Die Konvergenz von KI und Blockchain: Ein 15-Jahres-Horizont

Künstliche Intelligenz (KI) und Blockchain sollten die Welt revolutionieren. Es hat jedoch etwas länger gedauert, bis sich die Dinge manifestierten.

Artificial Intelligence (AI) and blockchain were touted to revolutionize the world, but things have taken a bit longer to manifest. Here's how they can converge and what challenges lie ahead.

Es wurde angepriesen, dass Künstliche Intelligenz (KI) und Blockchain die Welt revolutionieren würden, aber es hat etwas länger gedauert, bis sich die Dinge manifestierten. Hier erfahren Sie, wie sie zusammenwachsen können und welche Herausforderungen vor uns liegen.

Artificial Intelligence (AI) and blockchain were expected to revolutionize the world by now, but things have taken a bit longer to manifest. Both technologies have advanced significantly, but their convergence and mainstream adoption still face several challenges and opportunities.

Man ging davon aus, dass künstliche Intelligenz (KI) und Blockchain die Welt inzwischen revolutionieren würden, aber es hat etwas länger gedauert, bis sich die Dinge manifestierten. Beide Technologien haben erhebliche Fortschritte gemacht, ihre Konvergenz und breite Akzeptanz stehen jedoch noch vor einigen Herausforderungen und Chancen.

In this article, we'll explore why AI and blockchain need to converge, the specializations forming amongst Large Language Models (LLMs), and why we expect 15 more years to see commercially viable applications go mainstream.

In diesem Artikel untersuchen wir, warum KI und Blockchain zusammenwachsen müssen, welche Spezialisierungen sich unter Large Language Models (LLMs) bilden und warum wir davon ausgehen, dass es noch 15 Jahre dauern wird, bis kommerziell nutzbare Anwendungen zum Mainstream werden.

The evolution of AI: Specialization and cost challenges

Die Entwicklung der KI: Spezialisierung und Kostenherausforderungen

As AI continues to leapfrog expectations, we're witnessing a trend towards specialization in LLMs. Models like Claude, developed by Anthropic, are already becoming popular among developers for technical tasks and coding assistance. Others focus on specific industries or use cases (e.g., ChatGPT for more general audiences, Gemini for copywriting, and Perplexity for general research).

Da KI weiterhin die Erwartungen übertrifft, beobachten wir einen Trend zur Spezialisierung auf LLMs. Modelle wie das von Anthropic entwickelte Modell Claude erfreuen sich bei Entwicklern für technische Aufgaben und Codierungsunterstützung bereits zunehmender Beliebtheit. Andere konzentrieren sich auf bestimmte Branchen oder Anwendungsfälle (z. B. ChatGPT für ein allgemeineres Publikum, Gemini für das Verfassen von Texten und Perplexity für allgemeine Recherchen).

This natural specialization reflects the growing demand for precision in AI applications, particularly in enterprise settings. However, this progress also comes at a cost.

Diese natürliche Spezialisierung spiegelt den wachsenden Bedarf an Präzision bei KI-Anwendungen wider, insbesondere im Unternehmensumfeld. Allerdings hat dieser Fortschritt auch seinen Preis.

Despite ongoing efforts to optimize AI models, the financial burden of using LLMs at scale remains significant. OpenAI’s GPT-4, for instance, charges $0.03 per 1K tokens for input and $0.06 per 1K tokens for output. Their o1 (‘Strawberry’) model, which focuses on reasoning, is being priced at $15 per 1 million input tokens.

Trotz anhaltender Bemühungen zur Optimierung von KI-Modellen bleibt die finanzielle Belastung durch den Einsatz von LLMs in großem Maßstab erheblich. GPT-4 von OpenAI berechnet beispielsweise 0,03 US-Dollar pro 1.000 Token für die Eingabe und 0,06 US-Dollar pro 1.000 Token für die Ausgabe. Ihr o1-Modell („Strawberry“), das sich auf Argumentation konzentriert, kostet 15 US-Dollar pro 1 Million Input-Token.

These costs can quickly become prohibitive for businesses looking to integrate AI across multiple departments. For instance, a large e-commerce company might use an LLM to personalize product recommendations, generate marketing copy, and even assist customer service representatives.

Diese Kosten können für Unternehmen, die KI abteilungsübergreifend integrieren möchten, schnell unerschwinglich werden. Beispielsweise könnte ein großes E-Commerce-Unternehmen ein LLM verwenden, um Produktempfehlungen zu personalisieren, Marketingtexte zu erstellen und sogar Kundendienstmitarbeiter zu unterstützen.

While using an LLM for each task might be ideal from a performance perspective, the costs could quickly become unsustainable, especially considering that LLMs require continuous fine-tuning and maintenance.

Auch wenn die Verwendung eines LLM für jede Aufgabe aus Leistungssicht ideal wäre, könnten die Kosten schnell untragbar werden, insbesondere wenn man bedenkt, dass LLMs eine kontinuierliche Feinabstimmung und Wartung erfordern.

To address this challenge and make AI more accessible to a broader range of applications, we need to explore alternative approaches that can reduce the overall costs of deploying and using AI models at scale.

Um dieser Herausforderung zu begegnen und KI für ein breiteres Anwendungsspektrum zugänglicher zu machen, müssen wir alternative Ansätze erkunden, die die Gesamtkosten für die Bereitstellung und Nutzung von KI-Modellen in großem Maßstab senken können.

One promising solution lies in converging AI with blockchain technology, specifically Scalable Blockchain Technology (what we call “SBT”), which offers several unique advantages for AI applications.

Eine vielversprechende Lösung liegt in der Konvergenz von KI mit der Blockchain-Technologie, insbesondere der Scalable Blockchain Technology (was wir „SBT“ nennen), die mehrere einzigartige Vorteile für KI-Anwendungen bietet.

Blockchain: A potential solution for AI’s pain points

Blockchain: Eine mögliche Lösung für die Schwachstellen der KI

The convergence of AI and blockchain can pave the way for a new era of decentralized intelligence, where data privacy, security, and ownership take center stage. Here's how blockchain can address some of AI's most pressing pain points:

Die Konvergenz von KI und Blockchain kann den Weg für eine neue Ära dezentraler Intelligenz ebnen, in der Datenschutz, Sicherheit und Eigentum im Mittelpunkt stehen. So kann Blockchain einige der drängendsten Probleme der KI lösen:

Data privacy and ownership: By integrating AI models with decentralized blockchain networks, we can create a system where data is no longer centrally controlled or owned. Instead, individuals and organizations could securely contribute their data to a collective pool, ensuring that AI models have access to a diverse and privacy-preserving dataset.

Datenschutz und Eigentum: Durch die Integration von KI-Modellen mit dezentralen Blockchain-Netzwerken können wir ein System schaffen, in dem Daten nicht mehr zentral kontrolliert werden oder Eigentum sind. Stattdessen könnten Einzelpersonen und Organisationen ihre Daten sicher in einen kollektiven Pool einbringen und so sicherstellen, dass KI-Modelle Zugriff auf einen vielfältigen und die Privatsphäre schützenden Datensatz haben.

In this scenario, data contributors would retain ownership and control over their data, and they could choose to opt out or revoke access at any time. This approach aligns closely with the principles of Web3 and decentralized data governance, empowering individuals to participate in the data economy without sacrificing their privacy.

In diesem Szenario würden die Datenlieferanten das Eigentum und die Kontrolle über ihre Daten behalten und könnten sich jederzeit dafür entscheiden, den Zugriff abzulehnen oder zu widerrufen. Dieser Ansatz steht im Einklang mit den Prinzipien von Web3 und der dezentralen Datenverwaltung und ermöglicht es Einzelpersonen, an der Datenwirtschaft teilzunehmen, ohne ihre Privatsphäre zu opfern.

Secure and immutable data input: Another key benefit of converging AI and blockchain is the ability to ensure the integrity and immutability of data used to train and operate AI models.

Sichere und unveränderliche Dateneingabe: Ein weiterer wichtiger Vorteil der Konvergenz von KI und Blockchain ist die Möglichkeit, die Integrität und Unveränderlichkeit der Daten sicherzustellen, die zum Trainieren und Betreiben von KI-Modellen verwendet werden.

In a decentralized AI system, data would be securely recorded on the blockchain, making it virtually impossible to tamper with or manipulate. This immutable data record would serve as a single source of truth, ensuring that AI models are always operating on the most accurate and up-to-date information.

In einem dezentralen KI-System würden Daten sicher auf der Blockchain aufgezeichnet, sodass eine Manipulation oder Manipulation praktisch unmöglich wäre. Dieser unveränderliche Datensatz würde als einzige Quelle der Wahrheit dienen und sicherstellen, dass KI-Modelle immer mit den genauesten und aktuellsten Informationen arbeiten.

By combining the strengths of AI and blockchain in this way, we can create a new generation of AI models that are not only powerful and efficient but also privacy-preserving, secure, and transparent.

Indem wir die Stärken von KI und Blockchain auf diese Weise kombinieren, können wir eine neue Generation von KI-Modellen schaffen, die nicht nur leistungsstark und effizient, sondern auch datenschutzschonend, sicher und transparent sind.

Several initiatives are already exploring the potential of blockchain for secure and privacy-preserving AI applications. For instance, the European Blockchain Services Infrastructure (EBSI) is examining how blockchain can be used to create a trusted and secure environment for deploying AI models.

Mehrere Initiativen erforschen bereits das Potenzial der Blockchain für sichere und die Privatsphäre schützende KI-Anwendungen. Beispielsweise untersucht die European Blockchain Services Infrastructure (EBSI), wie Blockchain genutzt werden kann, um eine vertrauenswürdige und sichere Umgebung für den Einsatz von KI-Modellen zu schaffen.

Similarly, projects like Ocean Protocol are developing decentralized data marketplaces that could revolutionize how AI models access and use training data. And projects like Teranode are showcasing what's truly possible at scale—something AI systems need since they deal with infinitely larger datasets than traditional ones.

In ähnlicher Weise entwickeln Projekte wie Ocean Protocol dezentrale Datenmarktplätze, die die Art und Weise, wie KI-Modelle auf Trainingsdaten zugreifen und diese nutzen, revolutionieren könnten. Und Projekte wie Teranode zeigen, was im großen Maßstab wirklich möglich ist – etwas, das KI-Systeme brauchen, da sie mit unendlich größeren Datensätzen als herkömmliche Systeme umgehen.

Roadblocks on the path to convergence

Hindernisse auf dem Weg zur Konvergenz

Despite the potential for synergy between AI and blockchain, several significant roadblocks stand in the way of seamless integration:

Trotz des Potenzials für Synergien zwischen KI und Blockchain stehen einer nahtlosen Integration mehrere erhebliche Hindernisse im Weg:

Nascent regulatory frameworks: Both AI and blockchain are still emerging technologies that are rapidly evolving. As a result, regulatory frameworks governing their use and application are still nascent and vary widely across jurisdictions.

Neue regulatorische Rahmenbedingungen: Sowohl KI als auch Blockchain sind immer noch neue Technologien, die sich schnell weiterentwickeln. Daher sind die rechtlichen Rahmenbedingungen für deren Verwendung und Anwendung noch im Entstehen begriffen und unterscheiden sich von Land zu Land stark.

This lack of clear and consistent regulation poses a challenge for businesses and technologists seeking to converge AI and blockchain in a legally compliant manner.

Dieser Mangel an klaren und konsistenten Vorschriften stellt eine Herausforderung für Unternehmen und Technologen dar, die KI und Blockchain auf rechtskonforme Weise zusammenführen möchten.

For instance, some jurisdictions might have strict data privacy laws that limit the use of certain AI techniques, while

Beispielsweise könnten einige Gerichtsbarkeiten strenge Datenschutzgesetze haben, die den Einsatz bestimmter KI-Techniken einschränken