Während der EthCC-Woche hatte ich beim NEAR AI Showcase die Gelegenheit, mich mit
Es hat sich definitiv geändert, oder? KI hat sich von einer Backend-Technologie, die Produkte unterstützt, zu einem Produkt selbst entwickelt. Das ist der Grund, warum ich Google ursprünglich verlassen habe, um NEAR AI zu gründen – weil ich KI zum Produkt machen und dann den Datenkreislauf nutzen wollte, um es zu verbessern. Damals, 2017 und 2018, war es noch zu früh. Aber heute sind wir an einem interessanten Punkt, an dem diese KI-First-Produkte auf den Markt kommen.
Die Herausforderung bei diesen Produkten besteht darin, dass neue Startups nur sehr wenig Zeit haben, herauszufinden, wie sie damit Geld verdienen können. Sie werden mit hohen Bewertungen aufgenommen, haben viel Kapital und werden jetzt von großen Unternehmen aufgekauft. Was also passiert, ist, dass die KI den etablierten Unternehmen zugutekommt, weil sie bereits über einen Vertrieb verfügen, mehr ausgeben können und wissen, wie sie die Aufmerksamkeit der Benutzer monetarisieren können.
Web3 beginnt, dieses Problem zu lösen. Es gibt Zeit, neue Verbraucherprodukte zu entwickeln, die den Benutzern tatsächlich einen Nutzen bringen, vielleicht mit einem anderen Geschäftsmodell, und KI als Plattform zu nutzen. Ich denke, hier fängt es an. Es gibt viele Komponenten im Stack, die das antreiben werden. Anstatt dass ein großes Unternehmen versucht, alles zu machen, können viele Unternehmen zusammenarbeiten, genau wie in dieser Web3-Denkweise. Für ein allgemeineres Publikum: Web2-KI-Startups haben sehr wenig Zeit, um extrem profitabel zu werden, oder sie müssen von großen Unternehmen übernommen werden.
Die größte Lücke, die wir festgestellt haben, besteht darin, dass es viele fähige Gründer gibt, die verschiedene Teile dieses breiteren Stacks innerhalb dieser großen Unternehmen aufbauen, aber sie sind nicht gut vernetzt. Es gibt Daten-Crowdsourcing, Datenkennzeichnung, dezentrale Inferenz, Agentenzahlungen und mehr, aber kein zusammenhängendes Produkt. Als Entwickler möchte ich nicht herausfinden, wie ich 50 verschiedene Teile verwende – das ist zu kompliziert. Im Gegensatz zu OpenAI oder Google, wo es eine einzige API gibt, die man verwenden kann.
Wir haben uns also auf NEAR AI und den AI Incubator der NEAR Foundation konzentriert, um diese Projekte zusammenzuführen und eine Schnittstelle zu entwickeln, mit der sie koordiniert werden können, sodass die Interaktion mit ihnen einfach ist. Darüber hinaus können wir Open-Source-Forschung koordinieren. Forscher an Spitzenuniversitäten haben nicht viel Zugriff auf Rechenkapazitäten, aber wenn sie interessante Probleme für Anwendungen lösen, würden diese Anwendungen dafür erhebliche Summen ausgeben. Normalerweise sind der Code und die Modelle, die sie entwickeln, sehr maßgeschneidert und nicht wiederverwendbar.
Wir schaffen einen Koordinationsknotenpunkt, um Forscher einzubinden, ihnen Kredite, Rechenleistung und Datenerfassung zu geben und spezifische Anwendungsprobleme oder allgemeine Probleme zu lösen. Ihre Arbeit kann von Produktionsanwendungsfällen und Anwendungsentwicklern wiederverwendet werden.
Es ist wie ein komplexer Markt in vier Richtungen, der alle unterschiedlichen Zielgruppen zusammenbringt. Ein zentralisiertes Unternehmen müsste alle Mitarbeiter einstellen und alles selbst erledigen. Stattdessen erstellen wir eine offene Plattform, auf der alles Open Source ist und in einem Hub für alle zusammengefasst ist.
Der Kontrast hier ist der Grund, warum ich „Open Source AI“ als Kategorie nicht mag. Open Source hat viel zu bieten und das ist wirklich wichtig, aber das Wichtigste ist, dass diese Modelle für bestimmte Funktionen optimiert sind. Wenn ich bei Google arbeite, ist mein Ziel, mehr Geld für Google zu verdienen, denn das ist mein Anreiz. Ich bekomme Boni, Aktienoptionen und andere Vorteile, die auf Googles Gewinnen basieren. Selbst wenn ein großes Unternehmen ein Modell als Open Source bereitstellt, ist es immer noch eine Geschäftsentscheidung, die dem Unternehmen zugute kommen soll.
Das Gegenteil davon ist KI, die jedem einzelnen Nutzer zugutekommt. Nehmen wir an, ich möchte interessante Inhalte konsumieren und mich nicht ständig aufregen. Dafür braucht man ein ganz anderes Betriebsmodell und eine andere KI-Forschung. Die aktuelle Forschung findet in geschlossenen Labors mit definierten Zielen statt.
In traditionellen gewinnorientierten Systemen gibt es einen Übergang, bei dem Sie zunächst ein Startup sind, Ihr Publikum vergrößern und Mehrwert bieten. Irgendwann erreichen Sie Ihr Zielpublikum oder einen großen Teil davon. Um den Umsatz zu steigern, müssen Sie nun mehr Geld aus der bestehenden Benutzerbasis herausholen. Sie haben ihnen bereits Mehrwert geboten, sie verwenden Ihre Produkte bereits. Jetzt müssen Sie herausfinden, wie Sie sie dazu bringen, mehr Zeit zu verbringen und mehr Geld damit zu verdienen.
Und genau hier liegt das Hauptproblem dieser Unternehmen. Im Technologiesektor gibt es aufgrund der geringen Volumenkosten und Netzwerkeffekte normalerweise viele Konkurrenten, wenn man diesen Wendepunkt erreicht. Aber hier im Technologiesektor hat man einfach ein Monopol und beginnt, Wert zu extrahieren. Hier kommt Web3 ins Spiel – es schafft eine Wirtschaft, in der man nicht extrahierend werden muss. Krypto erfordert nicht, jedes Jahr mehr Umsatz zu verzeichnen. Ja, die Leute wollen, dass die Zahl steigt, aber das muss nicht sein. Wir können zufrieden sein, wenn Bitcoin beispielsweise bei 65.000 Dollar liegt, und das ist völlig normal.
Wir können eine Wirtschaft haben, an der jeder teilnimmt und profitiert. Man braucht kein ständiges Wachstum oder Expansion; man ist mit dem Zustand, wie er ist, zufrieden. Dies ist der konzeptionelle Unterschied, den wir mit benutzereigener KI anstreben.
In Sachen Nachhaltigkeit haben wir in die CO2-Neutralität von NEAR investiert, einem Proof-of-Stake-Netzwerk, und wir haben Projekte für CO2-Gutschriften, Tracking und Wiederaufforstung. Diese sind wichtig. Als KI-Forscher in mir suche ich immer nach Möglichkeiten, ausgefeiltere KI-Tools zu entwickeln, um diese Probleme zu lösen.
Ich habe Freunde in der Krebsforschung und Materialwissenschaft und diese Bereiche begeistern mich. Aber ich kann meinen Intellekt einsetzen, um bessere Tools zu entwickeln, die diesen Forschern helfen. Datenwissenschaftler in diesen Bereichen haben oft keinen Zugriff auf gute Datenwissenschafts- oder Codierungsressourcen. Entwickler können ihre Bemühungen erheblich steigern.
Dasselbe gilt auch für die Blockchain: Den Menschen werden Anreize und Koordinierungstools an die Hand gegeben, damit sie bessere Netzwerke zur Problemlösung aufbauen können.
Ich kann keine Favoriten auswählen, haha. Jeder Anwendungsfall ist großartig. Wir sehen viele benutzerorientierte Produkte aus dem Web2, wie Sweatcoin, das unter der Haube Blockchain für Zahlungen, Treueprogramme und Transaktionen verwendet. Die meisten ihrer Benutzer wissen nicht einmal, dass sie NEAR verwenden.
Es gibt Wallets, die Multi-Chain-fähig werden, wie HOT und Bitte, die es Benutzern ermöglichen, nahtlos über mehrere Chains hinweg Transaktionen durchzuführen. Bitte hat sogar eine natürlichsprachliche Schnittstelle für Befehle.
Wir haben auch Finanz-Apps, Multi-Chain-DEXs, Kreditvergabe über verschiedene Vermögenswerte und mehr. Auf der KI-Seite laufen Crowdsourcing-Anwendungen wie NEAR Crowd schon seit Jahren und verbessern die Datenerfassung zu geringeren Kosten. Alle diese Teile kommen zusammen und die Zahl der aktiven Benutzer von NEAR wächst exponentiell.
Aus diesem Grund haben wir AI Developer und den AI Hub ins Leben gerufen. Wir können versuchen, die Leute dazu zu bringen, Anwendungen zu entwickeln oder es ihnen einfach zu machen, sie zu entwickeln. Es gibt viele falsche Anreize in diesem Bereich, und nur darüber zu reden, löst das Problem nicht. Wir haben investiert, um bestehende Anwendungen mit Benutzern zusammenzubringen, sie zu integrieren und miteinander zu verbinden, weshalb wir die meisten Benutzer in Web3 haben.
Die Entwicklung von Verbraucher-Apps ist schwierig, und es ist einfacher, Geld für die Infrastruktur zu sammeln. Wir möchten den Prozess der Anwendungsentwicklung vereinfachen, damit die Leute mehr experimentieren und Innovationen schaffen können.