Дослідження інтеграції AI та Web3: створення інфраструктури наступного покоління інтернету
Web3 як нова децентралізована, відкрита та прозора інтернет-парадигма має природний потенціал для інтеграції з технологією ШІ. У традиційних централізованих архітектурах обчислення ШІ та ресурси даних підлягають суворим обмеженням, стикаючись із багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, чорна скринька алгоритмів тощо. Web3 на основі розподілених технологій може забезпечити новий імпульс для розвитку ШІ через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас ШІ може принести багато переваг для екосистеми Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо. Тому дослідження поєднання Web3 та ШІ має велике значення для побудови інфраструктури нового покоління інтернету, а також для розкриття цінності даних і обчислювальної потужності.
Дані як основа: AI та Web3
Дані є основною силою, що сприяє розвитку ШІ. Моделям ШІ потрібно поглинати величезні обсяги якісних даних, щоб отримати глибоке розуміння та потужні можливості розумування. Дані не лише надають навчальну базу для моделей машинного навчання, а й визначають точність і надійність моделі.
Традиційні централізовані моделі отримання та використання даних AI мають такі основні проблеми:
Витрати на отримання даних надто високі, і малим та середнім підприємствам важко їх понести.
Ресурси даних монополізовані технологічними гігантами, що призводить до утворення ізольованих даних.
Особисті дані піддаються ризикам витоку та зловживання.
Web3 пропонує нову децентралізовану парадигму даних для вирішення цих проблем:
Користувачі можуть продавати невикористані мережеві ресурси AI-компаніям для децентралізованого збору мережевих даних, які після очищення та перетворення надають реальні, високоякісні дані для навчання AI-моделей.
Використовуючи модель "позначення за отримання", заохочуємо глобальних працівників брати участь у позначенні даних через токенне стимулювання, об'єднуючи глобальні професійні знання та посилюючи можливості аналізу даних.
Блокчейн платформа для торгівлі даними забезпечує відкриту та прозору торгову середу для сторін попиту і пропозиції даних, стимулюючи інновації та обмін даними.
Однак, отримання даних з реального світу все ще має деякі проблеми, такі як нерівномірна якість даних, велика складність обробки, недостатня різноманітність і представницькість тощо. Синтетичні дані можуть стати зіркою майбутнього в сфері даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: роль повної гомоморфної криптографії
У епоху, керовану даними, захист конфіденційності став глобальною темою уваги. Прийняття таких нормативних актів, як Загальний регламент захисту даних ЄС (GDPR), відображає суворий захист особистої конфіденційності. Однак це також створює виклики: деякі чутливі дані не можуть бути в повній мірі використані через ризики конфіденційності, що обмежує потенціал та можливості розуміння моделей ШІ.
Повна гомоморфна криптографія (FHE) дозволяє виконувати обчислювальні операції над зашифрованими даними без їх розшифровки, причому результати обчислень відповідають результатам обчислень над відкритими даними. FHE забезпечує надійний захист приватності обчислень штучного інтелекту, дозволяючи потужності GPU виконувати навчання моделей та завдання інференції в умовах, коли не відбувається доступ до вихідних даних. Це приносить величезні переваги компаніям у сфері штучного інтелекту, оскільки вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Цей підхід зміцнює приватність даних і надає безпечну обчислювальну платформу для застосувань ШІ.
FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для збереження конфіденційності даних.
Революція обчислювальної потужності: AI обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-системи подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні ресурси, що значно перевищує існуючу пропозицію обчислювальних ресурсів. Наприклад, навчання певної великої мовної моделі вимагає величезної обчислювальної потужності, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних ресурсів не лише обмежує прогрес технологій AI, але й робить висококласні AI-моделі недоступними для більшості дослідників та розробників.
Водночас світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів і нестача чіпів, викликана факторами постачання та геополітики, ускладнюють питання постачання обчислювальної потужності. Працівники в сфері ІІ опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічний і ефективний спосіб обчислювальних послуг за запитом.
Децентралізована мережа обчислювальних потужностей AI, агрегуючи вільні ресурси GPU по всьому світу, забезпечує економічний та доступний ринок обчислювальних потужностей для компаній AI. Сторони, які потребують обчислювальних потужностей, можуть публікувати завдання в мережі, смарт-контракт розподіляє завдання між вузлами, які надають обчислювальні потужності, вузли виконують завдання та подають результати, після перевірки отримують винагороду. Така схема підвищує ефективність використання ресурсів і допомагає вирішити проблему обчислювальних потужностей у таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальної потужності, є платформи, які спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ. Децентралізовані мережі обчислювальної потужності забезпечують справедливий і прозорий ринок потужності, ламаючи монополії, знижуючи пороги входу та підвищуючи ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані мережі обчислювальної потужності відіграватимуть ключову роль, залучаючи більше інноваційних додатків, щоб разом сприяти розвитку та застосуванню технології ШІ.
DePIN: Web3 надає можливості для краєвого AI
Граничний ШІ дозволяє обробці відбуватися на джерелі виникнення даних, забезпечуючи низьку затримку, обробку в реальному часі, одночасно захищаючи конфіденційність користувача. Технології граничного ШІ вже застосовуються в ключових сферах, таких як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет користувацьких даних, а DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів і зменшити ризик витоку даних; корінний токеноміка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стале екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, стаючи однією з переважних платформ для розгортання проєктів. Високий TPS, низькі транзакційні витрати та технологічні інновації цього публічного блокчейну надають потужну підтримку проєктам DePIN. Наразі ринкова капіталізація проєктів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, і кілька відомих проєктів досягли значного прогресу.
IMO: Випуск нової парадигми AI моделей
Концепція IMO була вперше запропонована якимось протоколом, який токенізує моделі штучного інтелекту.
У традиційній моделі, через відсутність механізму поділу доходів, розробникам AI-моделей часто важко отримувати сталий дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги. Крім того, продуктивність та ефективність AI-моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO надає новий фінансовий підтримку та спосіб розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, які виникають від моделей. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделей та можливість для власників токенів ділитися доходами.
Модель IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій крипторинку та надає імпульс для сталого розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії експериментування, але з підвищенням рівня прийняття на ринку та розширенням кола участі його інноваційність та потенційна цінність заслуговують на очікування.
AI Агент: нова ера інтерактивного досвіду
AI Agent може сприймати навколишнє середовище, здійснювати самостійне мислення та вживати відповідних дій для досягнення визначених цілей. За підтримки великих мовних моделей AI Agent не лише розуміє природну мову, але й планує рішення, виконує складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись уподобанням користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищувати ефективність і створювати нову цінність.
Платформа відкритих AI-додатків надає всебічний і зручний набір інструментів для створення, що дозволяє користувачам налаштовувати функції, зовнішній вигляд, голоси роботів, а також підключати зовнішні бази знань. Вона прагне створити справедливу та відкриту екосистему контенту AI, використовуючи технології генеративного AI, надаючи можливість особам стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольові ігри більш людяними; технологія клонування голосу може пришвидшити персоналізацію взаємодії AI-продуктів, зменшуючи витрати на синтез голосу на 99%, а клонування голосу можна здійснити всього за 1 хвилину. Завдяки цій платформі, налаштованому AI-агенту, наразі можна застосовувати у відеочатах, вивченні мов, генерації зображень та в багатьох інших сферах.
У融合 Web3 та ШІ наразі більше уваги приділяється дослідженню інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розміщувати моделі на блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі та інші ключові питання. З поступовим удосконаленням цієї інфраструктури ми маємо підстави вважати, що злиття Web3 та ШІ народить ряд інноваційних бізнес-моделей та послуг.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
20 лайків
Нагородити
20
6
Репост
Поділіться
Прокоментувати
0/400
OnlyOnMainnet
· 08-09 09:39
увійти в позицію просто купити, а якщо скажеш, то пропустиш
Переглянути оригіналвідповісти на0
rugpull_survivor
· 08-09 05:10
Ця концепція знову почала підійматися? Минулого року обдурювали людей, як лохів, а цього року продовжують.
Переглянути оригіналвідповісти на0
BearMarketSage
· 08-09 05:09
Справді, трохи важко витримати цей сплеск web3...
Переглянути оригіналвідповісти на0
SchrodingerGas
· 08-09 04:54
Знову купа можливостей для арбітражу з кешем другого рівня?
Переглянути оригіналвідповісти на0
AirdropDreamBreaker
· 08-09 04:53
Знову надувають, це ж не що інше, як обдурювати людей, як лохів у капіталістичних колах.
Web3 та AI: ключові дослідження для побудови інфраструктури нового покоління Інтернету
Дослідження інтеграції AI та Web3: створення інфраструктури наступного покоління інтернету
Web3 як нова децентралізована, відкрита та прозора інтернет-парадигма має природний потенціал для інтеграції з технологією ШІ. У традиційних централізованих архітектурах обчислення ШІ та ресурси даних підлягають суворим обмеженням, стикаючись із багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, чорна скринька алгоритмів тощо. Web3 на основі розподілених технологій може забезпечити новий імпульс для розвитку ШІ через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас ШІ може принести багато переваг для екосистеми Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо. Тому дослідження поєднання Web3 та ШІ має велике значення для побудови інфраструктури нового покоління інтернету, а також для розкриття цінності даних і обчислювальної потужності.
Дані як основа: AI та Web3
Дані є основною силою, що сприяє розвитку ШІ. Моделям ШІ потрібно поглинати величезні обсяги якісних даних, щоб отримати глибоке розуміння та потужні можливості розумування. Дані не лише надають навчальну базу для моделей машинного навчання, а й визначають точність і надійність моделі.
Традиційні централізовані моделі отримання та використання даних AI мають такі основні проблеми:
Web3 пропонує нову децентралізовану парадигму даних для вирішення цих проблем:
Однак, отримання даних з реального світу все ще має деякі проблеми, такі як нерівномірна якість даних, велика складність обробки, недостатня різноманітність і представницькість тощо. Синтетичні дані можуть стати зіркою майбутнього в сфері даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: роль повної гомоморфної криптографії
У епоху, керовану даними, захист конфіденційності став глобальною темою уваги. Прийняття таких нормативних актів, як Загальний регламент захисту даних ЄС (GDPR), відображає суворий захист особистої конфіденційності. Однак це також створює виклики: деякі чутливі дані не можуть бути в повній мірі використані через ризики конфіденційності, що обмежує потенціал та можливості розуміння моделей ШІ.
Повна гомоморфна криптографія (FHE) дозволяє виконувати обчислювальні операції над зашифрованими даними без їх розшифровки, причому результати обчислень відповідають результатам обчислень над відкритими даними. FHE забезпечує надійний захист приватності обчислень штучного інтелекту, дозволяючи потужності GPU виконувати навчання моделей та завдання інференції в умовах, коли не відбувається доступ до вихідних даних. Це приносить величезні переваги компаніям у сфері штучного інтелекту, оскільки вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Цей підхід зміцнює приватність даних і надає безпечну обчислювальну платформу для застосувань ШІ.
FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для збереження конфіденційності даних.
Революція обчислювальної потужності: AI обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-системи подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні ресурси, що значно перевищує існуючу пропозицію обчислювальних ресурсів. Наприклад, навчання певної великої мовної моделі вимагає величезної обчислювальної потужності, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних ресурсів не лише обмежує прогрес технологій AI, але й робить висококласні AI-моделі недоступними для більшості дослідників та розробників.
Водночас світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів і нестача чіпів, викликана факторами постачання та геополітики, ускладнюють питання постачання обчислювальної потужності. Працівники в сфері ІІ опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічний і ефективний спосіб обчислювальних послуг за запитом.
Децентралізована мережа обчислювальних потужностей AI, агрегуючи вільні ресурси GPU по всьому світу, забезпечує економічний та доступний ринок обчислювальних потужностей для компаній AI. Сторони, які потребують обчислювальних потужностей, можуть публікувати завдання в мережі, смарт-контракт розподіляє завдання між вузлами, які надають обчислювальні потужності, вузли виконують завдання та подають результати, після перевірки отримують винагороду. Така схема підвищує ефективність використання ресурсів і допомагає вирішити проблему обчислювальних потужностей у таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальної потужності, є платформи, які спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ. Децентралізовані мережі обчислювальної потужності забезпечують справедливий і прозорий ринок потужності, ламаючи монополії, знижуючи пороги входу та підвищуючи ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані мережі обчислювальної потужності відіграватимуть ключову роль, залучаючи більше інноваційних додатків, щоб разом сприяти розвитку та застосуванню технології ШІ.
DePIN: Web3 надає можливості для краєвого AI
Граничний ШІ дозволяє обробці відбуватися на джерелі виникнення даних, забезпечуючи низьку затримку, обробку в реальному часі, одночасно захищаючи конфіденційність користувача. Технології граничного ШІ вже застосовуються в ключових сферах, таких як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет користувацьких даних, а DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів і зменшити ризик витоку даних; корінний токеноміка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стале екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, стаючи однією з переважних платформ для розгортання проєктів. Високий TPS, низькі транзакційні витрати та технологічні інновації цього публічного блокчейну надають потужну підтримку проєктам DePIN. Наразі ринкова капіталізація проєктів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, і кілька відомих проєктів досягли значного прогресу.
IMO: Випуск нової парадигми AI моделей
Концепція IMO була вперше запропонована якимось протоколом, який токенізує моделі штучного інтелекту.
У традиційній моделі, через відсутність механізму поділу доходів, розробникам AI-моделей часто важко отримувати сталий дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги. Крім того, продуктивність та ефективність AI-моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO надає новий фінансовий підтримку та спосіб розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, які виникають від моделей. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделей та можливість для власників токенів ділитися доходами.
Модель IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій крипторинку та надає імпульс для сталого розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії експериментування, але з підвищенням рівня прийняття на ринку та розширенням кола участі його інноваційність та потенційна цінність заслуговують на очікування.
AI Агент: нова ера інтерактивного досвіду
AI Agent може сприймати навколишнє середовище, здійснювати самостійне мислення та вживати відповідних дій для досягнення визначених цілей. За підтримки великих мовних моделей AI Agent не лише розуміє природну мову, але й планує рішення, виконує складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись уподобанням користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищувати ефективність і створювати нову цінність.
Платформа відкритих AI-додатків надає всебічний і зручний набір інструментів для створення, що дозволяє користувачам налаштовувати функції, зовнішній вигляд, голоси роботів, а також підключати зовнішні бази знань. Вона прагне створити справедливу та відкриту екосистему контенту AI, використовуючи технології генеративного AI, надаючи можливість особам стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольові ігри більш людяними; технологія клонування голосу може пришвидшити персоналізацію взаємодії AI-продуктів, зменшуючи витрати на синтез голосу на 99%, а клонування голосу можна здійснити всього за 1 хвилину. Завдяки цій платформі, налаштованому AI-агенту, наразі можна застосовувати у відеочатах, вивченні мов, генерації зображень та в багатьох інших сферах.
У融合 Web3 та ШІ наразі більше уваги приділяється дослідженню інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розміщувати моделі на блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі та інші ключові питання. З поступовим удосконаленням цієї інфраструктури ми маємо підстави вважати, що злиття Web3 та ШІ народить ряд інноваційних бізнес-моделей та послуг.