• A interseção entre a inteligência artificial (IA) e a criptomoeda é vasta, mas frequentemente mal compreendida. Acreditamos que diferentes subseções desta interseção têm oportunidades distintas e cronogramas de desenvolvimento.
• Normalmente acreditamos que, para os produtos de IA, a descentralização por si só não é suficiente para trazer vantagem competitiva - também deve alcançar paridade funcional com os produtos centralizados em certas outras áreas-chave.
• A nossa visão contrária é que, devido à atenção generalizada à indústria de IA, o potencial de valor de muitos tokens de IA pode estar exagerado e muitos tokens de IA podem carecer de impulsionadores sustentáveis de procura a curto e médio prazo.

Nos últimos anos, avanços contínuos em inteligência artificial, especialmente no campo da inteligência artificial generativa, têm atraído grande atenção para a indústria de inteligência artificial e proporcionado oportunidades para projetos de cripto localizados na interseção das duas áreas. Anteriormente, abordamos algumas das possibilidades para o setor num relatório anterior, em junho de 2023, observando que a alocação de capital geral em criptomoedas parecia estar subinvestindo em inteligência artificial. O campo da IA em criptomoedas cresceu tremendamente desde então, e achamos importante destacar alguns dos desafios práticos que podem dificultar sua adoção generalizada.

A rápida mudança na IA nos faz cautelosos sobre afirmações ousadas de que as plataformas centradas em Cripto estão posicionadas de forma única para perturbar a indústria; isso nos leva a acreditar que a maioria dos tokens de IA tem um caminho de valorização de longo prazo e sustentável. O caminho está cheio de incertezas, especialmente para projetos com modelos econômicos de token fixos. Em vez disso, acreditamos que algumas tendências emergentes na IA podem realmente tornar as inovações baseadas em criptomoedas mais difíceis de serem adotadas, dada a concorrência e regulamentação mais abrangentes do mercado.

Dito isto, acreditamos que o ponto entre IA e criptomoedas é amplo e tem diversas oportunidades, com a adoção provavelmente a ser mais rápida em certos subsegmentos, apesar da falta de tokens já comercializados em muitas destas áreas. Ainda assim, isso não parece estar a diminuir o interesse dos investidores. Verificamos que o desempenho dos tokens cripto relacionados com IA é apoiado por manchetes do mercado de IA e pode ter uma ação de preço positiva mesmo nos dias em que o Bitcoin está a ser negociado a um valor mais baixo. Portanto, acreditamos que muitos tokens relacionados com IA podem continuar a ser negociados como representações do progresso da IA.

Principais tendências em Inteligência Artificial

Uma das tendências mais importantes no campo da inteligência artificial (relacionada com produtos de IA cripto) é a cultura contínua em torno de modelos de código aberto. Mais de 530.000 modelos estão expostos no Hugging Face para investigadores e utilizadores manipularem e ajustarem. O papel do Hugging Face na colaboração de IA não é diferente de depender do GitHub para alojamento de código ou do Discord para gestão da comunidade (ambos amplamente utilizados no espaço cripto). Exceto em caso de grave má gestão, esta situação não é provável que mude num futuro próximo.

Os modelos disponíveis na Hugging Face variam de grandes modelos de linguagem (LLMs) a modelos gerativos de imagem e vídeo, e incluem criações de grandes jogadores da indústria como Open AI, Meta e Google, bem como desenvolvedores independentes. Alguns modelos de linguagem de código aberto até têm vantagens de desempenho sobre os modelos de código fechado de ponta em termos de rendimento (mantendo ao mesmo tempo qualidade de saída comparável), garantindo um grau de concorrência entre modelos de código aberto e comerciais (ver Figura 1). Importante, acreditamos que este ecossistema vibrante de código aberto combinado com um setor comercial altamente competitivo permitiu uma indústria onde os maus modelos são afastados da competição.

A segunda tendência é a crescente qualidade e rentabilidade dos modelos mais pequenos (destacados na pesquisa LLM em 2020 e num artigo recente da Microsoft), o que também coincide com a cultura de código aberto para possibilitar ainda mais o desempenho de alta qualidade, com modelos de IA a correr localmente. Alguns modelos de código aberto afinados podem até superar os principais modelos de código fechado em determinados benchmarks. Num mundo assim, alguns modelos de IA poderiam ser executados localmente, maximizando a descentralização. Claro, as empresas de tecnologia incumbentes continuarão a treinar e executar modelos maiores na nuvem, mas o espaço de design entre os dois exigirá compromissos.

Além disso, dada a crescente complexidade da tarefa de benchmarking de modelos de IA (incluindo contaminação de dados e escopos de teste variáveis), a geração de resultados do modelo pode ser melhor avaliada pelos usuários finais em um mercado livre. Na prática, os usuários finais podem usar ferramentas existentes para comparar a saída do modelo lado a lado com empresas de referência que realizam as mesmas operações. Uma ideia aproximada da dificuldade dos benchmarks de IA generativa pode ser obtida a partir da crescente variedade de benchmarks LLM abertos, incluindo MMLU, HellaSwag, TriviaQA, BoolQ, etc., cada um testando diferentes casos de uso, como raciocínio de senso comum, tópicos acadêmicos e vários formatos de perguntas.

A terceira tendência que observamos no espaço de IA é que as plataformas existentes com grande adesão de usuários ou que resolvem problemas comerciais específicos podem beneficiar desproporcionalmente da integração da IA. Por exemplo, a integração do GitHub Copilot com editores de código aprimora um ambiente de desenvolvimento já poderoso. A incorporação de interfaces de IA em outras ferramentas, desde clientes de e-mail até planilhas e software de gestão de relacionamento com o cliente, também são casos de uso naturais para a IA (por exemplo, o assistente de IA da Klarna realiza o trabalho de 700 funcionários em tempo integral do serviço de atendimento ao cliente).

Mas vale ressaltar que, em muitos desses cenários, os modelos de IA não levarão a novas plataformas, mas apenas melhorarão as existentes. Outros modelos de IA que melhoram os processos de negócios tradicionais internamente (por exemplo, o sistema Lattice da Meta, que ajudou a restaurar o desempenho dos anúncios da Apple aos níveis antigos após o lançamento da Transparência de Rastreamento de Apps) também costumam depender de dados proprietários e sistemas fechados. Esses tipos de modelos de IA provavelmente permanecerão como fonte fechada porque estão integrados verticalmente ao produto principal e utilizam dados proprietários.

No mundo do hardware e computação de IA, vemos duas outras tendências relacionadas. A primeira é a mudança no uso da computação, passando do treino para a inferência. Ou seja, quando os modelos de inteligência artificial são desenvolvidos pela primeira vez, são usados vastos recursos de computação para “treinar” o modelo alimentando-o com grandes conjuntos de dados. Agora passamos para a implementação e consulta do modelo.

A chamada de ganhos da NVIDIA em fevereiro de 2024 mostrou que cerca de 40% do seu negócio foi usado para inferência. Satya Nadella fez observações semelhantes na chamada de ganhos da Microsoft no mês anterior, janeiro, apontando que a "maioria" do uso de IA da Azure é para raciocínio. À medida que essa tendência continua, acreditamos que as entidades que procuram monetizar modelos darão prioridade a plataformas que possam executar modelos de forma confiável, segura e pronta para produção.

A segunda grande tendência é a paisagem competitiva em torno da arquitetura de hardware. Os processadores H200 da Nvidia estarão disponíveis a partir do segundo trimestre de 2024, com a expectativa de que o próximo B100 de próxima geração duplique ainda mais o desempenho. Além disso, o apoio contínuo do Google para a sua própria Unidade de Processamento Tensor (TPU) e a mais recente Unidade de Processamento de Linguagem (LPU) da Groq também podem aumentar a sua quota de mercado como alternativas neste espaço nos próximos anos (ver Figura 2). Tais desenvolvimentos poderiam alterar a dinâmica de custos na indústria de inteligência artificial e beneficiar os prestadores de serviços em nuvem, permitindo-lhes mudar rapidamente, adquirir em massa hardware e configurar quaisquer requisitos de rede física relacionados e ferramentas de desenvolvimento.

No geral, o campo da inteligência artificial é um campo emergente e em rápido desenvolvimento. Menos de 1,5 anos após o lançamento inicial do ChatGPT no mercado em novembro de 2022 (embora seu modelo subjacente GPT 3 exista desde junho de 2020), o crescimento rápido no espaço desde então tem sido surpreendente. Apesar de alguns comportamentos questionáveis em relação aos preconceitos por trás de alguns modelos de IA generativa, poderíamos ver modelos com desempenho inferior sendo gradualmente eliminados pelo mercado em favor de melhores alternativas. O crescimento rápido da indústria e o potencial para regulamentações futuras significam que os problemas da indústria estão mudando regularmente à medida que novas soluções se tornam disponíveis.

Para um campo que inova rapidamente, a frequentemente mencionada 'solução descentralizada [XXX]' como uma conclusão precipitada é prematura. Também resolve antecipadamente um problema de centralização que pode não necessariamente existir. A realidade é que a indústria de IA alcançou um grande grau de descentralização em diversas verticais tecnológicas e empresariais através da competição entre muitas empresas diferentes e projetos de código aberto. Além disso, devido à natureza de seus processos de tomada de decisão e consenso, os protocolos descentralizados avançam a um ritmo mais lento do que os protocolos centralizados tanto em nível técnico quanto social. Isso pode criar obstáculos na busca pelo equilíbrio entre descentralização e produtos competitivos nesta fase do desenvolvimento de IA. Em outras palavras, existem sinergias entre criptomoeda e inteligência artificial que podem ser significativamente realizadas ao longo de um período prolongado de tempo.

Avalie a oportunidade

De uma forma geral, dividimos a interseção da inteligência artificial e da criptomoeda em duas amplas categorias. A primeira categoria é de casos de uso em que produtos de IA melhoram a indústria de cripto. Isso inclui cenários que vão desde a criação de transações legíveis por humanos e a melhoria da análise de dados em blockchain, até a alavancagem da saída de modelos on-chain como parte de um protocolo sem permissões. A segunda categoria é de casos de uso em que as criptomoedas visam perturbar os pipelines tradicionais de IA através de computação descentralizada, verificação, identidade, etc.

Os casos de uso para a primeira categoria de cenários relacionados a negócios são claros, e acreditamos que, embora permaneçam desafios técnicos significativos, também existem perspectivas de longo prazo em cenários de modelos de inferência mais complexos on-chain. Os modelos de IA centralizados podem melhorar criptomoedas como qualquer outra indústria focada em tecnologia, desde a melhoria de ferramentas de desenvolvimento e auditoria de código até a tradução de linguagem humana em ações on-chain. Mas o investimento nessa área geralmente flui para empresas privadas por meio de capital de risco, sendo frequentemente ignorado pelos mercados públicos.

No entanto, as implicações e benefícios de como a cripto poderia perturbar os pipelines de IA existentes são menos certos para nós. As dificuldades na última categoria não são apenas desafios técnicos (que acreditamos serem geralmente solucionáveis a longo prazo), mas também batalhas difíceis com forças de mercado e regulatórias mais amplas. Grande parte da atenção recente em inteligência artificial e criptomoedas tem sido focada nesta categoria, pois esses casos de uso são mais adequados para possuir tokens líquidos. Este é o foco da nossa próxima seção, pois atualmente existem relativamente poucos tokens de liquidez relevantes para ferramentas de IA centralizadas em criptomoedas.

O papel das criptomoedas nos pipelines de inteligência artificial

No risco de simplificar demais a questão, consideramos o impacto potencial das criptomoedas na IA em quatro etapas principais do pipeline de IA:

1. Recolha, armazenamento e processamento de dados

2. Treino de modelo e inferência

3. Verificação da saída do modelo

4. Acompanhe a saída do modelo de inteligência artificial

Muitos novos projetos de cripto-AI surgiram nessas áreas. No entanto, muitos enfrentarão desafios sérios a curto e médio prazo na geração de demanda e na competição acirrada de empresas centralizadas e soluções de código aberto.

Dados proprietários

Os dados são a base de todos os modelos de IA e podem ser o diferenciador chave no desempenho profissional do modelo de IA. Os próprios dados históricos da blockchain são uma nova fonte rica de dados para os modelos, e alguns projetos como o Grass também têm como objetivo alavancar incentivos de cripto para curar novos conjuntos de dados a partir da internet aberta. Neste sentido, a cripto tem a oportunidade de fornecer conjuntos de dados específicos da indústria e incentivar a criação de novos conjuntos de dados valiosos. (Acreditamos que o recente acordo de licenciamento de dados do Reddit de $60 milhões por ano com o Google é um bom presságio para o futuro da monetização de conjuntos de dados.)

Muitos modelos iniciais (como o GPT 3) utilizavam uma mistura de conjuntos de dados abertos como o CommonCrawl, WebText2, Livros e Wikipédia, bem como conjuntos de dados semelhantes disponíveis gratuitamente na Hugging Face (atualmente com mais de 110.000 opções). No entanto, possivelmente para proteger interesses comerciais, muitos modelos recentes de código fechado ainda não disponibilizaram a composição final do seu conjunto de dados de treino. A tendência para conjuntos de dados proprietários, especialmente em modelos de negócio, continuará e aumentará a importância da licença de dados.

Os mercados de dados centralizados existentes já estão a ajudar a preencher a lacuna entre os fornecedores de dados e os consumidores, deixando um espaço de oportunidade para novas soluções de mercado de dados descentralizados encaixadas entre catálogos de dados de código aberto e concorrentes empresariais. Sem o apoio de uma estrutura legal, um mercado de dados puramente descentralizado também precisaria de construir interfaces e pipelines de dados padronizados, verificar a integridade e configuração dos dados e resolver o problema de arranque a frio dos seus produtos - enquanto equilibra os incentivos de token entre os participantes do mercado.

Além disso, as soluções de armazenamento descentralizado podem eventualmente encontrar um lugar na indústria de inteligência artificial, embora com muitos desafios a esse respeito. Por um lado, já existem e são amplamente utilizados pipelines para distribuição de conjuntos de dados de código aberto. Por outro lado, muitos proprietários de conjuntos de dados proprietários têm requisitos rígidos de segurança e conformidade.

Atualmente, não há caminhos regulatórios para hospedar dados confidenciais em plataformas de armazenamento descentralizadas como Filecoin e Arweave. Muitas empresas ainda estão fazendo a transição de servidores locais para provedores de armazenamento em nuvem centralizados. Além disso, a natureza descentralizada destas redes não satisfaz atualmente determinados requisitos de localização geográfica e de isolamento físico de dados para armazenar dados sensíveis, a nível técnico.

Embora as comparações de preços entre soluções de armazenamento descentralizadas e fornecedores de nuvem estabelecidos sugiram que as unidades de armazenamento descentralizadas são mais baratas por unidade, isso ignora uma premissa significativa. Em primeiro lugar, os custos iniciais associados à migração de sistemas entre fornecedores precisam ser considerados além das despesas operacionais diárias. Em segundo lugar, as plataformas de armazenamento descentralizadas baseadas em cripto precisam corresponder a melhores ferramentas e integração com sistemas de nuvem maduros desenvolvidos ao longo das últimas duas décadas. As soluções de nuvem também têm custos mais previsíveis do ponto de vista das operações comerciais, oferecem obrigações contratuais e equipes de suporte dedicadas, e têm um grande pool de talentos de desenvolvedores existentes.

Também vale a pena notar que uma comparação superficial com os três principais provedores de nuvem (Amazon Web Services, Google Cloud Platform e Microsoft Azure) é incompleta. Existem dezenas de empresas de nuvem de menor custo também competindo por uma quota de mercado ao oferecer racks de servidores básicos mais baratos. Acreditamos que estes são os verdadeiros concorrentes principais de curto prazo para os consumidores conscientes do custo.

Em outras palavras, inovações recentes como a computação de dados do Filecoin e o ambiente de computação AO do Arweave podem desempenhar um papel em projetos futuros que utilizam conjuntos de dados menos sensíveis ou para empresas que ainda não são fornecedores sensíveis ao custo (potencialmente em menor escala).

Portanto, embora haja certamente espaço para novos produtos criptográficos no espaço de dados, ocorrerão perturbações tecnológicas recentes onde podem gerar propostas de valor únicas. Áreas onde produtos descentralizados competem diretamente com concorrentes tradicionais e de código aberto levarão mais tempo a progredir.

Treino e Inferência de Modelos

O campo da computação descentralizada (DeComp) na indústria de cripto também tem como objetivo servir como uma alternativa à computação em nuvem centralizada, em parte devido à escassez existente de GPUs. Uma solução proposta para abordar esse problema de escassez é a reutilização de recursos de computação ociosos dentro de redes coletivas, reduzindo assim os custos para os provedores de nuvem centralizados. Protocolos como Akash e Render implementaram soluções semelhantes. Indicadores preliminares sugerem que tais projetos estão vendo um aumento no uso tanto por parte dos usuários quanto dos fornecedores. Por exemplo, os contratos ativos da Akash (ou seja, o número de usuários) triplicaram este ano (ver Figura 3), principalmente devido ao aumento da utilização de seus recursos de armazenamento e computação.

No entanto, as taxas pagas à rede realmente diminuíram desde o pico em dezembro de 2023, já que o fornecimento de GPUs disponíveis superou o crescimento da demanda por esses recursos. Dito isto, à medida que mais fornecedores se juntam à rede, o número de GPUs alugadas (que parece ser o maior impulsionador de receita proporcionalmente) diminuiu (ver Figura 4). Para redes onde o preço computacional pode mudar com base em mudanças na oferta e demanda, não está claro onde a demanda sustentada impulsionada pelo uso de tokens nativos eventualmente surgirá se o crescimento do lado da oferta exceder o crescimento do lado da demanda. Embora o impacto a longo prazo de tais mudanças seja incerto, tais modelos econômicos de tokens podem precisar ser revisados no futuro para otimizar as mudanças de mercado.

Num nível técnico, as soluções de computação descentralizada também enfrentam o desafio das limitações de largura de banda da rede. Para modelos grandes que exigem treino multi-nó, a camada de infraestrutura de rede física desempenha um papel crucial. As velocidades de transferência de dados, sobrecarga de sincronização e suporte para certos algoritmos de treino distribuído significam que são necessárias configurações de rede específicas e comunicações de rede personalizadas (como InfiniBand) para facilitar a execução de alto desempenho. Ao exceder um certo tamanho de cluster, é difícil implementar de forma descentralizada.

Em resumo, o sucesso a longo prazo da computação (e armazenamento) descentralizados enfrenta uma forte concorrência dos fornecedores de nuvem centralizados. Qualquer adoção será um processo a longo prazo semelhante ao cronograma de adoção da nuvem. Dada a crescente complexidade tecnológica do desenvolvimento de redes descentralizadas, juntamente com a falta de equipes de desenvolvimento e vendas escaláveis semelhantes, será uma jornada desafiadora para realizar plenamente a visão da computação descentralizada.

Validar e Confiar em Modelos

À medida que os modelos de inteligência artificial se tornam cada vez mais importantes na vida diária, as preocupações com a qualidade e os preconceitos dos seus resultados estão a crescer. Alguns projetos de criptomoeda têm como objetivo abordar este problema, recorrendo a uma abordagem algorítmica para avaliar os resultados em diferentes categorias, procurando uma solução descentralizada e baseada no mercado. No entanto, os desafios em torno da avaliação do modelo, juntamente com aparentes compromissos entre custo, rendimento e qualidade, tornam as comparações cara a cara desafiadoras. A BitTensor é uma das maiores criptomoedas focadas em IA e tem como objetivo abordar este problema, embora inúmeros desafios técnicos proeminentes possam dificultar a sua adoção generalizada (ver Apêndice 1).

Além disso, a inferência de modelo sem confiança (ou seja, comprovação de que as saídas do modelo são realmente geradas pelo modelo reivindicado) é outra área de pesquisa ativa na interseção de criptomoedas e IA. No entanto, à medida que a escala de modelos de código aberto diminui, tais soluções podem enfrentar desafios na demanda. Num mundo onde os modelos podem ser baixados e executados localmente e a integridade do conteúdo pode ser verificada através de métodos robustos de hash/checksum de arquivos, o papel da inferência sem confiança é menos claro. De fato, muitos modelos de linguagem de grande porte (LLMs) ainda não podem ser treinados e operados em dispositivos leves como smartphones, mas computadores desktop poderosos (como os usados para jogos de alta qualidade) já podem executar muitos modelos de alto desempenho.

Proveniência de Dados e Identidade

À medida que a saída da IA generativa se torna cada vez mais indistinguível da saída humana, a importância de identificar e rastrear o que a IA gera ganha destaque. O GPT 4 passa no teste de Turing 3 vezes mais rápido do que o GPT 3.5, e é quase inevitável que um dia não consigamos mais distinguir entre robôs e humanos. Em um mundo assim, determinar a identidade dos usuários online e marcar água o conteúdo gerado por IA serão capacidades-chave.

Identificadores descentralizados e mecanismos de verificação de identidade como o Worldcoin têm como objetivo resolver desafios anteriores na identificação de humanos on-chain. Da mesma forma, a publicação de hash de dados na blockchain pode ajudar a estabelecer o carimbo de hora e a verificação da fonte do conteúdo. No entanto, tal como acontece com as soluções parciais mencionadas anteriormente, acreditamos que deve haver um equilíbrio entre a viabilidade das soluções baseadas em criptomoedas e as alternativas centralizadas.

Alguns países, como a China, associam identidades online a bases de dados controladas pelo governo. Embora o grau de centralização noutras partes do mundo possa não ser tão elevado, as alianças de fornecedores do Conheça o seu Cliente (KYC) também podem oferecer soluções de verificação de identidade independentes da tecnologia de blockchain (semelhante às autoridades de certificação de confiança que sustentam a segurança na internet atual). Atualmente estão em curso investigações sobre marcas de água de inteligência artificial para incorporar sinais ocultos em saídas de texto e imagem, de modo a que os algoritmos possam detetar se o conteúdo é gerado por IA. Muitas empresas líderes em IA, incluindo a Microsoft, a Anthropic e a Amazon, comprometeram-se publicamente a adicionar essas marcas de água ao seu conteúdo gerado.

Além disso, muitos provedores de conteúdo existentes foram incumbidos de registrar rigorosamente metadados de conteúdo para atender aos requisitos de conformidade. Portanto, os utilizadores confiam frequentemente metadados associados a publicações de redes sociais (mas não confiam nas capturas de ecrã), mesmo que estejam armazenados centralmente. Vale a pena notar que qualquer solução de identidade e fornecimento de dados baseada em criptografia precisa se integrar com as plataformas do usuário para alcançar ampla eficácia. Portanto, embora as soluções baseadas em criptografia para provar a identidade e o fornecimento de dados sejam tecnicamente viáveis, também acreditamos que sua adoção não é predeterminada e, em última análise, dependerá dos requisitos de negócios, conformidade e regulamentação.

Negociar a Narrativa de IA

Apesar das dificuldades acima mencionadas, muitos tokens de IA superaram o Bitcoin e o Ethereum a partir do quarto trimestre de 2023, bem como importantes ações de IA, como Nvidia e Microsoft. Isto acontece porque os tokens de IA normalmente beneficiam de um desempenho relativo forte no mercado mais amplo de criptomoedas e notícias relacionadas com IA (ver Apêndice 2). Portanto, mesmo que o preço do Bitcoin caia, os preços dos tokens focados em IA podem flutuar para cima, o que pode levar a uma volatilidade ascendente durante as quedas do Bitcoin. A Figura 5 mostra visualmente a dispersão dos tokens de IA durante as quedas nas negociações de Bitcoin.

Globalmente, ainda faltam muitos fatores impulsionadores de demanda sustentada a curto prazo na narrativa da IA no espaço da criptomoeda. A ausência de previsões claras de adoção e métricas levou a uma especulação generalizada semelhante a memes, que pode não ser sustentável a longo prazo. Em última análise, preço e utilidade convergirão—a questão não resolvida é quanto tempo isso levará e se a utilidade aumentará para atender ao preço, ou vice-versa. Dito isto, a construção contínua do mercado de criptomoedas e a próspera indústria de IA podem sustentar uma narrativa robusta de criptomoeda IA por algum tempo.

Conclusão

O papel da criptomoeda na IA não é uma mera abstração – qualquer plataforma descentralizada compete com as alternativas centralizadas existentes e deve ser analisada de acordo com requisitos comerciais e regulatórios mais amplos. Portanto, a mera substituição de provedores centralizados por provedores "descentralizados" não é suficiente para impulsionar um progresso significativo. Os modelos de IA generativa existem há vários anos e mantiveram um certo grau de descentralização devido à concorrência de mercado e ao software de código aberto.

Um tema recorrente neste relatório é o reconhecimento de que, embora as soluções baseadas em criptografia sejam muitas vezes tecnicamente viáveis, elas ainda exigem um trabalho significativo para alcançar a funcionalidade a par com plataformas mais centralizadas, que provavelmente não ficarão paradas em desenvolvimentos futuros. Na verdade, devido ao mecanismo de consenso, o desenvolvimento centralizado muitas vezes progride mais rápido do que o desenvolvimento descentralizado, o que pode representar desafios para um campo como a IA que está evoluindo rapidamente.

Dado isso, a interseção entre a IA e a criptomoeda ainda está em estágios iniciais, e mudanças rápidas podem ocorrer nos próximos anos com o desenvolvimento mais amplo do campo da IA. O futuro descentralizado da IA não é garantido, como muitos na indústria de criptomoedas imaginam - de fato, o futuro da própria indústria de IA permanece amplamente incerto. Portanto, acreditamos que a abordagem prudente é navegar com cautela nesses mercados, aprofundar-se nas soluções baseadas em criptomoedas e verdadeiramente entender como fornecer melhores alternativas ou compreender narrativas de negociação potenciais.

Link do Artigo Original

Declaração:

1. Este artigo originalmente intitulado “加密世界的AI海市蜃楼” é reproduzido a partir de [theblockbeats]. Todos os direitos autorais pertencem ao autor original [David Han]. Se tiver alguma objeção à reimpressão, entre em contactoGate Aprenderequipa, a equipa tratará disso o mais rápido possível.

2. Aviso legal: As opiniões expressas neste artigo representam apenas as opiniões pessoais do autor e não constituem qualquer aconselhamento de investimento.

3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. A menos que seja mencionado, copiar, distribuir ou plagiar os artigos traduzidos é proibido.