Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная парадигма интернета имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, что создает множество проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальной информации, «черные ящики» алгоритмов и другие. В то же время Web3, основанный на распределенных технологиях, может внести новый импульс в развитие ИИ через такие методы, как совместное использование вычислительных ресурсов, открытые рынки данных, вычисления с учетом конфиденциальности и т.д. Кроме того, ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и другие, способствуя его экосистемному развитию. 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, как топливо для двигателя. Модели ИИ нуждаются в переработке огромного количества высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных AI имеют несколько основных проблем:
Высокие затраты на получение данных, малым и средним предприятиям трудно их понести.
Данные ресурсы монополизированы технологическими гигантами, образуя изолированные данные.
Личные данные подвергаются риску утечки и злоупотребления.
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемую сеть компаниям ИИ, децентрализованно извлекая данные сети, очищая и преобразуя их, чтобы предоставить реальные и качественные данные для обучения моделей ИИ.
Используя модель "label to earn", привлекаем глобальных работников к аннотированию данных с помощью токенов, объединяя профессиональные знания со всего мира и усиливая возможности анализа данных.
Платформа торговли данными на блокчейне предоставляет обеим сторонам спроса и предложения открыенную и прозрачную торговую среду, стимулируя инновации и обмен данными.
Тем не менее, в получении данных из реального мира также существуют некоторые проблемы, такие как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т.д. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе генеративных технологий ИИ и моделирования синтетические данные способны имитировать свойства реальных данных, выступая в качестве эффективного дополнения к реальным данным, повышая эффективность использования данных. 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 глобальным фокусом внимания. Принятие таких регуляций, как Общий регламент защиты данных (GDPR) Европейским Союзом, отражает строгую охрану личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков нарушения конфиденциальности, что, безусловно, ограничивает потенциал и способности моделирования ИИ.
FHE — это полностью однородное шифрование, которое позволяет выполнять вычислительные операции непосредственно на зашифрованных данных, не требуя расшифровки данных, а результаты вычислений совпадают с результатами аналогичных вычислений на открытых данных.
FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям в области AI. Они могут безопасно открывать API-сервисы, защищая коммерческие тайны.
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 среду для AI-приложений.
FHEML является дополнением к ZKML, где ZKML доказывает правильное выполнение машинного обучения, а FHEML подчеркивает вычисления над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительных мощностей: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительные мощности, который значительно превышает 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 в области технологий AI, но и делает такие продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказались в сложной ситуации: им нужно либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный способ предоставления вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительных мощностей AI предоставляет экономически выгодный и доступный рынок вычислительных мощностей для компаний AI, агрегируя неиспользуемые ресурсы GPU со всего мира. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, а смарт-контракты распределяют задачи среди майнинговых узлов, вносящих вычислительную мощность. Майнеры выполняют задачи и отправляют результаты, которые после проверки вознаграждаются баллами. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют платформы, ориентированные на обучение ИИ, а также специализированные вычислительные сети, сосредоточенные на выводе ИИ.
Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушает монополию, снижает порог входа для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp, совместно способствуя развитию и применению технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Edge AI позволяет выполнять 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, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN стремительно развивается в экосистеме одной из высокопроизводительных публичных цепей и становится одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и несколько известных проектов достигли значительных успехов.
IMO: Новый подход к выпуску AI-моделей
Концепция IMO была впервые предложена некоторым протоколом, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выходит на рынок, разработчикам часто трудно получать постоянный доход 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, эффективность и результаты AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценить их истинную ценность, ограничивая рыночное признание модели и коммерческий потенциал.
IMO предоставляет новый способ финансирования и распределения ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO, чтобы делиться доходами, полученными от моделей в будущем. Один протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, способствует открытой совместной работе, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальной стадии пробного использования, но с увеличением степени принятия на рынке и расширением участия его инновации и потенциальная ценность заслуживают нашего ожидания.
AI Агенты: новая эра взаимодействия
AI-агент способен воспринимать окружающую среду, самостоятельно мыслить и принимать соответствующие меры для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Он может выступать в роли виртуального помощника, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без явных указаний AI-агент способен самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторый открытый нативный AI-приложений платформа предоставляет полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функциональности роботов, внешнего вида, голоса и подключения к внешним базам знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, наделяя личность статусом супер-креатора. Эта платформа обучила специализированную большую языковую модель, которая делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив затраты на синтез голоса на 99%, а клонирование голоса занимает всего 1 минуту. С помощью этого платформенного AI-агента в настоящее время можно применять в видеочатах, изучении языков, генерации изображений и других областях.
В融合 Web3 и ИИ в настоящее время больше сосредоточено на исследовании инфраструктурного уровня, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей, а также верификация больших языковых моделей и другие ключевые вопросы. С постепенным улучшением этой инфраструктуры у нас есть основания полагать, что слияние Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
17 Лайков
Награда
17
4
Поделиться
комментарий
0/400
RunWithRugs
· 07-01 16:48
ai炒作咯 等着 Получить ликвидацию吧
Посмотреть ОригиналОтветить0
CryptoHistoryClass
· 07-01 16:48
*проверяет исторические графики* хмм, напоминает мне серьезный хайп с web1 на web2 примерно 2005 года...
Слияние Web3 и ИИ: пять ключевых областей для создания инфраструктуры следующего поколения интернета
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная парадигма интернета имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, что создает множество проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальной информации, «черные ящики» алгоритмов и другие. В то же время Web3, основанный на распределенных технологиях, может внести новый импульс в развитие ИИ через такие методы, как совместное использование вычислительных ресурсов, открытые рынки данных, вычисления с учетом конфиденциальности и т.д. Кроме того, ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и другие, способствуя его экосистемному развитию. 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, как топливо для двигателя. Модели ИИ нуждаются в переработке огромного количества высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных AI имеют несколько основных проблем:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, в получении данных из реального мира также существуют некоторые проблемы, такие как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т.д. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе генеративных технологий ИИ и моделирования синтетические данные способны имитировать свойства реальных данных, выступая в качестве эффективного дополнения к реальным данным, повышая эффективность использования данных. 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 глобальным фокусом внимания. Принятие таких регуляций, как Общий регламент защиты данных (GDPR) Европейским Союзом, отражает строгую охрану личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков нарушения конфиденциальности, что, безусловно, ограничивает потенциал и способности моделирования ИИ.
FHE — это полностью однородное шифрование, которое позволяет выполнять вычислительные операции непосредственно на зашифрованных данных, не требуя расшифровки данных, а результаты вычислений совпадают с результатами аналогичных вычислений на открытых данных.
FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям в области AI. Они могут безопасно открывать API-сервисы, защищая коммерческие тайны.
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 среду для AI-приложений.
FHEML является дополнением к ZKML, где ZKML доказывает правильное выполнение машинного обучения, а FHEML подчеркивает вычисления над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительных мощностей: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительные мощности, который значительно превышает 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 в области технологий AI, но и делает такие продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказались в сложной ситуации: им нужно либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный способ предоставления вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительных мощностей AI предоставляет экономически выгодный и доступный рынок вычислительных мощностей для компаний AI, агрегируя неиспользуемые ресурсы GPU со всего мира. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, а смарт-контракты распределяют задачи среди майнинговых узлов, вносящих вычислительную мощность. Майнеры выполняют задачи и отправляют результаты, которые после проверки вознаграждаются баллами. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют платформы, ориентированные на обучение ИИ, а также специализированные вычислительные сети, сосредоточенные на выводе ИИ.
Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушает монополию, снижает порог входа для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp, совместно способствуя развитию и применению технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Edge AI позволяет выполнять 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, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN стремительно развивается в экосистеме одной из высокопроизводительных публичных цепей и становится одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и несколько известных проектов достигли значительных успехов.
IMO: Новый подход к выпуску AI-моделей
Концепция IMO была впервые предложена некоторым протоколом, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выходит на рынок, разработчикам часто трудно получать постоянный доход 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, эффективность и результаты AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценить их истинную ценность, ограничивая рыночное признание модели и коммерческий потенциал.
IMO предоставляет новый способ финансирования и распределения ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO, чтобы делиться доходами, полученными от моделей в будущем. Один протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, способствует открытой совместной работе, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальной стадии пробного использования, но с увеличением степени принятия на рынке и расширением участия его инновации и потенциальная ценность заслуживают нашего ожидания.
AI Агенты: новая эра взаимодействия
AI-агент способен воспринимать окружающую среду, самостоятельно мыслить и принимать соответствующие меры для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Он может выступать в роли виртуального помощника, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без явных указаний AI-агент способен самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторый открытый нативный AI-приложений платформа предоставляет полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функциональности роботов, внешнего вида, голоса и подключения к внешним базам знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, наделяя личность статусом супер-креатора. Эта платформа обучила специализированную большую языковую модель, которая делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив затраты на синтез голоса на 99%, а клонирование голоса занимает всего 1 минуту. С помощью этого платформенного AI-агента в настоящее время можно применять в видеочатах, изучении языков, генерации изображений и других областях.
В融合 Web3 и ИИ в настоящее время больше сосредоточено на исследовании инфраструктурного уровня, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей, а также верификация больших языковых моделей и другие ключевые вопросы. С постепенным улучшением этой инфраструктуры у нас есть основания полагать, что слияние Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.