Questo è il terzo ed ultimo capitolo del post di qualche giorno fa che potrete visionare qui.

Quali strategie possono lavorare per prime?

Una tesi che si può utilizzare per valutare le idee della blockchain è la seguente: nello spettro che va da “fisiche all’origine”, a “digitali all’origine” e finisce a “originarie blockchain”, più è “originaria blockchain” meglio è.

Meno è originaria blockchain, più sarà necessario introdurre dei terzi affidabili, aumentando la complessità e riducendo la facilità di utilizzo di un building block con altri sistemi.

Questo vuol dire che è più facile che un sistema funzioni se il valore creato è quantificabile – nel caso ideale direttamente sotto forma di denaro, o ancora meglio, di token. Questo consente un sistema a circuito chiuso pulito.

Mettete a confronto il primo esempio di un sistema commerciale in criptovalute ad uno che identifica tumori con raggi X.

In quest’ultimo avrete bisogno di convincere una compagnia di assicurazioni che il modello con i raggi X ha un valore, trattare su quel valore per poi fidarvi di un piccolo gruppo di persone fisicamente presenti che verificano il successo/fallimento del modello.

Questo non significa che non emergeranno maggiori somme chiaramente positive per utilizzi della società che sono digitali all’origine.

Sistemi di suggerimento come quello precedentemente menzionato potrebbero essere enormemente utili. Se legati ai “curation markets”, essi rappresentano un altro caso dove il modello può agire con un programma on-chain ed il premio del sistema è in token (in questo caso provenienti dal curation market), creando nuovamente un circuito chiuso pulito.

Sembra oscuro adesso, ma ci si aspetta che il settore dei lavori originari della blockchain si espanderà col tempo.

Implicazioni

Per prima cosa, i mercati dell’intelligenza artificiale decentralizzata possono smantellare i monopoli di dati degli attuali giganti tecnologici.

Le blockchain rendono standard e rappresentabile in forma di token la fonte principale di creazione di valore degli ultimi vent’anni su internet: le reti private di dati e i forti effetti di rete che li circondano.

Di conseguenza, la creazione di valore viene spostata dai dati agli algoritmi.

Per dirlo in un altro modo, esse creano un modello di business diretto per l’AI, che viene alimentato e costruito contemporaneamente.

Secondo, essi creano il sistema di AI più potente al mondo, capace di attirare i dati ed i modelli migliori attraverso incentivi economici diretti. La loro forza aumenta attraverso effetti di rete dai molteplici aspetti.

Mentre i monopoli di rete di dati dell’era Web 2.0 diventano di uso comune, essi sembrano essere un buon candidato per il prossimo punto di ri-aggregazione. Ci vorranno ancora degli anni, ma la direzione sembra quella giusta.

Terzo, come dimostra l’esempio del sistema di suggerimenti, la ricerca è coinvolta. Al posto di avere le persone che cercano i prodotti, i prodotti cercano le persone e competono per raggiungerle.

Ogni persona potrebbe avere dei curation markets personali, dove i sistemi di suggerimento sono in competizione per collocare i contenuti più rilevanti nei loro feed e l’attinenza è definita dall’individuo.

Quarto, essi ci permettono di ricevere gli stessi benefici dei potenti servizi basati su intelligenza artificiale ai quali siamo abituati da compagnie come Google e Facebook senza dare via i nostri dati.

Quinto, l’intelligenza artificiale può avanzare più rapidamente, poiché ciascun ingegnere può avere accesso ad un mercato aperto per dati, invece di un piccolo gruppo di ingegneri nelle grandi compagnie del Web 2.0.

Sfide

Innanzitutto, i metodi di calcolo sicuro sono al momento molto lenti e l’intelligenza artificiale è già costosa dal punto di vista del calcolo.

Dall’altra parte, l’interesse nei metodi di calcolo sicuro sta iniziando ad aumentare e le prestazioni stanno aumentando di conseguenza. HE, MPC, e ZKPs hanno fatto ottimi progressi negli ultimi mesi.

Calcolando il valore che una particolare serie di dati o un modello forniscono al metamodello è difficile.

Pulire e formattare dati collettivi è impegnativo. Probabilmente vedremo alcune combinazioni di strumenti, standardizzazione e la comparsa di alcuni piccoli business per risolvere questo problema.

Infine ed ironicamente, il modello di business per creare la costruzione generalizzata di questo tipo di sistema è meno chiaro del creare un singolo caso. Questo sembra essere vero per molte nuove crypto-aree primitive, inclusi i curation markets.

Conclusione

La combinazione di intelligenza artificiale privata ed incentivi blockchain può creare le più forti intelligenze artificiali per una vasta gamma di applicazioni.

Ci sono delle sfide tecniche significative che sembrano risolvibili nel corso del tempo. Il loro potenziale nel lungo termine è enorme ed un ottimo passo avanti il ridimensionamento che le grandi compagnie di internet hanno sui nostri dati oggi.

Al contempo, queste novità, sono anche un pò preoccupanti – si creano da sole, si rinforzano da sole, consumano dati privati e diventa quasi impossibile disattivarle.

Ad ogni modo, esse rappresentano un altro esempio di come le criptovalute si faranno strada, prima lentamente, poi tutto di un colpo all’interno dell’industria.

Di: medium