Dasar-dasar AI (Kecerdasan Artifisial)

Model saat ini kayak bocil genius, caper tapi memang berbakat. Cuman masih prematur dan belum sadar batasannya. Mereka bisa hafal seluruh internet, tapi belum paham kalo dibilang Prabowo adalah presiden Indonesia ke-8, waktu ditanya “Siapa presiden Indonesia ke-8?” ga bisa jawab Prabowo.

Model awal ini bentuk primitif dari “kecerdasan alien”. Teknologi yang memungkinkan AI sedang bertumbuh eksponensial. Kalau hukum skalabilitas benar adanya, makhluk artifisial akan segera mengungguli tugas apa pun. Manusia jadi spesies pertama yang melahirkan penggantinya.

Seperti manusia, AI punya sifat fundamental yang tidak mungkin berubah dari 1 GPT ke yang berikutnya. Manusia butuh tidur dan minum, kebutuhan dasar yang konstan sejak zaman agraria hingga teknologi modern. AI pun sama.

Sistem AI punya 3 properti yang tidak akan berubah dalam waktu dekat:

1. AI sifatnya stokastik
2. AI butuh sumber daya intensif
3. AI lolos Turing Test (demonstrasi kecerdasan seperti manusia)

Sifat-sifat ini bisa mengganggu kemanusiaan. Tapi bisa dipecahkan masalahnya. Ada alat-alat untuk menentukan apakah AI bisa jadi utopia atau distopia.

Kripto punya 3 properti fundamental yang bisa jadi penyeimbang sistem AI:

1. Kripto sifatnya deterministik
2. Kripto mengundang hypercapitalist
3. Kripto tidak perlu memercayai manusia

3 Integrasi AI & Teknologi Kripto

Stokastik (AI) | Deterministik (Kripto)

Kritikus AI saat ini menyebutnya “beo stokastik”, dan mereka benar. Di beberapa tingkat, model AI hanya meniru bahasa manusia secara probabilistik, menurut jumlah data teks besar yang mereka konsumsi. Mereka benar-benar hanya prediksi kata berikutnya.

Ini bagus karena mereka terpaksa belajar hal-hal yang “biasa” di dunia manusia. Untuk memprediksi paragraf berikutnya dari buku Read Write Own perlu pemahaman kripto yang mendalam. Untuk memprediksi stanza puisi berikutnya perlu mengapresiasi linguistik dan emosi manusia. Dalam prosesnya, AI mengompres informasi jadi pola, akibatnya tampak seperti “kreativitas” murni.

Walaupun bisa tampak kreatif untuk seni, ini hasil dari remix jutaan gambar yang sudah ada dalam pelatihan datanya, menjadi sebuah adonan baru. Jadi bukan inovasi dari 0 ke 1. Itulah kenapa meskipun baca setiap makalah sains di internet, AI masih belum bisa menghasilkan penemuan saintifik baru.

Lalu apa yang bisa dilakukan AI dan tidak bisa dilakukan AI?

AI LLM tidak bisa berpikir secara algoritmis (bentuk komputasi yang sangat presisi jadi tidak ada ambiguitas). Kalau algoritme tidak sesuai yang kita minta, namanya bug. Di ekstrem yang berlawanan, LLM tidak berpikir seperti manusia (medium kreatif yang penuh ambiguitas).

Jadi, LLM ada di pertengahan aneh antara pikiran algoritmis dan pikiran manusia.

Titik tengah ini yang buat kita pusing. Kok AI bisa menghafal seluruh internet dan menghasilkan karya seni yang menang award, tapi gagal dalam aritmetika dasar? Katanya cerdas? Karena performanya berat sebelah jadi perusahaan ragu mengintegrasikan LLM ke dunia kerja, selain jadi bot chat yang ramah.

Shyam Sankar (CTO Palantir) membagikan analogi LLM seperti cuaca.

Waktu pertama kali manusia prediksi cuaca di pertengahan 1800-an, kita pikir bakal seperti memprediksi gerhana yang berikutnya. Kita pikir setelah matematikanya dapet, kita bisa tahu pasti cuaca di lokasi tertentu 100 tahun dari sekarang.

Sekarang kita paham jelas bukan gitu cara kerjanya cuaca. Astronomi itu kalkulus. Ada persamaan matematika dasarnya. Kita bisa tahu pasti lokasi untuk melihat gerhana terpanjang dalam 10.000 tahun terakhir, nanti di tahun 2186. Itulah sifat kalkulus.

Di sisi lain, cuaca itu lebih kayak “mungkin hari ini hujan”. Persamaan ini didominasi oleh sebaran eror dan sifat fundamental cuaca yang memang acak (tidak menentu).

Melihat ke belakang, tampak jelas AI cocok di pasar bot chat, jauh sebelum mobil. Kalau lagi ngobrol, hal random itu fitur bagus, bukan bug. Ngobrol topik yang sama berulang kali itu membosankan. Sifat AI yang stokastik ini berguna. Tapi kalau AI untuk mesin seberat 1 Ton ke atas, hal random akan jadi musibah. Mobil yang nyetir sendiri perlu prediksi yang presisi.

Cara untuk mengatasi ini adalah lingkungan yang deterministik. Games contoh bagusnya. Games selalu jadi tempat uji coba untuk model baru, dan permainan adalah salah satu area di mana AI mengungguli performa manusia.

• Deep Blue IBM mengalahkan Grandmaster Garry Kasparov (1997) dalam catur
• AlphaGo Deepmind mengalahkan Champion Lee Sedol (2016) dalam Go
• AI juga berhasil mengalahkan pemain top yang profesional (2019) dalam Poker
• CICERO Meta mencapai performa manusia dalam Diplomacy (2023)

AI lebih jago di games daripada dunia nyata, karena games sifatnya deterministik. Hanya ada jumlah terbatas langkah dan posibilitas. Di sisi lain, dunia nyata melibatkan sejumlah besar posibilitas yang tak terbatas. Dalam catur, raja hanya bisa gerak 1 dari 8 cara. Tapi kalau nyetir mobil, perilaku driver lain (apalagi di Indonesia) sangat tidak bisa diprediksi.

Bayangkan skenario ini: Kalian adalah mobil ke-2 di sebuah perempatan. Driver di mobil depan kalian ngasih sinyal tangan. Artinya apa?

• Suruh berhenti
• Suruh maju

Manusia bisa ngerti sinyal tangannya. AI tidak bisa, jadi mustahil untuk tahu. Manusia bisa mengartikan emosi dan maksud orang lain. Kita bisa merasakan kalau orang lain marah dan suruh berhenti, atau orang lain sabar dan ngasih jalan.

“Telepati” antar manusia yang tidak melibatkan suara ini hampir mustahil untuk dijadikan sebuah “data” yang melatih AI. Kemungkinannya tak terbatas, arti driver lain memberi sinyal tangan itu tidak menentu. Untuk memahami ini, AI perlu memikirkan isi otak driver lain. Mudah sekali untuk manusia, tapi jadi masalah yang belum dipecahkan untuk AI.

Oke, keren. Gimana hubungannya sama kripto?

Di kripto, “code is law”. Tidak ada kemungkinan lain, hanya kode yang jadi hukumnya. Kripto menawarkan sifat deterministik untuk AI yang stokastik.

Bayangkan kripto seperti catur, tapi sistem keuangan tradisional itu persimpangan yang berbelit. Di kripto, setiap gerakan kita tahu karena hanya mengikuti kodenya. Di sistem tradisional, banyak aturan dan regulasi yang ngikut “perasaan” si regulator. Lihat aja Gary Gensler yang berbulan-bulan menolak ETF Bitcoin, setuju karena dapat perintah dari pengadilan?

Bayangkan skenario ini: Alice mau kirim $100 ke Bob. Alice minta bantuan AI, “Tolong kirimkan $100 ke Bob”. AI punya dua opsi…

• Jalur keuangan tradisional. Kalau AI pilih ini, harus melalui interface bank yang dirancang untuk manusia, lewat prosedur autentikasi yang tidak dibuat untuk AI, dan mungkin perlu verifikasi dengan agen CS. Atau cara alternatifnya, harus minta izin akses API ke bank Alice dan pengirim uangnya. Ngobrol sama CS itu mudah bagi manusia, tapi rumit untuk sistem AI.
• Jalur kripto. Kebalikannya, kalau pakai kripto hanya tinggal transaksi sesuai jumlah dan alamat tujuan, tanda tangan dengan kunci privat Alice. Proses ini 100% tidak melibatkan manusia. Setelah Alice menyetujui transaksi, AI tidak perlu minta izin untuk transfer P2P ini. Tidak perlu autentikasi, ngobrol sama agen CS, atau bahkan minta akses API. Dengan kripto, hanya perlu membaca dan menulis kode.

Kerennya, contoh ini sudah bisa dilakukan. AI yang melakukan ini sudah ada. Tentu belum sampai proses penuhnya, tidak ada teknologi baru yang langsung memecahkan setiap masalah sekaligus. GPT-4 sudah bisa ditanya skor pertandingan olahraga, disuruh mengubah data Excel, menyesuaian feedback, dan respons.

Ada proyek seperti Dialect yang bertaruh bahwa teks adalah interface yang universal. Taruhan bahwa LLM saat ini pasti akan terus meningkat. Taruhan bahwa pengguna akan minta lebih banyak cara “manusiawi” untuk interaksi dengan kripto. Taruhan bahwa blockchain jadi lingkungan yang lebih intuitif untuk AI.

Intensif Data (AI) | Hipermodal (Kripto)

Di planet gurun Arrakis, “yang mengontrol rempah-rempah mengontrol alam semesta”. Rempah sangat kuat bahkan seseorang bisa melihat sekilas masa depan dengan dosis yang cukup tinggi. Di planet air Bumi ini, rempah-rempah kita adalah komputasi. Yang mengontrol komputasi mengontrol galaksi ini.

Tidak seperti rempah-rempah, komputasi tidak bisa diambil dari tanah. Ini adalah sumber daya multidimensional yang membutuhkan beberapa input:

• Energi berlimpah
• Semikonduktor canggih
• Data tak terbatas

Semua sumber daya ini sangat terbatas suplainya. Kalau AI terus bertumbuh eksponensial, kekurangannya akan bertambah parah.

Pertanyaan utamanya, seberapa jauh masyarakat bumi ingin mendanai kemajuan teknologi ini, untuk mengejar “penemuan terakhir”? Berapa nilai mesin dewa ini?

Coba kita hitung bayangan angkanya, kita bisa mendanai 10.000x kenaikan skala GPT-4 (mungkin kayak GPT-6) sebelum nyentuh 1% PDB dunia. Mungkin ini terdengar banyak sekali uang. Tapi sepanjang sejarah, dunia sudah melemparkan jumlah uang yang menggemparkan ke teknologi yang jauh tidak transformatif:

• Pada tahun 1847, investasi rel kereta Inggris memuncak di 7% PDB negara mereka
• Dalam lima tahun setelah UU Telekomunikasi 1996, perusahaan telkom mulai investasi lebih dari $500M (hampir $1T nilai zaman sekarang)… untuk meletakkan kabel fiber optic, nambah sakelar, dan membangun jaringan nirkabel.

AI, pada tingkat dasarnya, membuat kecerdasan jadi lebih terjangkau. Dan kecerdasan merupakan awal dari produktivitas dan inovasi. Berapa nilainya inovasi tak terbatas? Tidak yakin ada yang tahu, inilah beberapa tebakan:

• Masayoshi Son berpikir nilainya $100M
• Sam Altman berpikir nilainya $7T, iya Triliun

Oke, angka yang besar. Apa artinya untuk kripto?

Saat ini kripto pasar yang kecil di sistem keuangan global. Market cap $2T kecil dibandingkan $109T dalam ekuitas global dan $307T dalam utang global. Jadi kalau mau cari pasar modal untuk pendanaan sebesar Masayoshi dan Sama, kripto tidak muncul di radar.

Namun, yang membuat kripto menarik bukanlah ukurannya saat ini, tapi potensi ukurannya di masa depan. Dengan insentif yang selaras, kripto bisa menggerakkan sumber daya pada skala yang sangat masif. Mining Bitcoin contohnya, 500 exahash/detik, daya komputasi yang melampaui gabungan kemampuan superkomputer terbesar di dunia. Tidak ada perusahaan atau negara yang dapat bersaing dengan jaringan terdistribusi global.

Dengan meningkatkan koordinasi ekonomi, kripto membuka hypercapitalism. Kripto adalah tahap akhir kapitalisme — di mana semua pasar sangat likuid dan efisien. Seperti internet mendorong ledakan popularitas komunikasi, kripto akan mendorong ledakan finansialisasi.

AI yang haus dan lapar sumber daya membutuhkan suplai baru. Seperti saran rencana $7T Sam Altman, meningkatkan skala AI akan jadi upaya peradaban besar. Proyek DePIN kripto bisa membantu mendorong suplai baru ke pasar dengan mengaktifkan insentif berbasis token. Walaupun narasinya baru, DePIN bukan konsep baru. Bitcoin adalah sebuah proyek DePIN, begitu pun Ethereum. Jaringan apa pun yang koordinasi dan memberi insentif infrastruktur fisik adalah proyek DePIN.

Teorinya, AI bisa interaksi dengan DePIN dalam banyak cara. Tapi kita akan fokus pada 3 kelompok besar:

• Energi
• Chip
• Data

Sebelum menyalakan chip komputer, data center, atau model AI, kita perlu listrik. Butuh banyak. GPT-3 memakan listrik sebanyak 120 rumah AS setiap tahun. Dan itu hanya untuk pelatihan, tidak termasuk hasil kesimpulannya, yang kadang >90% penggunaan listrik model tersebut. Penggunaan listrik AI hanya akan naik terus. Dan permintaan yang akan datang membuat orang seperti Elon Musk khawatir. Tahun lalu, dia nyuruh perusahaan utilitas untuk siap-siap.

Saya tekankan lagi, kita butuh lebih banyak listrik. Seberapa pun kalian pikir kebutuhan kita, butuh lebih banyak dari itu. Saya yakin. Dan kita butuh ini secepat mungkin.

Akan butuh 3x dari beban saat ini, dan mungkin jumlah 3x ini terjadi sekitar tahun 2045-an. Soal pertumbuhan eksponensial memang berlawanan dengan intuisi dan suka diremehkan.

Permintaannya jelas, tapi yang kurang diperhatikan adalah jaringan energi kripto makin desentral. Solar dan baterai mendorong suplai energi ke tangan-tangan individu.

Seperti komputer yang dimiliki sebagian besar keluarga saat ini, mereka akan segera punya panel surya dan baterai. Jutaan orang akan bisa menghasilkan uang dari listrik mereka. Serupa dengan model kripto, banyak aktor desentral yang kontribusi ke jaringan energi bersama.

Denominasi jaringannya bisa dalam mata uang apa pun, bahkan fiat. Tapi kripto unik dan cocok untuk jaringan energi yang desentral, karena cara distribusinya. Proyek kripto bisa memberi imbalan partisipan awal dengan token untuk mengimbangi risiko.

Paket seluler $20/bulan Helium di AS telah mengurangi risiko DePIN secara signifikan dan menjawab pertanyaan “apakah mungkin”. Sekarang hanya tinggal meningkatkan skala jaringan. Masih belum banyak proyek kripto yang memecahkan isu energi, mungkin karena regulasi atau solar dan baterai masih muda industrinya.

Input berikutnya adalah chip, yang mungkin paling berkembang di AI kripto. Tesisnya simpel: Peneliti AI tidak bisa dapat GPU yang cukup. Salah satu cara mencukupi permintaan gila ini adalah crowdsource. Masuklah proyek DePIN seperti Akash, Gensyn, io.net, dll. Mereka ini bukan satu kesatuan, ada kompetisi dalam aplikasi yang berbeda. Tapi intinya berusaha untuk mendorong lebih banyak chip ke pasar AI yang kelaparan.

Nanti kita bahas macam-macam komponen teknologi AI Desentral, dan peluang investasinya di pasar kripto. Ini hanya contoh yang sangat terbatas.

Platform komputasi desentral membuka suplai baru dengan membiarkan siapa pun di seluruh dunia untuk kontribusi ke jaringan. Potensinya jelas, begitu pun tantangannya. Platform ini bersaing dengan raksasa seperti AWS dan Azure dalam skala ekonomi. Bahkan kalau bisa jadi lebih murah dari raksasa yang terpusat itu, biaya tidak selalu jadi pendorong utama. Kebanyakan training AI yang tidak sekelas OpenAI hanya mau yang nyaman dan tidak rumit. Secara historis, kripto sulit menawarkan itu. Masih belum ada proyek DePIN yang menyamai latensi dan UX web2.

Data adalah input ketiga dan terakhir. Selama ada listrik + chip, ada komputasi. Tapi tanpa data, komputasi tidak berguna — seperti berlayar tanpa angin.

Data ini yang paling “samar-samar” dari 3 input di atas karena yang paling tidak sepadan (unik satu sama lain). Perusahaan AI menganggap data sebagai rahasia perdagangan, dan itulah kenapa ada pembeli tak bernama mengeluarkan uang jutaan dolar untuk set data paten (hak milik).

Pertanyaan miliar atau triliun dolarnya mungkin, “set data apa yang paling berharga?” Ini pertanyaan yang sulit untuk dipikirkan, tapi mungkin ada nilai data yang offline. Proses sebelum training AI hanya scraping data seluruh internet. Jadi kemungkinan besar data online sudah dibaca ChatGPT. Tapi set data offline belum (misal kesehatan dan keuangan), jadi sumber yang menarik. Kripto bisa memberdayai individu untuk monetisasi set data privat yang hak milik pribadi ini.

Program setir mandiri Tesla jadi studi kasus untuk data yang “langka”. Tesla sudah mengumpulkan jutaan kilometer FSD (Full Self-Driving). Berdasarkan laju April 2023, Tesla mungkin sekarang dekat 1 miliar kilometer nyetir otomatis.

Namun Tesla belum mencapai otonomi Level 5, kenapa? Karena banyak kasus unik di jalanan. Seperti diskusi di awal, mobil Tesla sudah nyetir jauh tapi masih belum mempelajari cara interpretasi arti gestur tangan driver lain di sebuah perempatan. Secara umum, ada dua cara untuk memecahkan masalah ini. Yang paling jelas adalah gebrakan algoritme yang membantu AI berpikir lebih baik tentang dunia manusia. Tapi ini sulit dan dianggap “seni hitam” penelitian AI.

Pendekatan yang lebih blak-blakan adalah brute force. Lemparkan data sebanyak-banyaknya ke sebuah model sebisa mungkin.

Selama sistem AI kewalahan generalisasi, data kasus yang unik bakal punya nilai. Proyek seperti Hivemapper dan Ocean menerjang masalah ini dalam cara unik. Tapi masih awal untuk monetisasi data hak milik pribadi.

Lebih Manusia (AI) dari Manusia (Kripto)

Di film Blade Runner, Tyrell Corp adalah konglomerat yang merancang, membuat, dan menjual Replicants — android sangat canggih yang tidak bisa dibedakan dari manusia. Moto mereka adalah “lebih manusia dari manusia”.

ChatGPT pun bisa lebih manusia dari manusia. Alhasil, hampir mustahil untuk membedakan apakah ngobrol sama manusia atau AI. Pertamanya masalah ini spesifik untuk teks, itulah kenapa guru SMA dan ujian sekolah jadi satu-satunya korban.

Namun dengan peluncuran Sora, lebih banyak orang akan kesulitan membedakan manusia dari mesin. Tonton aja video ini dari Sora. Apakah anak kecil atau orang tua bisa menyadari bahwa ini tidak nyata?

Kita sekarang hidup di dunia pascarealita, di mana tidak ada yang tahu apakah hal online itu nyata atau simulasi. Jadi, kita punya dua opsi:

• Menyerah, ngaku kalah, dan tunduk di hadapan Lord AI
• Menantang dan membangun sistem yang seimbang antara AI dan manusia

AI akan menggemparkan internet kalau bisa membodohi setiap filter spam.

Tidak lama lagi, rata-rata orang akan punya bot supermanusia yang bisa klik/like/subrek tanpa batas. Gimana cara Google, Facebook, atau Twitter bertahan hidup di dunia seperti itu?

Satu-satunya cara internet bertahan hidup melawan AI canggih adalah dengan mengadopsi bentuk identitas digital yang baru. Kalau tidak, yang diuntungkan hanyalah tuyul GPT.

Pada tingkat umum, identitas digital kalau tidak desentral ya terpusat. Saat ini, semua identitas digital melalui badan terpusat, biasanya pemerintah. Setup ini kurang optimal karena banyak alasan, seperti tulisan DCBuilder.

Kustodian data terpusat adalah liabilitas keamanan dan privasi yang rentan bocor dan eksploitasi, mengarah kepada phishing, sabotase, pelanggaran privasi, dll.

Mereka juga tidak dapat meningkat skala, ID pemerintah berbeda formatnya di setiap negara dan hanya terdistribusi ke jumlah populasi dunia yang sangat terbatas. Estimasi sekitar setengah dunia tidak punya akses ke identitas digital apa pun, dan hingga 850 juta orang tidak memiliki akses ke bentuk identitas pemerintahan apa pun.

Identitas digital yang ideal sifatnya privat, inklusif, dan desentral. Ini kebalikannya model saat ini yang sifatnya publik, perlu izin, eksklusif, dan terpusat. Jadi, apa solusinya? Pertama kita harus memecahkan Proof of Humanity. Kita butuh sistem yang bisa membedakan manusia dari android.

Ini topik yang menarik untuk lain waktu. Tentang Proof of Humanity dan pasti menyinggung Worldcoin juga. Mungkin kita buat deep dive Worldcoin dan update terbarunya kali ya?

Kesimpulan

Akan datang hari di mana manusia bukan lagi spesies paling cerdas di Bumi. Mungkin kita sudah di titik itu dan belum menyadarinya. Yang penting ada perubahan hebat di depan mata. Kita semua bisa merasakannya — percepatan teknologi. Sci-Fi akan menjadi kenyataan dalam masa hidup kita.

Namun ada biayanya. Sebagian besar perubahan mustahil diprediksi. Ada beberapa hal yang bisa diantisipasi. Saya pikir 3 topik yang kita bahas ini contoh masalah AI yang bisa diprediksi. Sifat stokastik, lapar resource, dan manusia artifisial membawa tantangan yang unik. Untungnya ada banyak pembangun cerdas yang memikirkan solusi.

Salah satunya kripto!

Setelah kita tahu alasan kenapa AI butuh kripto, sekarang kita lihat komponen teknologi yang memadukan AI dan kripto/blockchain. Belakangan ini makin banyak yang ulas dengan diagram proyek-proyek Crypto x AI. Salah satu contoh yang terbaru si Coinbase.

Nah, sekarang kita bakal cari tahu peluang investasinya. Ada apa aja sih komponennya? Apakah narasi AI desentral ini akan menjadi THE NEXT BIG THING??

Oke, di tengah banyaknya konten Crypto AI, sejauh ini saya paling suka deep dive Pondering Durian (Delphi Digital) yang sangat komprehensif. Bagian terakhir ini akan membagikan informasi dari sebagian besar konten mereka.

Selain tulisan Pondering Durian, ada juga playlist 1 bulan tentang Crypto AI di dasbor dan channel YouTube Delphi Digital. Sekarang kita mau masuk ke minggu ke-3.

Sejauh ini total ada konten sebanyak durasi 16 jam lebih. Nah, untuk menghemat waktu kalian, inilah rangkuman dasarnya.

AI Desentral: Tantangan dan Peluang

Tantangan terbesar AI Desentral ada di lapisan infrastrukturnya, karena butuh modal yang intens untuk bikin model AI dan perlunya skalabilitas data + komputasi.

Google, Amazon, Meta, Microsoft, dan Apple sekarang punya lebih dari $400 Miliar aset. Selain itu, operasi bisnis inti mereka setara >1,5% PDB AS tiap tahun. Perlombaan supremasi AI baru mulai ini. 4 “Hyperscaler” tadi (kecuali Apple) sudah menghabiskan modal $467 Miliar selama 3 tahun terakhir.

Perusahaan teknologi besar (Big Tech) punya keunggulan:

• Tabungan duitnya masif dari monopoli profit permintaan konsumen selama kebangkitan internet,
• Mereka investasikan lagi duit itu ke infrastruktur cloud waktu suku bunga rendah selama 1 dekade,
• Sekarang mereka berupaya ambil pasar AI dengan mendominasi suplai data dan komputasi, bumbu utama AI.

Ukuran itu penting. Gambar ini mengilustrasikan ukuran model AI. Yang besar lagi di sebelah kanan itu ada GPT4 (OpenAI), yang tidak diungkap angkanya, tapi rumornya ~1,8 Triliun!

Karena modalnya intens dan butuh spek kapasitas tinggi untuk melatih model AI besar, Big Tech lah yang punya model AI dengan performa terbaik. Software-nya tertutup (closed source code), dengan rencana disewakan untuk profit, biar bisa investasi lagi ke generasi penerusnya.

Namun, keunggulan AI dari perusahaan Web2 yang model begini kalah saing dengan cepat. Apalagi dengan Meta yang komitmennya belasan miliaran dolar untuk model AI “Open Source”, model kayak Llama 3.1 dengan performa setingkat SOTA.

Mark Zuckerberg ternyata ALL IN, merilis sebuah Manifesto AI Open Source, dan komitmen Meta adalah membuka generasi penerus yang bertaruh Llama jadi standar industri.

Ditambah lagi, ada penelitian metode training AI yang desentral. Mungkin model bisnisnya jadi berubah, dari saingan hardware super (Big Tech), jadi saingan inovasi software (mendukung Open Source dan Kripto). Karena “harga” AI semakin menurun.

Karena ada komputasi yang efisien, campuran dari pakar arsitektur dan sintesis/routing LLM… tampaknya kita tidak menuju dunia yang cuma didominasi 3-5 Model Besar. Tapi bisa ada Jutaan Model AI dengan biaya dan performa yang berbeda-beda.

Sebuah jaringan kecerdasan yang saling terikat. Kecerdasan kolektif.

Dengan ini timbul masalah koordinasi yang besar. Nah, blockchain dan kripto siap membantu.

Tesis Investasi AI Desentral

AI intinya cuma Data dan Komputasi.

Apa pun yang bisa menjadi sumber efisien untuk Data dan Komputasi (Infrastruktur), bisa mengkoordinasikannya (Middleware), dan bisa memenuhi permintaan user (Aplikasi)… akan jadi berharga.

Delphi Digital bullish dengan berbagai komponen yang mencakup 3 lapisan teknologi ini.

1. Lapisan Infrastruktur

AI butuh data dan komputasi. Infrastruktur ini khusus menjadi sumber yang efisien untuk 2 hal itu, biasanya pakai insentif kripto. Ini bagian kompetisi yang paling menantang, tapi potensinya paling menggiurkan dengan ukuran pasar yang bisa jadi gacor.

Sejauh ini, proyek kripto yang menjadi solusi Infrastruktur AI terkait dengan DePIN. Mendistribusikan insentif untuk cari suplai yang “tersembunyi”, suplai-suplai:

• Komputasi Desentral: Proyek yang fokusnya sumber GPU (Akash, Render, Bittensor, Gensyn), atau yang jadi agregator (IOnet).
• Penyimpanan Desentral: Sistem kayak Filecoin dan Arweave.
• Sumber & Manajemen Data Desentral: Gabungan scraping data (Grass), labeling (Lightworks), dan marketplace (Ocean Protocol).
• TEE dan hardware lain untuk menjamin integritas data dan model.

Komputasi Desentral

Walaupun sejauh ini terhalang latensi, protokol training AI dan pasar GPU berharap menarik suplai yang “tersembunyi”, dari ritel yang hardware-nya lebih murah, untuk yang butuh komputasi tapi terhalang biaya mahal perusahaan Big Tech.

Tadi kita sebut beberapa nama kayak Gensyn, ada juga Prime Intellect, Neuromesh, dan Aethir yang belum disebutkan. Kita tidak bisa membahas semua pemainnya, tapi ya itu beberapa pemimpin di kategori ini. Kalo dibagi menurut posisi begini ilustrasinya.

Data Desentral

Di dunia yang punya kecerdasan melimpah, berdasarkan model AI yang beraneka ragam, lebih kecil, dan lebih khusus… aset-aset data menjadi semakin berharga dan jadi sumber monetisasi.

Kalau dunia seimbang, ada kumpulan data yang besar dan masif, lalu ada kumpulan data yang lebih kecil, spesifik untuk aplikasi tertentu. Kripto cocok untuk memberi insentif pengumpulan data ini, secara online dan offline.

Monetisasi data ini ada 2 bentuk:

• Lokapasar data yang dijual ke perusahaan, ke model AI, atau agregator
• Ekspansi menjadi sebuah model yang istilahnya “Agen AI” (nanti kita bahas di bawah)

Sejauh ini, DePIN dipuji karena membangun jaringan hardware yang lebih murah daripada perusahaan telekomunikasi. Tapi, potensi pasar terbesar DePIN akan muncul dari pengumpulan data-data baru yang akan dibutuhkan Agen AI (kita bahas nanti).

Yang muncul ada beberapa kategori data. Ini cuma segelintir aja dari ratusan proyek yang mulai bermunculan.

• Pemetaan: Hivemapper, Natix, Spexi
• Agrikultur: WeatherXM, PlanetWatch, Dimitria
• Kesehatan: (sejauh ini belum ada proyek kripto yang cocok jadi solusi, tapi ada beberapa yang berhubungan) BrainStem, StepN, vitaDAO, dan moleculeDAO
• Keuangan: Delphia, Numerai
• Lainnya: DIMO, Grass

Kalau buruh digantikan dengan kombinasi data dan komputasi, Lapisan Infrastruktur AI Desentral ini menjadi peluang untuk kontribusi ke ekonomi masa depan kita.

2. Lapisan Tengah (Middleware)

Tujuan akhir AI Desentral itu komputasi yang kayak Lego, bisa saling dibangun dan membangun. Jadi ekosistem yang terbuka, dengan harapan lama-lama menjadi bukit (semoga mengungguli perusahaan teknologi besar dunia).

Di lapisan tengah ini, ada beberapa nama yang relevan.

• Model AI Open Source: Llama3, Mistral, Hugging Face, dkk. Sering menjadi dasar eksperimen.
• Verifikasi Komputasi: Menggunakan ZK dan OP dan alat lain untuk menjamin privasi dan integritas data.
• Jaringan Koordinasi: Algoritme yang meneruskan Intent lewat jalan eksekusi yang paling efisien.
• Peralatan Developer: Alat-alat dan SDK yang diperlukan untuk membangun aplikasi AI.

Dari sini, yang Verifikasi Komputasi dan Jaringan Koordinasi cocok untuk solusi berbasis kripto.

Google punya chip sendiri, punya cloud sendiri, punya data sendiri, punya model AI sendiri, punya aplikasi yang jadi jalur distribusinya sendiri. Nah, kalau Google itu “Integrated”, AI Desentral itu yang “Modular”.

Kata Clayton Christensen, pendekatan Integrated cenderung memimpin di industri yang baru, karena simpel. Tapi selama industri makin dewasa, yang Modular ambil pangsa pasar dengan kompetisi lebih hebat, dan efisiensi biaya di setiap bagian teknologinya.

Ada beberapa kategori yang penting untuk memungkinkan visi AI Desentral (Modular) ini.

Routing (Koordinasi)

Di dunia yang kecerdasannya terpecah, gimana cara pilih model yang tepat dan waktu yang tepat pada harga yang tepat?

Agregator yang punya demand selalu nangkap nilainya (Teori Agregasi), dan fungsi Routing ini penting untuk mengoptimalkan kurva antara performa dan biaya.

Bittensor sudah jadi pemimpin Generasi 1, tapi ada beberapa kompetitor yang mulai muncul.

Allora menampung kompetisi antara model-model AI yang berbeda menurut berbagai topik, dan bisa improve sendiri seiring waktu. Bisa prediksi masa depan menurut akurasi historis.

Morpheus ingin menjadi router untuk penggunaan Web3, kayak “Apple Intelligence” dengan agen lokal yang Open Source, yang punya konteks relevan si user dan bisa menyalurkan permintaan secara efisien lewat DeFi, atau infrastruktur Web3 lainnya.

Protokol interoperabilitas AI kayak Theoriq dan Autonolas ingin mendorong ekosistem agen-agen AI yang fleksibel, menjadi layanan yang benar-benar penuh secara onchain.

Intinya dengan kecerdasan yang terpecah, agregator Supply & Demand akan berperan kuat. Kalau Google bisa jadi perusahaan bernilai $2 Triliun dengan mengindeks informasi dunia, maka pemenang yang mengindeks AI (entah Apple, Google, atau solusi Web3) seharusnya lebih besar.

Verifikasi Komputasi

Karena desentral, blockchain sangat terbatas dalam hal Data dan Komputasi. Gimana caranya membawa aplikasi AI ke user yang minta onchain?

Co-Processor!

Anggap ini kayak “Oracle” yang menawarkan teknik berbeda dalam verifikasi data atau model yang digunakan. Tujuannya meminimalisir asumsi percaya manusia. Sejauh ini, ada proyek yang menggunakan ZK, OP, TEE, dan pendekatan ekonomi kripto. Semuanya ada pro dan kontra.

Intinya, Co-Processor membuat smart contract benaran “smart”. Jadi solusi gudang data untuk menyajikan pengalaman onchain yang lebih personal.

Jaringan TEE kayak Super, Phala, dan Marlin naik daun popularitasnya karena praktis dan siap menampung aplikasi-aplikasi AI hari ini juga.

Co-Processor penting untuk menyatukan blockchain yang performanya relatif rendah dengan AI yang performanya tinggi. Tanpa Co-Processor, AI tidak akan masuk blockchain generasi sekarang.

Insentif Developer

Salah satu isu terbesar AI Open Source adalah kurangnya insentif untuk bertahan lama. Kalah sama Hyperscaler Big Tech.

Ada beberapa proyek dari Sentient, Pluralis, Sahara, dan Mira yang berusaha membangun jaringan untuk memberi reward kontribusi developer. Semoga kompensasinya sepadan dengan nilai yang diciptakan. Susah dan sangat kompetitif, tapi potensi pasarnya besar.

Model AI GNN

LLM menggambar pola dari kumpulan teks besar dan belajar memprediksi kata berikutnya. Model GNN (Graph Neural Nets) memproses, menganalisis, dan belajar dari data yang strukturnya graph. Data onchain terdiri dari interaksi yang kompleks antara user dan smart contract, jadi graph tampak menjadi pilihan yang logis untuk menopang penggunaan AI onchain.

Proyek seperti POND dan RPS berusaha membangun model AI dasar untuk Web3. Potensinya bisa mengubah trading, DeFi, dan penggunaan sosial kayak:

• Prediksi Harga (strategi trading otomatis, analisis sentimen kripto)
• Keuangan AI (strategi yield canggih, memanfaatkan likuiditas, manajemen risiko)
• Marketing Onchain (target airdrop lebih baik, rekomendasi sesuai perilaku onchain)

Model GNN begini akan bergantung pada gudang data seperti Space and Time, Subsquid, Covalent, dan Hyperline yang cukup bullish.

3. Lapisan Aplikasi

Ini lapisan yang tidak bisa kita prediksi, apa yang akan muncul. Tapi kategorinya layak dipantau.

• Agen AI Personal: Dari layanan konsumen seperti myshell.ai yang menghubungkan user, kreator, dan peneliti Open Source… hingga AI personal kayak Venice.ai.
• Protokol Agen AI: Kayak perusahaan onchain yang otonom, karyawannya dikit, menggabungkan Agen AI dan jalur kripto untuk menyaingi bisnis tradisional.
• UX 10x Lebih Baik: Zamannya interaksi wallet dan smart contract yang ribet akan sirna, Agen AI akan muncul sebagai frontend yang baru.
• Masyarakat Desentral: Identitas, privasi, tata kelola, mirip dengan yang dibayangkan Morpheus. Yang kalangan atas bukan korporat, tapi user online.
• Audit Smart Contract Otomatis: Solusi kayak testmachine.ai seharusnya mempercepat kerja developer. Tamat sudah periode menunggu 3 bulan untuk audit kelas atas.
• Dan jauh lebih banyak lagi aplikasi yang belum terbayang…

Agen AI Onchain mungkin jadi solusi UX kripto yang buruk. Tapi lebih penting lagi, kurang demand untuk miliaran USD yang digelontorkan ke infrastruktur Web3 selama 10 tahun terakhir.

Agen AI akan datang segera. Logis kalau Agen AI memanfaatkan infrastruktur yang terbuka dan permissionless untuk pembayaran, komputasi, demi mencapai tujuan akhir yang lebih kompleks.

Harapannya biaya lebih rendah daripada perusahaan tradisional. Sama dengan aplikasi Web2 yang menangkap nilai terbanyak, tesis AI Desentral ini harusnya “Fat App” juga seiring waktu.

THE NEXT Google, Facebook, dan BlackRock mungkin adalah Protokol Agen AI. Dan komponen teknologi yang menjadi dasarnya sedang dibangun industri kita saat ini.

Kayaknya seru membayangkan use case aplikasi yang berkaitan kripto dan Web3 ya. Coba komen di bawah apa kalian tertarik untuk kita deep dive lebih lanjut lagi tentang ini?

Menurut saya, pertemuan Crypto x AI adalah narasi yang lebih memiliki nilai fundamental di industri kita ke depannya. AI akan mengubah bentuk ekonomi kita. Bentuk yang sekarang berbeda dengan visi “AI Desentral”. Mungkin masih prematur dan narasi ini butuh waktu lama, tapi kalau bisa menemukan proyek Hidden Gem awal, peluang pasarnya masif sekali.