Angesichts der aktuellen Marktdynamik und der ausreichenden Finanzierung ist es wichtig anzuerkennen, dass wir uns in einer aufgeblähten Branche befinden, die möglicherweise nicht den wahren Stand der generativen KI widerspiegelt. Es ist ganz natürlich, ratlos zu sein. Wenn man jedoch vom Hype Abstand nimmt und die Web3-KI-Landschaft anhand der aktuellen Anforderungen untersucht, wird deutlich, wo Web3 einen erheblichen Mehrwert für die nächste Phase der generativen KI bieten kann. Es kann eine Herausforderung sein, durch diesen dichten Schleier aus Fehlinformationen zu navigieren.

Web3-KI-Realitätsverzerrung

Als Menschen, die sich intensiv mit Kryptowährungen beschäftigen, glauben wir fest an die Bedeutung der Dezentralisierung in verschiedenen Aspekten. Künstliche Intelligenz (KI) wird jedoch immer stärker zentralisiert, wenn es um Datenverarbeitung und Rechenleistung geht. Um überzeugende Argumente für die dezentrale KI vorzubringen, müssen wir uns zunächst mit dieser natürlichen Tendenz zur Zentralisierung befassen.

Im Bereich der künstlichen Intelligenz (KI) besteht eine wachsende Diskrepanz zwischen dem wahrgenommenen Wert, den wir aus der KI in Web3 ziehen, und den tatsächlichen Anforderungen der KI-Branche. Die problematische Wahrheit ist, dass die Kluft zwischen KI-Anwendungen in Web2 und Web3 größer wird, anstatt kleiner zu werden, was vor allem auf drei wesentliche Ursachen zurückzuführen ist:

Begrenztes KI-Forschungstalent

Eine bescheidene Anzahl von KI-Spezialisten, wahrscheinlich unter zehn, ist derzeit im Bereich Web3 tätig. Diese Zahl weckt möglicherweise kein großes Vertrauen bei denen, die sich für Web3 als die nächste große Grenze der künstlichen Intelligenz einsetzen.

Eingeschränkte Infrastruktur

Derzeit ist es eine Herausforderung, dafür zu sorgen, dass Webanwendungen nahtlos mit Web3-Backends funktionieren. Daher erscheint es bestenfalls verfrüht, KI-Anwendungen in diesem Zusammenhang zu betrachten. Die durch die Web3-Infrastruktur auferlegten Rechenbeschränkungen erweisen sich für die Entwicklung und Implementierung generativer KI-Lösungen über einen längeren Zeitraum als zu restriktiv.

Begrenzte Modelle, Daten und Rechenressourcen

Als Analyst habe ich beobachtet, dass generative KI von drei wesentlichen Elementen abhängt: Modellen, Daten und Rechenressourcen. Allerdings kann derzeit keines der hochmodernen Modelle auf Web3-Infrastrukturen betrieben werden. Darüber hinaus mangelt es in diesem Bereich an umfangreichen Trainingsdatensätzen, auf denen man aufbauen kann. Darüber hinaus besteht ein erheblicher Qualitätsunterschied zwischen Web3-GPU-Clustern und denen, die für das Vortraining und die Feinabstimmung grundlegender Modelle erforderlich sind.

Als Krypto-Investor und Beobachter der Technologielandschaft bin ich der schwierigen Wahrheit bewusst geworden: Web3 hat versucht, eine „wirtschaftliche Alternative“ zur KI zu entwickeln, wobei es darum ging, die Fähigkeiten der Web2-KI zu reproduzieren, scheiterte jedoch daran. Diese Realität steht jedoch in krassem Gegensatz zu dem bedeutenden Wertversprechen, das die Dezentralisierung in verschiedenen Aspekten der KI mit sich bringt.

Als Forscher, der die Landschaft der dezentralen künstlichen Intelligenz (DAI) erforscht, möchte ich von theoretischen Diskussionen abschalten und mich mit spezifischen Trends in diesem Bereich befassen. Indem wir jeden Trend anhand seines Marktpotenzials bewerten, können wir ein klareres Verständnis dafür gewinnen, wohin sich DAI entwickelt.

Im Bereich Web3-KI hat ein illusorischer Effekt die erste Investitions- und Entwicklungswelle in Richtung Projekte beeinflusst, die scheinbar nichts mit den echten Anforderungen der KI-Branche zu tun haben. Gleichzeitig gibt es innerhalb der Web3-KI aufstrebende Sektoren, die vielversprechend sind.

Einige überbewertete Web3-KI-Trends

Dezentrale GPU-Infrastruktur für Training und Feinabstimmung

In den letzten Jahren ist die Zahl der dezentralen GPU-Infrastrukturen deutlich gestiegen, die es mehr Menschen ermöglichen sollen, Grundmodelle vorab zu trainieren und zu verfeinern. Diese Bewegung ist als Reaktion auf die Dominanz etablierter KI-Labore beim Zugriff auf leistungsstarke GPUs gedacht. Es ist jedoch wichtig zu bedenken, dass das Training großer Basismodelle riesige GPU-Cluster mit blitzschnellen Kommunikationsverbindungen zwischen ihnen erfordert. Ein einzelner Vortrainingszyklus für ein 50B-100B-Modell in einem dezentralen KI-Setup kann über ein Jahr dauern oder sogar fehlschlagen.

ZK-AI-Frameworks

Die Idee, Zero-Knowledge-Berechnungen (ZK) und künstliche Intelligenz (KI) zu integrieren, hat zu faszinierenden Konzepten für die Implementierung von Datenschutzfunktionen in Basismodellen geführt. Angesichts der wachsenden Bedeutung der ZK-Infrastruktur in Web3 zielen mehrere Vorschläge darauf ab, ZK-Berechnungen in Basismodelle zu integrieren. Allerdings stehen zk-AI-Modelle hinsichtlich der Erschwinglichkeit vor einer erheblichen Herausforderung, da sie rechenintensiv sein können, wenn sie auf große Modelle angewendet werden. Darüber hinaus können ZK-Integrationen die Interpretierbarkeit einschränken – ein zentraler Aspekt der generativen KI.

Inferenzbeweis

Im Bereich der Kryptowährungen liegt der Schwerpunkt auf kryptografischen Verifizierungen. Manchmal sind diese Überprüfungen unnötigerweise mit Elementen verknüpft, für die sie nicht erforderlich sind. Im Web3-AI-Bereich stoßen wir auf Fälle, in denen Frameworks kryptografische Beweise für bestimmte Modellausgaben generieren. Allerdings stellen diese Situationen eher marktorientierte als technische Schwierigkeiten dar. Im Wesentlichen ist „Proof-of-Inference“ eine potenzielle Lösung für die Suche nach einem anwendbaren Anwendungsfall und bleibt auf dem heutigen Markt weitgehend wirkungslos.

Einige Web3-KI-Trends mit hohem Potenzial

Agenten mit Geldbörsen

Im Bereich der generativen KI stellen Agenten-Workflows eine faszinierende Entwicklung mit erheblichen Auswirkungen auf Krypto dar. Agenten beziehen sich hier auf fortschrittliche KI-Systeme, die über die bloße Bereitstellung von Antworten auf der Grundlage von Eingaben hinausgehen. Sie können sich auch aktiv an der Ausführung von Aufgaben in einer bestimmten Umgebung beteiligen. Die meisten autonomen Agenten wurden für einzelne Anwendungsfälle entwickelt. Der rasante technologische Fortschritt führt jedoch zu Multi-Agenten-Einstellungen und Zusammenarbeit.

In diesem Bereich haben Kryptowährungen das Potenzial, einen erheblichen Wert zu generieren. Stellen Sie sich die Situation vor, in der ein Vermittler andere Vermittler mit der Erledigung einer Aufgabe beauftragen oder einen Wert als Garantie für die Qualität ihrer Ergebnisse versprechen muss. Die Ausstattung dieser Vermittler mit einer auf Krypto basierenden Finanzinfrastruktur eröffnet zahlreiche Möglichkeiten für die Zusammenarbeit.

Kryptofinanzierung für KI

Als Forscher auf dem Gebiet der generativen künstlichen Intelligenz habe ich festgestellt, dass es in der Open-Source-KI-Community zu erheblichen Finanzierungsengpässen kommt. Die meisten Labore sind aus finanziellen Gründen nicht mehr in der Lage, Großprojekte aufrechtzuerhalten. Allerdings bietet die Kryptowelt mit ihren effizienten Methoden der Kapitalbildung durch Mechanismen wie Airdrops, Anreize und Punkte eine faszinierende Lösung. Dieses Konzept der Verwendung von Krypto-Finanzierungsschienen für generative Open-Source-KI ist ein vielversprechender Bereich, in dem sich diese beiden Trends überschneiden.

Kleine Foundation-Modelle

Letztes Jahr führte Microsoft das Konzept der Small Language Models (SLMs) nach der Einführung seines Phi-Modells ein, das weniger als 2 Milliarden Parameter aufwies, aber die Fähigkeiten größerer Sprachmodelle in Informatik und mathematischen Aufgaben übertraf. Die Bedeutung von SLMs mit einem Parameterbereich zwischen 1 und 5 Milliarden liegt in ihrem Potenzial, die Machbarkeit dezentraler KI voranzutreiben und die Möglichkeiten für geräteinterne KI zu erweitern. Angesichts der aktuellen technologischen Einschränkungen ist es nahezu unmöglich, Modelle mit mehreren Hundert Milliarden Parametern zu dezentralisieren. SLMs eignen sich jedoch gut für den Betrieb auf verschiedenen Web3-Infrastrukturen und ebnen den Weg für eine erhebliche Wertschöpfung mit Web3 und künstlicher Intelligenz.

Synthetische Datengenerierung

Als Analyst bin ich mir darüber im Klaren, dass Datenknappheit eine große Herausforderung für die neueste Generation von Basismodellen darstellt. Als Reaktion darauf besteht ein wachsendes Interesse an der Entwicklung synthetischer Datengenerierungsmethoden, die diese Modelle als Ergänzung zu realen Daten nutzen. Die Nutzung der Mechanismen von Krypto-Netzwerken und Token-Anreizen könnte möglicherweise eine große Anzahl von Mitwirkenden zusammenbringen, um neue synthetische Datensätze zu erstellen.

Andere relevante Web3-KI-Trends

Im Bereich der Web3-KI gibt es mehrere interessante Trends, die es wert sind, über den Nachweis menschlicher Ergebnisse hinaus untersucht zu werden. Die Relevanz von durch Menschen verifizierten Ergebnissen wächst als Reaktion auf die Herausforderungen, die durch KI-generierte Inhalte entstehen. Vertrauen und Transparenz sind entscheidende Elemente, die Web3-Technologien in das Evaluierungs- und Benchmarking-Segment der KI einbringen können. Darüber hinaus bieten menschenzentrierte Feinabstimmungsmethoden wie Reinforcement Learning with Human Feedback (RLHF) ein interessantes Szenario für Web3-Netzwerke. Da die generative KI immer weiter voranschreitet und ausgereift ist, werden mit Sicherheit neue Web3-KI-Anwendungen entstehen.

Die Bedeutung der Verbesserung der KI-Fähigkeiten durch einen stärker dezentralen Ansatz ist unbestreitbar. Obwohl die Web3-Branche möglicherweise nicht den finanziellen Wert der großen KI-Modelle erreicht hat, birgt sie ein enormes Potenzial für den generativen KI-Sektor. Die größte Hürde bei der Weiterentwicklung von Web3-KI könnte jedoch darin bestehen, ihr eigenes „Realitätsverzerrungsfeld“ zu überwinden. Aus Web3-AI kann ein großer Nutzen gezogen werden. Wir müssen uns lediglich auf die Erstellung konkreter Anwendungen konzentrieren.

Als jemand mit umfangreicher Erfahrung in der Kryptowährungsbranche und einem tiefen Verständnis der damit verbundenen Komplexität möchte ich klarstellen, dass die in diesem Artikel geäußerten Perspektiven meine eigenen sind. Sie geben nicht die Ansichten von CoinDesk oder verbundenen Unternehmen wieder.