Perkembangan Industri AI dan Fusi Aset Kripto

Industri kecerdasan buatan telah berkembang pesat dalam beberapa tahun terakhir dan dianggap sebagai bagian penting dari revolusi industri keempat. Munculnya model bahasa besar secara signifikan meningkatkan efisiensi di berbagai sektor, dengan Boston Consulting memperkirakan bahwa GPT telah meningkatkan efisiensi kerja di AS sekitar 20%. Kemampuan generalisasi model besar dianggap sebagai paradigma desain perangkat lunak baru, dibandingkan dengan desain kode yang tepat secara tradisional, perangkat lunak saat ini lebih banyak mengintegrasikan kerangka model besar yang digeneralisasi, sehingga mendapatkan kinerja yang lebih baik dan dukungan modal yang lebih luas. Teknologi pembelajaran mendalam telah membawa gelombang baru kemakmuran bagi industri AI, dan gelombang ini juga telah menjangkau industri Aset Kripto.

Perkembangan Industri AI

Industri AI dimulai sejak tahun 1950-an, di mana akademisi dan industri pada periode yang berbeda mengusulkan berbagai jalur teknologi untuk mewujudkan kecerdasan buatan. Saat ini, pendekatan yang paling umum adalah metode berbasis pembelajaran mesin, yang memiliki inti pemikiran untuk memungkinkan mesin meningkatkan kinerja sistem melalui iterasi dengan data dalam jumlah besar. Pembelajaran mesin dibagi menjadi tiga aliran utama, yaitu koneksionisme, simbolisme, dan behaviorisme, yang masing-masing meniru sistem saraf, pemikiran, dan perilaku manusia.

Saat ini, konektivisme yang diwakili oleh jaringan saraf mendominasi, juga dikenal sebagai pembelajaran mendalam. Jaringan saraf memiliki lapisan input, lapisan output, dan beberapa lapisan tersembunyi, yang dilatih melalui parameter dan data dalam jumlah besar untuk menyesuaikan tugas umum yang kompleks. Teknologi pembelajaran mendalam telah mengalami beberapa evolusi, mulai dari jaringan saraf awal, RNN, CNN, hingga Transformer modern.

Perkembangan AI telah melalui tiga gelombang teknologi:

1. Pada tahun 1960-an, teknologi simbolisme memicu gelombang pertama, menyelesaikan masalah pemrosesan bahasa alami yang umum dan dialog manusia-mesin.

2. Pada tahun 1990-an, IBM Deep Blue mengalahkan juara catur, AI memasuki gelombang kedua.

3. Sejak 2006, kebangkitan pembelajaran mendalam memicu gelombang ketiga. Tiga raksasa pembelajaran mendalam mengusulkan konsep terkait, kemudian algoritma seperti RNN, GAN hingga Transformer terus berevolusi.

Dalam beberapa tahun terakhir, telah terjadi beberapa peristiwa penting di bidang AI:

• Pada tahun 2011, IBM Watson mengalahkan manusia dalam acara kuis Jeopardy!
• Pada tahun 2016, AlphaGo mengalahkan juara dunia Go, Lee Sedol.
• Pada tahun 2017, Google mengajukan algoritma Transformer
• Model seri GPT 2018-2020 terus menerus mengalami terobosan
• ChatGPT diluncurkan pada tahun 2023 dan dengan cepat menjadi populer

Rantai industri pembelajaran mendalam

Model bahasa besar yang saat ini menjadi arus utama semuanya berbasis pada metode pembelajaran mendalam. Model besar yang diwakili oleh GPT telah memicu gelombang baru dalam AI, banyak pemain yang masuk ke jalur ini. Kita dapat menganalisis struktur rantai industri pembelajaran mendalam dari dimensi data, kekuatan komputasi, dan sebagainya.

Pelatihan model besar terutama dibagi menjadi tiga langkah:

1. Pra-pelatihan: Memerlukan data dan kekuatan komputasi yang besar, merupakan tahap yang paling menghabiskan sumber daya.

2. Fine-tuning: Menggunakan sejumlah kecil data berkualitas tinggi untuk meningkatkan kualitas model.

3. Pembelajaran Penguatan: mengoptimalkan keluaran model secara iteratif melalui umpan balik.

Tiga faktor kunci yang mempengaruhi kinerja model besar adalah jumlah parameter, volume/kualitas data, dan daya komputasi. Contoh, GPT-3 memiliki 175 miliar parameter, data pelatihan sekitar 570GB, dan memerlukan dukungan daya komputasi yang besar.

Rantai industri pembelajaran mendalam terutama mencakup:

• Perangkat Keras GPU: Pabrikan seperti Nvidia menyediakan chip GPU berkinerja tinggi
• Layanan cloud: AWS, Google Cloud, dan lainnya menyediakan dukungan kekuatan komputasi
• Data: berbagai jenis penyedia data dan perusahaan penandaan
• Database: basis data vektor dan penyimpanan data besar
• Perangkat tepi: sistem pendingin dan perangkat pendukung lainnya
• Aplikasi: berbagai aplikasi AI di berbagai bidang vertikal

Aset Kripto dan Keterpaduan AI

Teknologi blockchain dan Aset Kripto dapat membawa penemuan nilai baru dan mekanisme rekonstruksi untuk rantai industri AI:

1. Ekonomi token dapat mendorong lebih banyak orang untuk berpartisipasi dalam berbagai aspek industri AI, mendapatkan keuntungan yang melebihi aliran kas.

2. Buku besar terdesentralisasi dapat menyelesaikan masalah kepercayaan data dan model, serta mewujudkan kolaborasi di bawah perlindungan privasi data.

3. Jaringan nilai global dapat menghidupkan kekuatan komputasi yang tidak terpakai dan menurunkan biaya.

4. Kontrak pintar dapat mengotomatiskan perdagangan dan penggunaan model AI.

Saat ini, arah utama penggabungan Aset Kripto dan AI meliputi:

• Pasar Kekuatan Komputasi Awan GPU: Proyek seperti Render menyediakan jaringan kekuatan komputasi terdesentralisasi
• Pasar Data: EpiK Protocol dan lainnya menyediakan layanan data untuk AI
• ZKML: Mewujudkan pelatihan dan inferensi model dalam perhitungan privasi
• AI Agent: Proyek seperti Fetch.AI membangun jaringan agen cerdas
• Blockchain AI: Jaringan blockchain yang dirancang khusus untuk AI

Meskipun aplikasi AI+Aset Kripto saat ini masih berada di tahap awal, kombinasi ini diharapkan dapat membentuk kembali rantai industri AI dan menciptakan nilai baru. Di masa depan, seiring kemajuan teknologi, penggabungan kedua bidang ini akan semakin erat.