Sebbene l’intersezione tra Web3 e l’Intelligenza Artificiale abbia un grande potenziale, al giorno d’oggi, nel mercato c’è ancora molta confusione riguardo a questa tecnologia emergente .
David Attermann, Portfolio Manager di M31 Capital, afferma che mappare la supply chain delle GPU, i livelli del tech stack (cioè l'insieme di tecnologie, software e strumenti utilizzati per costruire, ottimizzare e gestire un negozio online), e i vari panorami competitivi, può aiutare gli investitori a comprendere meglio l’ecosistema e a prendere decisioni di investimento più consapevoli.
In poco più di un anno dal lancio di ChatGPT, l’AI generativa è diventata l'argomento tech più ricercato a livello mondiale.
Il successo di OpenAI ha stimolato l'interesse degli investitori per i modelli di linguaggio (LLM) e le applicazioni di AI, attirando ben 25 miliardi di dollari di finanziamenti nel 2023, all'inseguimento di una potenziale opportunità di mercato multimilionaria.
L'Intelligenza Artificiale e la crittografia si integrano perfettamente tra loro e non è quindi poi tanto sorprendente veder crescere un ecosistema basato sulle IA all’interno di Web3.
Nonostante tutta l’attenzione che questo argomento sta ricevendo, c'è ancora molta confusione a riguardo, e attraverso questo approfondimento cercheremo di fare maggior chiarezza al riguardo attraverso una mappatura delle supply chain, dei livelli del tech stack e dei panorami competitivi dell'ecosistema IA.
"Tech stack" dell’intelligenza artificiale Web3
I livelli dell'infrastruttura
L’IA generativa funziona con i linguaggi LLM, che vengono eseguiti su GPU ad alte prestazioni.
Gli LLM hanno tre carichi di lavoro principali: training (creazione di modelli), fine-tuning (specializzazione in settori/temi) e inference (esecuzione del modello).
Andiamo a vedere a cosa servono le varie GPU, che si distinguono per le loro diverse capacità di carico di lavoro e casi d’uso.
Ricordiamo anche che, sebbene questi marketplaces P2P sono incentrati sulle criptovalute per offrire maggiore decentralizzazione, l’elaborazione reale della GPU avviene fuori dalla block-chain.
GPU di uso generico: utilizzate per i marketplace basati sulla blockchain e le criptovalute grazie alla loro potenza di calcolo possono essere utilizzate per qualsiasi tipo di applicazione.
GPU specifiche per ML: questi marketplace sono più specifici per le applicazioni di apprendimento automatico (ML) e quindi possono essere utilizzati per l’addestramento, l’adattamento e l’inferenza dei modelli.
Aggregatori di GPU: questi marketplace aggregano l’offerta di GPU delle due categorie precedenti, virtualizzano ed aggregano l'organizzazione delle reti e sovrappongono software specifico per ML.
Middleware Layer
Il livello precedente consente l’accesso senza permessi alle GPU, ma è chiramente necessario un middleware per collegare queste risorse informatica agli smart contract on-chain in modo da minimizzare la manipolazione dei possibili speculatori ed attacchi informatici.
Entra così in gioco la zero-knowledge proofs (ZKP).
Gli algoritmi Zero-Knowledge Proof (ZKP) sono algoritmi crittografici che calcolano la probabilità che una parte in una transazione possieda un’informazione senza dover rivelare di cosa si tratta.
Gli algoritmi ZKP creano una serie di enigmi matematici che, se risolti correttamente dalla parte ricevente, dimostrano che la parte ricevente è genuina.
Nel nostro caso, la risposta affermativa sarà il risultato da prendere in considerazione del nostro LLM, dato un input specifico.
Verifica dell’inferenza tramite Zero-Knowledge (ZK): Parliamo di algoritmi decentralizzati per le verifiche ZKP.
Questi daranno l’opportunità di verificare (in cambio di un reward) che i risultati dell’inferenza siano prodotti con precisione dall'LLM desiderato (mantenendo privati i dati e i parametri del modello).
Anche se la tecnologia ZK ha fatto molta strada nel 2023, l'algoritmo ZK per l’apprendimento automatico (zkML) è ancora agli albori e dovrà essere reso più economico e più veloce per essere adottato come standard di verifica. Se questo accadrà, potremmo vedere una svolta epocale nella progettazione Web3 e IA, permettendo agli smart contract di accedere ai LLM in modo decentralizzato.
Anche se è ancora presto per parlare di leader del settore, =nil;, Giza e RISC Zero guidano attualmente l’attività di sviluppo su GitHub.
Centri di applicazioni e strumenti per sviluppatori: oltre all'algoritmo ZKP, gli sviluppatori Web3 necessitano di strumenti, kit di sviluppo software (SDK) e servizi per creare in modo efficiente applicazioni.
Stiamo parlando di IA agent.
Gli agenti di intelligenza artificiale sono entità progettate per percepire il loro ambiente e intraprendere azioni per raggiungere obiettivi specifici.
Questi agenti possono essere entità fisiche o basate su software e sono spesso costruiti utilizzando tecniche di intelligenza artificiale.
Percepiscono l'ambiente circostante attraverso sensori, elaborano le informazioni utilizzando algoritmi o modelli e poi agiscono con attuatori o altri mezzi.
Gli agenti di intelligenza artificiale possono variare da semplici sistemi che seguono regole predefinite a entità complesse e autonome che imparano e si adattano in base alle loro esperienze.
I leader al momento della stesura dell'approfondimento sono Bittensor, che attualmente ospita 32 “subnets” diverse (applicazioni di IA), e Fetch.ai, che offre una piattaforma di servizi avanzati per sviluppare IA agent incentrati principalmente per l'utilizzo aziendale.
Application Layer
Ed infine, in cima alla piramide tech, abbiamo applicazioni di interfaccia utente che sfruttano la potenza di elaborazione dell’IA senza passare per il Web3 (incluso invece nei due layer precedenti) che possono risolvere svariate problematiche spaziando tra molteplici ambiti.
Questa parte del mercato è ancora in fase embrionale e dipende ancora da un’infrastruttura fortemente centralizzata, ma i primi esempi includono smart contract auditing, chatbot specifici basati su blockchain, gaming basato sul metaverso, Ai generatori di immagini, piattaforme commerciali e piattaforme finanziarie.
Man mano che il web3 continuerà a progredire, emergeranno applicazioni di IA di nuova generazione con funzionalità che ad oggi ci è difficile immaginare.
Sicuramente siamo di fronte ad una svolta epocale per ciò che riguarda la razza umana.
Sicuramente vedremo grandi cambiamenti nel settore tech in questo 2024.
La nostra proiezione a livello finanziario nei confronti del Web3 e tutto ciò che concerne la tecnologia AI, ci porta a pensare che i protocolli di infrastruttura e middleware siano oggi i migliori investimenti in questo ambito, data l’incertezza su come evolverà la funzionalità e l'utilizzo pratico dell’IA nel tempo.
Indipendentemente da come si svilupperanno, le applicazioni Web3 AI richiederanno senza dubbio una enorme potenza di GPU, tecnologia ZKP e strumenti e servizi di sviluppo adeguati.
Comments