AI ธุรกิจไม่ทำเงิน? DeAI แสงสว่างได้เริ่มขึ้นแล้ว

เขียนโดย: Zhang Feng

ปัญญาประดิษฐ์ (AI) ไม่ต้องสงสัยเลยว่าเป็นเทคโนโลยีที่ร้อนแรงที่สุดในโลกในขณะนี้ เทคโนโลยี AI กำลังเปลี่ยนแปลงอุตสาหกรรมต่างๆ ด้วยความเร็วที่ไม่เคยมีมาก่อน อย่างไรก็ตาม ในความเจริญรุ่งเรืองที่มีเสียงดังก้องกลับมีความจริงที่โหดร้ายคือธุรกิจ AI ส่วนใหญ่ โดยเฉพาะบริษัทสตาร์ทอัพ ยังไม่สามารถหาทางทำกำไรที่มั่นคงและยั่งยืนได้ พวกเขาติดอยู่ในสถานการณ์ “ทำดีแต่ไม่ประสบความสำเร็จ” โดยมีความเจริญรุ่งเรืองทางเทคโนโลยีควบคู่ไปกับการขาดทุนทางธุรกิจ.

หนึ่ง ทำไมถึง “ขาดทุนเพื่อเรียกลูกค้า”?

ปัญหาการทำกำไรของธุรกิจ AI ไม่ได้เกิดจากความล้มเหลวของเทคโนโลยีเอง แต่เป็นผลมาจากรูปแบบการพัฒนาที่มีศูนย์กลางซึ่งก่อให้เกิดความขัดแย้งเชิงโครงสร้าง โดยเฉพาะอย่างยิ่งสามารถสรุปได้เป็นสามเหตุผลหลักดังนี้:

การกระจุกตัวอย่างสุดขีด: ต้นทุนที่สูงลิ่วและการผูกขาดของกลุ่มผู้นำ ปัจจุบัน AI ที่ได้รับความนิยมโดยเฉพาะโมเดลขนาดใหญ่ เป็นอุตสาหกรรมที่มี “สินทรัพย์หนัก” อย่างชัดเจน กระบวนการฝึกอบรมและการอนุมานต้องใช้พลังการคำนวณ (GPU) การจัดเก็บข้อมูล และพลังงานในปริมาณมหาศาล ซึ่งนำไปสู่การแบ่งแยกเป็นสองขั้ว: ขั้วหนึ่งคือยักษ์ใหญ่ด้านเทคโนโลยีที่มีเงินทุนหนาแน่น (เช่น Google, Microsoft, OpenAI) ซึ่งสามารถลงทุนได้ถึงหลายร้อยล้านหรือหลายพันล้านดอลลาร์ ขั้วอีกข้างคือบริษัทสตาร์ทอัพจำนวนมากที่ต้องนำเงินทุนส่วนใหญ่ไป “ถวาย” ให้กับผู้ให้บริการคลาวด์เพื่อให้ได้พลังการคำนวณ โดยมีกำไรที่ถูกบีบอัดอย่างรุนแรง รูปแบบนี้สร้าง “การผูกขาดพลังการคำนวณ” ขึ้นมา ซึ่งทำลายความคิดสร้างสรรค์ ตัวอย่างเช่น แม้แต่ OpenAI เอง ในช่วงเริ่มต้นของการพัฒนา ก็ยังพึ่งพาการลงทุนจำนวนมหาศาลจาก Microsoft และทรัพยากรคลาวด์ Azure อย่างหนัก จึงสามารถสนับสนุนการวิจัยและการดำเนินงานของ ChatGPT ได้ สำหรับผู้เล่นส่วนใหญ่ ต้นทุนคงที่ที่สูงทำให้ยากที่จะทำกำไรในระดับขนาดใหญ่.

ปัญหาข้อมูล: อุปสรรคด้านคุณภาพและความเสี่ยงด้านความเป็นส่วนตัว ข้อมูลคือเชื้อเพลิงของ AI บริษัท AI ที่มีศูนย์กลางมักจะเผชิญกับสองปัญหาใหญ่เพื่อให้ได้ข้อมูลการฝึกอบรมที่มีคุณภาพสูงและขนาดใหญ่ ปัญหาหนึ่งคือค่าใช้จ่ายในการจัดหาข้อมูลสูงมาก ไม่ว่าจะเป็นการเก็บข้อมูลโดยการจ่ายเงิน การทำเครื่องหมายข้อมูล หรือการใช้ข้อมูลของผู้ใช้ก็ล้วนเกี่ยวข้องกับการลงทุนด้านเงินและเวลาอย่างมหาศาล ปัญหาที่สองคือความเสี่ยงด้านความเป็นส่วนตัวของข้อมูลและการปฏิบัติตามกฎระเบียบที่สูงมาก ด้วยการบังคับใช้กฎหมายข้อมูลทั่วโลก (เช่น GDPR, CCPA) ที่เข้มงวดมากขึ้น การรวบรวมและการใช้ข้อมูลโดยไม่มีการอนุญาตที่ชัดเจนจากผู้ใช้สามารถก่อให้เกิดการฟ้องร้องทางกฎหมายและค่าปรับจำนวนมหาศาลได้ทุกเมื่อ ตัวอย่างเช่น บริษัทเทคโนโลยีที่มีชื่อเสียงหลายแห่งเคยเผชิญกับค่าปรับจำนวนมหาศาลเนื่องจากปัญหาการใช้ข้อมูล สิ่งนี้สร้างเป็นปริศนา: ไม่มีข้อมูลไม่สามารถพัฒนา AI ได้ แต่การจัดหาข้อมูลและการใช้ข้อมูลกลับเป็นเรื่องยากลำบาก.

การกระจายคุณค่าที่ไม่สมดุล: ผู้มีส่วนร่วมและผู้สร้างถูกกีดกันจากผลประโยชน์ ในระบบนิเวศ AI ปัจจุบัน การกระจายคุณค่ามีความไม่เป็นธรรมอย่างยิ่ง การฝึกอบรมโมเดล AI ขึ้นอยู่กับข้อมูลพฤติกรรมที่ผลิตโดยผู้ใช้จำนวนมาก เนื้อหาที่สร้างโดยผู้สร้าง (ข้อความ รูปภาพ โค้ด ฯลฯ) และโค้ดโอเพนซอร์สที่มีส่วนร่วมโดยนักพัฒนาทั่วโลก อย่างไรก็ตาม ผู้มีส่วนร่วมหลักเหล่านี้แทบจะไม่สามารถได้รับผลตอบแทนจากมูลค่าทางการค้าที่มหาศาลที่สร้างขึ้นโดยโมเดล AI สิ่งนี้ไม่เพียงแต่เป็นปัญหาด้านจริยธรรม แต่ยังเป็นโมเดลธุรกิจที่ไม่ยั่งยืนอีกด้วย มันทำให้แรงจูงใจของผู้มีส่วนร่วมข้อมูลและผู้สร้างเนื้อหาลดลง และในระยะยาว อาจกัดเซาะรากฐานของการปรับปรุงและนวัตกรรมอย่างต่อเนื่องของโมเดล AI ตัวอย่างที่ชัดเจนคือ ศิลปินและนักเขียนหลายคนได้กล่าวหาบริษัท AI ว่าใช้ผลงานของพวกเขาในการฝึกอบรมและทำกำไรโดยไม่ได้ให้ค่าตอบแทนใดๆ ซึ่งนำไปสู่ข้อถกเถียงและข้อพิพาททางกฎหมายอย่างกว้างขวาง

สอง. รูปแบบใหม่ในการทำกำไร

DeAI (Decentralized AI) ไม่ใช่เทคโนโลยีเดียว แต่เป็นแนวทางใหม่ที่รวมเอา blockchain, การเข้ารหัสลับ และการคำนวณแบบกระจาย มันมีเป้าหมายเพื่อสร้างความสัมพันธ์ในการผลิต AI ใหม่ผ่านวิธีการกระจายศูนย์ เพื่อแก้ไขปัญหาสามประการที่กล่าวถึงข้างต้นอย่างเฉพาะเจาะจง และเปิดโอกาสในการทำกำไร

DeAI ใช้โมเดล “Crowdsourcing” ในการกระจายความต้องการกำลังประมวลผลไปยังโหนดที่ไม่ได้ใช้งานทั่วโลก (คอมพิวเตอร์ส่วนตัว, ศูนย์ข้อมูล ฯลฯ) ซึ่งคล้ายกับ “Airbnb สำหรับ GPU” สร้างตลาดกำลังประมวลผลระดับโลกที่มีการแข่งขัน สามารถลดต้นทุนกำลังประมวลผลได้อย่างมีนัยสำคัญ ผู้เข้าร่วมจะได้รับแรงจูงใจเป็นโทเค็นจากการมีส่วนร่วมในการให้กำลังประมวลผล ทำให้เกิดการจัดสรรทรัพยากรที่ถูกต้องและมีประสิทธิภาพ.

DeAI ใช้เทคโนโลยีต่างๆ เช่น “การเรียนรู้แบบสหพันธ์” และ “การเข้ารหัสเชิงโฮโมมอร์ฟิก” เพื่อให้เกิด “ข้อมูลไม่เคลื่อนที่ โมเดลเคลื่อนที่” โดยไม่จำเป็นต้องรวมข้อมูลดิบไว้ที่เดียว แต่จะแจกจ่ายโมเดลไปยังแหล่งข้อมูลแต่ละแห่งเพื่อการฝึกอบรมในท้องถิ่น และรวมการอัปเดตพารามิเตอร์ที่เข้ารหัสแล้ว สิ่งนี้ช่วยปกป้องความเป็นส่วนตัวของข้อมูลในระดับพื้นฐาน ขณะเดียวกันก็ใช้คุณค่าของข้อมูลที่กระจายอย่างถูกต้องตามกฎหมาย เจ้าของข้อมูลสามารถตัดสินใจได้เองว่าจะให้ข้อมูลหรือไม่และสามารถสร้างรายได้จากข้อมูลนั้นได้หรือไม่.

DeAI ได้สร้างระบบการจัดสรรคุณค่าที่โปร่งใสและยุติธรรมผ่าน “เศรษฐศาสตร์โทเค็น” และ “สัญญาอัจฉริยะ” ผู้มีส่วนร่วมข้อมูล ผู้ให้พลังการคำนวณ ผู้พัฒนารุ่น และแม้แต่ผู้ใช้รุ่น สามารถได้รับรางวัลโทเค็นตามระดับการมีส่วนร่วมของพวกเขาโดยอัตโนมัติผ่านสัญญาอัจฉริยะ สิ่งนี้ทำให้ AI เปลี่ยนจาก “กล่องดำ” ที่ถูกควบคุมโดยยักษ์ใหญ่ ไปสู่เศรษฐกิจเปิดที่สร้างร่วมกัน บริหารร่วมกัน และแบ่งปันกันโดยชุมชน.

สาม, การเปลี่ยนแปลงโครงสร้างสามชั้น

การย้ายธุรกิจ AI ที่มีศูนย์กลางแบบดั้งเดิมไปสู่รูปแบบ DeAI จำเป็นต้องมีการปรับโครงสร้างระบบในสามด้าน ได้แก่ เทคโนโลยี ธุรกิจ และการบริหารจัดการ

(หนึ่ง) การปรับโครงสร้างเทคโนโลยีจากแบบรวมศูนย์ไปยังแบบกระจาย

ชั้นการประมวลผลอิงจากเครือข่ายโครงสร้างพื้นฐานทางกายภาพแบบกระจายศูนย์ (DePIN) เช่น Akash Network, Render Network เป็นต้น เพื่อสร้างสระกำลังประมวลผลที่ยืดหยุ่นและมีต้นทุนต่ำ แทนที่บริการคลาวด์แบบรวมศูนย์แบบดั้งเดิม.

ชั้นข้อมูลใช้การเรียนรู้แบบสหพันธ์เป็นกรอบการฝึกอบรมหลัก ร่วมกับการเข้ารหัสแบบโฮโมมอร์ฟิก การคำนวณหลายฝ่ายที่ปลอดภัย และเทคโนโลยีการเข้ารหัสอื่น ๆ เพื่อรับประกันความเป็นส่วนตัวและความปลอดภัยของข้อมูล สร้างตลาดข้อมูลบนบล็อกเชน เช่น Ocean Protocol เพื่อให้ข้อมูลสามารถทำการค้าได้ภายใต้เงื่อนไขการยืนยันสิทธิและความปลอดภัย

ชั้นโมเดลจะทำการนำโมเดล AI ที่ผ่านการฝึกอบรมแล้วไปปรับใช้ในรูปแบบของ “สัญญาอัจฉริยะ AI” บนบล็อกเชน ทำให้มันโปร่งใส ตรวจสอบได้ และสามารถเรียกใช้งานได้โดยไม่ต้องขออนุญาต การใช้งานแต่ละครั้งของโมเดลและรายได้ที่เกิดขึ้นสามารถถูกบันทึกและจัดสรรได้อย่างแม่นยำ.

(2) การปรับโครงสร้างธุรกิจจากการให้บริการขายไปสู่การสร้างระบบนิเวศร่วมกัน

จาก SaaS ถึง DaaS (ข้อมูลเป็นบริการ) และ MaaS (โมเดลเป็นบริการ) ธุรกิจไม่เพียงแค่ขายจำนวนการเรียกใช้ API เท่านั้น แต่ยังเป็นผู้สร้างระบบนิเวศ โดยการออกโทเค็นฟังก์ชันหรือโทเค็นการกำกับดูแล เพื่อกระตุ้นให้ชุมชนเข้ามามีส่วนร่วมในการสร้างเครือข่าย แหล่งรายได้จึงขยายจากค่าบริการเพียงอย่างเดียวไปสู่การเพิ่มมูลค่าโทเค็นที่เกิดจากการเติบโตของระบบนิเวศ การแบ่งปันค่าธรรมเนียมการทำธุรกรรม และอื่น ๆ

ดังนั้น การสร้างแพลตฟอร์มงานแบบกระจายศูนย์ ซึ่งจะมีการเผยแพร่ภารกิจต่าง ๆ เช่น การทำเครื่องหมายข้อมูล การปรับแต่งโมเดล และการพัฒนาแอปพลิเคชันในสถานการณ์เฉพาะในรูปแบบของ “รางวัล” โดยสมาชิกในชุมชนทั่วโลกสามารถเข้ามารับภารกิจและได้รับรางวัล จะช่วยลดค่าใช้จ่ายในการดำเนินงานและกระตุ้นความคิดสร้างสรรค์ได้อย่างมาก.

(สาม) การปรับโครงสร้างการปกครองจากบริษัทสู่ DAO

การจัดการโดยชุมชน โดยการถือโทเค็นการจัดการ ผู้เข้าร่วมในชุมชน (ผู้มีส่วนร่วม ผู้ใช้) มีสิทธิ์ในการลงคะแนนเสียงในเรื่องการตัดสินใจที่สำคัญ เช่น ทิศทางการปรับพารามิเตอร์ของโมเดล การใช้เงินกองทุน ความสำคัญของการพัฒนาฟังก์ชันใหม่ เป็นต้น ซึ่งทำให้เกิด “ผู้ใช้คือเจ้าของ” อย่างแท้จริง.

โดยอิงจากความเปิดเผยและความโปร่งใส จะมีการนำโค้ดทั้งหมด โมเดล (บางส่วนสามารถเปิดเผยได้) บันทึกการทำธุรกรรมและการตัดสินใจด้านการบริหารจัดการขึ้นบนบล็อกเชน เพื่อรับประกันว่ากระบวนการนั้นเปิดเผยและโปร่งใส สร้างความสัมพันธ์ในการทำงานร่วมกันที่ไม่ต้องอาศัยความไว้วางใจ ซึ่งเป็นสินทรัพย์แบรนด์ที่ทรงพลังและเป็นการรับรองความเชื่อมั่นในตัวมันเอง

ตัวอย่างการเปลี่ยนแปลงจากแพลตฟอร์มข้อมูลโลจิสติกส์แบบดั้งเดิมไปเป็น DeAI ปัญหาของแพลตฟอร์มข้อมูลโลจิสติกส์แบบดั้งเดิมคือ แม้ว่าจะรวบรวมข้อมูลจากการขนส่งทางทะเล การขนส่งทางบก การจัดเก็บสินค้า และแหล่งข้อมูลอื่น ๆ แต่ผู้เข้าร่วมไม่ต้องการแบ่งปันข้อมูลเนื่องจากกังวลเกี่ยวกับการรั่วไหลของความลับทางการค้า ส่งผลให้เกิดเกาะข้อมูล และค่าของแพลตฟอร์มมีจำกัด แกนหลักของการเปลี่ยนแปลงไปสู่ DeAI คือการปลดปล่อยมูลค่าของข้อมูลและสร้างแรงจูงใจที่เป็นธรรมโดยไม่เปิดเผยข้อมูลดิบ:

สร้างเครือข่ายการคำนวณที่เชื่อถือได้ทางเทคนิค แพลตฟอร์มไม่เก็บข้อมูลในที่เดียวอีกต่อไป แต่เปลี่ยนเป็นชั้นประสานงานที่ใช้บล็อกเชน ใช้รูปแบบเทคโนโลยีเช่นการเรียนรู้แบบสหพันธุ์ เพื่อให้โมเดล AI “กระโดดร่ม” ไปยังเซิร์ฟเวอร์ในท้องถิ่นของแต่ละบริษัท (เช่น บริษัทเรือ, คลังสินค้า) เพื่อทำการฝึกอบรม โดยรวมเฉพาะการอัปเดตพารามิเตอร์ที่เข้ารหัส เพื่อปรับปรุงโมเดลการคาดการณ์ทั่วโลก (เช่น เวลาที่เรือบรรทุกสินค้าถึงท่าเรือ, ความเสี่ยงการบรรทุกสินค้าของคลังสินค้า) ทำให้เกิด “ข้อมูลไม่เคลื่อนที่ แต่ค่าเคลื่อนที่”.

ดำเนินการสินทรัพย์ข้อมูลและการจูงใจด้วยโทเค็นในเชิงธุรกิจ ออกแพลตฟอร์มคะแนนที่ใช้งานได้จริง โดยบริษัทโลจิสติกส์สามารถขุดคะแนนรางวัลได้จากการมีส่วนร่วมในการให้ข้อมูล (พารามิเตอร์โมเดล) ขณะที่ลูกค้าฝั่งล่าง (เช่น เจ้าของสินค้า) ชำระโทเค็นเพื่อขอข้อมูล “ผลการคาดการณ์” ที่มีความแม่นยำสูง (เช่น อัตราความตรงเวลาของเส้นทางในสัปดาห์หน้า) แทนการซื้อข้อมูลดิบ รายได้จะถูกแจกจ่ายโดยอัตโนมัติให้กับผู้มีส่วนร่วมข้อมูลผ่านสัญญาอัจฉริยะ.

การสร้าง DAO อุตสาหกรรมในการบริหารจัดการ โดยการตัดสินใจที่สำคัญ (เช่น การพัฒนาฟังก์ชันใหม่ การปรับอัตราค่าธรรมเนียม) จะถูกลงคะแนนเสียงร่วมกันโดยผู้ถือโทเค็น (คือผู้เข้าร่วมหลัก) เพื่อเปลี่ยนแพลตฟอร์มจากการควบคุมของบริษัทเอกชนเป็นชุมชนอุตสาหกรรม.

แพลตฟอร์มได้พัฒนาจากองค์กรที่พยายามเก็บค่าธรรมเนียมจากการแยกข้อมูล มาเป็นระบบประสาทของอุตสาหกรรมโลจิสติกส์ทั้งสายที่ร่วมสร้าง ร่วมบริหาร และแบ่งปัน โดยการแก้ปัญหาความไว้วางใจ ทำให้ประสิทธิภาพในการทำงานร่วมกันของอุตสาหกรรมสูงขึ้นอย่างมากและสามารถต้านทานความเสี่ยงได้ดีขึ้น.

สี่, ความสอดคล้องและความปลอดภัย

แม้ว่า DeAI จะมีแนวโน้มที่สดใส แต่การพัฒนายังคงอยู่ในระยะเริ่มต้น และต้องเผชิญกับความท้าทายหลายประการที่ไม่ควรมองข้าม.

ความสอดคล้องและความไม่แน่นอนทางกฎหมาย ในด้านกฎระเบียบข้อมูล แม้ว่าข้อมูลจะไม่ถูกย้าย แต่รูปแบบเช่นการเรียนรู้ของรัฐบาลกลางยังคงต้องปฏิบัติตามข้อกำหนดใน GDPR และกฎระเบียบอื่นๆ อย่างเคร่งครัดเกี่ยวกับ “การจำกัดวัตถุประสงค์” “การลดปริมาณข้อมูล” และสิทธิของผู้ใช้ (เช่น สิทธิในการถูกลืม) ทีมโครงการต้องออกแบบกลไกการอนุญาตข้อมูลและการถอนตัวที่สอดคล้องกันอย่างเข้มงวด.

ในด้านกฎหมายหลักทรัพย์ โทเค็นที่ออกโดยโครงการต่างๆ มักถูกหน่วยงานกำกับดูแลในประเทศต่างๆ (เช่น SEC ของสหรัฐอเมริกา) ระบุว่าเป็นหลักทรัพย์ ซึ่งทำให้ต้องเผชิญกับการตรวจสอบด้านกฎระเบียบที่เข้มงวด วิธีการหลีกเลี่ยงความเสี่ยงทางกฎหมายเมื่อออกแบบโมเดลเศรษฐกิจของโทเค็นจึงเป็นกุญแจสำคัญในการอยู่รอดของโครงการ

ในด้านความรับผิดชอบเนื้อหา หากโมเดล DeAI ที่ปรับใช้บนบล็อกเชนสร้างเนื้อหาที่เป็นอันตราย มีอคติ หรือผิดกฎหมาย ผู้รับผิดชอบคือใคร? เป็นนักพัฒนาโมเดล ผู้ให้บริการกำลังการประมวลผล หรือผู้ถือโทเค็นการจัดการ? นี่นำมาซึ่งความท้าทายใหม่สำหรับระบบกฎหมายที่มีอยู่.

ในด้านความท้าทายด้านความปลอดภัยและประสิทธิภาพ ความปลอดภัยของโมเดลหมายถึงโมเดลที่ถูกนำไปใช้บนบล็อกเชนสาธารณะอาจเผชิญกับพฤติกรรมการโจมตีใหม่ เช่น การใช้ประโยชน์จากช่องโหว่ในสมาร์ทคอนแทรค หรือการทำลายระบบการเรียนรู้แบบรวมด้วยข้อมูลที่เป็นพิษ.

ข้อจำกัดด้านประสิทธิภาพคือความเร็วในการทำธุรกรรม (TPS) และข้อจำกัดในการจัดเก็บของบล็อกเชนเอง ซึ่งอาจไม่สามารถรองรับคำขอการอนุมานของโมเดลขนาดใหญ่ที่มีความถี่สูงและมีความหน่วงต่ำได้ ซึ่งต้องการการรวมกันที่มีประสิทธิภาพของโซลูชันการขยาย Layer 2 และการคำนวณนอกเครือข่าย.

ประสิทธิภาพในการทำงานร่วมกันหมายถึงการทำงานร่วมกันแบบกระจายซึ่งแม้จะมีความยุติธรรม แต่ประสิทธิภาพในการตัดสินใจและการดำเนินการอาจต่ำกว่าบริษัทแบบรวมศูนย์ วิธีการหาสมดุลระหว่างประสิทธิภาพและความยุติธรรมเป็นศิลปะที่การบริหารจัดการ DAO ต้องค้นคว้าอย่างต่อเนื่อง

DeAI เป็นการปฏิวัติความสัมพันธ์การผลิตที่มีแนวโน้มจะทำลายการผูกขาดของยักษ์ใหญ่ ผ่านเทคโนโลยีแบบกระจาย, เศรษฐกิจโทเค็น และการจัดการของชุมชน ซึ่งจะปลดปล่อยพลังการคำนวณและคุณค่าข้อมูลที่เหลือใช้ทั่วโลก สร้างระบบนิเวศ AI ใหม่ที่ยุติธรรม, ยั่งยืน และอาจมีกำไรมากขึ้น.

ห้า, ทิศทางการสำรวจในปัจจุบัน

การพัฒนาเครื่องมือ AI ในปัจจุบันยังห่างไกลจากการบรรลุเป้าหมายของปัญญาประดิษฐ์แบบกระจายอำนาจอย่างมาก ขณะนี้เรายังคงอยู่ในระยะเริ่มต้นที่มีบริการแบบรวมศูนย์เป็นหลัก แต่การสำรวจบางอย่างได้ชี้ให้เห็นทิศทางในอนาคตแล้ว

การสำรวจในปัจจุบันและความท้าทายในอนาคต แม้ว่าจะยังไม่ได้บรรลุ DeAI ที่สมบูรณ์แบบ แต่ภาคอุตสาหกรรมก็ได้มีความพยายามที่มีคุณค่า ซึ่งช่วยให้เราเห็นเส้นทางในอนาคตและอุปสรรคที่ต้องข้ามไป.

เป็นรูปแบบการทำงานร่วมกันของระบบตัวแทนหลายตัว โครงการบางโครงการกำลังสำรวจการสร้างสภาพแวดล้อมที่ตัวแทน AI สามารถทำงานร่วมกันและพัฒนาร่วมกัน ตัวอย่างเช่น โครงการ AMMO มีเป้าหมายในการสร้าง “เครือข่ายการอยู่ร่วมกันระหว่างมนุษย์และ AI” ซึ่งกรอบงานตัวแทนหลายตัวที่ออกแบบและสภาพแวดล้อมการจำลอง RL Gyms ช่วยให้ตัวแทน AI สามารถเรียนรู้การทำงานร่วมกันและการแข่งขันในสถานการณ์ที่ซับซ้อน นี่สามารถมองว่าเป็นความพยายามในการสร้างกฎการโต้ตอบพื้นฐานในโลก DeAI.

เช่นเดียวกับความพยายามในโมเดลการจูงใจเบื้องต้น ในแนวคิดของ DeAI ผู้ใช้ที่มีส่วนร่วมในการให้ข้อมูลและโหนดที่ให้พลังการคำนวณควรได้รับผลตอบแทนอย่างเป็นธรรม โครงการบางโครงการกำลังพยายามที่จะจัดสรรมูลค่าโดยตรงกลับไปยังผู้มีส่วนร่วมในระบบนิเวศผ่านระบบจูงใจที่อิงจากการเข้ารหัส แน่นอนว่าวิธีการที่โมเดลเศรษฐกิจนี้จะสามารถทำงานได้อย่างกว้างขวาง มีเสถียรภาพ และเป็นธรรม ยังคงเป็นความท้าทายใหญ่

เช่นเดียวกับการก้าวสู่ AI ที่มีความเป็นอิสระมากขึ้น: ผลิตภัณฑ์ประเภท Deep Research แสดงให้เห็นถึงความเป็นอิสระที่แข็งแกร่งของ AI ในงานเฉพาะ (เช่น การค้นหาข้อมูล การวิเคราะห์) พวกมันสามารถวางแผน ดำเนินการหลายขั้นตอน และปรับปรุงผลลัพธ์ได้อย่างอิสระ ความสามารถในการทำงานอัตโนมัตินี้เป็นพื้นฐานของการทำงานอิสระของตัวแทน AI ในเครือข่าย DeAI ในอนาคต.

สำหรับผู้ที่ทำงานด้าน AI ที่กำลังดิ้นรนอยู่ในทะเลแดง แทนที่จะกลัวการดำเนินการในกรอบเดิม ๆ ก็ไม่ดีกว่าหรือที่จะกล้าโอบกอด DeAI ซึ่งเป็นทะเลสีฟ้าใหม่ นี่ไม่ใช่แค่การเปลี่ยนแปลงเส้นทางเทคโนโลยี แต่ยังเป็นการปรับโครงสร้างปรัชญาทางธุรกิจอีกครั้ง — จาก “การรีดนม” ไปสู่ “การกระตุ้น” จาก “การปิด” สู่ “การเปิด” จาก “การผูกขาดกำไร” สู่ “การเติบโตอย่างทั่วถึง”.