Слияние Web3 и ИИ: построение инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная парадигма интернета имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных строго контролируются, и существуют множество проблем, таких как узкие места в вычислительных мощностях, утечка конфиденциальной информации и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может внести новый импульс в развитие ИИ через такие методы, как сеть совместного использования вычислительных мощностей, открытые рынки данных и вычисления с соблюдением конфиденциальности. Кроме того, ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов и алгоритмы борьбы с мошенничеством, что способствует его экосистемному развитию. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительных мощностей.
Данные как основа: надежный фундамент AI и Web3
Данные являются основной движущей силой развития ИИ, подобно тому, как топливо для двигателя. Моделям ИИ необходимо обрабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению; данные не только обеспечивают основу для обучения моделей машинного обучения, но также определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно это вынести.
Ресурсы данных монополизируются технологическими гигантами, образуя острова данных
Личная информация подвержена рискам утечки и злоупотребления.
Web3 может решить болевые точки традиционной модели с помощью новой децентрализованной парадигмы данных:
С помощью децентрализованного способа извлечения данных из сети, после очистки и преобразования, предоставляются реальные и качественные данные для обучения AI моделей.
Использование модели "label to earn" для стимулирования работников по всему миру к участию в аннотировании данных с помощью токенов, объединение глобальных знаний и повышение аналитических возможностей данных.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду как для поставщиков, так и для потребителей данных, стимулируя инновации и обмен данными.
Тем не менее, получение данных из реального мира также связано с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т.д. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность их использования. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала предметом глобального внимания. Принятие таких нормативных актов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности к рассуждению ИИ-моделей.
FHE, или полностью гомоморфное шифрование, позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода без доступа к исходным данным. Это дает компаниям AI огромное преимущество. Они могут безопасно открывать API-сервисы, защищая при этом коммерческую тайну.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, который доказывает правильность выполнения машинного обучения, в то время как FHEML подчеркивает вычисления над зашифрованными данными для сохранения конфиденциальности данных.
Революция вычислительных мощностей: AI вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему предложение существующих вычислительных ресурсов. Например, для обучения одной крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает такие продвинутые модели AI недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, и замедление повышения производительности микропроцессоров, а также нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительной мощности. Работники AI оказались в сложной ситуации: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономичный и эффективный способ вычислительных услуг по запросу.
Децентрализованная сеть вычислительной мощности AI, объединяя неиспользуемые ресурсы GPU по всему миру, предоставляет AI-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, умный контракт распределяет задачи между майнер-узлами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, которые после проверки получают бонусные баллы. Это решение повышает эффективность использования ресурсов и помогает решить проблемы узкого места в вычислительной мощности в таких областях, как AI.
Кроме универсальных децентрализованных вычислительных сетей, есть и специализированные вычислительные сети, сосредоточенные на обучении и выводе ИИ.
Децентрализованная сеть вычислительных мощностей предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог входа для приложений и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительных мощностей сыграет ключевую роль, привлекая больше инновационных dapp, способствуя совместному продвижению технологий ИИ и их применению.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш телефон, умные часы и даже устройства умного дома обладают способностью запускать ИИ — вот в чем魅力 Edge AI. Он позволяет вычислениям происходить на месте создания данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализованность и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных; исходная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепочек, становясь одной из предпочитаемых платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепочки предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепочке превышает 10 миллиардов долларов, и некоторые известные проекты уже добились значительного прогресса.
IMO: Выпуск новой парадигмы ИИ моделей
Концепция IMO была впервые предложена в рамках некого протокола, который позволяет токенизировать модели ИИ.
В традиционной модели из-за отсутствия механизма распределения доходов, как только ИИ-модель разработана и выведена на рынок, разработчики часто сталкиваются с трудностями в получении постоянного дохода от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность ИИ-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной стоимости, что ограничивает рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и распределения ценности для открытых AI-моделей. Инвесторы могут приобретать токены IMO, чтобы делиться доходами, полученными от модели в будущем. Один из протоколов использует два стандарта ERC, сочетая AI-оракулы и технологию OPML для обеспечения подлинности AI-модели и возможности для держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальной стадии экспериментов, но с увеличением уровня принятия на рынке и расширением области участия его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Agent: Новая эра взаимодействия
AI-агенты могут воспринимать окружающую среду, независимо мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке крупных языковых моделей AI-агенты не только понимают естественный язык, но и планируют решения, выполняют сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без явных указаний AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторый AI-родной платформы приложений предоставляет полный и удобный набор инструментов для творчества, поддерживая пользователей в настройке функций роботов, внешнего вида, звука и подключения к внешним базам знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, наделяя личностей возможностью стать супер-творцами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно реализовать всего за 1 минуту. Используя настроенный на этой платформе AI Agent, в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и в других областях.
В интеграции Web3 и ИИ в настоящее время больше акцентируется внимание на исследовании инфраструктурного уровня, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ приведет к возникновению 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
10
Поделиться
комментарий
0/400
LiquidityWitch
· 07-12 05:54
Ещё одна тема для болтовни. Так утомительно.
Посмотреть ОригиналОтветить0
FomoAnxiety
· 07-11 18:35
Это снова новый трюк капиталистов
Посмотреть ОригиналОтветить0
DaoTherapy
· 07-10 15:21
Web3 совершенно бесполезен, AI - это главный.
Посмотреть ОригиналОтветить0
MeltdownSurvivalist
· 07-09 06:31
Чистое вранье, Децентрализация тоже должна слушать капитал.
Посмотреть ОригиналОтветить0
DegenMcsleepless
· 07-09 06:28
3 утра дефи джен, этх макси, все в крипте с 2017 года. ngmi, если ты не в веб3
Посмотреть ОригиналОтветить0
BearMarketGardener
· 07-09 06:25
Не играю в торговлю криптовалютой, теперь занимаюсь овощеводством. Есть овощи лучше, чем собирать аирдроп.
Посмотреть ОригиналОтветить0
ProposalManiac
· 07-09 06:21
Просто не понимаю, кто отвечает за проектирование этой системы стимулов.
Посмотреть ОригиналОтветить0
IronHeadMiner
· 07-09 06:20
Снова говорят об ИИ? Давайте копать и разбираться.
Посмотреть ОригиналОтветить0
SerumSquirter
· 07-09 06:03
ай, играй и играй, зачем ты еще про web3 заговорил?
Web3 и AI: создание децентрализованной экосистемы данных и вычислительной мощности
Слияние Web3 и ИИ: построение инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная парадигма интернета имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных строго контролируются, и существуют множество проблем, таких как узкие места в вычислительных мощностях, утечка конфиденциальной информации и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может внести новый импульс в развитие ИИ через такие методы, как сеть совместного использования вычислительных мощностей, открытые рынки данных и вычисления с соблюдением конфиденциальности. Кроме того, ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов и алгоритмы борьбы с мошенничеством, что способствует его экосистемному развитию. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительных мощностей.
Данные как основа: надежный фундамент AI и Web3
Данные являются основной движущей силой развития ИИ, подобно тому, как топливо для двигателя. Моделям ИИ необходимо обрабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению; данные не только обеспечивают основу для обучения моделей машинного обучения, но также определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Web3 может решить болевые точки традиционной модели с помощью новой децентрализованной парадигмы данных:
Тем не менее, получение данных из реального мира также связано с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т.д. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность их использования. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала предметом глобального внимания. Принятие таких нормативных актов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности к рассуждению ИИ-моделей.
FHE, или полностью гомоморфное шифрование, позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода без доступа к исходным данным. Это дает компаниям AI огромное преимущество. Они могут безопасно открывать API-сервисы, защищая при этом коммерческую тайну.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, который доказывает правильность выполнения машинного обучения, в то время как FHEML подчеркивает вычисления над зашифрованными данными для сохранения конфиденциальности данных.
Революция вычислительных мощностей: AI вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему предложение существующих вычислительных ресурсов. Например, для обучения одной крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает такие продвинутые модели AI недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, и замедление повышения производительности микропроцессоров, а также нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительной мощности. Работники AI оказались в сложной ситуации: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономичный и эффективный способ вычислительных услуг по запросу.
Децентрализованная сеть вычислительной мощности AI, объединяя неиспользуемые ресурсы GPU по всему миру, предоставляет AI-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, умный контракт распределяет задачи между майнер-узлами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, которые после проверки получают бонусные баллы. Это решение повышает эффективность использования ресурсов и помогает решить проблемы узкого места в вычислительной мощности в таких областях, как AI.
Кроме универсальных децентрализованных вычислительных сетей, есть и специализированные вычислительные сети, сосредоточенные на обучении и выводе ИИ.
Децентрализованная сеть вычислительных мощностей предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог входа для приложений и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительных мощностей сыграет ключевую роль, привлекая больше инновационных dapp, способствуя совместному продвижению технологий ИИ и их применению.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш телефон, умные часы и даже устройства умного дома обладают способностью запускать ИИ — вот в чем魅力 Edge AI. Он позволяет вычислениям происходить на месте создания данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализованность и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных; исходная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепочек, становясь одной из предпочитаемых платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепочки предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепочке превышает 10 миллиардов долларов, и некоторые известные проекты уже добились значительного прогресса.
IMO: Выпуск новой парадигмы ИИ моделей
Концепция IMO была впервые предложена в рамках некого протокола, который позволяет токенизировать модели ИИ.
В традиционной модели из-за отсутствия механизма распределения доходов, как только ИИ-модель разработана и выведена на рынок, разработчики часто сталкиваются с трудностями в получении постоянного дохода от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность ИИ-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной стоимости, что ограничивает рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и распределения ценности для открытых AI-моделей. Инвесторы могут приобретать токены IMO, чтобы делиться доходами, полученными от модели в будущем. Один из протоколов использует два стандарта ERC, сочетая AI-оракулы и технологию OPML для обеспечения подлинности AI-модели и возможности для держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальной стадии экспериментов, но с увеличением уровня принятия на рынке и расширением области участия его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Agent: Новая эра взаимодействия
AI-агенты могут воспринимать окружающую среду, независимо мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке крупных языковых моделей AI-агенты не только понимают естественный язык, но и планируют решения, выполняют сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без явных указаний AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторый AI-родной платформы приложений предоставляет полный и удобный набор инструментов для творчества, поддерживая пользователей в настройке функций роботов, внешнего вида, звука и подключения к внешним базам знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, наделяя личностей возможностью стать супер-творцами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно реализовать всего за 1 минуту. Используя настроенный на этой платформе AI Agent, в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и в других областях.
В интеграции Web3 и ИИ в настоящее время больше акцентируется внимание на исследовании инфраструктурного уровня, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ приведет к возникновению ряда инновационных бизнес-моделей и услуг.