Ілюзія токенізації: Віталік більше підтримує «ШІ допомагає крипто»

Написано: Lao Bai

Після двох років знову з’явився V і опублікував твіт, і я також хочу висловитися щодо тієї ж дати два роки тому — 10 лютого, — адже час ідентичний.

Два роки тому Вей Цзень вже натякав, що не дуже вірить у наш популярний тоді тренд Crypto Helps AI. Тоді в колі популярними були три основні напрямки: активізація обчислювальних ресурсів, активізація даних та активізація моделей. Мій тодішній аналітичний звіт зосереджувався саме на цих трьох напрямках, спостереженнях і сумнівах щодо них на первинному ринку. З його точки зору, він все ж більше підтримує ідею AI Helps Crypto.

Приклади, які він навів тоді, були такі:

AI як учасник гри;

AI як інтерфейс гри;

AI як правила гри;

AI як ціль гри;

За минулі два роки ми зробили багато спроб у напрямку Crypto Helps AI, але результати були малими — багато проектів і напрямків просто випускають токени і нічого більше, без справжнього комерційного PMF. Це я називаю «ілюзією токенізації».

1. Активізація обчислювальних ресурсів — більшість не здатні забезпечити комерційний SLA, нестабільні, часто збої. Можуть обробляти лише прості та середні моделі, переважно обслуговують периферійні ринки, доходи не залежать від токенів...

2. Активізація даних — на стороні пропозиції (роздрібні користувачі) великі труднощі, низька зацікавленість, високий рівень невизначеності. На стороні попиту (компанії) потрібні структуровані, контекстозалежні, з довірою та юридичним відповідальністю професійні постачальники даних. Проекти Web3, засновані на DAO, важко це забезпечити.

3. Активізація моделей — сама модель є не-обмеженим, копійованим, швидко деградувальним процесуальним активом, а не кінцевим активом. Hugging Face — це платформа для співпраці та поширення, більше схожа на GitHub для ML, ніж на App Store для моделей. Тому ідея «децентралізованого Hugging Face» для токенізації моделей зазнала багато невдач.

Крім того, за ці два роки ми експериментували з різними «перевіреними висновками», але це типова історія з молотком і цвяхом. Від ZKML до OPML, Gaming Theory і навіть EigenLayer, що перетворює свою концепцію Restaking у Verifiable AI.

Але ситуація схожа на те, що відбувається у напрямку Restaking — мало хто готовий платити за додаткову безпечну перевірку.

Так само, перевірені висновки здебільшого стосуються підтвердження «того, що ніхто справді не потребує перевірки». Модель загроз для потреб дуже розмиті — кого саме захищаємо?

Помилки AI (через проблеми з моделлю) трапляються частіше, ніж зловмисне підроблення виводу AI (протидія). Недавні інциденти безпеки на OpenClaw і Moltbook це підтверджують. Реальні проблеми виникають через:

Неправильний дизайн стратегії;

Зайві дозволи;

Некоректне визначення меж;

Непередбачені взаємодії інструментів;

...

Практично не існує ілюзії про «зміщення моделі» або «злочинне переписування процесу висновків».

Минулого року я публікував цю діаграму, можливо, хтось пам’ятає.

Цього разу Вей Цзень запропонував кілька ідей, які явно більш зрілі, і це пов’язано з нашим прогресом у приватності, X402, ERC8004, прогнозних ринках та інших напрямках.

Він поділив їх на чотири квадранти, половина з яких — AI Helps Crypto, інша — Crypto Helps AI, і тепер це вже не так явно схиляється до першого, як два роки тому.

Лівий верхній і нижній — використання децентралізованості та прозорості Ethereum для вирішення питань довіри та економічної співпраці AI:

1. Забезпечення бездовірливого та приватного взаємодії AI (інфраструктура + виживання): використання ZK, FHE та інших технологій для гарантування приватності та перевірюваності AI-взаємодій (не знаю, чи вважаєте ви перевірюваний висновок).

2. Ethereum як економічний шар для AI (інфраструктура + процвітання): дозволити агентам AI здійснювати економічні платежі, наймати інших роботів, вносити застави або створювати системи довіри, формуючи децентралізовану архітектуру AI, а не залежати від одного гігантського платформи.

Правий верхній і нижній — використання інтелекту AI для покращення користувацького досвіду, ефективності та управління у криптоекосистемі:

3. Візія Cypherpunk mountain man з локальними LLM (вплив + виживання): AI як щит і інтерфейс користувача. Наприклад, локальні LLM можуть автоматично аудитувати смарт-контракти, перевіряти транзакції, зменшуючи залежність від централізованих фронтендів і захищаючи цифровий суверенітет.

4. Створення кращих ринків і управління (вплив + процвітання): глибока участь AI у прогнозних ринках і DAO. AI може виступати ефективним учасником, обробляючи великі обсяги інформації для розширення людської здатності приймати рішення, вирішуючи проблеми низької уваги, високих витрат на рішення, інформаційного перевантаження і байдужості до голосування.

Раніше ми активно прагнули зробити Crypto Help AI, а Вей Цзень був на іншій стороні. Тепер ми нарешті зустрілися посередині, хоча, швидше за все, це не має багато спільного з різними XX токенізаціями або AI Layer1. Сподіваюся, через два роки, переглядаючи цю статтю, з’являться нові напрямки і несподіванки.