Децентралізовані фінанси (DeFi) зробили революцію в традиційних фінансах, запустивши історію експоненціального зростання за допомогою серії простих, але потужних економічних примітивів, перетворивши блокчейн-мережі на глобальний маркетплейс без дозволів. У розвитку DeFi лінгва франка вартості стали кількома ключовими показниками: загальна заблокована вартість (TVL), річна норма прибутковості (APY/APR) та ліквідність. Ці чіткі показники викликають зацікавленість і довіру. Наприклад, TVL DeFi (доларова вартість активів, заблокованих у протоколі) злетів у 14 разів у 2020 році, а потім знову зріс у чотири рази у 2021 році, досягнувши піку вище 112 мільярдів доларів. Висока прибутковість (деякі платформи заявляють про APY до 3000% під час буму фермерства ліквідності) приваблює ліквідність, тоді як глибина пулів ліквідності сигналізує про менше прослизання та більш ефективний ринок. Коротше кажучи, TVL говорить нам, «скільки грошей задіяно», APR – «скільки ви можете заробити», а ліквідність показує, «наскільки легко торгувати активами». Незважаючи на свої недоліки, ці показники дозволили з нуля побудувати багатомільярдну фінансову екосистему. Перетворивши залучення користувачів на негайну фінансову можливість, DeFi створив самопідсилювальний маховик для впровадження, який зробив його швидко популярним, стимулюючи масову участь.
Сьогодні штучний інтелект знаходиться на подібному роздоріжжі. Але на відміну від DeFi, у нинішньому наративі про штучний інтелект домінують великі моделі загального призначення, навчені на величезних наборах інтернет-даних. Цим моделям часто важко досягти ефективних результатів у сегментах, спеціалізованих завданнях або індивідуальних потребах. Їхня модель «універсальна» потужна, але тендітна, універсальна, але неправильно розташована. Ця парадигма гостро потребує зміни парадигми. Наступна ера штучного інтелекту не повинна визначатися розміром або універсальністю моделей, а повинна зосередитися на «знизу-вгору» – менших, вузькоспеціалізованих моделях. Цей вид індивідуального штучного інтелекту вимагає абсолютно нового типу даних: високоякісних, орієнтованих на людину та конкретних даних. Але отримання такого роду даних не таке просте, як сканування Інтернету, воно вимагає активного та свідомого внеску окремих осіб, експертів у домені та спільнот.
Щоб просунути цю професіоналізовану, узгоджену з людством нову еру ШІ, нам потрібно побудувати стимулюючий маховик, подібний до DeFi, призначений для фінансів. Це означає введення нових рідних для ШІ примітивів для вимірювання якості даних, продуктивності моделей, надійності агентів та стимулів узгодження — ці показники повинні прямо відображати справжню цінність даних як активів (а не лише як вхідних даних).
У цій статті досліджуються ці нові примітиви, які формують основу економіки, заснованої на штучному інтелекті. Ми пояснимо, як штучний інтелект може процвітати, якщо є правильна економічна інфраструктура, тобто генерувати високоякісні дані, стимулювати їх створення та використання, а також ставити людину в центр. Ми також розглянемо такі платформи, як LazAI, як приклади, щоб проаналізувати, як вони очолюють ці фреймворки, засновані на штучному інтелекті, щоб очолити нову парадигму в ціноутворенні та винагороді даних для забезпечення наступного стрибка в інноваціях штучного інтелекту.
Мотиваційний механізм DeFi: TVL, прибутковість та ліквідність — швидкий огляд
Виникнення DeFi не є випадковим, його дизайн робить участь вигідною та прозорою. Загальна заблокована вартість (TVL), річна прибутковість (APY/APR) та ліквідність – це не лише цифри, а й первісні елементи, що узгоджують поведінку користувачів з ростом мережі. Ці показники разом формують позитивний цикл, який приваблює користувачів і капітал, що, в свою чергу, сприяє подальшим інноваціям.
Загальна заблокована вартість (TVL): TVL вимірює загальний капітал, внесений у протоколи DeFi (наприклад, кредитні пули, пули ліквідності) і стає синонімом «ринкової капіталізації» проєктів DeFi. Стрімке зростання TVL розглядається як ознака довіри користувачів і здоров'я протоколу. Наприклад, під час буму DeFi у 2020-2021 роках TVL підскочив з менш ніж 10 мільярдів доларів до понад 100 мільярдів доларів і перевищив 150 мільярдів доларів у 2023 році, демонструючи масштаб цінності, яку учасники готові зафіксувати в децентралізованих додатках. Високий TVL створює гравітаційний ефект: більший капітал означає більшу ліквідність та стабільність, залучаючи більше користувачів для пошуку можливостей. У той час як критики вказують на те, що сліпа гонитва за TVL може призвести до протоколів, які маскують неефективність, надаючи нестійкі стимули (по суті, «купуючи» TVL), ранньому наративу DeFi не вистачатиме конкретного способу відстеження без TVL.
Річна норма прибутковості (APY/APR): зобов'язання щодо прибутковості перетворюють залучення на реальні можливості. Протоколи DeFi починають пропонувати дивовижну річну відсоткову ставку для постачальників ліквідності або фінансування. Наприклад, Compound запустила токен COMP у середині 2020 року, започаткувавши модель майнінгу ліквідності, винагороджуючи постачальників ліквідності токенами управління. Це нововведення викликало шаленство активності. Використання платформи – це вже не просто послуга, це інвестиція. Високий APY приваблює шукачів доходу, що ще більше сприяє зростанню TVL. Цей механізм винагороди стимулює зростання мережі, безпосередньо заохочуючи ранніх користувачів великими винагородами.
Ліквідність: У фінансах під ліквідністю мається на увазі здатність переміщати активи, не викликаючи різких коливань цін – наріжний камінь здорового ринку. Ліквідність у DeFi часто ініціюється через програми майнінгу ліквідності, де користувачі заробляють токени за надання ліквідності. Глибока ліквідність децентралізованих бірж і пулів кредитування означає, що користувачі можуть торгувати або брати позики з низьким рівнем тертя, покращуючи користувацький досвід. Висока ліквідність призводить до більшого обсягу торгів та корисності, що в свою чергу приваблює більше ліквідності – класичний цикл позитивного зворотного зв'язку. Він також підтримує компонування: розробники можуть створювати нові продукти (похідні, агрегатори тощо) на основі ліквідних маркетплейсів, щоб стимулювати інновації. Як наслідок, ліквідність стає джерелом життєвої сили мережі, сприяючи впровадженню та появі нових послуг.
Разом ці примітиви створюють потужний мотиваційний маховик. Учасники, які створюють цінність шляхом блокування активів або надання ліквідності, негайно винагороджуються (через високу прибутковість і стимули для токенів), заохочуючи більшу участь. Це перетворює індивідуальну взаємодію на широкі можливості – заробіток користувачів та вплив на управління – які, у свою чергу, генерують мережеві ефекти, які приваблюють тисячі користувачів приєднатися. Результати вражають: до 2024 року DeFi налічуватиме понад 10 мільйонів користувачів, а за кілька років його вартість зросла майже в 30 разів. Очевидно, що масштабне узгодження стимулів – перетворення користувачів на зацікавлені сторони – є ключем до експоненціального зростання DeFi.
Відсутність сучасної AI економіки
Якщо DeFi продемонструвала, як участь знизу вгору та вирівнювання стимулів можуть запустити фінансову революцію, то сьогоднішня економіка ШІ все ще відчуває брак базових елементів, які підтримували б подібні зміни. Наразі ШІ домінують великі загальні моделі, треновані на основі величезних наборів даних, зібраних з Інтернету. Ці базові моделі вражають своїми масштабами, але призначені для вирішення всіх проблем, і, як правило, не можуть особливо ефективно обслуговувати когось конкретного. Їхня "однаковість" архітектури важко адаптується до спеціалізованих галузей, культурних відмінностей або індивідуальних уподобань, що призводить до слабкого виходу, наявності сліпих зон і до все більшого відриву від реальних потреб.
Наступне покоління штучного інтелекту більше не буде визначатися масштабом, а й контекстуальним розумінням – здатністю моделей розуміти та обслуговувати конкретні домени, професійні спільноти та різноманітні людські точки зору. Однак цей контекстуальний інтелект вимагає інших вхідних даних: високоякісних, орієнтованих на людину даних. І це саме те, чого зараз не вистачає. Наразі не існує загальноприйнятого механізму для вимірювання, ідентифікації, оцінки або пріоритизації цих даних, а також не існує відкритого процесу, за допомогою якого окремі особи, спільноти чи експерти в галузі можуть висловити свої погляди та вдосконалити інтелектуальні системи, які дедалі більше впливають на їхнє життя. Як наслідок, вартість залишається сконцентрованою в руках кількох постачальників інфраструктури, а маси від'єднані від потенціалу зростання економіки штучного інтелекту. Лише розробляючи нові примітиви, які виявляють, перевіряють і винагороджують високоцінні внески (дані, відгуки, сигнали вирівнювання), ми можемо розблокувати цикл спільного зростання, на якому процвітає DeFi.
Коротко кажучи, ми також повинні запитати:
Як ми повинні вимірювати цінність створення? Як побудувати самопідсилювальне коло прийняття, щоб сприяти участі даних знизу вгору, зосереджуючись на індивідуумі?
Щоб розблокувати «AI нативну економіку», подібну до DeFi, нам потрібно визначити нові примітиви, які перетворять участь на можливості для AI, щоб каталізувати мережеві ефекти, які досі не спостерігалися в цій галузі.
AI рідний технологічний стек: нова мова нової економіки
Ми більше не просто переміщуємо токени між гаманцями, а вводимо дані в модель, вихід моделі перетворюється на рішення, а AI-агенти реалізують ці рішення. Це вимагає нових показників та примітивів для кількісної оцінки інтелекту та вирівнювання, так само як показники DeFi кількісно оцінюють капітал. Наприклад, LazAI будує мережу наступного покоління блокчейнів, вирішуючи проблему вирівнювання даних AI шляхом впровадження нових стандартів активів для даних AI, поведінки моделей та взаємодії агентів.
Наступне описує кілька ключових термінів, що визначають економічну цінність AI на блокчейні:
Дані, які можна перевірити (нова «ліквідність»): дані для штучного інтелекту – це те саме, що ліквідність для DeFi – життєвої сили системи. У штучному інтелекті, особливо великих моделях, дуже важливо мати правильні дані. Але необроблені дані можуть бути низької якості або вводити в оману, і нам потрібні високоякісні дані, які можна перевірити в мережі. Можливими примітивами тут є "Proof of Data (PoD)/Proof of Value (PoDV)". Концепція вимірюватиме цінність внеску даних не лише на основі кількості, але й якості та її впливу на продуктивність штучного інтелекту. Думайте про це як про аналог майнінгу ліквідності: учасники, які надають корисні дані (або теги/відгуки), будуть винагороджені залежно від цінності, яку приносять їхні дані. Ранні проекти таких систем вже формуються. Наприклад, консенсус proof-of-data (PoD) блокчейн-проекту розглядає дані як основний ресурс для перевірки (подібно до енергії у proof-of-work або капіталу у proof-of-stake). У цій системі вузли винагороджуються залежно від кількості, якості та релевантності даних, які вони вносять.
Масштабуючи це на загальну економіку штучного інтелекту, ми можемо побачити «Загальне заблоковане значення даних (TDVL)» як метрику: сукупну міру всіх цінних даних у мережі, зважену за перевірюваністю та корисністю. Верифікованими пулами даних можна навіть торгувати як пулами ліквідності – наприклад, пул перевірених медичних зображень для діагностичного штучного інтелекту в ланцюжку може мати кількісну цінність і використання. Джерело даних (розуміння джерела даних, історії модифікацій) буде ключовою частиною цього показника, щоб гарантувати, що дані, які вводяться в модель штучного інтелекту, є надійними та відстежуваними. По суті, якщо ліквідність стосується доступного капіталу, то перевірені дані стосуються наявних знань. Такі показники, як Proof of Data Value (PoDV), фіксують кількість корисних знань, зафіксованих у мережі, тоді як прив'язка даних у ланцюжку за допомогою токена Data Anchoring Token (DAT) LazAI робить ліквідність даних вимірюваним і стимулюваним економічним шаром.
Продуктивність моделі (новий клас активів): В економіці штучного інтелекту навчена модель (або сервіс штучного інтелекту) стає самостійним активом – або навіть новим класом активів поряд із токенами та NFT. Добре навчені моделі штучного інтелекту цінні через інтелект, який міститься в їхніх вагах. Але як охарактеризувати та виміряти цю цінність у мережі? Ми можемо вимагати контрольні показники продуктивності в ланцюжку або сертифікацію моделі. Наприклад, точність моделі на стандартному наборі даних або вінрейт у змагальному завданні можуть бути записані в ланцюжку як оцінка продуктивності. Думайте про це як про ончейн «кредитний рейтинг» або KPI для моделі штучного інтелекту. Ці оцінки можна коригувати в міру доопрацювання моделі або оновлення даних. Такі проекти, як Oraichain, досліджували поєднання API моделі штучного інтелекту з оцінкою надійності (перевірка того, що вихід ШІ відповідає очікуванням за допомогою тестових випадків). У DeFi на основі штучного інтелекту («AiFi») можна передбачити стейкінг на основі продуктивності моделі – наприклад, токени можуть бути поставлені на стейкінг, якщо розробник вважає, що їхня модель працює добре; Якщо незалежний ончейн-аудит підтвердить її ефективність, вона буде винагороджена (якщо модель не працює добре, частка буде втрачена). Це мотивуватиме розробників звітувати правдиво та постійно вдосконалювати модель. Ще однією ідеєю є токенізовані модельні NFT, які несуть метадані продуктивності – «мінімальна ціна» модельних NFT може відображати їхню корисність. Такі практики вже з'являються: деякі маркетплейси штучного інтелекту дозволяють купувати та продавати моделі для доступу до токенів, а такі протоколи, як LayerAI (раніше CryptoGPT), явно розглядають дані та моделі штучного інтелекту як новий клас активів у світовій економіці штучного інтелекту. Коротше кажучи, DeFi запитує: «Скільки грошей заблоковано?». AI-DeFi запитає: «Скільки інтелект заблоковано?». — не тільки з точки зору обчислювальної потужності (хоча не менш важливої), але і з точки зору продуктивності і цінності моделей, що працюють в мережі. Нові показники можуть включати «докази якості моделі» або індекси часових рядів для покращення продуктивності штучного інтелекту в ланцюжку.
Proxy Behavior & Utility (агенти штучного інтелекту в ланцюжку): Одним із найцікавіших і найскладніших доповнень до блокчейну, нативного штучного інтелекту, є автономні агенти штучного інтелекту, що працюють у мережі. Це можуть бути торгові боти, куратори даних, штучний інтелект служби підтримки клієнтів або складні губернатори DAO – по суті, програмні сутності, які здатні відчувати, приймати рішення та діяти від імені користувачів у мережі або навіть самостійно. У світі DeFi є лише базові «боти»; А у світі блокчейну зі штучним інтелектом агенти можуть стати першокласними економічними агентами. Це створило потребу в метриках щодо поведінки агентства, надійності та корисності. Ми можемо побачити механізми на кшталт «оцінювання утиліт агента» або системи репутації. Уявіть, що кожен агент штучного інтелекту (можливо, представлений у вигляді NFT або напіввзаємозамінного токена (SFT) накопичує репутацію на основі своїх дій (виконання завдань, спільна робота тощо). Такі оцінки схожі на кредитні рейтинги або оцінки користувачів, але для ШІ. Інші контракти можуть використовувати це, щоб вирішити, чи довіряти їм або використовувати проксі-сервіси. У концепції iDAO (Individual-Centric DAO) LazAI кожен агент або юридичний користувач володіє власним ончейн-доменом і активами штучного інтелекту. Можна припустити, що ці iDAO або проксі встановлюють вимірювані записи.
Існуючі платформи починають токенізувати агентів штучного інтелекту та надавати їм ончейн-метрики: наприклад, «Rome protocol» від Rivalz створює AI-агентів на основі NFT (rAgents), а його останні метрики репутації записуються в ланцюжок. Користувачі можуть здійснювати стейкінг або позичати ці проксі, і їхні винагороди залежать від того, наскільки добре вони працюють і впливають у колективному «кластері» штучного інтелекту. По суті, це DeFi для агентів штучного інтелекту та демонструє важливість метрик утиліти проксі-сервера. У майбутньому ми можемо говорити про «активні проксі зі штучним інтелектом» так само, як ми говоримо про активні адреси, або про «економічний вплив проксі», коли говоримо про обсяг транзакцій.
Ще одним примітивом можуть стати траєкторії уваги - фіксація того, на чому фокусується агент в процесі прийняття рішень (які дані, сигнали). Це робить агентів чорної скриньки більш прозорими, придатними для аудиту, і приписує успіх або невдачу агента конкретним вхідним дані. Таким чином, метрики поведінки проксі забезпечать підзвітність і узгодженість: щоб дозволити автономним агентам довірити управління великими сумами грошей або критично важливими завданнями, їх надійність повинна бути кількісно оцінена. Високий показник корисності агента може стати обов'язковою умовою для агентів штучного інтелекту в ланцюжку для управління великими сумами коштів (аналогічно порогу для великих кредитів у традиційних фінансах).
Використовуйте стимули для узгодження показників зі штучним інтелектом: нарешті, економіка штучного інтелекту повинна розглянути, як стимулювати корисне використання та узгодження. DeFi стимулює зростання за рахунок майнінгу ліквідності, ранніх аірдропів користувачів або повернення комісій; У сфері штучного інтелекту одного зростання недостатньо, нам потрібно стимулювати використання покращених результатів ШІ. На даний момент показники, пов'язані з вирівнюванням ШІ, мають вирішальне значення. Наприклад, цикли зворотного зв'язку з людьми (наприклад, користувачі оцінюють відповіді ШІ або надають виправлення через iDAO, які більш детально описані нижче) можуть бути записані, а автори відгуків отримують «прибутки від вирівнювання». Або уявіть собі «Доказ уваги» або «Доказ залучення», де користувачі, які інвестують час у вдосконалення штучного інтелекту (надаючи дані про переваги, виправлення або нові варіанти використання), отримують винагороду. Метриками можуть бути траєкторії уваги, отримання високоякісного зворотного зв'язку або сила людської уваги, вкладена в оптимізаційний штучний інтелект.
Як DeFi потребує блокчейн-оглядачів та інформаційних панелей (таких як DeFi Pulse, DefiLlama) для відстеження TVL та доходності, так і AI економіка потребує нових оглядачів для відстеження цих централізованих показників AI — уявіть собі інформаційну панель "AI-llama", що показує загальний обсяг даних, активну кількість AI агентів, накопичений дохід від AI корисності тощо. Вона має спільні риси з DeFi, але зміст абсолютно новий.
Крок до AI-фліпера в стилі DeFi
Ми повинні створити мотиваційний флайер для ШІ — розглядати дані як економічний актив першого класу, перетворюючи розробку ШІ з закритої справи на відкриту, участь у економіці, як DeFi перетворює фінанси на орієнтовану на користувача відкриту сферу ліквідності.
Раннє дослідження в цьому напрямку вже почалось. Наприклад, проекти, такі як Vana, почали винагороджувати користувачів за участь у спільному використанні даних. Мережа Vana дозволяє користувачам вносити особисті або спільнотні дані до DataDAO (децентралізований пул даних) і отримувати токени, що спеціалізуються на наборах даних (які можна обміняти на рідні токени мережі). Це важливий крок до монетизації внесків у дані.
Однак одних лише винагородних внесків недостатньо, щоб відтворити вибуховий маховик DeFi. У DeFi постачальники ліквідності не тільки отримують винагороду за депозит активів, але й активи, які вони надають, також мають прозору ринкову вартість, а дохідність відображає фактичне використання (комісія за транзакції, відсотки за позики, а також заохочувальні токени). Так само економіка даних штучного інтелекту має виходити за рамки загальних винагород і безпосередньо даних про ціни. За відсутності економічного ціноутворення, заснованого на якості даних, дефіциті або ступені вдосконалення моделі, ми можемо вдатися до неглибоких стимулів. Просте розповсюдження токенів для винагороди за участь може стимулювати кількість, а не якість, або зупинитися, коли токенам не вистачає фактичної прив'язки до утиліти штучного інтелекту. Щоб по-справжньому впроваджувати інновації, автори повинні бачити чіткі сигнали, керовані ринком, розуміти цінність своїх даних і отримувати винагороду, коли дані фактично використовуються в системах штучного інтелекту.
Нам потрібна інфраструктура, яка більше зосереджена на безпосередній оцінці та винагороді даних, щоб створити цикл стимулювання центру обробки даних: чим більше високоякісних даних люди вносять, тим краща модель, тим більше використання та попит на дані вона приваблює, а отже, вища віддача від участі. Це перетворить штучний інтелект із закритої гонки за великими даними на відкритий маркетплейс для надійних високоякісних даних.
Як ці концепції втілюються в реальних проєктах? Наприклад, LazAI — цей проєкт будує наступне покоління децентралізованої AI економіки на базі блокчейн-мережі та основних елементів.
LazAI Огляд — Вирівнюємо AI з людьми
LazAI — це наступне покоління блокчейн-мережі та протоколу, спеціально розроблене для вирішення проблеми узгодження даних AI, яке створює інфраструктуру для децентралізованої економіки AI, впроваджуючи нові стандарти активів для даних AI, поведінки моделей і взаємодії агентів.
LazAl пропонує один з найперспективніших підходів, вирішуючи проблему узгодження ШІ шляхом перевірки даних, стимулювання та програмування на ланцюгу. У наступному тексті буде наведено приклад реалізації цих принципів на основі framework LazAI.
Основна проблема — невідповідність даних та відсутність справедливих стимулів
Узгодження штучного інтелекту часто зводиться до навчання якості даних, а майбутнє вимагає нових даних, які орієнтовані на людину, довіряють і керуються. У міру того, як індустрія штучного інтелекту переходить від централізованих моделей загального призначення до контекстуалізованого, узгодженого інтелекту, інфраструктура повинна розвиватися в тандемі. Наступна ера штучного інтелекту буде визначатися вирівнюванням, точністю та простежуваністю. LazAI безпосередньо вирішує проблеми вирівнювання даних і стимулювання, пропонуючи фундаментальне рішення: вирівнювання даних у джерелі та безпосередня винагорода самих даних. Іншими словами, переконайтеся, що навчальні дані є достовірно репрезентативними для людської точки зору, знешумленими/упередженими та винагороджуються залежно від якості даних, дефіциту або покращення моделі. Це зміна парадигми від роботи з моделлю до організації даних.
LazAI не тільки вводить оригінальну мову, але й пропонує нову парадигму отримання даних, ціноутворення та управління. Його основні концепції включають токени даних (DAT) та DAO, орієнтовані на особу (iDAO), які разом забезпечують ціноутворення, прослідковування та програмне використання даних.
Верифіковані та програмовані дані — токени прив'язки даних (DAT)
Щоб досягти цього, LazAI представила новий примітив у ланцюжку, Data Anchor Token (DAT), новий стандарт токенів, розроблений спеціально для активізації даних штучного інтелекту. Кожен DAT представляє фрагмент прив'язаних даних у ланцюжку та їх родовід: особистість учасника, еволюцію з часом та випадки використання. Це створює перевірену історію кожного фрагмента даних – подібно до системи контролю версій для наборів даних (наприклад, Git), але захищеної блокчейном. Оскільки DAT існують ончейн, вони програмуються: смарт-контракти керують правилами їх використання. Наприклад, автор даних може вказати, що його DAT, наприклад, набір медичних зображень, буде обмежений конкретними моделями штучного інтелекту або використовуватися за певних умов (шляхом забезпечення конфіденційності або етичних обмежень за допомогою коду). Стимул полягає в тому, що DAT можна обміняти або поставити на стейкінг – модель (або її власник) може заплатити за отримання доступу до даних, якщо вони є цінними для моделі. По суті, LazAI побудувала маркетплейс, де дані токенізуються та відстежуються. Це пряме відлуння показника «даних, що можна перевірити», про який йшлося раніше: вивчаючи DAT, ви можете підтвердити, чи був він перевірений, скільки моделей використовується та які покращення продуктивності моделі він спричинив. Такі дані отримають більш високу оцінку. Закріплюючи дані в ланцюжку та прив'язуючи економічні стимули до якості, LazAI гарантує, що штучний інтелект навчається на надійних і вимірюваних даних. Йдеться про вирішення проблем шляхом стимулювання узгодження – якісні дані винагороджуються та виходять на перше місце.
Другим ключовим компонентом є концепція iDAO (Individual-Centric DAO) від LazAI, яка переосмислює управління в економіці штучного інтелекту, ставлячи людей, а не організації, в центр прийняття рішень і володіння даними. Традиційні DAO часто віддають пріоритет колективним організаційним цілям, ненавмисно послаблюючи індивідуальну волю. iDAO підриває цю логіку. Це персоналізовані одиниці управління, які дозволяють окремим особам, спільнотам або суб'єктам домену безпосередньо володіти, контролювати та перевіряти дані та моделі, які вони вносять у систему штучного інтелекту. iDAO підтримують індивідуальний, узгоджений штучний інтелект: як структура управління, вони гарантують, що модель завжди відповідає цінностям або намірам учасників. З економічної точки зору, iDAO також програмують поведінку штучного інтелекту для спільноти — можна встановити правила, що обмежують те, як модель може використовувати конкретні дані, хто може отримати доступ до моделі та як будуть розподілятися вигоди від вихідних даних моделі. Наприклад, iDAO можуть передбачити, що щоразу, коли викликається їхня модель штучного інтелекту, наприклад, запит на API або виконання завдання, частина доходів повертатиметься власникам DAT, які внесли відповідні дані. Це встановлює прямий цикл зворотного зв'язку між поведінкою проксі та винагородами вкладників – подібно до механізму в DeFi, де прибутки постачальників ліквідності прив'язані до використання платформи. Крім того, iDAO можуть взаємодіяти один з одним за допомогою протоколу: один агент штучного інтелекту (iDAO) може викликати дані або модель іншого iDAO на узгоджених умовах.
Спираючись на ці примітиви, фреймворк LazAI втілює в життя бачення децентралізованої економіки штучного інтелекту. Дані стають активом, яким користувачі можуть володіти та монетизувати, моделі перетворюються з приватних сховищ на спільні проєкти, а всі учасники — від окремих осіб, які курують унікальні набори даних, до розробників, які створюють невеликі спеціалізовані моделі — можуть стати зацікавленою стороною в ланцюжку створення цінності штучного інтелекту. Такий розподіл стимулів обіцяє повторити вибухове зростання DeFi: коли люди зрозуміють, що залучення до штучного інтелекту (надання даних або експертизи) безпосередньо перетворюється на можливості, вони будуть активніше залучені. У міру того, як кількість учасників збільшується, спрацьовують мережеві ефекти — більше даних призводить до кращих моделей, більше користувачів залучається, генерується більше даних і вимог, створюючи позитивний цикл.
Побудова довірчої основи для ШІ: перевіряємий обчислювальний каркас
У цій екосистемі Verified Computing Framework від LazAI є основним рівнем для побудови довіри. Фреймворк гарантує, що існує перевірений ланцюжок відстеження для кожного згенерованого DAT, кожного рішення iDAO (індивідуалізованої автономної організації) та кожного розподілу стимулів, що робить право власності на дані обов'язковим, процеси управління підзвітними, а поведінку агентів – перевіреною. Перетворюючи iDAO та DAT з теоретичних концепцій на надійні та перевірені системи, верифіковані обчислювальні фреймворки забезпечують зміну парадигми довіри — від покладання на припущення до детермінованих гарантій, заснованих на математичній верифікації.
Реалізація вартості децентралізованої AI економіки
Створення цього набору основних елементів зробило можливим здійснення бачення децентралізованої AI економіки:
Активи даних: користувачі можуть підтвердити право власності на активи даних та отримувати прибуток
Модельна співпраця: AI моделі переходять від закритих островів до відкритих співпраць.
Участь у праві: від постачальників даних до розробників вертикальних моделей, всі учасники можуть стати зацікавленими сторонами у ланцюгу вартості AI.
Очікується, що цей дизайн, сумісний зі стимулами, відтворить імпульс зростання DeFi: коли користувачі зрозуміють, що участь у створенні штучного інтелекту (шляхом надання даних або експертизи) може бути безпосередньо перетворена на економічні можливості, ентузіазм щодо участі запалиться. У міру зростання масштабу учасників з'являються мережеві ефекти – більш якісні дані призводять до кращих моделей, залучають більше користувачів до приєднання і, в свою чергу, генерують більший попит на дані, утворюючи самопідсилювальний маховик зростання.
Висновок: Крок до відкритої економіки ШІ
Історія DeFi показала, що правильні примітиви можуть дати безпрецедентне зростання. Ми перебуваємо на переломному етапі подібного прориву в майбутній економіці, заснованій на штучному інтелекті. Визначаючи та впроваджуючи нові примітиви, які цінують дані та вирівнювання, ми можемо перетворити розробку штучного інтелекту з централізованої інженерії на децентралізоване, кероване спільнотою підприємство. Цей шлях не має жодних викликів: забезпечення того, щоб економічні механізми надавали перевагу якості, а не кількості, та уникнення етичних пасток, щоб запобігти підриву конфіденційності та справедливості стимулами для отримання даних. Але напрямок зрозумілий. Такі практики, як DAT та iDAO від LazAI, прокладають шлях для перетворення абстракції «штучного інтелекту, орієнтованого на людину» в конкретні механізми власності та управління.
Як і ранній DeFi, що оптимізував TVL, ліквідність через видобуток та управління, економіка ШІ також буде ітерувати свої нові примітиви. У майбутньому навколо вимірювання вартості даних, справедливого розподілу винагород, узгодження AI-агентів та їх вигод виникнуть дебати та інновації. Ця стаття лише торкається поверхні моделей стимулювання, які можуть сприяти демократизації ШІ, сподіваючись викликати відкриту дискусію та глибоке дослідження: як розробити більше первинних економічних примітивів для ШІ? Які несподівані наслідки або можливості можуть виникнути? Завдяки широкій участі громади, ми більш ймовірно зможемо побудувати не лише технологічно просунутий, але й економічно інклюзивний, узгоджений з людськими цінностями майбутнє ШІ.
Експоненційне зростання DeFi не є магією — воно зумовлене узгодженням стимулів. Сьогодні у нас є можливість сприяти відродженню ШІ через практики, що базуються на даних та моделях. Перетворюючи участь на можливості, а можливості на мережеві ефекти, ми можемо запустити маховик для перетворення створення та розподілу вартості в цифрову епоху для ШІ.
Давайте разом побудуємо це майбутнє — з верифікованого набору даних, узгодженого AI-агента, нової примітиви.
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
LazAI дослідження: як економіка AI може перевершити міф про TVL DeFi
Вступ
Децентралізовані фінанси (DeFi) зробили революцію в традиційних фінансах, запустивши історію експоненціального зростання за допомогою серії простих, але потужних економічних примітивів, перетворивши блокчейн-мережі на глобальний маркетплейс без дозволів. У розвитку DeFi лінгва франка вартості стали кількома ключовими показниками: загальна заблокована вартість (TVL), річна норма прибутковості (APY/APR) та ліквідність. Ці чіткі показники викликають зацікавленість і довіру. Наприклад, TVL DeFi (доларова вартість активів, заблокованих у протоколі) злетів у 14 разів у 2020 році, а потім знову зріс у чотири рази у 2021 році, досягнувши піку вище 112 мільярдів доларів. Висока прибутковість (деякі платформи заявляють про APY до 3000% під час буму фермерства ліквідності) приваблює ліквідність, тоді як глибина пулів ліквідності сигналізує про менше прослизання та більш ефективний ринок. Коротше кажучи, TVL говорить нам, «скільки грошей задіяно», APR – «скільки ви можете заробити», а ліквідність показує, «наскільки легко торгувати активами». Незважаючи на свої недоліки, ці показники дозволили з нуля побудувати багатомільярдну фінансову екосистему. Перетворивши залучення користувачів на негайну фінансову можливість, DeFi створив самопідсилювальний маховик для впровадження, який зробив його швидко популярним, стимулюючи масову участь.
Сьогодні штучний інтелект знаходиться на подібному роздоріжжі. Але на відміну від DeFi, у нинішньому наративі про штучний інтелект домінують великі моделі загального призначення, навчені на величезних наборах інтернет-даних. Цим моделям часто важко досягти ефективних результатів у сегментах, спеціалізованих завданнях або індивідуальних потребах. Їхня модель «універсальна» потужна, але тендітна, універсальна, але неправильно розташована. Ця парадигма гостро потребує зміни парадигми. Наступна ера штучного інтелекту не повинна визначатися розміром або універсальністю моделей, а повинна зосередитися на «знизу-вгору» – менших, вузькоспеціалізованих моделях. Цей вид індивідуального штучного інтелекту вимагає абсолютно нового типу даних: високоякісних, орієнтованих на людину та конкретних даних. Але отримання такого роду даних не таке просте, як сканування Інтернету, воно вимагає активного та свідомого внеску окремих осіб, експертів у домені та спільнот.
Щоб просунути цю професіоналізовану, узгоджену з людством нову еру ШІ, нам потрібно побудувати стимулюючий маховик, подібний до DeFi, призначений для фінансів. Це означає введення нових рідних для ШІ примітивів для вимірювання якості даних, продуктивності моделей, надійності агентів та стимулів узгодження — ці показники повинні прямо відображати справжню цінність даних як активів (а не лише як вхідних даних).
У цій статті досліджуються ці нові примітиви, які формують основу економіки, заснованої на штучному інтелекті. Ми пояснимо, як штучний інтелект може процвітати, якщо є правильна економічна інфраструктура, тобто генерувати високоякісні дані, стимулювати їх створення та використання, а також ставити людину в центр. Ми також розглянемо такі платформи, як LazAI, як приклади, щоб проаналізувати, як вони очолюють ці фреймворки, засновані на штучному інтелекті, щоб очолити нову парадигму в ціноутворенні та винагороді даних для забезпечення наступного стрибка в інноваціях штучного інтелекту.
Мотиваційний механізм DeFi: TVL, прибутковість та ліквідність — швидкий огляд
Виникнення DeFi не є випадковим, його дизайн робить участь вигідною та прозорою. Загальна заблокована вартість (TVL), річна прибутковість (APY/APR) та ліквідність – це не лише цифри, а й первісні елементи, що узгоджують поведінку користувачів з ростом мережі. Ці показники разом формують позитивний цикл, який приваблює користувачів і капітал, що, в свою чергу, сприяє подальшим інноваціям.
Разом ці примітиви створюють потужний мотиваційний маховик. Учасники, які створюють цінність шляхом блокування активів або надання ліквідності, негайно винагороджуються (через високу прибутковість і стимули для токенів), заохочуючи більшу участь. Це перетворює індивідуальну взаємодію на широкі можливості – заробіток користувачів та вплив на управління – які, у свою чергу, генерують мережеві ефекти, які приваблюють тисячі користувачів приєднатися. Результати вражають: до 2024 року DeFi налічуватиме понад 10 мільйонів користувачів, а за кілька років його вартість зросла майже в 30 разів. Очевидно, що масштабне узгодження стимулів – перетворення користувачів на зацікавлені сторони – є ключем до експоненціального зростання DeFi.
Відсутність сучасної AI економіки
Якщо DeFi продемонструвала, як участь знизу вгору та вирівнювання стимулів можуть запустити фінансову революцію, то сьогоднішня економіка ШІ все ще відчуває брак базових елементів, які підтримували б подібні зміни. Наразі ШІ домінують великі загальні моделі, треновані на основі величезних наборів даних, зібраних з Інтернету. Ці базові моделі вражають своїми масштабами, але призначені для вирішення всіх проблем, і, як правило, не можуть особливо ефективно обслуговувати когось конкретного. Їхня "однаковість" архітектури важко адаптується до спеціалізованих галузей, культурних відмінностей або індивідуальних уподобань, що призводить до слабкого виходу, наявності сліпих зон і до все більшого відриву від реальних потреб.
Наступне покоління штучного інтелекту більше не буде визначатися масштабом, а й контекстуальним розумінням – здатністю моделей розуміти та обслуговувати конкретні домени, професійні спільноти та різноманітні людські точки зору. Однак цей контекстуальний інтелект вимагає інших вхідних даних: високоякісних, орієнтованих на людину даних. І це саме те, чого зараз не вистачає. Наразі не існує загальноприйнятого механізму для вимірювання, ідентифікації, оцінки або пріоритизації цих даних, а також не існує відкритого процесу, за допомогою якого окремі особи, спільноти чи експерти в галузі можуть висловити свої погляди та вдосконалити інтелектуальні системи, які дедалі більше впливають на їхнє життя. Як наслідок, вартість залишається сконцентрованою в руках кількох постачальників інфраструктури, а маси від'єднані від потенціалу зростання економіки штучного інтелекту. Лише розробляючи нові примітиви, які виявляють, перевіряють і винагороджують високоцінні внески (дані, відгуки, сигнали вирівнювання), ми можемо розблокувати цикл спільного зростання, на якому процвітає DeFi.
Коротко кажучи, ми також повинні запитати:
Як ми повинні вимірювати цінність створення? Як побудувати самопідсилювальне коло прийняття, щоб сприяти участі даних знизу вгору, зосереджуючись на індивідуумі?
Щоб розблокувати «AI нативну економіку», подібну до DeFi, нам потрібно визначити нові примітиви, які перетворять участь на можливості для AI, щоб каталізувати мережеві ефекти, які досі не спостерігалися в цій галузі.
AI рідний технологічний стек: нова мова нової економіки
Ми більше не просто переміщуємо токени між гаманцями, а вводимо дані в модель, вихід моделі перетворюється на рішення, а AI-агенти реалізують ці рішення. Це вимагає нових показників та примітивів для кількісної оцінки інтелекту та вирівнювання, так само як показники DeFi кількісно оцінюють капітал. Наприклад, LazAI будує мережу наступного покоління блокчейнів, вирішуючи проблему вирівнювання даних AI шляхом впровадження нових стандартів активів для даних AI, поведінки моделей та взаємодії агентів.
Наступне описує кілька ключових термінів, що визначають економічну цінність AI на блокчейні:
Масштабуючи це на загальну економіку штучного інтелекту, ми можемо побачити «Загальне заблоковане значення даних (TDVL)» як метрику: сукупну міру всіх цінних даних у мережі, зважену за перевірюваністю та корисністю. Верифікованими пулами даних можна навіть торгувати як пулами ліквідності – наприклад, пул перевірених медичних зображень для діагностичного штучного інтелекту в ланцюжку може мати кількісну цінність і використання. Джерело даних (розуміння джерела даних, історії модифікацій) буде ключовою частиною цього показника, щоб гарантувати, що дані, які вводяться в модель штучного інтелекту, є надійними та відстежуваними. По суті, якщо ліквідність стосується доступного капіталу, то перевірені дані стосуються наявних знань. Такі показники, як Proof of Data Value (PoDV), фіксують кількість корисних знань, зафіксованих у мережі, тоді як прив'язка даних у ланцюжку за допомогою токена Data Anchoring Token (DAT) LazAI робить ліквідність даних вимірюваним і стимулюваним економічним шаром.
Існуючі платформи починають токенізувати агентів штучного інтелекту та надавати їм ончейн-метрики: наприклад, «Rome protocol» від Rivalz створює AI-агентів на основі NFT (rAgents), а його останні метрики репутації записуються в ланцюжок. Користувачі можуть здійснювати стейкінг або позичати ці проксі, і їхні винагороди залежать від того, наскільки добре вони працюють і впливають у колективному «кластері» штучного інтелекту. По суті, це DeFi для агентів штучного інтелекту та демонструє важливість метрик утиліти проксі-сервера. У майбутньому ми можемо говорити про «активні проксі зі штучним інтелектом» так само, як ми говоримо про активні адреси, або про «економічний вплив проксі», коли говоримо про обсяг транзакцій.
Як DeFi потребує блокчейн-оглядачів та інформаційних панелей (таких як DeFi Pulse, DefiLlama) для відстеження TVL та доходності, так і AI економіка потребує нових оглядачів для відстеження цих централізованих показників AI — уявіть собі інформаційну панель "AI-llama", що показує загальний обсяг даних, активну кількість AI агентів, накопичений дохід від AI корисності тощо. Вона має спільні риси з DeFi, але зміст абсолютно новий.
Крок до AI-фліпера в стилі DeFi
Ми повинні створити мотиваційний флайер для ШІ — розглядати дані як економічний актив першого класу, перетворюючи розробку ШІ з закритої справи на відкриту, участь у економіці, як DeFi перетворює фінанси на орієнтовану на користувача відкриту сферу ліквідності.
Раннє дослідження в цьому напрямку вже почалось. Наприклад, проекти, такі як Vana, почали винагороджувати користувачів за участь у спільному використанні даних. Мережа Vana дозволяє користувачам вносити особисті або спільнотні дані до DataDAO (децентралізований пул даних) і отримувати токени, що спеціалізуються на наборах даних (які можна обміняти на рідні токени мережі). Це важливий крок до монетизації внесків у дані.
Однак одних лише винагородних внесків недостатньо, щоб відтворити вибуховий маховик DeFi. У DeFi постачальники ліквідності не тільки отримують винагороду за депозит активів, але й активи, які вони надають, також мають прозору ринкову вартість, а дохідність відображає фактичне використання (комісія за транзакції, відсотки за позики, а також заохочувальні токени). Так само економіка даних штучного інтелекту має виходити за рамки загальних винагород і безпосередньо даних про ціни. За відсутності економічного ціноутворення, заснованого на якості даних, дефіциті або ступені вдосконалення моделі, ми можемо вдатися до неглибоких стимулів. Просте розповсюдження токенів для винагороди за участь може стимулювати кількість, а не якість, або зупинитися, коли токенам не вистачає фактичної прив'язки до утиліти штучного інтелекту. Щоб по-справжньому впроваджувати інновації, автори повинні бачити чіткі сигнали, керовані ринком, розуміти цінність своїх даних і отримувати винагороду, коли дані фактично використовуються в системах штучного інтелекту.
Нам потрібна інфраструктура, яка більше зосереджена на безпосередній оцінці та винагороді даних, щоб створити цикл стимулювання центру обробки даних: чим більше високоякісних даних люди вносять, тим краща модель, тим більше використання та попит на дані вона приваблює, а отже, вища віддача від участі. Це перетворить штучний інтелект із закритої гонки за великими даними на відкритий маркетплейс для надійних високоякісних даних.
Як ці концепції втілюються в реальних проєктах? Наприклад, LazAI — цей проєкт будує наступне покоління децентралізованої AI економіки на базі блокчейн-мережі та основних елементів.
LazAI Огляд — Вирівнюємо AI з людьми
LazAI — це наступне покоління блокчейн-мережі та протоколу, спеціально розроблене для вирішення проблеми узгодження даних AI, яке створює інфраструктуру для децентралізованої економіки AI, впроваджуючи нові стандарти активів для даних AI, поведінки моделей і взаємодії агентів.
LazAl пропонує один з найперспективніших підходів, вирішуючи проблему узгодження ШІ шляхом перевірки даних, стимулювання та програмування на ланцюгу. У наступному тексті буде наведено приклад реалізації цих принципів на основі framework LazAI.
Основна проблема — невідповідність даних та відсутність справедливих стимулів
Узгодження штучного інтелекту часто зводиться до навчання якості даних, а майбутнє вимагає нових даних, які орієнтовані на людину, довіряють і керуються. У міру того, як індустрія штучного інтелекту переходить від централізованих моделей загального призначення до контекстуалізованого, узгодженого інтелекту, інфраструктура повинна розвиватися в тандемі. Наступна ера штучного інтелекту буде визначатися вирівнюванням, точністю та простежуваністю. LazAI безпосередньо вирішує проблеми вирівнювання даних і стимулювання, пропонуючи фундаментальне рішення: вирівнювання даних у джерелі та безпосередня винагорода самих даних. Іншими словами, переконайтеся, що навчальні дані є достовірно репрезентативними для людської точки зору, знешумленими/упередженими та винагороджуються залежно від якості даних, дефіциту або покращення моделі. Це зміна парадигми від роботи з моделлю до організації даних.
LazAI не тільки вводить оригінальну мову, але й пропонує нову парадигму отримання даних, ціноутворення та управління. Його основні концепції включають токени даних (DAT) та DAO, орієнтовані на особу (iDAO), які разом забезпечують ціноутворення, прослідковування та програмне використання даних.
Верифіковані та програмовані дані — токени прив'язки даних (DAT)
Щоб досягти цього, LazAI представила новий примітив у ланцюжку, Data Anchor Token (DAT), новий стандарт токенів, розроблений спеціально для активізації даних штучного інтелекту. Кожен DAT представляє фрагмент прив'язаних даних у ланцюжку та їх родовід: особистість учасника, еволюцію з часом та випадки використання. Це створює перевірену історію кожного фрагмента даних – подібно до системи контролю версій для наборів даних (наприклад, Git), але захищеної блокчейном. Оскільки DAT існують ончейн, вони програмуються: смарт-контракти керують правилами їх використання. Наприклад, автор даних може вказати, що його DAT, наприклад, набір медичних зображень, буде обмежений конкретними моделями штучного інтелекту або використовуватися за певних умов (шляхом забезпечення конфіденційності або етичних обмежень за допомогою коду). Стимул полягає в тому, що DAT можна обміняти або поставити на стейкінг – модель (або її власник) може заплатити за отримання доступу до даних, якщо вони є цінними для моделі. По суті, LazAI побудувала маркетплейс, де дані токенізуються та відстежуються. Це пряме відлуння показника «даних, що можна перевірити», про який йшлося раніше: вивчаючи DAT, ви можете підтвердити, чи був він перевірений, скільки моделей використовується та які покращення продуктивності моделі він спричинив. Такі дані отримають більш високу оцінку. Закріплюючи дані в ланцюжку та прив'язуючи економічні стимули до якості, LazAI гарантує, що штучний інтелект навчається на надійних і вимірюваних даних. Йдеться про вирішення проблем шляхом стимулювання узгодження – якісні дані винагороджуються та виходять на перше місце.
іDAO (індивідуально-орієнтована децентралізована автономна організація)
Другим ключовим компонентом є концепція iDAO (Individual-Centric DAO) від LazAI, яка переосмислює управління в економіці штучного інтелекту, ставлячи людей, а не організації, в центр прийняття рішень і володіння даними. Традиційні DAO часто віддають пріоритет колективним організаційним цілям, ненавмисно послаблюючи індивідуальну волю. iDAO підриває цю логіку. Це персоналізовані одиниці управління, які дозволяють окремим особам, спільнотам або суб'єктам домену безпосередньо володіти, контролювати та перевіряти дані та моделі, які вони вносять у систему штучного інтелекту. iDAO підтримують індивідуальний, узгоджений штучний інтелект: як структура управління, вони гарантують, що модель завжди відповідає цінностям або намірам учасників. З економічної точки зору, iDAO також програмують поведінку штучного інтелекту для спільноти — можна встановити правила, що обмежують те, як модель може використовувати конкретні дані, хто може отримати доступ до моделі та як будуть розподілятися вигоди від вихідних даних моделі. Наприклад, iDAO можуть передбачити, що щоразу, коли викликається їхня модель штучного інтелекту, наприклад, запит на API або виконання завдання, частина доходів повертатиметься власникам DAT, які внесли відповідні дані. Це встановлює прямий цикл зворотного зв'язку між поведінкою проксі та винагородами вкладників – подібно до механізму в DeFi, де прибутки постачальників ліквідності прив'язані до використання платформи. Крім того, iDAO можуть взаємодіяти один з одним за допомогою протоколу: один агент штучного інтелекту (iDAO) може викликати дані або модель іншого iDAO на узгоджених умовах.
Спираючись на ці примітиви, фреймворк LazAI втілює в життя бачення децентралізованої економіки штучного інтелекту. Дані стають активом, яким користувачі можуть володіти та монетизувати, моделі перетворюються з приватних сховищ на спільні проєкти, а всі учасники — від окремих осіб, які курують унікальні набори даних, до розробників, які створюють невеликі спеціалізовані моделі — можуть стати зацікавленою стороною в ланцюжку створення цінності штучного інтелекту. Такий розподіл стимулів обіцяє повторити вибухове зростання DeFi: коли люди зрозуміють, що залучення до штучного інтелекту (надання даних або експертизи) безпосередньо перетворюється на можливості, вони будуть активніше залучені. У міру того, як кількість учасників збільшується, спрацьовують мережеві ефекти — більше даних призводить до кращих моделей, більше користувачів залучається, генерується більше даних і вимог, створюючи позитивний цикл.
Побудова довірчої основи для ШІ: перевіряємий обчислювальний каркас
У цій екосистемі Verified Computing Framework від LazAI є основним рівнем для побудови довіри. Фреймворк гарантує, що існує перевірений ланцюжок відстеження для кожного згенерованого DAT, кожного рішення iDAO (індивідуалізованої автономної організації) та кожного розподілу стимулів, що робить право власності на дані обов'язковим, процеси управління підзвітними, а поведінку агентів – перевіреною. Перетворюючи iDAO та DAT з теоретичних концепцій на надійні та перевірені системи, верифіковані обчислювальні фреймворки забезпечують зміну парадигми довіри — від покладання на припущення до детермінованих гарантій, заснованих на математичній верифікації.
Реалізація вартості децентралізованої AI економіки Створення цього набору основних елементів зробило можливим здійснення бачення децентралізованої AI економіки:
Очікується, що цей дизайн, сумісний зі стимулами, відтворить імпульс зростання DeFi: коли користувачі зрозуміють, що участь у створенні штучного інтелекту (шляхом надання даних або експертизи) може бути безпосередньо перетворена на економічні можливості, ентузіазм щодо участі запалиться. У міру зростання масштабу учасників з'являються мережеві ефекти – більш якісні дані призводять до кращих моделей, залучають більше користувачів до приєднання і, в свою чергу, генерують більший попит на дані, утворюючи самопідсилювальний маховик зростання.
Висновок: Крок до відкритої економіки ШІ
Історія DeFi показала, що правильні примітиви можуть дати безпрецедентне зростання. Ми перебуваємо на переломному етапі подібного прориву в майбутній економіці, заснованій на штучному інтелекті. Визначаючи та впроваджуючи нові примітиви, які цінують дані та вирівнювання, ми можемо перетворити розробку штучного інтелекту з централізованої інженерії на децентралізоване, кероване спільнотою підприємство. Цей шлях не має жодних викликів: забезпечення того, щоб економічні механізми надавали перевагу якості, а не кількості, та уникнення етичних пасток, щоб запобігти підриву конфіденційності та справедливості стимулами для отримання даних. Але напрямок зрозумілий. Такі практики, як DAT та iDAO від LazAI, прокладають шлях для перетворення абстракції «штучного інтелекту, орієнтованого на людину» в конкретні механізми власності та управління.
Як і ранній DeFi, що оптимізував TVL, ліквідність через видобуток та управління, економіка ШІ також буде ітерувати свої нові примітиви. У майбутньому навколо вимірювання вартості даних, справедливого розподілу винагород, узгодження AI-агентів та їх вигод виникнуть дебати та інновації. Ця стаття лише торкається поверхні моделей стимулювання, які можуть сприяти демократизації ШІ, сподіваючись викликати відкриту дискусію та глибоке дослідження: як розробити більше первинних економічних примітивів для ШІ? Які несподівані наслідки або можливості можуть виникнути? Завдяки широкій участі громади, ми більш ймовірно зможемо побудувати не лише технологічно просунутий, але й економічно інклюзивний, узгоджений з людськими цінностями майбутнє ШІ.
Експоненційне зростання DeFi не є магією — воно зумовлене узгодженням стимулів. Сьогодні у нас є можливість сприяти відродженню ШІ через практики, що базуються на даних та моделях. Перетворюючи участь на можливості, а можливості на мережеві ефекти, ми можемо запустити маховик для перетворення створення та розподілу вартості в цифрову епоху для ШІ.
Давайте разом побудуємо це майбутнє — з верифікованого набору даних, узгодженого AI-агента, нової примітиви.