Menjelajahi Revolusi AI Di Web3:AI Terdesentralisasi, Kepemilikan Data, dan Jalan ke Depan

Pada tanggal 2 Mei, Dubai menjadi tuan rumah Konferensi Musim Hack , tempat para ahli terkemuka berkumpul untuk mengeksplorasi bagaimana gelombang AI membentuk kembali pengembangan blockchain dan interaksi pengguna. Dipimpin oleh Tomer Sharoni, Co-Founder dan CEO Dialamatkan panelnya featured pemimpin industri termasuk Evgeny Ponomarev dari Jaringan Fluence , Mark Rydon dari Aethir , Ramkumar dari buku besar , dan Michael Heinrich dari Lab 0G Diskusi tersebut membahas tentang munculnya agen otonom, aplikasi terdesentralisasi bertenaga AI (dApps), dan kemajuan dalam keamanan dan analisis data, yang menyoroti bagaimana AI mengubah Web3 infrastruktur dan tata kelola, serta mengkaji batas masa depan konvergensi ini.

Salah satu pertanyaan utama adalah dominasi model AI terpusat saat ini, yang mengandalkan data tertutup, sumber daya komputasi tertutup, dan insentif terbatas. Para pembicara mengidentifikasi desentralisasi sebagai cara untuk mengatasi keterbatasan ini. 

Mengidentifikasi isu-isu utama dalam AI saat ini, mereka menyoroti bahwa Web3 dapat berkontribusi pada pengembangan AI dengan memungkinkan pengumpulan data dan proses pelabelan yang lebih inklusif. Kemampuan untuk mengumpulkan banyak sumber daya dan memungkinkan orang untuk menggunakan apa yang mereka butuhkan adalah masalah lain yang memerlukan perhatian. Verifikasi di seluruh komponen AI juga menimbulkan tantangan, serta kurangnya penghargaan bagi orang-orang atas data yang mereka berikan. Insentif berbasis kripto dalam kasus ini berfungsi sebagai peluang potensial untuk memberi penghargaan kepada kontributor secara transparan. Sementara itu, tantangan infrastruktur utama adalah akses terbatas ke GPU, mesin penting AI, yang menekankan urgensi demokratisasi akses komputasi untuk memastikan partisipasi yang lebih luas.

Infrastruktur Terdesentralisasi Sebagai Jalan Menuju Sistem AI yang Transparan, Dapat Diverifikasi, dan Dapat Dipercaya

Mengembalikan kepercayaan pada sistem AI merupakan masalah penting lainnya, terutama dalam lanskap di mana keputusan semakin tidak jelas. Oleh karena itu, desentralisasi memberikan visibilitas pada data dan perilaku model. 

Lapisan penyimpanan terdesentralisasi, misalnya, dapat menetapkan asal data sejak informasi memasuki sistem, yang memungkinkan pengguna melacak asal dan modifikasinya. Di sisi operasional, penyelarasan model waktu nyata melalui mekanisme insentif dan penalti berbasis blockchain—seperti pemotongan—menawarkan jalur menuju tata kelola perilaku AI yang dinamis, menciptakan sistem yang dapat diverifikasi dan disesuaikan.

Membuka Batas Baru AI: Kepemilikan dalam Model AI Terdesentralisasi

Poin utama diskusi lainnya adalah atribusi data dan jaminan kualitas. Sementara sebagian besar model bahasa besar (LLM) saat ini dilatih pada data yang diperoleh secara publik, panelis menekankan bahwa kumpulan data yang paling berharga dimiliki oleh individu dan perusahaan dengan pengetahuan khusus domain.

Openledger, misalnya, bertujuan untuk memungkinkan individu dan organisasi membangun model yang disesuaikan untuk sektor seperti perawatan kesehatan dan e-commerce dengan memanfaatkan kumpulan data khusus ini. Kerangka kerja mereka memungkinkan kontributor untuk mempertahankan kepemilikan atas data mereka sambil menerima atribusi dan penghargaan. Khususnya, Openledger menyediakan mekanisme untuk melacak data mana yang berkontribusi pada keluaran AI tertentu, tingkat transparansi yang tidak tersedia di sebagian besar LLM saat ini.

Dari Mengotomatiskan Transaksi On-Chain Hingga Memberdayakan Ekonomi Berbasis Kripto: Apa yang Akan Terjadi?

Ketika ditanya tentang ide-ide paling menarik dalam bidang AI yang diharapkan terwujud dalam waktu dekat, para pembicara menyoroti potensi penggunaan agen AI untuk melakukan berbagai tugas manusia. Salah satu contoh yang dibahas adalah simpul penyelarasan AI, yang mampu bertindak sebagai pasukan polisi alami dengan mendeteksi keracunan data dan serangan pintu belakang. Lebih jauh, para panelis menekankan peran AI dalam mengabstraksikan manusia dari pekerjaan rutin dan meningkatkan efisiensi.

Para pembicara memperkirakan bahwa dalam tiga hingga lima tahun ke depan, sebagian besar transaksi on-chain dapat dieksekusi oleh agen AI otonom—perkembangan yang sangat relevan untuk ruang mata uang kripto, yang dicirikan oleh spekulasi dan perdagangan cepat.

Ide penting lainnya adalah bahwa AI dapat digunakan untuk mengoptimalkan segala hal mulai dari pengembangan perangkat lunak hingga keuangan terdesentralisasi (DeFi) strategi. Seiring terus berkembangnya AI, semakin banyak potensi untuk organisasi dan model keuangan baru yang sepenuhnya berbasis kripto, yang didukung oleh algoritma yang ditulis dan dioptimalkan oleh AI itu sendiri. Dalam paradigma yang sedang berkembang ini, mata uang kripto dapat berfungsi tidak hanya sebagai alat untuk spekulasi tetapi juga sebagai modal asli bagi ekonomi yang digerakkan oleh AI.