Vithamini vya Kripto Vilivyojengwa kwa Akili Bandia: Ni Uongo wa Akili Bandia Isiyoimarishwa?

Yaliyomo

1 Utangulizi

Muunganiko wa blockchain na akili bandia (AI) umesababisha kuibuka kwa vithamini vilivyojengwa kwa AI, ambavyo ni mali za kriptografia zilizoundwa kuwezesha majukwaa na huduma za AI zisizoimarishwa. Vithamini hivi vinalenga kubadilisha udhibiti wa teknolojia za AI kutoka kwa makampuni yaliyojikita katikana hadi kwa mifumo huru inayoongozwa na jamii. Lengo kuu ni kuendeleza huduma za AI zinazoakisi kanuni za blockchain: usimbaji, uhuru wa kujitawala, na umiliki wa mtumiaji wa data na michakato ya hesabu.

Kufuatia kutoa ChatGPT mwishoni mwa mwaka 2022, mali za kriptografia zinazohusiana na AI zilipata faida kubwa zisizo za kawaida, na faida ya kilele ikizidi 41% ndani ya wiki mbili. Mwitikio huu wa soko unazua maswali muhimu kuhusu kama vithamini hivi vinawakilisha matumizi ya kiteknolojia na usimbaji halisi au vinatumia tu hadithi zinazohusiana na AI kwa faida ya kifedha.

2 Muundo wa Kiteknolojia wa Vithamini vya Akili Bandia

2.1 Miundo ya Matumizi ya Vithamini

Vithamini vya AI hutumika kazi nyingi ndani ya mifumo yao:

• Malipo kwa Huduma: Vithamini kama RENDER na AGIX hurahisisha malipo kwa hesabu za AI na upatikanaji wa mifano
• Haki za Utawala: Wamiliki wa vithamini hushiriki katika uamuzi wa jukwaa
• Mifumo ya Kuwekeza: Watumiaji huwekeza vithamini kupata rasilimali za mtandao na kupata malipo
• Uzalishaji wa Mapato kutoka kwa Data Itifaki kama Ocean Protocol huwezesha ushiriki wa data na uzalishaji wa mapato

2.2 Mbinu za Makubaliano

Miradi tofauti ya vithamini vya AI hutumia mbinu tofauti za makubaliano:

• Lahaja za Uthibitishaji wa Umiliki: Zinazotumiwa na majukwaa kama Fetch.ai kwa usalama wa mtandao
• Makubaliano ya Kujifunza Shirikishi: Mbinu ya Bittensor inayochanganya utendaji wa mfano wa AI na makubaliano
• Mifumo Mseto: Kuchanganya makubaliano ya kawaida ya blockchain na uthibitishaji maalum la AI

3 Mipaka na Changamoto

3.1 Mipaka ya Kiteknolojia

Utekelezaji wa sasa wa vithamini vya AI unakabiliwa na changamoto kubwa za kiteknolojia:

• Utegemezi wa Hesabu Nje ya Mnyororo: Hesabu nyingi za AI hufanyika nje ya mnyororo, na hivyo kupunguza faida za usimbaji
• Matatizo ya Uwezo wa Kukua: Shughuli za AI kwenye mnyororo zinakabiliwa na mipaka ya uwezo
• Akili Bandia Mdogo kwenye Mnyororo: Miundombinu ya sasa ya haiwezi kusaidia utekelezaji wa mifumo changamano ya AI

3.2 Wasiwasi wa Mtindo wa Biashara

Miradi mingi ya vithamini vya AI inarudia miundo iliyojikita katikana:

• Tabaka za malipo zenye msingi wa vithamini zinaongezwa kwa miundo ya kawaida ya huduma
• Mifumo ya utawala ambayo haibadilishi kikamilifu usawa wa nguvu
• Thamani mpya ndogo zaidi ya huduma zilizopo za AI zilizojikita katikana

4 Matokeo ya Kipelelezi

Uchambuzi wa Utendaji wa Soko

Utafiti wa [11, 12] ulirekodi mwitikio mkubwa wa soko kwa tangazo la vithamini vya AI:

Mwendo wa bei unaweza kuonyeshwa kwa kutumia mfano wa bei ya mali mkuu (CAPM):

$R_{it} - R_{ft} = \alpha_i + \beta_i(R_{mt} - R_{ft}) + \epsilon_{it}$

Ambapo $R_{it}$ ni faida ya kithamini cha AI i kwa wakati t, $R_{ft}$ ni kiwango kisicho na hatari, na $R_{mt}$ ni faida ya soko.

5 Utekelezaji wa Kiteknolojia

Mfano wa Mkataba Smart

Hapa chini kuna mkataba rahisi wa smart kwa soko la mifano ya AI:

pragma solidity ^0.8.0;

contract AIModelMarketplace {
    struct Model {
        address owner;
        string modelHash;
        uint256 price;
        bool isActive;
    }
    
    mapping(uint256 => Model) public models;
    uint256 public modelCount;
    
    event ModelListed(uint256 modelId, address owner, uint256 price);
    event ModelPurchased(uint256 modelId, address buyer, uint256 price);
    
    function listModel(string memory _modelHash, uint256 _price) public {
        modelCount++;
        models[modelCount] = Model({
            owner: msg.sender,
            modelHash: _modelHash,
            price: _price,
            isActive: true
        });
        emit ModelListed(modelCount, msg.sender, _price);
    }
    
    function purchaseModel(uint256 _modelId) public payable {
        Model storage model = models[_modelId];
        require(model.isActive, "Model not available");
        require(msg.value >= model.price, "Insufficient payment");
        
        payable(model.owner).transfer(model.price);
        emit ModelPurchased(_modelId, msg.sender, model.price);
    }
}

Ujumuishaji wa Kujifunza Shirikishi

Ujumuishaji wa blockchain na kujifunza shirikishi unaweza kuwakilishwa kihisabati:

$\min_{w} \sum_{k=1}^{K} \frac{n_k}{n} F_k(w) + \lambda R(w)$

Ambapo $F_k(w)$ ni kazi lengo la mteja k, $n_k$ ni idadi ya pointi za data kwa mteja k, na $R(w)$ ni neno la kawaida.

6 Matumizi ya Baadaye

Maendeleo Yanayoibuka

• Uthibitishaji kwenye Mnyororo: Uthibitisho wa matokeo ya AI kwa kutumia uthibitisho usiojulikana
• Kujifunza Shirikishi Unaowezeshwa na Blockchain: Muunganiko salama wa mifano ya AI bila kushiriki data
• Mifumo Imara ya Motisha: Uboreshaji wa kiuchumi cha vithamini kwa mifumo endelevu
• Huduma za AI Zenye Mnyororo Mwingi: Mifumo ya AI inayoweza kutumika kwenye blockchain nyingi

Njia ya Kiteknolojia

Maendeleo ya baadaye yanalenga kushughulikia mipaka ya sasa:

• Utekelezaji wa hesabu zinazoweza kuthibitishwa kwa shughuli za AI
• Maendeleo ya blockchain maalum kwa AI
• Ujumuishaji na utafiti unaoibuka wa usalama na usawa wa AI

7 Uchambuzi wa Asili

Kuibuka kwa vithamini vya kripto vilivyojengwa kwa AI kunawakilisha makutano ya kuvutia ya teknolojia mbili zinazobadilisha, lakini uchambuzi wetu unaonyesha pengo kubwa kati ya ahadi zao za kinadharia na utekelezaji wake halisi. Tukilinganisha na ukuzaji wa mitandao ya kupambana na kizazi kama ilivyorekodiwa kwenye karatasi ya asili ya CycleGAN (Zhu et al., 2017), tunaona mifumo sawa ambapo msukumo wa kiteknolojia mara nyingi huzidi ubunifu halisi. Ingawa miradi kama SingularityNET na Bittensor inalenga kuunda masoko ya AI yasiyoimarishwa, miundo yao ya sasa inategemea sana hesabu nje ya mnyororo, na hivyo kuunda vikwazo vya kujikita katikana vinavyodhoofisha kanuni za msingi za blockchain.

Kutoka kwa mtazamo wa kiteknolojia, mipaka ya uwezo wa kukua inasumbua hasa. Kama ilivyoelezwa katika mpango wa Ethereum na utafiti kutoka taasisi kama Kituo cha Blockchain cha Stanford, miundombinu ya sasa ya blockchain haiwezi kushughulikia kwa ufanisi mahitaji ya hesabu ya mifumo changamano ya AI. Msingi wa hisabati wa mbinu nyingi za makubaliano, kwa kawaida hujengwa kwa lahaja za uthibitisho wa umiliki na $\text{Pr}(\text{uchaguzi}) \propto \text{umiliki}^{\alpha}$, inapambana kujumuisha viashiria vya ubora wa mfano wa AI bila kuanzisha vekta mpya za kujikita katikana.

Mienendo ya soko inayozunguka vithamini vya AI kufuatia kutoa ChatGPT inafunua matatizo makubwa kuhusu upatikanaji wa thamani katika mifumo ya kripto. Kulingana na data kutoka CoinGecko na utafiti wa kitaaluma kutoka kwa majukwaa kama SSRN, kupanda kwa bei ya 41% kwa vithamini vya AI kunaonekana kumeachana na maendeleo ya msingi ya kiteknolojia. Muundo huu unafanana na mapovu ya awali ya kripto ambapo uvumi uliongoza uvumi kuliko ustadi wa kiteknolojia. Hata hivyo, maendeleo ya kuleta matumaini katika kujifunza mashine kwa uthibitisho usiojulikana (zkML) na utabiri unaoweza kuthibitishwa, kama ilivyochunguzwa na timu za Berkeley na MIT, inatoa njia zinazowezekana kuelekea AI halisi isiyoimarishwa kwa kuwezesha uthibitishaji kwenye mnyororo wa hesabu nje ya mnyororo.

Tathmini yetu muhimu inapendekeza kwamba ingawa utekelezaji wa sasa unaweza kuwakilisha "uwongo wa usimbaji," dhamira ya msingi bado ni halali. Ujumuishaji wa uthibitisho usio na imani wa blockchain na uwezo wa utabiri wa AI unaweza hatimaye kutoa matumizi mapya yanayozidi kile ambacho teknolojia yoyote inaweza kufikia peke yake. Hata hivyo, kufikilia uwezo huu kunahitaji msingi mkali zaidi wa kiteknolojia na tathmini halisi ya mipaka ya sasa, na kuendelea zaidi ya uvumi wa kifedha unaohusiana na AI ambao kwa sasa unatawala nafasi hii.

8 Marejeo

1. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. IEEE International Conference on Computer Vision.
2. Buterin, V. (2014). Ethereum White Paper: A Next-Generation Smart Contract and Decentralized Application Platform.
3. Goodfellow, I., et al. (2014). Generative Adversarial Networks. Neural Information Processing Systems.
4. Render Network Whitepaper (2023). Decentralized GPU Rendering Platform.
5. SingularityNET Foundation (2021). SingularityNET Whitepaper and Protocol Documentation.
6. Ocean Protocol Foundation (2022). Ocean Protocol: Tools for the Web3 Data Economy.
7. Fetch.ai (2023). Fetch.ai Whitepaper: Autonomous Economic Agents Framework.
8. Numerai (2022). Numerai Tournament Documentation and Tokenomics.
9. Bittensor (2023). Bittensor Protocol: Internet-Scale Neural Networks.
10. Stanford Blockchain Center (2023). Research on Blockchain Scalability and AI Integration.
11. Cryptocurrency and AI Research Group (2023). Market Impact of ChatGPT on AI Tokens. SSRN Electronic Journal.
12. MIT Digital Currency Initiative (2023). Verifiable Computation for AI on Blockchain.