที่มีคุณภาพสูงและเปิดเผยต่อสาธารณะอาจหายากมากขึ้นในอนาคต และผลิตภัณฑ์ AI อาจเผชิญกับความขัดแย้งในเรื่องอุปทานและอุปสงค์ในด้านข้อมูลเช่นเดียวกับชิปและพลังงาน

ประการแรกคือการเพิ่มขึ้นของข้อพิพาทเกี่ยวกับความเป็นเจ้าของข้อมูล

เมื่อวันที่ 27 ธันวาคม 2023 The New York Times ได้ฟ้อง OpenAI และ Microsoft อย่างเป็นทางการต่อศาลแขวงกลางสหรัฐฯ โดยกล่าวหาว่า OpenAI และ Microsoft ใช้บทความหลายล้านบทความโดยไม่ได้รับอนุญาตในการฝึกโมเดล GPT และเรียกร้องให้ Microsoft เรียกค่าเสียหายตามกฎหมายและค่าเสียหายที่เกิดขึ้นจริงเป็นเงินหลายพันล้านดอลลาร์จากการคัดลอกและใช้ผลงานที่มีคุณค่าเฉพาะตัวอย่างผิดกฎหมาย และทำลายโมเดลและข้อมูลการฝึกทั้งหมดที่มีเนื้อหาที่มีลิขสิทธิ์ของ The New York Times

ต่อมาในช่วงปลายเดือนมีนาคม นิวยอร์กไทมส์ได้ออกแถลงการณ์ฉบับใหม่ โดยมุ่งเป้าไปที่ไม่เพียงแค่ OpenAI เท่านั้น แต่ยังรวมถึง Google และ Meta ด้วย นิวยอร์กไทมส์ระบุในแถลงการณ์ว่า OpenAI ถอดเสียงส่วนคำพูดจากวิดีโอ YouTube จำนวนมากผ่านเครื่องมือจดจำเสียงที่เรียกว่า Whisper จากนั้นจึงสร้างข้อความเป็นข้อความเพื่อฝึก GPT-4 นิวยอร์กไทมส์กล่าวว่าปัจจุบันนี้ บริษัทขนาดใหญ่มักใช้วิธีการขโมยข้อมูลเล็กๆ น้อยๆ ในการฝึกโมเดล AI และ Google ก็ทำเช่นนี้เช่นกัน พวกเขายังแปลงเนื้อหาวิดีโอ YouTube เป็นข้อความเพื่อฝึกโมเดลขนาดใหญ่ของตนเอง ซึ่งถือเป็นการละเมิดสิทธิ์ของผู้สร้างเนื้อหาวิดีโอโดยพื้นฐาน

คดีลิขสิทธิ์ AI ของ The New York Times กับ OpenAI เป็นคดีแรก เมื่อพิจารณาถึงความซับซ้อนของคดีและผลกระทบในวงกว้างต่ออนาคตของเนื้อหาและอุตสาหกรรม AI อาจไม่สามารถสรุปผลได้ในเร็วๆ นี้ ผลลัพธ์ที่เป็นไปได้อย่างหนึ่งคือทั้งสองฝ่ายตกลงกันนอกศาล โดย Microsoft และ OpenAI ซึ่งมีเงินหนาต้องจ่ายค่าชดเชยจำนวนมาก อย่างไรก็ตาม ความขัดแย้งด้านลิขสิทธิ์ข้อมูลในอนาคตจะส่งผลให้ต้นทุนโดยรวมของข้อมูลคุณภาพสูงเพิ่มสูงขึ้นอย่างแน่นอน

นอกจากนี้ ในฐานะของเครื่องมือค้นหาที่ใหญ่ที่สุดในโลก Google ยังได้เปิดเผยอีกด้วยว่ากำลังพิจารณาเรียกเก็บเงินสำหรับฟังก์ชันการค้นหาของตัวเอง แต่เป้าหมายของการเรียกเก็บเงินไม่ได้อยู่ที่ประชาชนทั่วไป แต่เป็นบริษัท AI

ที่มา : รอยเตอร์

เซิร์ฟเวอร์เสิร์ชเอ็นจิ้นของ Google จัดเก็บเนื้อหาจำนวนมาก และอาจกล่าวได้ว่า Google จัดเก็บเนื้อหาทั้งหมดที่ปรากฏบนหน้าเว็บตั้งแต่ศตวรรษที่ 21 เป็นต้นมา ปัจจุบัน ผลิตภัณฑ์ค้นหาที่ขับเคลื่อนด้วย AI เช่น Perplexity ในต่างประเทศและ Kimi และ Mita ในจีน ประมวลผลข้อมูลที่ค้นหาเหล่านี้ผ่าน AI แล้วส่งออกไปยังผู้ใช้ ค่าใช้จ่ายสำหรับ AI โดยเสิร์ชเอ็นจิ้นจะเพิ่มต้นทุนในการรับข้อมูลอย่างหลีกเลี่ยงไม่ได้

ในความเป็นจริง นอกเหนือจากข้อมูลสาธารณะแล้ว ยักษ์ใหญ่ด้าน AI ยังมองไปที่ข้อมูลภายในที่ไม่เป็นสาธารณะด้วย

Photobucket เป็นเว็บไซต์โฮสต์รูปถ่ายและวิดีโอที่มีมายาวนานซึ่งมีผู้ใช้ 70 ล้านคนและเกือบครึ่งหนึ่งของส่วนแบ่งตลาดรูปถ่ายออนไลน์ของสหรัฐอเมริกาในช่วงต้นทศวรรษ 2000 ด้วยการเติบโตของโซเชียลมีเดีย จำนวนผู้ใช้ Photobucket ลดลงอย่างมากและมีผู้ใช้ที่ใช้งานอยู่เพียง 2 ล้านคนเท่านั้น (พวกเขาต้องจ่ายค่าธรรมเนียมสูงถึง $399 ต่อปี) ตามข้อตกลงและนโยบายความเป็นส่วนตัวที่ผู้ใช้ลงนามเมื่อลงทะเบียน บัญชีที่ไม่ได้ใช้งานเกินหนึ่งปีจะได้รับการรีไซเคิล และ Photobucket ยังสนับสนุนสิทธิ์ในการใช้ข้อมูลรูปภาพและวิดีโอที่อัปโหลดโดยผู้ใช้ Ted Leonard ซีอีโอของ Photobucket เปิดเผยว่าภาพถ่ายและข้อมูลวิดีโอ 1.3 พันล้านภาพที่บริษัทเป็นเจ้าของนั้นมีค่าอย่างยิ่งสำหรับการฝึกโมเดล AI เชิงสร้างสรรค์ เขากำลังเจรจากับบริษัทเทคโนโลยีหลายแห่งเพื่อขายข้อมูลนี้ โดยมีราคาตั้งแต่ 5 เซ็นต์ถึง $1 ต่อภาพถ่ายและมากกว่า $1 ต่อวิดีโอ เขาคาดว่าข้อมูลที่ Photobucket สามารถให้ได้นั้นมีมูลค่ามากกว่า $1 พันล้าน

EPOCH ซึ่งเป็นทีมวิจัยที่มุ่งเน้นด้านแนวโน้มการพัฒนาปัญญาประดิษฐ์ ได้เผยแพร่รายงานเกี่ยวกับข้อมูลที่จำเป็นสำหรับการเรียนรู้ของเครื่องจักร เราจะหมดข้อมูลหรือไม่? การวิเคราะห์ขอบเขตของการปรับขนาดชุดข้อมูลใน Machine Learning โดยอิงตามการใช้งานข้อมูลและการสร้างข้อมูลใหม่ในการเรียนรู้ของเครื่องจักรในปี 2022 โดยคำนึงถึงการเติบโตของทรัพยากรคอมพิวเตอร์ รายงานสรุปว่าข้อมูลข้อความคุณภาพสูงจะหมดลงระหว่างเดือนกุมภาพันธ์ 2023 ถึง 2026 และข้อมูลภาพจะหมดลงระหว่างปี 2030 ถึง 2060 หากไม่สามารถปรับปรุงประสิทธิภาพการใช้ข้อมูลได้อย่างมีนัยสำคัญหรือมีแหล่งข้อมูลใหม่เกิดขึ้น แนวโน้มปัจจุบันของโมเดลการเรียนรู้ของเครื่องจักรขนาดใหญ่ที่พึ่งพาชุดข้อมูลขนาดใหญ่ก็อาจชะลอตัวลง

เมื่อพิจารณาจากสถานการณ์ปัจจุบันที่ยักษ์ใหญ่ด้าน AI กำลังซื้อข้อมูลในราคาสูง ข้อมูลข้อความคุณภาพสูงฟรีก็แทบจะหมดลงแล้ว การคาดการณ์ของ EPOCH เมื่อสองปีก่อนค่อนข้างแม่นยำ

ในขณะเดียวกัน ยังมีการคิดค้นวิธีแก้ไขความต้องการ “การขาดแคลนข้อมูล AI” ขึ้น นั่นคือ บริการจัดเตรียมข้อมูล AI

Defined.ai เป็นบริษัทที่มอบข้อมูลคุณภาพสูงที่ปรับแต่งตามความต้องการให้กับบริษัท AI

ตัวอย่างประเภทข้อมูลที่ Defined.ai สามารถให้ได้: https://www.defined.ai/datasets

รูปแบบธุรกิจของบริษัทคือ: บริษัท AI จัดหาข้อมูลตามความต้องการของตนเองให้กับ Defined.ai ตัวอย่างเช่น ในแง่ของภาพ คุณภาพจะต้องสูงกว่าความละเอียดที่กำหนด หลีกเลี่ยงการเบลอ แสงมากเกินไป และเนื้อหาจะต้องเป็นของแท้ ในแง่ของเนื้อหา บริษัท AI สามารถปรับแต่งธีมเฉพาะตามงานฝึกอบรมของตนเอง เช่น ภาพถ่ายกลางคืน กรวย ลานจอดรถ และป้ายโฆษณาในเวลากลางคืน เพื่อปรับปรุงอัตราการจดจำ AI ในฉากกลางคืน สาธารณชนสามารถรับงาน อัปโหลดหลังจากถ่ายแล้ว จากนั้นบริษัทจะตรวจสอบงาน จากนั้นส่วนที่ตรงตามข้อกำหนดจะถูกตัดสินตามจำนวนภาพ ราคาอยู่ที่ประมาณ 1-2 ดอลลาร์สหรัฐสำหรับภาพคุณภาพสูง 5-7 ดอลลาร์สหรัฐสำหรับภาพยนตร์สั้นที่ยาวกว่า 10 วินาที 100-300 ดอลลาร์สหรัฐสำหรับภาพยนตร์คุณภาพสูงที่ยาวกว่า 10 นาที และ 1 ดอลลาร์สหรัฐสำหรับข้อความ 1,000 คำ ผู้ที่รับงานช่วงจะได้รับค่าธรรมเนียมประมาณ 20% การจัดเตรียมข้อมูลอาจกลายเป็นธุรกิจแบบ crowdsourcing อีกประเภทหนึ่งหลังการติดฉลากข้อมูล

การระดมทุนจากมวลชนทั่วโลกสำหรับงานต่างๆ แรงจูงใจทางเศรษฐกิจ การกำหนดราคา การหมุนเวียนและการปกป้องความเป็นส่วนตัวของทรัพย์สินข้อมูล และการมีส่วนร่วมของทุกคน ดูเหมือนเป็นธุรกิจที่เหมาะสมกับหลักเกณฑ์ Web3

เรื่องราวเชิง AI มีเป้าหมายจากมุมมองของด้านอุปทานของอุตสาหกรรม

ความกังวลที่เกิดจากการขาดแคลนชิปได้แพร่กระจายไปสู่วงการคริปโต ทำให้พลังการประมวลผลแบบกระจายกลายเป็นหมวดหมู่ของ AI ที่ร้อนแรงที่สุดและมีมูลค่ามากที่สุดจนถึงปัจจุบัน

ดังนั้น หากความขัดแย้งระหว่างอุปทานและอุปสงค์ของพลังงานและข้อมูลในอุตสาหกรรม AI เกิดขึ้นในอีก 1-2 ปีข้างหน้า โปรเจ็กต์ที่เกี่ยวข้องกับเรื่องราวใดในอุตสาหกรรมคริปโตในปัจจุบัน?

มาดูเป้าหมายที่เกี่ยวข้องกับพลังงานก่อน

มีโครงการพลังงานเพียงไม่กี่โครงการเท่านั้นที่ได้รับการจดทะเบียนอยู่ใน CEX อันดับต้นๆ โดยมีเพียง Power Ledger (โทเค็น Powr) เท่านั้นที่เป็นเพียงโครงการเดียว

Power Ledger ก่อตั้งขึ้นในปี 2017 ซึ่งเป็นแพลตฟอร์มพลังงานแบบบูรณาการที่ใช้เทคโนโลยีบล็อคเชน มีเป้าหมายเพื่อกระจายอำนาจในการทำธุรกรรมพลังงาน ส่งเสริมการซื้อขายไฟฟ้าโดยตรงระหว่างบุคคลและชุมชน สนับสนุนการใช้พลังงานหมุนเวียนในวงกว้าง และรับรองความโปร่งใสและประสิทธิภาพของธุรกรรมผ่านสัญญาอัจฉริยะ ในช่วงแรก Power Ledger ดำเนินการบนเครือข่ายคอนโซเชียมบนพื้นฐานของ Ethereum ในช่วงครึ่งหลังของปี 2023 Power Ledger ได้อัปเดตเอกสารไวท์เปเปอร์และเปิดตัวเครือข่ายสาธารณะแบบบูรณาการของตนเอง ซึ่งเปลี่ยนจากกรอบงานทางเทคนิคของ Solanas เพื่ออำนวยความสะดวกในการประมวลผลธุรกรรมไมโครความถี่สูงในตลาดพลังงานแบบกระจายอำนาจ ปัจจุบัน ธุรกิจหลักของ Power Ledger ได้แก่:

• การซื้อขายพลังงาน: ช่วยให้ผู้ใช้สามารถซื้อและขายไฟฟ้าโดยตรงแบบเพียร์ทูเพียร์ โดยเฉพาะไฟฟ้าจากแหล่งพลังงานหมุนเวียน

• การซื้อขายผลิตภัณฑ์ด้านสิ่งแวดล้อม เช่น การซื้อขายเครดิตคาร์บอนและใบรับรองพลังงานหมุนเวียน ตลอดจนการจัดหาเงินทุนตามผลิตภัณฑ์ด้านสิ่งแวดล้อม

• การดำเนินการเครือข่ายสาธารณะ: ดึงดูดนักพัฒนาแอปพลิเคชันให้สร้างแอปพลิเคชันบนบล็อคเชน Powerledger และค่าธรรมเนียมธุรกรรมของเครือข่ายสาธารณะจะชำระเป็นโทเค็น Powr

มูลค่าตลาดหมุนเวียนปัจจุบันของโครงการ Power Ledger อยู่ที่ $170 ล้าน และมูลค่าตลาดหมุนเวียนรวมอยู่ที่ $320 ล้าน

เมื่อเทียบกับเป้าหมายที่เข้ารหัสที่เกี่ยวข้องกับพลังงาน จำนวนเป้าหมายที่เข้ารหัสในแทร็กข้อมูลจะมีมากขึ้น

ผู้เขียนจะแสดงรายการเฉพาะโครงการติดตามข้อมูลที่เขากำลังให้ความสนใจและได้เปิดตัวใน CEX อย่างน้อยหนึ่งแห่ง ได้แก่ Binance, OKX และ Coinbase และเรียงลำดับจากต่ำไปสูงตาม FDV:

1. สตรีมเมอร์ – ข้อมูล

ข้อเสนอคุณค่าของ Streamrs คือการสร้างเครือข่ายข้อมูลแบบเรียลไทม์แบบกระจายอำนาจที่ให้ผู้ใช้สามารถแลกเปลี่ยนและแบ่งปันข้อมูลได้อย่างอิสระในขณะที่ยังคงควบคุมข้อมูลของตนเองได้อย่างเต็มที่ ผ่านข้อมูล ตลาดStreamr หวังจะช่วยให้ผู้ผลิตข้อมูลสามารถขายสตรีมข้อมูลโดยตรงให้กับผู้บริโภคที่สนใจโดยไม่ต้องผ่านตัวกลาง ส่งผลให้ลดต้นทุนและเพิ่มประสิทธิภาพ

ที่มา: https://streamr.network/hub/projects

ในกรณีความร่วมมือจริง Streamr ได้ร่วมมือกับโครงการฮาร์ดแวร์ในยานพาหนะ Web3 อีกโครงการหนึ่งที่มีชื่อว่า DIMO เพื่อรวบรวมข้อมูลอุณหภูมิ ความดันอากาศ และข้อมูลอื่นๆ ผ่านเซ็นเซอร์ฮาร์ดแวร์ DIMO ที่ติดตั้งบนยานพาหนะ โดยสร้างกระแสข้อมูลสภาพอากาศสำหรับส่งไปยังหน่วยงานที่ต้องการ

เมื่อเทียบกับโปรเจ็กต์ข้อมูลอื่นๆ Streamr ให้ความสำคัญกับข้อมูลของอินเทอร์เน็ตของสรรพสิ่งและเซ็นเซอร์ฮาร์ดแวร์มากกว่า นอกจากข้อมูลยานพาหนะ DIMO ที่กล่าวถึงข้างต้นแล้ว ยังมีโปรเจ็กต์อื่นๆ เช่น สตรีมข้อมูลการจราจรแบบเรียลไทม์ในเฮลซิงกิ เป็นต้น ดังนั้น โทเค็น DATA ของโปรเจ็กต์ Streamr จึงสร้างมูลค่าเพิ่มเป็นสองเท่าในวันเดียวในเดือนธันวาคมปีที่แล้ว ซึ่งเป็นช่วงที่แนวคิดของ Depin ได้รับความนิยมสูงสุด

มูลค่าตลาดหมุนเวียนปัจจุบันของโครงการ Streamr อยู่ที่ $44 ล้าน และมูลค่าตลาดหมุนเวียนรวมอยู่ที่ $58 ล้าน

2. โควาเลนต์ – CQT

ต่างจากโครงการข้อมูลอื่น ๆ Covalent นำเสนอข้อมูลบล็อคเชน เครือข่าย Covalent อ่านข้อมูลจากโหนดบล็อคเชนผ่าน RPC จากนั้นประมวลผลและจัดระเบียบข้อมูลเพื่อสร้างฐานข้อมูลแบบสอบถามที่มีประสิทธิภาพ ด้วยวิธีนี้ ผู้ใช้ Covalent สามารถดึงข้อมูลที่ต้องการได้อย่างรวดเร็วโดยไม่ต้องดำเนินการสอบถามที่ซับซ้อนโดยตรงจากโหนดบล็อคเชน บริการประเภทนี้เรียกอีกอย่างว่าการจัดทำดัชนีข้อมูลบล็อคเชน

ลูกค้าของ Covalents ส่วนใหญ่เป็น B-side รวมถึงโปรเจ็กต์ Dapp เช่น Defi ต่างๆ และบริษัทคริปโตแบบรวมศูนย์จำนวนมาก เช่น Consensys (บริษัทแม่ของ Metamasks), CoinGecko (สถานีตลาดสินทรัพย์คริปโตชื่อดัง), Rotki (เครื่องมือภาษี), Rainbow (กระเป๋าเงินคริปโต) เป็นต้น นอกจากนี้ Fidelity ซึ่งเป็นยักษ์ใหญ่ในอุตสาหกรรมการเงินแบบดั้งเดิม และ Ernst Young ซึ่งเป็นหนึ่งในบริษัทบัญชีสี่อันดับแรก ก็เป็นลูกค้าของ Covalents เช่นกัน ตามข้อมูลอย่างเป็นทางการที่เปิดเผยโดย Covalent รายได้จากบริการข้อมูลของโครงการนั้นเกินหน้าของ The Graph ซึ่งเป็นโปรเจ็กต์ชั้นนำในสาขาเดียวกัน

เนื่องจากข้อมูลบนเครือข่ายมีความสมบูรณ์ เปิดเผย เชื่อถือได้ และมีลักษณะแบบเรียลไทม์ จึงคาดว่าอุตสาหกรรม Web3 จะกลายเป็นแหล่งข้อมูลคุณภาพสูงสำหรับสถานการณ์ AI แบบแบ่งส่วนและโมเดลย่อย AI เฉพาะเจาะจง ในฐานะผู้ให้บริการข้อมูล Covalent ได้เริ่มจัดเตรียมข้อมูลสำหรับสถานการณ์ AI ต่างๆ และได้เปิดตัวข้อมูลที่มีโครงสร้างที่ตรวจสอบได้สำหรับ AI โดยเฉพาะ

ที่มา: https://www.covalenthq.com/solutions/decentralized-ai/

ตัวอย่างเช่น การให้ข้อมูลแก่แพลตฟอร์มการซื้อขายอัจฉริยะแบบออนไลน์อย่าง SmartWhales โดยใช้ AI ในการระบุรูปแบบและที่อยู่การซื้อขายที่ทำกำไรได้ ขณะที่ Entendre Finance ใช้ข้อมูลที่มีโครงสร้างของ Covalents และการประมวลผล AI เพื่อให้ได้รับข้อมูลเชิงลึกแบบเรียลไทม์ การตรวจจับความผิดปกติ และการวิเคราะห์เชิงคาดการณ์

ในปัจจุบัน สถานการณ์หลักของบริการข้อมูลบนเชนที่ให้บริการโดย Covalent ยังคงเป็นเรื่องการเงินเป็นหลัก แต่ด้วยการทำให้ผลิตภัณฑ์และประเภทข้อมูล Web3 กลายเป็นเรื่องทั่วไป สถานการณ์การใช้งานของข้อมูลบนเชนจะได้รับการขยายเพิ่มเติมอีกด้วย

ปัจจุบัน โครงการ Covalent มีมูลค่าตลาดหมุนเวียนอยู่ที่ $150 ล้าน และมูลค่าตลาดหมุนเวียนทั้งหมดอยู่ที่ $235 ล้าน เมื่อเปรียบเทียบกับ The Graph ซึ่งเป็นโครงการดัชนีข้อมูลบล็อคเชนในสาขาเดียวกัน โครงการนี้มีข้อได้เปรียบด้านการประเมินมูลค่าที่ค่อนข้างชัดเจน

3. Hivemapper – ฮันนี่

ในบรรดาวัสดุข้อมูลทั้งหมด ราคาต่อหน่วยของข้อมูลวิดีโอมักจะสูงที่สุด Hivemapper สามารถจัดหาข้อมูลต่างๆ รวมถึงข้อมูลวิดีโอและแผนที่ให้กับบริษัท AI Hivemapper เองเป็นโครงการแผนที่โลกแบบกระจายอำนาจที่มุ่งหวังที่จะสร้างระบบแผนที่ที่มีรายละเอียด ไดนามิก และเข้าถึงได้ผ่านเทคโนโลยีบล็อคเชนและการสนับสนุนจากชุมชน ผู้เข้าร่วมสามารถจับภาพข้อมูลแผนที่ผ่านแดชแคมและเพิ่มข้อมูลดังกล่าวลงในเครือข่ายข้อมูลโอเพ่นซอร์ส Hivemapper และรับรางวัลตามการสนับสนุนของตนในโทเค็นโครงการ HONEY เพื่อปรับปรุงประสิทธิภาพของเครือข่ายและลดต้นทุนการโต้ตอบ Hivemapper จึงสร้างขึ้นบน Solana

Hivemapper ก่อตั้งขึ้นครั้งแรกในปี 2015 ด้วยวิสัยทัศน์เดิมที่จะใช้โดรนเพื่อสร้างแผนที่ แต่ต่อมาพบว่าโมเดลนี้ปรับขนาดได้ยาก จึงหันมาใช้กล้องติดรถยนต์และสมาร์ทโฟนเพื่อรวบรวมข้อมูลทางภูมิศาสตร์ ซึ่งจะช่วยลดต้นทุนการผลิตแผนที่โลกได้

เมื่อเปรียบเทียบกับซอฟต์แวร์ Street View และการทำแผนที่อย่าง Google Map แล้ว Hivemapper จะสามารถขยายการครอบคลุมแผนที่ได้อย่างมีประสิทธิภาพมากขึ้น รักษาความสดใหม่ของฉากจริงบนแผนที่ และปรับปรุงคุณภาพวิดีโอผ่านเครือข่ายแรงจูงใจและโมเดลการระดมทุนจากมวลชน

ก่อนที่ความต้องการข้อมูลของ AI จะพุ่งสูงขึ้นอย่างรวดเร็ว ลูกค้าหลักของ Hivemapper ได้แก่ ภาคส่วนการขับขี่อัตโนมัติของอุตสาหกรรมรถยนต์ บริษัทผู้ให้บริการระบบนำทาง รัฐบาล บริษัทประกันภัยและอสังหาริมทรัพย์ เป็นต้น ปัจจุบัน Hivemapper สามารถจัดหาข้อมูลถนนและสิ่งแวดล้อมที่ครอบคลุมให้กับ AI และโมเดลขนาดใหญ่ได้ผ่าน API ด้วยการป้อนข้อมูลสตรีมข้อมูลภาพและคุณลักษณะถนนที่อัปเดตอย่างต่อเนื่อง โมเดล AI และ ML จะสามารถแปลงข้อมูลให้เป็นความสามารถที่ดีขึ้นและดำเนินการงานที่เกี่ยวข้องกับตำแหน่งทางภูมิศาสตร์และการตัดสินด้วยภาพได้ดีขึ้น

แหล่งที่มาของข้อมูล: https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/

ในปัจจุบันมูลค่าตลาดหมุนเวียนของโครงการ Hivemapper-Honey อยู่ที่ $120 ล้าน และมูลค่าตลาดหมุนเวียนรวมอยู่ที่ $496 ล้าน

นอกเหนือจากทั้งสามโครงการข้างต้นแล้ว โครงการอื่นๆ ในแทร็กข้อมูลยังได้แก่ The Graph – GRT (มูลค่าตลาด $3.2 พันล้าน FDV $3.7 พันล้าน) ซึ่งมีธุรกิจคล้ายกับ Covalent และยังให้บริการจัดทำดัชนีข้อมูลบล็อคเชนด้วย และ Ocean Protocol – OCEAN (มูลค่าตลาด $670 ล้าน FDV $1.45 พันล้าน โครงการนี้กำลังจะควบรวมกิจการกับ Fetch.ai และ SingularityNET และโทเค็นจะถูกแปลงเป็น ASI) ซึ่งเป็นโปรโตคอลโอเพ่นซอร์สที่ออกแบบมาเพื่ออำนวยความสะดวกในการแลกเปลี่ยนและสร้างรายได้จากข้อมูลและบริการที่เกี่ยวข้องกับข้อมูล เชื่อมต่อผู้บริโภคข้อมูลกับผู้ให้บริการข้อมูล เพื่อแบ่งปันข้อมูลในขณะที่ยังคงรักษาความน่าเชื่อถือ ความโปร่งใส และการตรวจสอบย้อนกลับไว้

มุมมองที่สองของการเล่าเรื่อง AI: ช่วงเวลา GPT กลับมาอีกครั้ง ปัญญาประดิษฐ์ทั่วไปมาถึงแล้ว

ในความคิดของฉัน ปีแรกของ AI ในอุตสาหกรรมคริปโตคือปี 2023 เมื่อ GPT สร้างความตกตะลึงให้กับโลก การเพิ่มขึ้นของโปรเจ็กต์ AI คริปโตเป็นผลพวงจากการพัฒนาอย่างรวดเร็วของอุตสาหกรรม AI

แม้ว่าความสามารถของ GPT 4, Turbo ฯลฯ จะได้รับการอัปเกรดอย่างต่อเนื่องหลังจาก GPT 3.5 และ Sora ได้แสดงให้เห็นถึงความสามารถในการสร้างวิดีโอที่น่าทึ่งและโมเดลภาษาขนาดใหญ่ภายนอก OpenAI ก็ได้พัฒนาอย่างรวดเร็วเช่นกัน แต่ก็ไม่อาจปฏิเสธได้ว่าผลกระทบทางปัญญาของความก้าวหน้าทางเทคโนโลยีของ AI ที่มีต่อสาธารณะกำลังลดน้อยลง ผู้คนค่อยๆ เริ่มใช้เครื่องมือ AI และดูเหมือนว่าจะยังไม่สามารถแทนที่งานในระดับใหญ่ได้

แล้วในอนาคตจะมี GPT อีกครั้งในด้าน AI หรือไม่ ที่มีการพัฒนาอย่างก้าวกระโดดในด้าน AI ที่ทำให้คนทั่วไปตกตะลึงและตระหนักว่าชีวิตและงานของพวกเขาจะเปลี่ยนไปเป็นผล?

ช่วงเวลาดังกล่าวอาจเป็นการถือกำเนิดของปัญญาประดิษฐ์ (AGI)

AGI หมายถึงเครื่องจักรที่มีความสามารถในการรับรู้โดยรวมใกล้เคียงกับมนุษย์ และสามารถแก้ปัญหาที่ซับซ้อนได้หลากหลาย ไม่ใช่เฉพาะงานเฉพาะเท่านั้น ระบบ AGI มีความสามารถในการคิดแบบนามธรรมอย่างยิ่ง มีความรู้พื้นฐานที่กว้างขวาง มีเหตุผลเกี่ยวกับสามัญสำนึกในทุกสาขา เข้าใจความสัมพันธ์เชิงเหตุผล และถ่ายทอดการเรียนรู้ข้ามสาขาได้ ประสิทธิภาพของ AGI นั้นไม่แตกต่างไปจากกลุ่มมนุษย์ที่ดีที่สุดในแต่ละสาขา และเมื่อพิจารณาถึงขีดความสามารถโดยรวมแล้ว AGI ก็ยังเหนือกว่ากลุ่มมนุษย์ที่ดีที่สุดอย่างสิ้นเชิง

ในความเป็นจริง ไม่ว่าจะนำเสนอในนิยายวิทยาศาสตร์ เกม ภาพยนตร์ และรายการทีวี หรือความคาดหวังของสาธารณชนหลังจาก GPT ได้รับความนิยมอย่างรวดเร็ว สาธารณชนต่างรอคอยการเกิดขึ้นของ AGI ที่เหนือระดับการรับรู้ของมนุษย์มานานแล้ว กล่าวอีกนัยหนึ่ง GPT เองก็เป็นผู้บุกเบิก AGI และเป็นเวอร์ชันทำนายของปัญญาประดิษฐ์ทั่วไป

เหตุผลที่ GPT มีพลังอุตสาหกรรมและผลกระทบทางจิตวิทยาที่ยิ่งใหญ่ก็คือ ความรวดเร็วในการนำไปปฏิบัติและประสิทธิภาพการทำงานที่เกินความคาดหมายของประชาชน: ผู้คนไม่คาดคิดว่าระบบปัญญาประดิษฐ์ที่สามารถทำแบบทดสอบทัวริงได้จะมาถึงจริงและด้วยความเร็วที่รวดเร็วเช่นนี้

ในความเป็นจริง ปัญญาประดิษฐ์ (AGI) อาจสร้างปรากฏการณ์ GPT ขึ้นมาใหม่ได้อีกครั้งภายใน 1-2 ปี โดยผู้คนเริ่มคุ้นเคยกับความช่วยเหลือของ GPT และพบว่า AI ไม่ได้เป็นแค่ผู้ช่วยอีกต่อไป แต่ยังสามารถทำงานที่สร้างสรรค์และท้าทายอย่างมากได้ด้วยตนเอง รวมถึงปัญหาที่ยากๆ ที่เคยทำให้เหล่านักวิทยาศาสตร์ชั้นนำด้านมนุษย์ต้องเผชิญมานานหลายทศวรรษ

เมื่อวันที่ 8 เมษายนของปีนี้ มัสก์ได้รับสัมภาษณ์โดยนิโคไล แทนเกน ซึ่งเป็นประธานเจ้าหน้าที่ฝ่ายการลงทุนของกองทุน Norwegian Sovereign Wealth Fund และพูดคุยเกี่ยวกับเวลาที่จะเกิด AGI

“หากคุณนิยามว่า AGI ฉลาดกว่ามนุษย์ที่ฉลาดที่สุด ผมคิดว่าสิ่งนี้มีแนวโน้มที่จะเกิดขึ้นภายในปี 2025” เขากล่าว

กล่าวคือ ตามการอนุมานของเขา AGI จะต้องใช้เวลาอย่างมากที่สุดหนึ่งปีครึ่งจึงจะมาถึง แน่นอนว่าเขาได้เพิ่มเงื่อนไขเบื้องต้น ซึ่งก็คือหากไฟฟ้าและฮาร์ดแวร์สามารถตามทันได้

ประโยชน์จากการมาถึงของ AGI นั้นชัดเจน

นั่นหมายความว่าผลผลิตของมนุษยชาติจะดีขึ้นอย่างมาก และปัญหาการวิจัยทางวิทยาศาสตร์จำนวนมากที่ทำให้เราลำบากใจมานานหลายทศวรรษจะได้รับการแก้ไข หากเราให้คำจำกัดความส่วนที่ชาญฉลาดที่สุดของมนุษยชาติว่าเป็นระดับของผู้ได้รับรางวัลโนเบล นั่นหมายความว่าตราบใดที่ยังมีพลังงาน พลังการประมวลผล และข้อมูลเพียงพอ เราก็จะมีผู้ได้รับรางวัลโนเบลจำนวนนับไม่ถ้วนทำงานตลอดเวลาเพื่อแก้ไขปัญหาทางวิทยาศาสตร์ที่ยากที่สุด

ในความเป็นจริง ผู้ได้รับรางวัลโนเบลไม่ได้หายากเท่ากับหนึ่งในร้อยล้านคน ส่วนใหญ่อยู่ในระดับศาสตราจารย์ของมหาวิทยาลัยชั้นนำในด้านความสามารถและสติปัญญา แต่เนื่องจากความน่าจะเป็นและโชค พวกเขาจึงเลือกเส้นทางที่ถูกต้อง ทำงานต่อไปและได้ผลลัพธ์ คนที่มีระดับเดียวกับเขา เพื่อนร่วมงานที่ยอดเยี่ยมไม่แพ้กัน อาจได้รับรางวัลโนเบลในจักรวาลคู่ขนานของการวิจัยทางวิทยาศาสตร์เช่นกัน แต่น่าเสียดายที่ยังคงมีผู้คนที่เป็นศาสตราจารย์ในมหาวิทยาลัยชั้นนำและมีส่วนร่วมในความก้าวหน้าทางการวิจัยทางวิทยาศาสตร์ไม่เพียงพอ ดังนั้นความเร็วในการเดินทางไปในทิศทางที่ถูกต้องทั้งหมดของการวิจัยทางวิทยาศาสตร์จึงยังคงช้ามาก

ด้วย AGI หากพลังงานและพลังการประมวลผลได้รับการจัดหาอย่างเต็มกำลัง เราก็จะมี AGI ระดับผู้ได้รับรางวัลโนเบลอย่างไม่จำกัดเพื่อทำการสำรวจเชิงลึกในทิศทางการพัฒนาทางวิทยาศาสตร์ที่เป็นไปได้ทุกทิศทาง และความเร็วของความก้าวหน้าทางเทคโนโลยีจะเร็วขึ้นหลายสิบเท่า ความก้าวหน้าทางเทคโนโลยีจะนำไปสู่ทรัพยากรที่เพิ่มขึ้นร้อยเท่า ซึ่งปัจจุบันเราถือว่ามีราคาแพงมากและหายากใน 10 ถึง 20 ปี เช่น การผลิตอาหาร วัสดุใหม่ ยาใหม่ การศึกษาระดับสูง เป็นต้น ต้นทุนในการจัดหาสิ่งเหล่านี้จะลดลงแบบทวีคูณ ทำให้เราสามารถเลี้ยงคนได้มากขึ้นด้วยทรัพยากรที่น้อยลง และความมั่งคั่งต่อหัวจะเพิ่มขึ้นอย่างรวดเร็ว

แผนภูมิแนวโน้ม GDP ของโลก แหล่งที่มาข้อมูล: ธนาคารโลก

นี่อาจฟังดูน่าตื่นเต้นเล็กน้อย แต่ลองมาดูตัวอย่างสองตัวอย่างที่ฉันใช้ก่อนหน้านี้ รายงานการวิจัยเกี่ยวกับ IO.NET :

• ในปี 2018 ฟรานซิส อาร์โนลด์ ผู้ได้รับรางวัลโนเบลสาขาเคมี กล่าวในพิธีมอบรางวัลว่า ปัจจุบัน เราสามารถอ่าน เขียน และแก้ไขลำดับดีเอ็นเอใดๆ ก็ได้ในการประยุกต์ใช้จริง แต่เรายังไม่สามารถเรียบเรียงมันได้ เพียงห้าปีหลังจากคำปราศรัยของเขา ในปี 2023 นักวิจัยจากมหาวิทยาลัยสแตนฟอร์ดและ Salesforce Research ซึ่งเป็นบริษัทสตาร์ทอัพด้าน AI ในซิลิคอนวัลเลย์ ได้ตีพิมพ์บทความใน Nature Biotechnology พวกเขาสร้างโปรตีนใหม่ 1 ล้านตัวตั้งแต่ต้นโดยใช้โมเดลภาษาขนาดใหญ่ที่ปรับแต่งตาม GPT 3 และพบโปรตีน 2 ตัวที่มีโครงสร้างที่แตกต่างกันโดยสิ้นเชิง แต่ทั้งคู่มีความสามารถในการฆ่าเชื้อแบคทีเรีย ซึ่งคาดว่าจะกลายเป็นสารละลายต่อต้านแบคทีเรียนอกเหนือจากยาปฏิชีวนะ กล่าวอีกนัยหนึ่ง: ด้วยความช่วยเหลือของ AI คอขวดของการสร้างโปรตีนก็ถูกทำลายลง

• ก่อนหน้านี้ อัลกอริทึม AlphaFold ของปัญญาประดิษฐ์สามารถทำนายโครงสร้างโปรตีนจำนวน 214 ล้านโครงสร้างบนโลกได้เกือบทั้งหมดภายในเวลา 18 เดือน ความสำเร็จนี้สูงกว่าผลงานของนักชีววิทยาโครงสร้างของมนุษย์ในอดีตหลายร้อยเท่า

การเปลี่ยนแปลงกำลังเกิดขึ้นและการมาถึงของ AGI จะทำให้กระบวนการนี้เร่งเร็วขึ้นไปอีก

ในทางกลับกัน ความท้าทายที่เกิดจากการถือกำเนิดของ AGI นั้นก็มหาศาลเช่นกัน

AGI จะไม่เพียงแต่เข้ามาแทนที่คนงานด้านจิตใจจำนวนมากเท่านั้น แต่ยังรวมถึงคนงานด้านบริการทางกายภาพซึ่งปัจจุบันถือว่าได้รับผลกระทบจาก AI น้อยกว่าด้วย เนื่องจากเทคโนโลยีหุ่นยนต์มีการพัฒนามากขึ้น และต้นทุนการผลิตที่ลดลงอันเป็นผลจากการวิจัยและพัฒนาวัสดุใหม่ๆ สัดส่วนของงานที่ถูกแทนที่ด้วยเครื่องจักรและซอฟต์แวร์จะเพิ่มขึ้นอย่างรวดเร็ว

เมื่อถึงเวลานั้น ปัญหาสองประการที่ครั้งหนึ่งดูเหมือนจะอยู่ห่างไกลก็จะปรากฏขึ้นในไม่ช้า:

• ปัญหาการจ้างงานและรายได้ของผู้ว่างงานจำนวนมาก

• ในโลกที่ AI มีอยู่ทุกหนทุกแห่ง เราจะแยกแยะระหว่าง AI กับมนุษย์อย่างไร

WorldcoinWorldchain กำลังพยายามนำเสนอโซลูชั่นซึ่งก็คือการใช้ระบบ UBI (Universal Basic Income) เพื่อให้รายได้ขั้นพื้นฐานแก่ประชาชนทั่วไป และใช้ไบโอเมตริกซ์จากม่านตาเพื่อแยกแยะระหว่างบุคคลกับ AI

ในความเป็นจริง UBI ซึ่งเป็นเงินที่มอบให้กับทุกคนนั้นไม่ใช่ปราสาทในอากาศหากไม่มีการปฏิบัติจริง ประเทศต่างๆ เช่น ฟินแลนด์และอังกฤษได้นำระบบรายได้พื้นฐานสากลมาใช้ และพรรคการเมืองในแคนาดา สเปน อินเดีย และประเทศอื่นๆ ก็เสนอที่จะส่งเสริมการทดลองที่เกี่ยวข้องอย่างแข็งขัน

ข้อดีของการกระจาย UBI ตามแบบจำลองการรับรู้ทางชีวมาตร + บล็อคเชนคือระบบเป็นแบบทั่วโลกและครอบคลุมประชากรในวงกว้าง นอกจากนี้ ยังสามารถสร้างแบบจำลองธุรกิจอื่นๆ ขึ้นตามเครือข่ายผู้ใช้ที่ขยายออกไปผ่านการกระจายรายได้ เช่น บริการทางการเงิน (Defi) โซเชียลเน็ตเวิร์ก การระดมทุนงาน ฯลฯ เพื่อสร้างการทำงานร่วมกันทางธุรกิจภายในเครือข่าย

เป้าหมายที่สอดคล้องกันอย่างหนึ่งสำหรับผลกระทบที่เกิดจาก AGI คือ Worldcoin – WLD ซึ่งมีมูลค่าตลาดการหมุนเวียนอยู่ที่ $1.03 พันล้าน และมูลค่าตลาดการหมุนเวียนรวมอยู่ที่ $47.2 พันล้าน

ความเสี่ยงและความไม่แน่นอนในการอนุมานเชิงบรรยาย

บทความนี้แตกต่างจากรายงานโครงการและงานวิจัยติดตามผลหลายๆ ฉบับที่เผยแพร่ก่อนหน้านี้โดย Mint Ventures การสรุปและการคาดการณ์เรื่องราวเป็นเรื่องส่วนตัวอย่างมาก โปรดถือว่าเนื้อหาของบทความนี้เป็นการอภิปรายที่แตกต่างกันมากกว่าการคาดการณ์อนาคต การสรุปเรื่องราวข้างต้นเผชิญกับความไม่แน่นอนหลายประการ ซึ่งนำไปสู่การคาดเดาที่ผิด ความเสี่ยงหรือปัจจัยที่มีอิทธิพลเหล่านี้รวมถึงแต่ไม่จำกัดเพียง:

• พลังงาน: การอัปเกรด GPU ทำให้การใช้พลังงานลดลงอย่างรวดเร็ว

แม้ว่าความต้องการพลังงานสำหรับ AI จะพุ่งสูงขึ้น แต่ผู้ผลิตชิปอย่าง NVIDIA ก็ยังให้พลังการประมวลผลที่สูงขึ้นด้วยการใช้พลังงานที่น้อยลงผ่านการอัปเกรดฮาร์ดแวร์อย่างต่อเนื่อง ตัวอย่างเช่น ในเดือนมีนาคมปีนี้ NVIDIA ได้เปิดตัวการ์ดประมวลผล AI รุ่นใหม่ GB 200 ที่ผสานรวม GPU B 200 สองตัวและ CPU Grace หนึ่งตัว ประสิทธิภาพในการฝึกอบรมนั้นสูงกว่า GPU AI หลักรุ่นก่อนหน้า H 100 ถึง 4 เท่า และประสิทธิภาพการใช้เหตุผลนั้นสูงกว่า H 100 ถึง 7 เท่า แต่การใช้พลังงานที่จำเป็นนั้นมีเพียง 1/4 ของ H 100 เท่านั้น แน่นอนว่าแม้จะเป็นเช่นนี้ ความต้องการพลังงานจาก AI ของผู้คนก็ยังห่างไกลจากคำว่าสิ้นสุด เมื่อการใช้พลังงานต่อหน่วยลดลง เมื่อสถานการณ์การใช้งาน AI และความต้องการขยายตัวมากขึ้น การใช้พลังงานทั้งหมดอาจเพิ่มขึ้นจริง

• ข้อมูล: Q* วางแผนที่จะสร้างข้อมูลด้วยตนเอง

OpenAI มีข่าวลือเกี่ยวกับโปรเจ็กต์ Q* อยู่เสมอมา โดยโปรเจ็กต์นี้ถูกกล่าวถึงในข้อความภายในที่ส่งถึงพนักงานโดย OpenAI ตามรายงานของ Reuters ซึ่งอ้างข้อมูลจากบุคคลภายใน OpenAI โปรเจ็กต์นี้อาจเป็นความก้าวหน้าครั้งสำคัญสำหรับ OpenAI ในการแสวงหาปัญญาประดิษฐ์ขั้นสูง/ปัญญาประดิษฐ์ทั่วไป (AGI) Q* ไม่เพียงแต่สามารถแก้ปัญหาทางคณิตศาสตร์ที่ไม่เคยพบเห็นมาก่อนด้วยความสามารถเชิงนามธรรมเท่านั้น แต่ยังสามารถสร้างข้อมูลสำหรับฝึกอบรมโมเดลขนาดใหญ่ได้ด้วยตัวเองโดยไม่จำเป็นต้องป้อนข้อมูลในโลกแห่งความเป็นจริงอีกด้วย หากข่าวลือนี้เป็นจริง คอขวดของการฝึกอบรมโมเดลขนาดใหญ่ของ AI ที่ถูกจำกัดด้วยข้อมูลคุณภาพสูงที่ไม่เพียงพอจะถูกทำลายลง

• การถือกำเนิดของ AGI: ความกังวลที่ซ่อนอยู่ของ OpenAI

ไม่ทราบว่า AGI จะมาในปี 2025 ตามที่มัสก์กล่าวไว้หรือไม่ แต่เป็นเพียงเรื่องของเวลาเท่านั้น อย่างไรก็ตาม ในฐานะผู้ได้รับผลประโยชน์โดยตรงจากเรื่องราวการมาของ AGI ความกังวลที่ใหญ่ที่สุดของ Worldcoin อาจมาจาก OpenAI เพราะอย่างไรก็ตาม OpenAI ได้รับการยอมรับว่าเป็น "โทเค็นเงาของ OpenAI"

ในช่วงเช้าของวันที่ 14 พฤษภาคม OpenAI ได้สาธิตประสิทธิภาพของ GPT-4 o รุ่นล่าสุดและอีก 19 เวอร์ชันของโมเดลภาษาขนาดใหญ่ในคะแนนงานที่ครอบคลุมในงานเปิดตัวผลิตภัณฑ์ใหม่ประจำฤดูใบไม้ผลิ เมื่อพิจารณาจากตารางเพียงอย่างเดียว GPT-4 o ได้คะแนน 1,310 ซึ่งดูจากภาพแล้วดูเหมือนจะสูงกว่ารุ่นหลังมาก แต่เมื่อพิจารณาจากคะแนนรวมแล้ว สูงกว่า GPT 4 turbo ที่อยู่ในอันดับสองเพียง 4.5% สูงกว่า Google Gemini 1.5 Pro ที่อยู่ในอันดับที่สี่ 4.9% และสูงกว่า Anthropic Claude 3 Opus ที่อยู่ในอันดับที่ห้า 5.1%

เวลาผ่านไปเพียงหนึ่งปีเศษนับตั้งแต่ GPT 3.5 สร้างความตกตะลึงให้กับโลกเมื่อเปิดตัวครั้งแรก และคู่แข่งของ OpenAI ก็ได้ไล่ตามทันแล้ว (แม้ว่า GPT 5 จะยังไม่ได้เปิดตัวและคาดว่าจะเปิดตัวในปีนี้) ดูเหมือนว่า OpenAI จะสามารถรักษาตำแหน่งผู้นำในอุตสาหกรรมในอนาคตได้หรือไม่ หากข้อได้เปรียบและความโดดเด่นของ OpenAI ลดลงหรือแซงหน้าไป มูลค่าของ Worldcoin ในฐานะโทเค็นเงาของ OpenAI ก็จะลดลงเช่นกัน

นอกจากโซลูชันการตรวจสอบม่านตาของ Worldcoin แล้ว ยังมีคู่แข่งอีกมากมายที่เข้ามาในตลาดนี้ ตัวอย่างเช่น โปรเจ็กต์ Humanity Protocol ที่ใช้การสแกนลายนิ้วมือเพิ่งประกาศการระดมทุนรอบใหม่มูลค่า $30 ล้านดอลลาร์สหรัฐ โดยมีมูลค่า $1 พันล้านดอลลาร์สหรัฐ LayerZero Labs ยังประกาศด้วยว่าจะดำเนินการบน Humanity และเข้าร่วมเครือข่ายโหนดผู้ตรวจสอบ โดยใช้หลักฐาน ZK เพื่อยืนยันข้อมูลประจำตัว

บทสรุป

ในที่สุด แม้ว่าผู้เขียนจะได้ข้อสรุปเกี่ยวกับ AI Track ในภายหลัง แต่ AI Track นั้นแตกต่างจาก Crypto-native Track เช่น DeFi โดย AI Track เป็นผลผลิตจากกระแส AI ที่แพร่กระจายไปสู่วงการสกุลเงิน โครงการปัจจุบันจำนวนมากไม่ประสบความสำเร็จในแง่ของรูปแบบธุรกิจ และโครงการจำนวนมากก็คล้ายกับมีมที่มีธีมเกี่ยวกับ AI มากกว่า (ตัวอย่างเช่น Rndr นั้นคล้ายกับมีมของ Nvidia และ Worldcoin นั้นคล้ายกับมีมของ OpenAI) ผู้อ่านควรอ่านด้วยความระมัดระวัง

บทความนี้มีที่มาจากอินเทอร์เน็ต: คลื่นลูกต่อไปของการอนุมานเชิงบรรยายในแทร็ก AI ของคริปโต: ปัจจัยเร่งปฏิกิริยา เส้นทางการพัฒนา และเป้าหมายที่เกี่ยวข้อง

ที่เกี่ยวข้อง: เฟสที่สองของ "Golden Points" ของ Blast จะออกเร็วๆ นี้ เราจะสะสมคะแนนอย่างมีประสิทธิภาพได้อย่างไร?

ต้นฉบับ ｜Odaily Planet Daily ผู้เขียน: Azuma เมื่อสุดสัปดาห์ที่แล้ว Blast ได้ประกาศรายละเอียดการแจกจ่ายของระยะที่สองของ Gold Points (Blast Gold) อย่างเป็นทางการ และประกาศว่าจะแจกจ่าย Gold Points ทั้งหมด 10 ล้านให้กับโครงการด้านสิ่งแวดล้อม 70 โครงการในสัปดาห์นี้ ในฐานะตัวชี้วัดการประเมินการมีส่วนสนับสนุนที่สำคัญอีกตัวหนึ่งซึ่งเป็นอิสระจากระบบคะแนนทั่วไปที่กำลังขยายตัวมากขึ้นเรื่อยๆ เนื่องจาก Blast เคยระบุไว้ก่อนหน้านี้ว่า 50% ของหุ้น Airdrop จะถูกจัดสรรให้กับผู้ถือ Gold Points คะแนนทองจึงถือว่ามีค่าที่สุดใน Blast เช่นกัน เมื่อเปรียบเทียบกับโอกาสการจัดสรรระยะแรก การจัดสรร Golden Points ทั้งหมดในระยะนี้ (10 ล้าน) ไม่เปลี่ยนแปลง แต่จำนวนโครงการที่เลือกไว้ลดลงครึ่งหนึ่ง (140 ในระยะแรก) และ Blast ได้ใช้...