Da Escassez Digital à Abundância: Como Cripto e IA se Complementam
A convergência entre cripto e IA apresenta um cenário rico em inovação e potencial.
Prezada Nação Bankless,
No artigo de hoje, apresentamos a tradução do artigo From Digital Scarcity to Abundance: How Crypto and AI Complement Each Other, de autoria de Momir Amidzic, originalmente publicado em The Defiant.
Da Escassez Digital à Abundância: Como Cripto e IA se Complementam
A convergência entre cripto e IA apresenta um cenário rico em inovação e potencial.
A convergência entre cripto e IA apresenta um cenário rico em inovação e potencial.
À primeira vista, criptomoedas e inteligência artificial podem parecer tecnologias ortogonais, cada uma construída com princípios fundamentalmente distintos e com funcionalidades divergentes.
No entanto, uma análise mais aprofundada revela uma oportunidade para que essas duas tecnologias se equilibrem e se complementem, onde as forças únicas de cada uma podem aprimorar a outra.
Essa noção de capacidades complementares foi apresentada de forma eloquente por Balaji Srinivasan na conferência SuperAI, inspirando uma comparação detalhada sobre como essas tecnologias interagem.
Criptomoedas operam com uma abordagem de baixo para cima, surgindo dos esforços descentralizados de ciberpunks anônimos e evoluindo ao longo de mais de uma década através dos esforços coordenados de inúmeras entidades independentes ao redor do mundo. Em contraste, a IA é desenvolvida através de uma abordagem de cima para baixo, dominada por alguns gigantes tecnológicos. Essas empresas ditam o ritmo e a dinâmica da indústria, com barreiras de entrada moldadas mais pela intensidade de recursos do que pela sofisticação técnica.
Essas duas tecnologias também têm uma natureza distinta. Em essência, as criptomoedas são sistemas determinísticos que geram resultados imutáveis, como a natureza previsível das funções hash ou provas de conhecimento zero. Isso contrasta fortemente com a natureza probabilística e frequentemente imprevisível da IA.
Da mesma forma, as tecnologias cripto se destacam na verificação, garantindo a autenticidade e segurança das transações e construindo processos e sistemas sem confiança, enquanto a IA foca na geração e criação de abundância de conteúdo digital. No processo de criar abundância digital, no entanto, surge o desafio de garantir a proveniência do conteúdo e evitar o roubo de identidade.
Felizmente, cripto oferece a antítese ao conceito de abundância digital - a escassez digital. Ela oferece ferramentas relativamente maduras que poderiam ser extrapoladas para tecnologias de IA para criar garantias de proveniência do conteúdo e evitar problemas de roubo de identidade.
Uma das principais vantagens das criptomoedas é sua capacidade de atrair hardware e capital substanciais para redes coordenadas que atendem a objetivos específicos. Essa capacidade poderia ser particularmente benéfica para a IA, que consome grandes quantidades de poder computacional. Mobilizar recursos subutilizados para oferecer computação mais barata poderia aumentar significativamente a eficiência da IA.
Ao comparar esses dois gigantes tecnológicos, podemos apreciar não apenas suas contribuições individuais, mas também como eles podem juntos abrir novos caminhos na tecnologia e na economia. Cada um compensa as limitações do outro, criando um futuro mais integrado e inovador. Neste post, exploramos o cenário em desenvolvimento da indústria cripto e IA, destacando alguns setores emergentes na interseção dessas tecnologias.
Redes de Computação
O mapa da indústria começa com as Redes de Computação, que estão tentando enfrentar os desafios do lado da oferta limitada de GPUs e tentam reduzir o custo de computação de maneiras distintas. Vale destacar:
Interoperabilidade de GPU Não Uniforme: uma tentativa muito ambiciosa que carrega alto risco técnico e incerteza, mas se bem-sucedida, teria o potencial de criar algo de enorme escala e impacto, tornando todos os recursos computacionais fungíveis. Essencialmente, a ideia é construir compiladores e outros pré-requisitos para que, no lado da oferta, você possa conectar qualquer recurso de hardware, e no lado da demanda, toda a não uniformidade de hardware seria totalmente abstraída, de modo que sua solicitação de computação pudesse ser roteada para qualquer recurso na rede. Se essa visão se concretizar, reduziria os obstáculos do software CUDA, que é uma solução completamente dominante para desenvolvedores de IA hoje. Novamente, o risco técnico é alto e muitos especialistas são altamente céticos quanto à viabilidade dessa abordagem.
Agregação de GPU de Alta Performance: integrar as GPUs mais demandadas ao redor do mundo em uma rede distribuída e permissionless, sem se preocupar com a interoperabilidade entre recursos de GPU não uniformes.
Agregação de GPU de Consumidor de Commodities: Foca na agregação de algumas das GPUs menos performáticas que podem estar disponíveis em dispositivos de consumo e que representam o recurso mais subutilizado no lado da oferta. Atende aqueles que estão dispostos a sacrificar desempenho e velocidade por processos de treinamento mais baratos e longos.
Treinamento e Inferência
As redes de computação estão sendo aproveitadas para duas funções principais: treinamento e inferência. A demanda por essas redes vem tanto de projetos Web 2.0 quanto Web 3.0. No campo da Web 3.0, projetos como Bittensor utilizam a computação para realizar ajuste fino de modelos. No lado da inferência, iniciativas da Web 3.0 enfatizam a verificabilidade dos processos. Esse foco levou ao surgimento da inferência verificável como um setor de mercado, onde projetos estão explorando maneiras de integrar a inferência de IA em contratos inteligentes enquanto mantêm os princípios de descentralização.
Plataformas de Agentes
Passando para as Plataformas de Agentes, o mapa destaca as principais questões que as startups nesta categoria precisam abordar:
Interoperabilidade de agentes e a capacidade de descobrir e se comunicar uns com os outros.
A capacidade dos agentes de formar coletivos e gerenciar outros agentes.
Propriedade e mercado para agentes de IA.
Essas características enfatizam a importância de sistemas flexíveis e modulares que podem se integrar perfeitamente em várias aplicações de blockchain e IA. Os agentes de IA têm o potencial de mudar completamente a forma como interagimos com a internet e acreditamos que os agentes aproveitariam a infraestrutura cripto para potencializar suas operações. Prevemos que os agentes de IA dependam da infraestrutura cripto das seguintes maneiras:
utilizando redes de rastreamento distribuídas para acessar dados em tempo real da web,
usando canais de pagamento cripto para pagamentos entre agentes,
exigindo apostas econômicas não apenas para permitir punições em caso de comportamento inadequado, mas também para melhorar a capacidade de descoberta dos agentes (ou seja, utilizando a participação como um sinal econômico no processo de descoberta),
aproveitando o consenso cripto para determinar quais eventos devem resultar em penalidades,
padrões de interoperabilidade de código aberto e frameworks de agentes para permitir a construção de coletivos compostos,
confiar no histórico de dados imutáveis para avaliar o desempenho passado e escolher os coletivos de agentes certos em tempo real.
Camada de Dados
Um componente central da convergência Cripto-IA são os dados. Dados são um ativo estratégico na corrida pela IA e, junto com a computação, são o recurso-chave. No entanto, muitas vezes é uma categoria negligenciada, pois a atenção da indústria está focada na camada de computação. Existem muitas abordagens interessantes em que os princípios criptográficos oferecem valor nos processos de aquisição de dados, sendo as duas direções principais:
Acesso a dados da Internet pública.
Acesso a dados em jardins murados.
O primeiro consiste em construir uma rede de scrapers distribuídos que possam rastrear a internet e obter acesso a conjuntos de dados massivos em questão de dias ou fornecer acesso em tempo real a dados muito específicos na internet. No entanto, para ser capaz de extrair os conjuntos de dados massivos da internet, os requisitos de rede são muito altos, cerca de algumas centenas de milhares de nós, pelo menos, para começar com algumas cargas de trabalho significativas. Felizmente, a Grass, uma rede distribuída de nós de scrapping, já possui mais de 2 milhões de nós ativamente compartilhando largura de banda da internet com o objetivo de rastrear toda a internet. Isso mostra o enorme potencial dos incentivos criptoeconômicos em atrair recursos valiosos.
Enquanto a Grass nivela o campo de jogo em termos de acesso a dados públicos, ainda há a questão de acessar o potencial latente dos dados - conjuntos de dados proprietários. Ou seja, ainda há uma tonelada de dados que são mantidos de maneiras que preservam a privacidade devido à sua natureza sensível. Várias startups estão trabalhando no uso de ferramentas de criptografia para permitir que desenvolvedores de IA aproveitem a estrutura subjacente de dados de conjuntos de dados proprietários para construir e ajustar grandes modelos de linguagem, mantendo as informações sensíveis privadas.
Técnicas como aprendizado federado, privacidade diferencial, ambientes de execução confiáveis, criptografia totalmente homomórfica e computações multipartidárias oferecem diferentes níveis de privacidade e trade-offs. Uma visão geral dessas tecnologias é resumida no post de pesquisa da Bagel. Essas tecnologias não apenas protegem a privacidade dos dados em processos de aprendizado de máquina, mas também podem ser implementadas no nível de computação para soluções de IA que preservam a privacidade de forma abrangente.
Dados x Proveniência de modelo
As técnicas de proveniência de dados e modelos visam estabelecer processos que forneçam garantias aos usuários de que eles estão interagindo com os modelos e dados pretendidos. Além disso, essas técnicas fornecem garantias de autenticidade e origem. Tomemos como exemplo a marca d'água. A marca d'água, uma das técnicas de proveniência de modelos, insere assinaturas diretamente nos algoritmos de aprendizado de máquina, mais especificamente diretamente nos pesos do modelo, de forma que, ao serem recuperados, você possa verificar se a inferência veio do modelo pretendido.
Aplicações
Quando se trata de aplicações, o campo de design é ilimitado. No mapa da indústria acima, listamos alguns casos de uso que estamos particularmente empolgados para ver se desenvolverem com a implementação da tecnologia IA no setor Web 3.0. Como a maioria desses casos de uso é autoexplicativa, não forneceremos comentários adicionais neste momento. No entanto, vale a pena notar que a interseção entre IA e Web 3.0 tem o potencial de reestruturar muitos setores no espaço cripto, pois esses novos elementos introduzem mais graus de liberdade para os desenvolvedores criarem casos de uso inovadores e otimizarem os existentes.
Conclusão
A convergência entre cripto e IA apresenta um cenário rico em inovação e potencial. Ao aproveitar os pontos fortes exclusivos de cada tecnologia, podemos enfrentar seus desafios respectivos e abrir novos caminhos na tecnologia. À medida que navegamos por esta indústria nascente, as sinergias entre cripto e IA provavelmente impulsionarão avanços que reestruturarão nossas experiências digitais futuras e a maneira como interagimos na web.
A fusão da escassez digital com a abundância digital, a mobilização de recursos subutilizados para eficiência computacional e o estabelecimento de práticas de dados seguras e que preservam a privacidade definirão a próxima era da evolução tecnológica.
No entanto, é crucial reconhecer que esta indústria ainda está em seus estágios iniciais, e há um risco de que o mapa atual da indústria possa se tornar obsoleto em um curto período. O ritmo rápido da inovação significa que as soluções de ponta de hoje podem rapidamente ser superadas por novas descobertas. Apesar disso, os conceitos fundamentais explorados — como redes de computação, plataformas de agentes e protocolos de dados — destacam as imensas possibilidades na interseção de IA e Web 3.0.
Tem interesse em contribuir com o movimento Bankless no Brasil ou ficou com alguma dúvida depois de ler o artigo? Entre no nosso servidor do Discord e embarque também nessa jornada!
Esse texto não é recomendação financeira ou fiscal. Este é um boletim informativo, com finalidade estritamente educacional e não se trata de um conselho de investimento ou uma sugestão para comprar ou vender quaisquer ativos ou tomadas de decisão financeira, também não é um conselho fiscal. Consulte um contador. Faça a sua própria pesquisa.
Parêntesis. Ocasionalmente, podemos adicionar links para produtos que usamos neste boletim informativo. Podemos receber comissão caso você realize uma compra através de um desses links. Sempre divulgaremos quando for o caso.