Оскільки штучний інтелект (ШІ) швидко виконує свою складну магію в одному секторі економіки за іншим, виникає дедалі гостріша потреба в обчислювальних ресурсах для живлення всього цього машинного інтелекту.
Навчання такої моделі, як ChatGPT, коштує понад 5 мільйонів доларів, а запуск ранньої демо-версії ChatGPT, навіть до того, як використання зросло до поточного рівня, коштує OpenAI приблизно 100,000 XNUMX доларів на день. ШІ — це більше, ніж просто генерація тексту; Застосування штучного інтелекту до практичних проблем у багатьох галузях потребує подібних великих нейронних моделей, навчених на різноманітних типах даних — медичних, фінансових, інформації про клієнтів, геопросторових і так далі. Вихід за рамки обмежень поточного нейронного штучного інтелекту до систем із вищим рівнем загального штучного інтелекту майже напевно буде ще більш інтенсивним.
Цілком природно, що невелика, але зростаюча кількість криптомайнерів зараз шукає, як використовувати власні обчислювальні інфраструктури, щоб просувати вперед революцію ШІ.
За темою: Від Берні Медоффа до Бенкмана-Фріда, максималісти біткойнів підтверджені
Біткойн (БТД) видобуток корисних копалин залишається прибутковим бізнесом. Майнінг інших криптовалют також може заробляти гроші, але це ситуація, яка швидко змінюється. Ефір (ETH), наприклад, майнери зазнали серйозного удару наприкінці минулого року, коли мережа Ethereum перейшла з proof-of-work до proof-of-stake.
Економічна та технічна ситуація в криптопросторі за останні два роки спонукала все більше організацій криптомайнінгу досліджувати потенціал використання своїх засобів для інших цілей, таких як високопродуктивні обчислення та, зокрема, ШІ.
Конкретне обчислювальне обладнання, необхідне для високопродуктивних обчислень (HPC) або обробки штучним інтелектом, часто відрізняється від оптимального для майнінгу криптовалют. Але покупка серверів, як правило, не найскладніша частина створення майнінгової ферми. Електроживлення, охолодження, безпека та інша фізична інфраструктура є серйозними витратами та зусиллями, і все це залишається приблизно незмінним, незалежно від того, чи розміщено на хості графічні процесори з невеликою оперативною пам’яттю, які підходять для майнінгу ETH, чи GPUS із інтенсивним використанням оперативної пам’яті, який підходить для вивчення моделі штучного інтелекту. .
Майнінгова компанія Hut 8 стала лідером, використовуючи свої обчислювальні засоби, які раніше були призначені для майнінгу, для машинного навчання та інших додатків HPC. Hive Blockchain деякий час робить те ж саме, наповнюючи свої сервери процесорними картами, які «можуть використовуватися для хмарних обчислень і додатків штучного інтелекту, а також візуалізації для інженерних програм, на додаток до наукового моделювання динаміки рідин».
Мабуть, найбільш цікавим є потенціал майнерів для переведення своїх обчислювальних ресурсів на штучний інтелект таким чином, щоб він залишався повністю в просторі блокчейну — використовуючи їх для запуску процесів штучного інтелекту, які розміщені в децентралізованих мережах на основі блокчейну. Цю можливість надає низка проектів штучного інтелекту, пов’язаних із їхніми власними альткойнами, як-от Fetch.ai (FET), Ocean (OCEAN), Matrix AI Network (MAN), Cortex (CTXC) і мій власний проект SingularityNET (AGIX), і його різноманітні екосистемні проекти, такі як NuNet (NTX) і новий безреєстровий блокчейн HyperCycle. Альткойни, пов’язані зі штучним інтелектом, показали хороші результати в першій половині 2023 року, оскільки ринок усвідомив потенціал децентралізованого програмного забезпечення ШІ.
За темою: Чи повинні покупці Bored Ape мати законне право на відшкодування?
Ще до білої книги біткойнів стало зрозуміло, що поєднання розподілених обчислень, надійного шифрування та децентралізованого контролю має широке застосування, окрім фінансового. Ось чому ми маємо блокчейн-проекти в сферах, що охоплюють майже всі вертикальні ринки — медицина, ланцюг поставок, ігри, робототехніка тощо. Оскільки в кожній із цих сфер бізнесу домінує ШІ, децентралізація програмного та апаратного забезпечення, що лежить в основі ШІ, стане критичним аспектом децентралізації глобальної економіки. Перепрофілювання частини обладнання для криптомайнінгу для обробки штучного інтелекту, деякі з яких загорнуті в орієнтовані на штучний інтелект криптомережі, все частіше стане частиною історії.
Якщо нетривіальна частина глобальної обробки штучного інтелекту в кінцевому підсумку виконується на об’єктах криптомайнінгу, це може мати наслідки не тільки для фінансів. Установки для майнінгу криптовалют розташовані в різних юрисдикціях і належать різним сторонам. Глобально розподілену мережу штучного інтелекту, розповсюджену на платформах для майнінгу криптовалют, було б значно важче централізовано контролювати урядам або іншим сторонам, ніж мережу штучного інтелекту, зосереджену на серверних фермах, що належать Big Tech (поточний стандарт для штучного інтелекту). Чи добре це чи погано з точки зору етики штучного інтелекту, залежить від вашої оцінки характеру великих технологій і великого уряду.
Бен Герцель є генеральним директором і засновником SingularityNET і головою Товариства загального штучного інтелекту. Він працював науковим співробітником у низці організацій, зокрема головним науковим співробітником Hanson Robotics, де він спільно розробляв Sophia. Раніше він працював директором з досліджень в Науково-дослідному інституті машинного інтелекту, головним науковим співробітником і головою правління компанії Novamente, що розробляє програмне забезпечення штучного інтелекту, а також головою OpenCog Foundation. Він закінчив університет Темпл зі ступенем доктора філософії. з математики.
Ця стаття призначена для загальної інформації та не призначена і не повинна розглядатися як юридична чи інвестиційна порада. Погляди, думки та думки, висловлені тут, є лише автором і не обов’язково відображають або представляють погляди та думки Cointelegraph.
Джерело: https://cointelegraph.com/news/cryptocurrency-miners-may-lead-the-next-stage-of-ai