Ap šo gadu sākumu es sāku pavadīt diezgan daudz laika, sekojot AI infrastruktūrai. Bija posms, kad es ieguldīju dažus simtus līdz vairāk nekā tūkstoti dolāru, lai testētu dažas ekosistēmas, kas saistītas ar AI, datiem un skaitļošanu, galvenokārt, lai saprastu, vai naratīvs "AI izaugsme automātiski palielinās tokenu pieprasījumu" patiešām ir ilgtspējīgs.
Sākumā viss izskatījās diezgan saprotami. Skaitļošanas sacensības notika visur. Cilvēki daudz runāja par mikroshēmām, interpretācijas izmaksām, modeļu izmēriem, caurlaidspēju, mērogojamību. Tokeni, kas ir saistīti ar AI infrastruktūru, viegli piesaistīja uzmanību, jo stāsts bija ļoti skaidrs: jo vairāk AI attīstās, jo vērtīgāka kļūst infrastruktūra.
Bet jo ilgāk es sekoju, jo vairāk es redzu, ka tirgus ir tendēts obsesīvi pievērst uzmanību viegli mērāmām lietām, bet ignorēt sarežģītākas ekonomiskas problēmas aiz tā.
Tas man rada diezgan daudz asociāciju ar būvniecības nozari ārpus dzīves.
Kad skatās uz lielu būvniecības projektu, tas, ko cilvēki visbiežāk ievēro, ir:
mašīnas darbojas nepārtraukti
materiāls ierodas katru dienu
būvniecības ātrums
projektu mērogs
Un patiešām, šie aspekti ir svarīgi.
Bet, jo vairāk iedziļinās reālajā darbībā, jo vairāk cilvēki saprot, ka grūtākais daļa no projekta nav tas, cik ātri to var uzbūvēt, bet drīzāk:
kurš ir dizaina īpašnieks
no kurienes nāk materiāli
kurš ir atbildīgs
kas ir tiesības uz izmantošanu
Cik ilgi vēl jāsamaksā?
Ēka var tikt uzbūvēta ļoti ātri.
Bet juridiskās atbildības, izmantošanas tiesību, uzturēšanas un darbības daļa ir tā, kas rada ekonomisku vērtību gadiem ilgi pēc tam.
AI infrastruktūra, vismaz no tā, kā es to redzu, sāk ieiet līdzīgā stāvoklī.
Es esmu pārāk pieradis pie ticējumiem, ka AI infrastruktūra vienmēr tiks novērtēta ap skaitļošanas efektivitāti, mikroshēmām, inferenču izmaksām vai modeļa izmēru.
Izskatās, ka tas ir taisnība, ja AI kļūst spēcīgāka, tad jums tikai jāpaplašina skaitļošana un jāoptimizē inferene. Tieši šī vienkāršība ir tā, kas ļauj šim naratīvam pastāvēt vairākos ciklos.
Bet AI nekad nav bijusi tikai skaitļošanas problēma. Tā ir saglabāto atļauju un atjaunojamo ekonomisko tiesību problēma.
Tradicionālās AI infrastruktūras sistēmas parādījās diezgan agri. Tās koncentrējās uz apmācību, inferenci, caurlaidību un mērogošanu. Tās pārvērta datu ieguldījumu un modeļa veiktspēju par signāliem masām.
Problēma nav tehnoloģijas būtībā, bet gan veidā un laikā, kad tirgus to novērtē.
Lielāko daļu laika cilvēki vienkārši vēro to, kas ir noticis. Modelis ir apmācīts, benchmarks ir publicēti. Viss šķiet notiekam uzreiz, bet patiesībā liela daļa vērtības ir jau atspoguļota iepriekš.
Un pēc tam ir vēl viens problēmu slānis. Šīs sistēmas šķiet pieņem, ka "AI dati ir vienreizējas resursi". Bet patiesībā tā nav.
Uzņēmuma modelis var nepārtraukti izmantot:
compliance workflows
negotiation logic
operational habits
domain-specific intelligence
mācīts iepriekš.
Tas ir līdzīgi projektam, kas joprojām rada ieņēmumus daudzus gadus pēc pabeigšanas. Vērtība vairs nav “izmantojošos materiālos”, bet gan tiesībās uz darbību un nepārtrauktās izmantošanas iespējās par to, kas ir uzbūvēts.
Tu redzi izeju, bet neredzi, ka ekonomiskās tiesības joprojām pastāv aiz šīs izejas.
Daudzi cilvēki skatās uz AI infrastruktūru un uzskata, ka skaitļošana ir lielākais aizsardzības mehānisms. Bet, ja tā ir, šis priekšrocība bieži tiek ātri apstrīdēta. Kad visi skrien pēc mērogošanas un efektivitātes, edge pakāpeniski pārvēršas par pūļa uzvedību, kas ir maskēta tehnoloģiskās naratīva slānī.
Es nemeklēju absolūtu precizitāti, es meklēju pareizu pieeju.
OpenLedger, vismaz no tā, kā es to novēroju, neseko šim virzienam. Tas necenšas parādīt, kurš modelis ir spēcīgāks vai kurš inferenču process ir lētāks. Tas, šķiet, mēģina risināt kaut ko citu, mazāk pievilcīgu: atļauju izpildi un ekonomisko izcelsmi.
Tas nav par to, ka tu skaties uz skaitļošanu ārpusē, bet gan par to, ka tu skaties uz īpašumtiesībām un ekonomiskajām saistībām, kas joprojām pastāv mašīnas atmiņā.
Sistēmas, piemēram, OpenLedger, neiekļauj jaunus datus tradicionālajā nozīmē. Dati joprojām ir dati, modeļi joprojām ir modeļi. Bet veids, kā tie tiek izmantoti, ir atšķirīgs.
Tas tieši sasaista atribūciju, izcelsmi un atļauju procesu komerciālajā AI ieviešanā. Tas cenšas izveidot ietvaru, kurā atjaunojamā ekonomiskā izeja joprojām ir saistīta ar sākotnējo devēju.
Tas ir līdzīgi tam, ka ēka, pat ja mainās īpašnieks, mainās darbības vienība vai mainās tās lietošanas mērķis, tās īpašumtiesības, līgumi par izmantošanu un juridiskā atbildība joprojām pastāv.
Izskatās, ka nav pārāk jauns. Bet atšķirīgais punkts ir tas, ka tas piespiež tirgu saskarties ar grūtāku jautājumu:
Ja AI atmiņa turpina radīt vērtību laika gaitā, kāpēc ekonomiskās tiesības tiek novērtētas tikai vienreiz?
Vecās AI infrastruktūras sistēmas sniedz jums vairāk iemeslu, lai mērogotu skaitļošanu.
OpenLedger uzdod jautājumu, vai saglabātās atļaujas ir svarīgāks infrastruktūras slānis.
Tas nepadara AI gudrāku, bet var mainīt veidu, kā tiek uzturēta ekonomiskā atkarība – vai arī atklāt, ka tirgus patiesībā nav tik ieinteresēts tajā.
Es neticu, ka tas ir galīgais risinājums, jo katrai sistēmai ir jāveic kompromisi.
Ar skaitļošanas centrisku infrastruktūru jūs saskaras ar preču un konkurences spiedienu.
Ar OpenLedger jūs saskaras ar izpildes risku, probabilistisko atribūciju un iespēju, ka lietotāji pilnībā apiet sistēmu.
Labi izstrādāts modelis uz papīra var ātri sabrukt, kad komerciālie stimula mainās, jo AI neattīstās tā, ka paplašinot viss kļūst labāk.
Un vēl viens aspekts. Kad atribūcija un atļaujas kļūst par AI infrastruktūras daļu, dalībnieku loma sistēmā arī mainās. Viņi vairs nav tikai datu devēji. Viņi kļūst par pusēm, kas tur atjaunojamas ekonomiskas prasības attiecībā uz mašīnu uzvedību.
Pašreizējā AI naratīva bīstamība ir tā, ka tā mulsina tirgu starp mērogošanu un ilgtspējīgu ekonomiku.
Tāpēc, ja saliek divus pieeju virzienus blakus, es tos neredzu kā divus tieši konkurējošus naratīvus.
Viens kalpo skaitļošanas paplašināšanai.
Viens kalpo saglabātajām atļaujām.
Viens dod jums sajūtu, ka "AI kļūst spēcīgāks".
Vēl viens liek jums saskarties ar jautājumu "kurš joprojām ir ekonomiskais ieguvums no šīs AI atmiņas?"
Kurš ir labāks? Es domāju, ka šis jautājums nav tik svarīgs. Svarīgāk ir tas, ka tirgus vēl nav patiesi novērtējis, kurš ir ilgtspējīgāks atkarības slānis.
Ja AI turpina tikt uzskatīta par skaitļošanas sacensību, skaitļošanas naratīvi vienmēr būs pievilcīgi.
Ja AI sāks pārvērsties par atjaunojamo atļauju tirgu, varbūt OPEN Token būs vērts paskatīties.
Bet tas, kas ir vērts skatīties, nenozīmē, ka tam var ticēt.
OpenLedger var mēģina risināt saglabāto atļauju un atjaunojamo ekonomisko tiesību problēmu attiecībā uz AI atmiņu, kamēr lielākā daļa pašreizējās AI infrastruktūras joprojām saglabā pieeju ap skaitļošanu un efektivitāti. Šī atšķirība ir ievērojama, taču tā nav galīgā atbilde.
Jo patiesībā viss tiek pārbaudīts tikai, kad to izmanto. Whitepaper, naratīvs vai demo nav tik svarīgi, cik tas, vai uzņēmumi, aģenti vai izstrādātāji patiešām ir atkarīgi no šīs atļauju infrastruktūras.
Galu galā, viss atgriežas pie lietošanas.
Nav svarīgi, cik skaista ir informācijas panelis, nav svarīgi, cik liels ir naratīvs, bet vai atjaunojamā noregulēšana, atribūcijas izpilde un ekonomiskā atkarība turpinās pastāvēt laika gaitā.
Es joprojām pievēršu uzmanību katrai kustībai, īpaši kad AI sistēmas sāk ievērot komerciālo ieviešanu lielākā mērogā, jo tie ir tie brīži, kad visi naratīvi sāk atklāt savus ierobežojumus.
Un tas ir tas, ko es arī gaidu.
\u003cc-21/\u003e\u003cm-22/\u003e\u003ct-23/\u003e