Слияние Web3 и ИИ: Исследование шести ключевых областей будущего интернета
Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественный потенциал для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных строго ограничены, сталкиваются с множеством проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальности и непрозрачность алгоритмов. В то время как Web3, основанный на распределенных технологиях, может предоставить новый стимул для развития ИИ через распределенные сети вычислительной мощности, открытые рынки данных, вычисления с соблюдением конфиденциальности и другие способы. В то же время ИИ может принести множество преимуществ для Web3, таких как оптимизация смарт-контрактов, разработка алгоритмов противодействия мошенничеству и т. д., что способствует его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: надежный фундамент AI и Web3
Данные являются ключевым двигателем развития ИИ. Моделям ИИ необходимо обрабатывать огромные объемы качественных данных для получения глубокого понимания и мощных аналитических способностей; данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных ИИ имеют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их понести
Данные и ресурсы монополизируются технологическими гигантами, образуя изолированные острова данных.
Личная информация подвержена рискам утечки и злоупотребления.
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемые сетевые ресурсы AI-компаниям для децентрализованного сбора сетевых данных, которые после очистки и преобразования будут предоставлять реальные и качественные данные для обучения AI-моделей.
Используя модель "label to earn", мы мотивируем работников по всему миру участвовать в аннотировании данных с помощью токенов, собирая глобальные профессиональные знания и усиливая возможности анализа данных.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для сторон, предлагающих и нуждающихся в данных, стимулируя инновации и обмен данными.
Однако в реальном мире получение данных по-прежнему сталкивается с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать яркой точкой в области данных Web3 в будущем. На основе генеративных технологий ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением для повышения эффективности использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным центром внимания, и такие регламенты, как Общий регламент по защите данных (GDPR) Европейского Союза, отражают строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделирования ИИ.
FHE (гомоморфное шифрование) позволяет выполнять вычислительные операции непосредственно над зашифрованными данными без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами тех же вычислений на открытых данных. FHE обеспечивает надежную защиту для вычислений с использованием приватности AI, позволяя вычислительным мощностям GPU выполнять задачи обучения и вывода модели в условиях, не затрагивающих исходные данные. Это предоставляет AI-компаниям огромное преимущество, позволяя безопасно открывать API-сервисы при защите коммерческой тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. FHEML усиливает защиту данных, предоставляя безопасную вычислительную среду для AI-приложений. FHEML дополняет ZKML, где ZKML подтверждает правильное выполнение машинного обучения, а FHEML подчеркивает важность выполнения вычислений над зашифрованными данными для поддержания конфиденциальности данных.
Революция вычислений: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту потребности в вычислительных мощностях, значительно превышающим существующие ресурсы. Например, обучение крупной языковой модели требует огромных вычислительных мощностей, что эквивалентно 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает передовые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительных мощностей. Работники в области ИИ оказались в сложной ситуации: им нужно либо самостоятельно покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ вычислительных услуг по запросу.
Децентрализованная сеть вычислительных мощностей ИИ объединяет неиспользуемые графические процессоры (GPU) по всему миру, предоставляя ИИ-компаниям экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задания в сети, смарт-контракт распределяет задания между майнерами, которые предоставляют вычислительные мощности; майнеры выполняют задания и отправляют результаты, после проверки они получают награды в виде баллов. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальной децентрализованной сети вычислительной мощности, существуют специализированные сети вычислительной мощности, сосредоточенные на обучении и выводе ИИ. Децентрализованные сети вычислительной мощности предлагают справедливый и прозрачный рынок вычислительной мощности, разрывают монополию, снижают порог входа для приложений и повышают эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованные сети вычислительной мощности будут играть ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Edge AI позволяет проводить вычисления на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение. В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN усиливает защиту конфиденциальности пользователей за счет локальной обработки данных, уменьшая риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей и становится одной из предпочтительных платформ для развертывания проектов. Высокая TPS этой публичной цепи, низкие транзакционные издержки и технологические инновации обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превысила 10 миллиардов долларов, и несколько известных проектов достигли значительного прогресса.
IMO：AI-модель представляет новую парадигму
Концепция IMO предполагает токенизацию моделей ИИ. В традиционной модели, из-за отсутствия механизма распределения доходов, разработчикам моделей ИИ сложно получать постоянный доход от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Кроме того, производительность и эффективность моделей ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценить их истинную ценность, ограничивая рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новое финансирование и способ распределения стоимости для открытых AI моделей, инвесторы могут приобрести токены IMO и делиться доходами, полученными от последующих моделей. Протокол использует определенный стандарт ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности для держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, способствует открытой коллаборации, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на стадии начальных попыток, но с увеличением принятия на рынке и расширением участия ее инновационность и потенциальная ценность заслуживают ожидания.
AI Agent: Новый этап взаимодействия
AI-агенты могут воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения заданных целей. При поддержке больших языковых моделей AI-агенты способны не только понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь на взаимодействии с пользователями и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая AI-нативная платформа предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций робота, внешнего вида, голоса и подключения к внешним базам знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, давая возможность индивидуумам стать супер-креативщиками. Платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; её технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, а клонирование голоса занимает всего 1 минуту. С помощью AI Agent, настроенного на этой платформе, он в настоящее время может применяться в таких областях, как видеочат, изучение языков, генерация изображений и других.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, управление моделями на блокчейне, эффективное использование децентрализованных вычислительных мощностей и валидация больших языковых моделей. С учетом того, что эта инфраструктура постепенно совершенствуется, у нас есть основания полагать, что слияние Web3 и AI приведет к появлению ряда инновационных бизнес-моделей и услуг.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
17 Лайков
Награда
17
7
Поделиться
комментарий
0/400
Rugman_Walking
· 18ч назад
Ты говоришь так замысловато, а в основе всё равно будут играть для лохов.
Посмотреть ОригиналОтветить0
TokenUnlocker
· 07-26 01:36
Вычислительная мощность提升才是关键点
Посмотреть ОригиналОтветить0
NeverVoteOnDAO
· 07-24 20:04
老套八股 ликвидирован好吗
Посмотреть ОригиналОтветить0
MetaverseLandlord
· 07-24 20:02
Не занимайтесь ерундой, просто торгуйте криптовалютой.
Посмотреть ОригиналОтветить0
TokenTherapist
· 07-24 19:59
Так это еще шесть больших, даже ни одного нормального заголовка не озвучили.
Посмотреть ОригиналОтветить0
LiquidityWitch
· 07-24 19:58
Завтра день большого пампа BTC.
Посмотреть ОригиналОтветить0
GraphGuru
· 07-24 19:42
Хороший парень, весна пришла для игроков Алгоритм.
AI+Web3: Исследование шести ключевых областей будущего интернета
Слияние Web3 и ИИ: Исследование шести ключевых областей будущего интернета
Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественный потенциал для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных строго ограничены, сталкиваются с множеством проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальности и непрозрачность алгоритмов. В то время как Web3, основанный на распределенных технологиях, может предоставить новый стимул для развития ИИ через распределенные сети вычислительной мощности, открытые рынки данных, вычисления с соблюдением конфиденциальности и другие способы. В то же время ИИ может принести множество преимуществ для Web3, таких как оптимизация смарт-контрактов, разработка алгоритмов противодействия мошенничеству и т. д., что способствует его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: надежный фундамент AI и Web3
Данные являются ключевым двигателем развития ИИ. Моделям ИИ необходимо обрабатывать огромные объемы качественных данных для получения глубокого понимания и мощных аналитических способностей; данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных ИИ имеют следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Однако в реальном мире получение данных по-прежнему сталкивается с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать яркой точкой в области данных Web3 в будущем. На основе генеративных технологий ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением для повышения эффективности использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным центром внимания, и такие регламенты, как Общий регламент по защите данных (GDPR) Европейского Союза, отражают строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделирования ИИ.
FHE (гомоморфное шифрование) позволяет выполнять вычислительные операции непосредственно над зашифрованными данными без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами тех же вычислений на открытых данных. FHE обеспечивает надежную защиту для вычислений с использованием приватности AI, позволяя вычислительным мощностям GPU выполнять задачи обучения и вывода модели в условиях, не затрагивающих исходные данные. Это предоставляет AI-компаниям огромное преимущество, позволяя безопасно открывать API-сервисы при защите коммерческой тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. FHEML усиливает защиту данных, предоставляя безопасную вычислительную среду для AI-приложений. FHEML дополняет ZKML, где ZKML подтверждает правильное выполнение машинного обучения, а FHEML подчеркивает важность выполнения вычислений над зашифрованными данными для поддержания конфиденциальности данных.
Революция вычислений: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту потребности в вычислительных мощностях, значительно превышающим существующие ресурсы. Например, обучение крупной языковой модели требует огромных вычислительных мощностей, что эквивалентно 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает передовые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительных мощностей. Работники в области ИИ оказались в сложной ситуации: им нужно либо самостоятельно покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ вычислительных услуг по запросу.
Децентрализованная сеть вычислительных мощностей ИИ объединяет неиспользуемые графические процессоры (GPU) по всему миру, предоставляя ИИ-компаниям экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задания в сети, смарт-контракт распределяет задания между майнерами, которые предоставляют вычислительные мощности; майнеры выполняют задания и отправляют результаты, после проверки они получают награды в виде баллов. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальной децентрализованной сети вычислительной мощности, существуют специализированные сети вычислительной мощности, сосредоточенные на обучении и выводе ИИ. Децентрализованные сети вычислительной мощности предлагают справедливый и прозрачный рынок вычислительной мощности, разрывают монополию, снижают порог входа для приложений и повышают эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованные сети вычислительной мощности будут играть ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Edge AI позволяет проводить вычисления на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение. В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN усиливает защиту конфиденциальности пользователей за счет локальной обработки данных, уменьшая риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей и становится одной из предпочтительных платформ для развертывания проектов. Высокая TPS этой публичной цепи, низкие транзакционные издержки и технологические инновации обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превысила 10 миллиардов долларов, и несколько известных проектов достигли значительного прогресса.
IMO：AI-модель представляет новую парадигму
Концепция IMO предполагает токенизацию моделей ИИ. В традиционной модели, из-за отсутствия механизма распределения доходов, разработчикам моделей ИИ сложно получать постоянный доход от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Кроме того, производительность и эффективность моделей ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценить их истинную ценность, ограничивая рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новое финансирование и способ распределения стоимости для открытых AI моделей, инвесторы могут приобрести токены IMO и делиться доходами, полученными от последующих моделей. Протокол использует определенный стандарт ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности для держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, способствует открытой коллаборации, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на стадии начальных попыток, но с увеличением принятия на рынке и расширением участия ее инновационность и потенциальная ценность заслуживают ожидания.
AI Agent: Новый этап взаимодействия
AI-агенты могут воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения заданных целей. При поддержке больших языковых моделей AI-агенты способны не только понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь на взаимодействии с пользователями и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая AI-нативная платформа предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций робота, внешнего вида, голоса и подключения к внешним базам знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, давая возможность индивидуумам стать супер-креативщиками. Платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; её технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, а клонирование голоса занимает всего 1 минуту. С помощью AI Agent, настроенного на этой платформе, он в настоящее время может применяться в таких областях, как видеочат, изучение языков, генерация изображений и других.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, управление моделями на блокчейне, эффективное использование децентрализованных вычислительных мощностей и валидация больших языковых моделей. С учетом того, что эта инфраструктура постепенно совершенствуется, у нас есть основания полагать, что слияние Web3 и AI приведет к появлению ряда инновационных бизнес-моделей и услуг.