Злиття Web3 та AI: Побудова інфраструктури наступного покоління Інтернету
Web3 як нова парадигма інтернету, що характеризується децентралізацією, відкритістю та прозорістю, має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають суворому контролю, що створює багато викликів, таких як вузьке місце обчислювальної потужності, витік конфіденційності, алгоритмічна «чорна скринька» тощо. Водночас Web3, оснований на розподілених технологіях, може надати новий імпульс розвитку AI через спільні обчислювальні мережі, відкриті ринки даних, обчислення з урахуванням конфіденційності та інші способи. У свою чергу, AI також може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління інтернету та вивільнення цінності даних і обчислювальної потужності.
Дані, що керують: міцна основа для AI та Web3
Дані є основною рушійною силою розвитку ШІ, подібно до пального для двигуна. Моделям ШІ необхідно обробляти величезні обсяги високоякісних даних, щоб досягти глибокого розуміння та потужних здатностей до міркування. Дані не лише надають основи для навчання моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі отримання та використання даних штучного інтелекту мають кілька основних проблем:
Вартість отримання даних є високою, і малим та середнім підприємствам важко це витримати.
Ресурси даних монополізовані технологічними гігантами, утворюючи ізольовані дані.
Особисті дані піддаються ризику витоку та зловживання.
Web3 може вирішити проблеми традиційних моделей новою децентралізованою парадигмою даних:
Користувачі можуть продавати невикористовувану мережу AI-компаніям для децентралізованого збору мережевих даних, які після очищення та перетворення надають реальні, високоякісні дані для навчання AI-моделей.
Використання моделі "label to earn" для залучення глобальних працівників до маркування даних за допомогою токенів, об'єднання світового професійного досвіду та покращення аналітичних можливостей даних.
Платформа торгівлі даними на блокчейні забезпечує відкритий та прозорий торговий середовище для обох сторін попиту та пропозиції даних, заохочуючи інновації та обмін даними.
Проте, у реальному світі також існують деякі проблеми з отриманням даних, такі як нерівномірна якість даних, складність обробки, недостатня різноманітність та репрезентативність. Синтетичні дані можуть стати зіркою майбутнього в галузі даних Web3. Базуючись на технології генеративного ШІ та моделювання, синтетичні дані здатні імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.
Захист приватності: Роль FHE у Web3
У нову еру, яка керується даними, захист приватності став глобальною проблемою. Введення таких регуляцій, як Загальний регламент захисту даних (GDPR) Європейського Союзу, відображає строгий захист особистих даних. Проте це також створює виклики: деякі чутливі дані не можуть бути повноцінно використані через ризики приватності, що безумовно обмежує потенціал та здатність до міркування моделей штучного інтелекту.
FHE - це повноцінне гомоморфне шифрування, яке дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних без необхідності їх розшифровування, причому результати обчислень збігаються з результатами тих же обчислень на відкритих даних.
FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє обчислювальній потужності GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям AI. 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 ризику витоку даних. Таким чином, FHEML зміцнює приватність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, ZKML підтверджує правильне виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для підтримки приватності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання потреб у обчислювальних ресурсах, які значно перевищують наявні запаси обчислювальних потужностей. Наприклад, тренування великої мовної моделі вимагає величезної обчислювальної потужності, що еквівалентно 355 рокам тренування на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить ці складні AI моделі недоступними для більшості дослідників та розробників.
Водночас світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів та нестача чіпів, викликана факторами постачання та геополітики, ще більше ускладнює проблему постачання обчислювальних потужностей. Працівники штучного інтелекту опинилися в двозначному становищі: або купувати апаратуру, або орендувати ресурси в хмарі, їм терміново потрібен економічно ефективний обчислювальний сервіс за запитом.
Децентралізована мережа обчислювальних потужностей на основі штучного інтелекту, агрегуючи незайняті ресурси GPU по всьому світу, надає AI-компаніям економічно вигідний та зручний ринок обчислювальних потужностей. Сторони, які потребують обчислювальних потужностей, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між майнерами, які надають обчислювальні потужності, майнери виконують завдання та подають результати, які перевіряються, після чого вони отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальних потужностях у таких областях, як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також платформи, які спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.
Децентралізована мережа обчислювальної потужності забезпечує справедливий та прозорий ринок обчислювальної потужності, руйнуючи монополії, знижуючи поріг доступу до застосувань та підвищуючи ефективність використання обчислювальної потужності. У веб3 екосистемі децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp до спільного розвитку та впровадження технології ШІ.
DePIN: Web3 надає можливості Edge AI
Edge AI дозволяє обробці даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку, реальну обробку та захист приватності користувачів. Технологія Edge AI вже застосовується в таких ключових сферах, як автономне водіння.
У просторі Web3 ми маємо більш звичну назву--- DePIN. Web3 наголошує на децентралізації та суверенітеті даних користувачів, а DePIN може посилити захист конфіденційності користувачів і зменшити ризик витоку даних, обробляючи дані локально; Власна економіка токенів Web3 стимулює вузли DePIN надавати обчислювальні ресурси та створювати стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного високопродуктивного публічного блокчейну, ставши одним з найбільш обраних публічних блокчейн-платформ для розгортання проектів. Високий TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, і кілька відомих проектів досягли значного прогресу.
IMO：AI-моделі випуск нового парадигми
Концепція IMO була вперше запропонована певним протоколом, який має на увазі токенізацію AI-моделей.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки модель ШІ розроблена та виведена на ринок, розробникам часто важко отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрована в інші продукти та послуги. Первинним творцям важко відстежувати використання, не кажучи вже про отримання доходів. Крім того, продуктивність та ефективність моделей ШІ часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи визнання моделі на ринку та комерційний потенціал.
IMO надає новий спосіб фінансової підтримки та розподілу вартості для відкритих AI моделей, інвестори можуть придбати токени IMO, щоб ділитися прибутком, отриманим від моделей у майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити достовірність AI моделей та можливість для тримачів токенів ділитися прибутком.
Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптується до тенденцій крипто-ринку та надає імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на стадії початкових спроб, але з підвищенням прийнятності на ринку та розширенням масшту участі її інноваційність і потенційна цінність заслуговують на нашу увагу.
AI Агент: нова ера взаємодії
AI-агенти можуть сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Підтримувані великими мовними моделями, AI-агенти не тільки розуміють природну мову, але й можуть планувати рішення та виконувати складні завдання. Вони можуть слугувати віртуальними помічниками, навчаючись перевагам користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI-агенти можуть самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.
Деяка відкрита платформа для застосувань на основі ШІ пропонує повний і простий у використанні набір інструментів для створення, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключення до зовнішніх баз знань тощо, прагнучи створити справедливу та відкриту екосистему контенту на основі ШІ, використовуючи технології генеративного ШІ, щоб надати можливість особам стати супер-творцями. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію продуктів ШІ, зменшивши витрати на синтез голосу на 99%, а клонування голосу можна реалізувати всього за 1 хвилину. Використовуючи AI Agent, налаштованого на цій платформі, наразі його можна застосовувати у відеочатах, вивченні мов, генерації зображень та в багатьох інших сферах.
У поєднанні Web3 та AI наразі більше уваги приділяється дослідженню базового рівня інфраструктури, як отримувати високоякісні дані, захищати приватність даних, як хостити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим удосконаленням цих інфраструктур ми маємо підстави вірити, що поєднання Web3 та AI призведе до виникнення низки інноваційних бізнес-моделей та послуг.
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 лайків
Нагородити
17
4
Поділіться
Прокоментувати
0/400
RunWithRugs
· 07-01 16:48
ai炒作咯 等着 Ліквідуватися吧
Переглянути оригіналвідповісти на0
CryptoHistoryClass
· 07-01 16:48
*перевіряє історичні графіки* хм, це мені серйозно нагадує про хайп веб1 до веб2 приблизно 2005 року...
Web3 та AI інтеграція: п'ять ключових напрямків для побудови інфраструктури наступного покоління Інтернету
Злиття Web3 та AI: Побудова інфраструктури наступного покоління Інтернету
Web3 як нова парадигма інтернету, що характеризується децентралізацією, відкритістю та прозорістю, має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають суворому контролю, що створює багато викликів, таких як вузьке місце обчислювальної потужності, витік конфіденційності, алгоритмічна «чорна скринька» тощо. Водночас Web3, оснований на розподілених технологіях, може надати новий імпульс розвитку AI через спільні обчислювальні мережі, відкриті ринки даних, обчислення з урахуванням конфіденційності та інші способи. У свою чергу, AI також може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління інтернету та вивільнення цінності даних і обчислювальної потужності.
Дані, що керують: міцна основа для AI та Web3
Дані є основною рушійною силою розвитку ШІ, подібно до пального для двигуна. Моделям ШІ необхідно обробляти величезні обсяги високоякісних даних, щоб досягти глибокого розуміння та потужних здатностей до міркування. Дані не лише надають основи для навчання моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі отримання та використання даних штучного інтелекту мають кілька основних проблем:
Web3 може вирішити проблеми традиційних моделей новою децентралізованою парадигмою даних:
Проте, у реальному світі також існують деякі проблеми з отриманням даних, такі як нерівномірна якість даних, складність обробки, недостатня різноманітність та репрезентативність. Синтетичні дані можуть стати зіркою майбутнього в галузі даних Web3. Базуючись на технології генеративного ШІ та моделювання, синтетичні дані здатні імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.
Захист приватності: Роль FHE у Web3
У нову еру, яка керується даними, захист приватності став глобальною проблемою. Введення таких регуляцій, як Загальний регламент захисту даних (GDPR) Європейського Союзу, відображає строгий захист особистих даних. Проте це також створює виклики: деякі чутливі дані не можуть бути повноцінно використані через ризики приватності, що безумовно обмежує потенціал та здатність до міркування моделей штучного інтелекту.
FHE - це повноцінне гомоморфне шифрування, яке дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних без необхідності їх розшифровування, причому результати обчислень збігаються з результатами тих же обчислень на відкритих даних.
FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє обчислювальній потужності GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям AI. 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 ризику витоку даних. Таким чином, FHEML зміцнює приватність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, ZKML підтверджує правильне виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для підтримки приватності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання потреб у обчислювальних ресурсах, які значно перевищують наявні запаси обчислювальних потужностей. Наприклад, тренування великої мовної моделі вимагає величезної обчислювальної потужності, що еквівалентно 355 рокам тренування на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить ці складні AI моделі недоступними для більшості дослідників та розробників.
Водночас світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів та нестача чіпів, викликана факторами постачання та геополітики, ще більше ускладнює проблему постачання обчислювальних потужностей. Працівники штучного інтелекту опинилися в двозначному становищі: або купувати апаратуру, або орендувати ресурси в хмарі, їм терміново потрібен економічно ефективний обчислювальний сервіс за запитом.
Децентралізована мережа обчислювальних потужностей на основі штучного інтелекту, агрегуючи незайняті ресурси GPU по всьому світу, надає AI-компаніям економічно вигідний та зручний ринок обчислювальних потужностей. Сторони, які потребують обчислювальних потужностей, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між майнерами, які надають обчислювальні потужності, майнери виконують завдання та подають результати, які перевіряються, після чого вони отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальних потужностях у таких областях, як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також платформи, які спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.
Децентралізована мережа обчислювальної потужності забезпечує справедливий та прозорий ринок обчислювальної потужності, руйнуючи монополії, знижуючи поріг доступу до застосувань та підвищуючи ефективність використання обчислювальної потужності. У веб3 екосистемі децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp до спільного розвитку та впровадження технології ШІ.
DePIN: Web3 надає можливості Edge AI
Edge AI дозволяє обробці даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку, реальну обробку та захист приватності користувачів. Технологія Edge AI вже застосовується в таких ключових сферах, як автономне водіння.
У просторі Web3 ми маємо більш звичну назву--- DePIN. Web3 наголошує на децентралізації та суверенітеті даних користувачів, а DePIN може посилити захист конфіденційності користувачів і зменшити ризик витоку даних, обробляючи дані локально; Власна економіка токенів Web3 стимулює вузли DePIN надавати обчислювальні ресурси та створювати стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного високопродуктивного публічного блокчейну, ставши одним з найбільш обраних публічних блокчейн-платформ для розгортання проектів. Високий TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, і кілька відомих проектів досягли значного прогресу.
IMO：AI-моделі випуск нового парадигми
Концепція IMO була вперше запропонована певним протоколом, який має на увазі токенізацію AI-моделей.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки модель ШІ розроблена та виведена на ринок, розробникам часто важко отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрована в інші продукти та послуги. Первинним творцям важко відстежувати використання, не кажучи вже про отримання доходів. Крім того, продуктивність та ефективність моделей ШІ часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи визнання моделі на ринку та комерційний потенціал.
IMO надає новий спосіб фінансової підтримки та розподілу вартості для відкритих AI моделей, інвестори можуть придбати токени IMO, щоб ділитися прибутком, отриманим від моделей у майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити достовірність AI моделей та можливість для тримачів токенів ділитися прибутком.
Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптується до тенденцій крипто-ринку та надає імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на стадії початкових спроб, але з підвищенням прийнятності на ринку та розширенням масшту участі її інноваційність і потенційна цінність заслуговують на нашу увагу.
AI Агент: нова ера взаємодії
AI-агенти можуть сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Підтримувані великими мовними моделями, AI-агенти не тільки розуміють природну мову, але й можуть планувати рішення та виконувати складні завдання. Вони можуть слугувати віртуальними помічниками, навчаючись перевагам користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI-агенти можуть самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.
Деяка відкрита платформа для застосувань на основі ШІ пропонує повний і простий у використанні набір інструментів для створення, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключення до зовнішніх баз знань тощо, прагнучи створити справедливу та відкриту екосистему контенту на основі ШІ, використовуючи технології генеративного ШІ, щоб надати можливість особам стати супер-творцями. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію продуктів ШІ, зменшивши витрати на синтез голосу на 99%, а клонування голосу можна реалізувати всього за 1 хвилину. Використовуючи AI Agent, налаштованого на цій платформі, наразі його можна застосовувати у відеочатах, вивченні мов, генерації зображень та в багатьох інших сферах.
У поєднанні Web3 та AI наразі більше уваги приділяється дослідженню базового рівня інфраструктури, як отримувати високоякісні дані, захищати приватність даних, як хостити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим удосконаленням цих інфраструктур ми маємо підстави вірити, що поєднання Web3 та AI призведе до виникнення низки інноваційних бізнес-моделей та послуг.