Исследование слияния ИИ и Web3: создание инфраструктуры следующего поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, обладает естественным потенциалом для интеграции с технологиями ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ строго ограничены, сталкиваясь с множественными вызовами, такими как узкие места вычислительной мощности, утечка конфиденциальности и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может предоставить новую动力 для развития ИИ через такие способы, как совместная вычислительная сеть, открытые рынки данных и вычисления с конфиденциальностью. Также ИИ может принести множество преимуществ экосистеме Web3, такие как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству. Поэтому исследование сочетания Web3 и ИИ имеет важное значение для построения инфраструктуры нового поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: ИИ и Web3
Данные являются ключевым двигателем развития ИИ. Моделям ИИ необходимо поглощать огромные объемы качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционные централизованные модели получения и использования данных AI имеют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их нести
Данные ресурсы монополизированы технологическими гигантами, образуя острова данных
Личные данные подвержены риску утечки и злоупотребления
Web3 предлагает новую децентрализованную парадигму данных для решения этих проблем:
Пользователи могут продавать неиспользуемые сетевые ресурсы компаниям ИИ для децентрализованного сбора сетевых данных, которые после очистки и преобразования будут предоставлять реальные, высококачественные данные для обучения моделей ИИ.
Используя модель "разметка за вознаграждение", мы стимулируем глобальных работников участвовать в разметке данных с помощью токенов, собирая мировые профессиональные знания и усиливая возможности анализа данных.
Платформа для торговли данными на блокчейне предоставляет открыенную и прозрачную среду для обеих сторон, заинтересованных в данных, стимулируя инновации и обмен данными.
Тем не менее, в реальном мире все еще существуют некоторые проблемы с получением данных, такие как разное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать будущей звездой в области данных Web3. На основе технологий генеративного ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т.д., синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Роль полностью гомоморфного шифрования
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания. Принятие таких правил, как Общий регламент защиты данных (GDPR) Европейского Союза, отражает 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.
Полностью гомоморфное шифрование (FHE) позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами вычислений над открытыми данными. FHE обеспечивает надежную защиту для приватных вычислений в области ИИ, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не контактирующей с исходными данными. Это предоставляет компаниям в области ИИ огромное преимущество, позволяя 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 риски утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную платформу для AI приложений.
FHEML является дополнением к ZKML, где ZKML подтверждает правильное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому росту потребности в вычислительных мощностях, значительно превышающим существующие ресурсы. 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 ИИ, но и делает продвинутые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка графических процессоров составляет менее 40%. Кроме того, замедление повышения производительности микропроцессоров, а также нехватка чипов, вызванная факторами цепочки поставок и геополитическими обстоятельствами, усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказались в затруднительном положении: им нужно либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно нужен способ предоставления вычислительных услуг по мере необходимости и экономически эффективный.
Децентрализованная сеть вычислительных мощностей на базе ИИ объединяет неиспользуемые ресурсы GPU по всему миру, предоставляя ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Запросы на вычислительные мощности могут размещаться в сети, а смарт-контракты распределяют задачи среди узлов, предоставляющих вычислительные мощности. Узлы выполняют задачи и отправляют результаты, после проверки получают вознаграждение. Эта схема повышает эффективность использования ресурсов и помогает решить проблемы узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальной сети децентрализованных вычислительных мощностей, существуют платформы, ориентированные на обучение ИИ, а также специализированные вычислительные сети для вывода ИИ. Децентрализованная сеть вычислительных мощностей предлагает справедливый и прозрачный рынок вычислительных мощностей, разрушая монополию, снижая порог входа для приложений и повышая эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованная сеть вычислительных мощностей сыграет ключевую роль, привлекая больше инновационных приложений для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 позволяет использовать AI на краю
Граничный ИИ позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, при этом защищая личные данные пользователей. Технология граничного ИИ уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализованность и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов, становясь одной из платформ, предпочтительных для развертывания проектов. Высокая пропускная способность этой блокчейн-сети, низкие транзакционные издержки и технологические инновации предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN в этой блокчейн-сети превышает 10 миллиардов долларов США, и несколько известных проектов уже достигли значительных успехов.
IMO：Новая парадигма выпуска AI моделей
Концепция IMO была впервые предложена некоторым соглашением и подразумевает токенизацию моделей ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, разработчикам AI-моделей часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новое финансирование и способ совместного использования ценности для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, которые будут получены от модели в будущем. Один из протоколов использует определенный стандарт ERC, в сочетании с AI оракулом и технологией OPML для обеспечения подлинности AI модели и возможности токенодержателей делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям криптовалютного рынка и способствует устойчивому развитию технологий ИИ. В настоящее время IMO все еще находится на стадии начальных попыток, но с увеличением принятия на рынке и расширением объема участия его инновации и потенциальная ценность вызывают ожидания.
AI Agent: Новый век интерактивного опыта
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой больших языковых моделей AI-агенты не только понимают естественный язык, но и могут планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая открытая платформа нативных приложений AI предоставляет полный и удобный набор инструментов для создания, поддерживая пользователей в настройке функций робота, внешнего вида, голоса и подключения к внешним базам знаний и стремится создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, чтобы наделить людей возможностями стать супер-креатором. 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%, а клонирование голоса можно выполнить всего за 1 минуту. Используя AI-агента, настроенного на этой платформе, в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и др.
В области слияния Web3 и ИИ в настоящее время больше всего исследуется уровень инфраструктуры: как получить качественные данные, защитить конфиденциальность данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть все основания полагать, что слияние 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» .
19 Лайков
Награда
19
6
Репост
Поделиться
комментарий
0/400
OnlyOnMainnet
· 08-09 09:39
войти в позицию и покупать, иначе скажем, что упустили возможность
Посмотреть ОригиналОтветить0
rugpull_survivor
· 08-09 05:10
Эта концепция снова разыгрывается как лохов? В прошлом году разыграли людей как лохов, в этом году продолжают.
Посмотреть ОригиналОтветить0
BearMarketSage
· 08-09 05:09
Действительно, немного не выдерживаю этот бум web3...
Посмотреть ОригиналОтветить0
SchrodingerGas
· 08-09 04:54
Снова куча возможностей для арбитража с кэшированием второго уровня?
Посмотреть ОригиналОтветить0
AirdropDreamBreaker
· 08-09 04:53
Снова болтают, разве это не капиталистический круг, который разыгрывает людей как лохов?
Взаимодействие Web3 и ИИ: ключевые исследования для построения инфраструктуры нового поколения интернета
Исследование слияния ИИ и Web3: создание инфраструктуры следующего поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, обладает естественным потенциалом для интеграции с технологиями ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ строго ограничены, сталкиваясь с множественными вызовами, такими как узкие места вычислительной мощности, утечка конфиденциальности и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может предоставить новую动力 для развития ИИ через такие способы, как совместная вычислительная сеть, открытые рынки данных и вычисления с конфиденциальностью. Также ИИ может принести множество преимуществ экосистеме Web3, такие как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству. Поэтому исследование сочетания Web3 и ИИ имеет важное значение для построения инфраструктуры нового поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: ИИ и Web3
Данные являются ключевым двигателем развития ИИ. Моделям ИИ необходимо поглощать огромные объемы качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционные централизованные модели получения и использования данных AI имеют следующие основные проблемы:
Web3 предлагает новую децентрализованную парадигму данных для решения этих проблем:
Тем не менее, в реальном мире все еще существуют некоторые проблемы с получением данных, такие как разное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать будущей звездой в области данных Web3. На основе технологий генеративного ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т.д., синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Роль полностью гомоморфного шифрования
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания. Принятие таких правил, как Общий регламент защиты данных (GDPR) Европейского Союза, отражает 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.
Полностью гомоморфное шифрование (FHE) позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами вычислений над открытыми данными. FHE обеспечивает надежную защиту для приватных вычислений в области ИИ, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не контактирующей с исходными данными. Это предоставляет компаниям в области ИИ огромное преимущество, позволяя 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 риски утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную платформу для AI приложений.
FHEML является дополнением к ZKML, где ZKML подтверждает правильное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому росту потребности в вычислительных мощностях, значительно превышающим существующие ресурсы. 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 ИИ, но и делает продвинутые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка графических процессоров составляет менее 40%. Кроме того, замедление повышения производительности микропроцессоров, а также нехватка чипов, вызванная факторами цепочки поставок и геополитическими обстоятельствами, усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказались в затруднительном положении: им нужно либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно нужен способ предоставления вычислительных услуг по мере необходимости и экономически эффективный.
Децентрализованная сеть вычислительных мощностей на базе ИИ объединяет неиспользуемые ресурсы GPU по всему миру, предоставляя ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Запросы на вычислительные мощности могут размещаться в сети, а смарт-контракты распределяют задачи среди узлов, предоставляющих вычислительные мощности. Узлы выполняют задачи и отправляют результаты, после проверки получают вознаграждение. Эта схема повышает эффективность использования ресурсов и помогает решить проблемы узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальной сети децентрализованных вычислительных мощностей, существуют платформы, ориентированные на обучение ИИ, а также специализированные вычислительные сети для вывода ИИ. Децентрализованная сеть вычислительных мощностей предлагает справедливый и прозрачный рынок вычислительных мощностей, разрушая монополию, снижая порог входа для приложений и повышая эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованная сеть вычислительных мощностей сыграет ключевую роль, привлекая больше инновационных приложений для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 позволяет использовать AI на краю
Граничный ИИ позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, при этом защищая личные данные пользователей. Технология граничного ИИ уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализованность и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов, становясь одной из платформ, предпочтительных для развертывания проектов. Высокая пропускная способность этой блокчейн-сети, низкие транзакционные издержки и технологические инновации предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN в этой блокчейн-сети превышает 10 миллиардов долларов США, и несколько известных проектов уже достигли значительных успехов.
IMO：Новая парадигма выпуска AI моделей
Концепция IMO была впервые предложена некоторым соглашением и подразумевает токенизацию моделей ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, разработчикам AI-моделей часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новое финансирование и способ совместного использования ценности для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, которые будут получены от модели в будущем. Один из протоколов использует определенный стандарт ERC, в сочетании с AI оракулом и технологией OPML для обеспечения подлинности AI модели и возможности токенодержателей делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям криптовалютного рынка и способствует устойчивому развитию технологий ИИ. В настоящее время IMO все еще находится на стадии начальных попыток, но с увеличением принятия на рынке и расширением объема участия его инновации и потенциальная ценность вызывают ожидания.
AI Agent: Новый век интерактивного опыта
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой больших языковых моделей AI-агенты не только понимают естественный язык, но и могут планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая открытая платформа нативных приложений AI предоставляет полный и удобный набор инструментов для создания, поддерживая пользователей в настройке функций робота, внешнего вида, голоса и подключения к внешним базам знаний и стремится создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, чтобы наделить людей возможностями стать супер-креатором. 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%, а клонирование голоса можно выполнить всего за 1 минуту. Используя AI-агента, настроенного на этой платформе, в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и др.
В области слияния Web3 и ИИ в настоящее время больше всего исследуется уровень инфраструктуры: как получить качественные данные, защитить конфиденциальность данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть все основания полагать, что слияние Web3 и ИИ приведет к возникновению ряда инновационных бизнес-моделей и услуг.