La Profundidad de la fusión entre IA y Web3: Oportunidades y desafíos
I. Introducción: Estado actual del desarrollo de AI+Web3
En los últimos años, el rápido desarrollo de la inteligencia artificial (AI) y la tecnología Web3 ha generado una amplia atención a nivel global. La IA ha logrado importantes avances en áreas como el reconocimiento facial, el procesamiento del lenguaje natural y el aprendizaje automático, trayendo grandes transformaciones e innovaciones a diversas industrias. En 2023, el tamaño del mercado de la industria de la IA alcanzó los 200 mil millones de dólares, y empresas como OpenAI, Character.AI y Midjourney han liderado la ola de la IA.
Al mismo tiempo, Web3 como un nuevo modelo de red, está cambiando la forma en que las personas perciben y utilizan Internet. Basado en blockchain, Web3 logra compartir y controlar datos, así como establecer mecanismos de autonomía y confianza del usuario a través de funciones como contratos inteligentes, almacenamiento distribuido y verificación de identidad descentralizada. Actualmente, el valor de mercado de la industria de Web3 ha alcanzado los 25 billones de dólares, proyectos como Bitcoin, Ethereum y Solana están innovando constantemente, atrayendo a cada vez más personas a unirse a esta industria.
La combinación de AI y Web3 es un área de gran interés tanto para desarrolladores como para inversores de Oriente y Occidente. Este artículo se centrará en explorar el estado actual del desarrollo de AI+Web3, analizar sus formas de interacción, presentar la situación de los proyectos actuales y discutir en profundidad las limitaciones y desafíos que enfrentan. Esperamos que a través de esta investigación, podamos ofrecer referencias y perspectivas valiosas para inversores y profesionales de la industria relacionada.
Dos, la forma en que AI interactúa con Web3
El desarrollo de la IA y Web3 es como los dos lados de una balanza; la IA ha traído un aumento en la productividad, mientras que Web3 ha traído una transformación en las relaciones de producción. ¿Qué tipo de chispas pueden surgir de la colisión entre la IA y Web3? A continuación, analizaremos las dificultades y el espacio para mejorar que enfrenta cada industria, y luego discutiremos cómo se ayudan mutuamente a resolver estas dificultades.
2.1 Las dificultades que enfrenta la industria de la IA
El núcleo de la industria de la IA no puede separarse de tres elementos: potencia de cálculo, algoritmos y datos.
Potencia de cálculo: las tareas de IA requieren una gran escala de capacidad de cálculo y procesamiento. El costo, el consumo de energía y el mantenimiento de los dispositivos de computación de alto rendimiento son desafíos, especialmente para las startups y los desarrolladores individuales, obtener suficiente potencia de cálculo puede ser difícil.
Algoritmo: Aunque los algoritmos de aprendizaje profundo han tenido un gran éxito en muchos campos, aún existen algunas dificultades. Por ejemplo, entrenar redes neuronales profundas requiere una gran cantidad de datos y recursos de computación, y la interpretabilidad y explicabilidad del modelo pueden ser insuficientes. Además, la robustez y la capacidad de generalización del algoritmo también son un problema importante.
Datos: La obtención de datos de alta calidad y variados sigue siendo un desafío. Los datos en ciertos campos pueden ser difíciles de obtener, como los datos de salud. La calidad, precisión y etiquetado de los datos también son un problema, ya que los datos incompletos o sesgados pueden llevar a un comportamiento erróneo del modelo. Al mismo tiempo, proteger la privacidad y seguridad de los datos también es un factor importante a considerar.
Además, la interpretabilidad y transparencia de los modelos de IA, así como la falta de claridad en los modelos de negocio, son también desafíos que enfrenta la industria de la IA.
2.2 Dificultades que enfrenta la industria Web3
La industria de Web3 también enfrenta muchos problemas que necesitan ser resueltos, incluyendo:
Capacidad insuficiente de análisis y predicción de datos
La experiencia del usuario es bastante mala
Vulnerabilidades en el código de contratos inteligentes y riesgos de seguridad
Problemas de protección de la privacidad
La IA, como herramienta para mejorar la productividad, tiene un gran potencial en estos aspectos. Por ejemplo, la IA puede mejorar la capacidad de análisis de datos y predicción de Web3, mejorar la experiencia del usuario, detectar vulnerabilidades en contratos inteligentes, fortalecer la protección de seguridad, entre otros.
Tres, Análisis del estado actual de los proyectos AI+Web3
3.1 Web3 impulsa la IA
3.1.1 Potencia de cálculo descentralizada
Con el rápido desarrollo de la IA, ha surgido una situación de escasez de recursos de cómputo, como las GPU. Para resolver este problema, algunos proyectos de Web3 han comenzado a intentar ofrecer servicios de computación descentralizados, como Akash, Render, Gensyn, entre otros. Estos proyectos incentivan a los usuarios a proporcionar su capacidad de GPU ociosa a través de tokens, brindando soporte de cómputo a los clientes de IA.
La oferta principal incluye:
Proveedores de servicios en la nube: como AWS, Azure, GCP y otros grandes proveedores de servicios en la nube, así como Coreweave, Lambda y otros proveedores de servicios en la nube de GPU.
Mineros de criptomonedas: poseen potencia de cálculo GPU ociosa
Grandes empresas: como Tesla, Meta, etc. que han comprado grandes cantidades de GPU.
Actualmente se divide principalmente en dos categorías:
Para inferencia de IA: como Render, Akash, Aethir, etc.
Utilizado para el entrenamiento de IA: como io.net, Gensyn, etc.
Tomando io.net como ejemplo, como una red de computación descentralizada, actualmente cuenta con más de 500,000 GPU e integra la potencia de Render y Filecoin. Gensyn, por su parte, facilita la asignación y recompensa de tareas de aprendizaje automático a través de contratos inteligentes, logrando el entrenamiento de IA.
3.1.2 Modelo de algoritmo descentralizado
Además de la potencia de cálculo, algunos proyectos también están tratando de construir redes de modelos algorítmicos descentralizados. Tomando a Bittensor como ejemplo, espera crear un ecosistema más abierto y transparente, donde los modelos de IA puedan ser entrenados, compartidos y utilizados de manera segura y descentralizada.
En Bittensor, los proveedores de modelos algorítmicos ( minero ) contribuyen con modelos de aprendizaje automático a la red y reciben tokens TAO como recompensa. La red utiliza un mecanismo de consenso único para asegurar un acuerdo sobre la mejor respuesta.
3.1.3 Recolección de datos descentralizada
Para el entrenamiento de modelos de IA, un gran suministro de datos es indispensable. Sin embargo, la mayoría de las empresas Web2 todavía se apropian de los datos de los usuarios, lo que obstaculiza el desarrollo de la industria de la IA.
Algunos proyectos combinan Web3 a través de incentivos en forma de tokens para lograr la recopilación de datos descentralizada. Tomando como ejemplo PublicAI, los usuarios pueden buscar contenido valioso en plataformas sociales y presentarlo, o participar en votaciones como validadores de datos. Los usuarios obtienen incentivos en tokens por estas contribuciones, promoviendo una situación de ganancia compartida entre los contribuyentes de datos y el desarrollo de la industria de IA.
3.1.4 ZK protección de la privacidad del usuario en AI
La prueba de conocimiento cero ( ZK ) puede lograr la verificación de información mientras protege la privacidad, lo que ofrece nuevas ideas para abordar los problemas de protección de la privacidad en la IA. ZKML ( Zero-Knowledge Machine Learning ), mediante el uso de tecnología ZK, permite el entrenamiento y la inferencia de modelos de aprendizaje automático sin revelar los datos originales.
Actualmente, este campo aún se encuentra en una etapa temprana, como lo propone BasedAI, que ha presentado un método para integrar la encriptación completamente homomórfica (FHE) con modelos de lenguaje grandes (LLM) para proteger la privacidad de los datos del usuario.
3.2 AI impulsa Web3
3.2.1 Análisis y predicción de datos
Muchos proyectos de Web3 están comenzando a integrar servicios de IA o desarrollar sistemas de IA propios, para ofrecer a los usuarios servicios de análisis de datos y predicción. Por ejemplo:
Pond: Predecir tokens valiosos futuros a través de algoritmos de gráficos AI
BullBear AI: Predicción de precios basada en datos históricos y tendencias del mercado
Numerai: plataforma de competencia de inversión en IA
Arkham: plataforma de análisis de datos en cadena combinada con IA
3.2.2 Servicios Personalizados
Algunos proyectos de Web3 utilizan IA para optimizar la experiencia del usuario, como:
Dune: Lanzamiento de la herramienta Wand, que utiliza grandes modelos de lenguaje para escribir consultas SQL
Followin, IQ.wiki: Integrar ChatGPT para resumir contenido
Kaito: Motor de búsqueda Web3 basado en LLM
NFPrompt: Utilizar IA para generar NFT y reducir los costos de creación
3.2.3 Auditoría de contratos inteligentes con IA
Utilizando tecnología de IA para auditar el código de contratos inteligentes, se pueden identificar vulnerabilidades de manera más eficiente y precisa. Por ejemplo, 0x0.ai ofrece una herramienta de auditoría de contratos inteligentes basada en IA, que utiliza tecnología de aprendizaje automático para identificar problemas potenciales en el código.
Cuatro, Limitaciones y Desafíos Actuales de los Proyectos AI+Web3
4.1 Obstáculos reales en la potencia de cálculo descentralizada
Rendimiento y estabilidad: los productos de computación descentralizada pueden presentar retrasos e inestabilidad.
Disponibilidad: afecta el grado de coincidencia entre la oferta y la demanda.
Complejidad: los usuarios necesitan entender más detalles técnicos.
Difícil de usar para el entrenamiento de grandes modelos:
El entrenamiento de modelos grandes requiere una gran cantidad de datos y un alto ancho de banda
Se requiere alta estabilidad en la potencia de cálculo
La ecología CUDA de NVIDIA y la comunicación multi-GPU NVLink son difíciles de reemplazar
La potencia de cálculo descentralizada actualmente es principalmente aplicable a:
Inferencia de IA
Entrenamiento de modelos pequeños y específicos para escenarios de nicho
Escenarios de computación en la periferia ( como renderizado )
4.2 La combinación de AI+Web3 es bastante rudimentaria, no ha logrado 1+1>2
Actualmente, la mayoría de los proyectos solo utilizan IA de manera superficial, sin mostrar una fusión nativa y soluciones innovadoras entre la IA y las criptomonedas. La combinación de muchos equipos de Web3 con la IA se basa más en el uso del concepto de IA a nivel de marketing, en lugar de una verdadera innovación tecnológica.
4.3 La economía de tokens se convierte en un amortiguador para la narrativa de proyectos de IA
Debido a que los grandes modelos se están volviendo gradualmente de código abierto, muchos proyectos de AI+Web3 eligen superponer la narrativa de Web3 y la economía de tokens para fomentar la participación de los usuarios. Pero la clave radica en si la integración de la economía de tokens realmente ayuda a resolver necesidades prácticas, y no solo se utiliza como un medio para generar atención a corto plazo.
Cinco, resumen
La fusión de AI+Web3 ofrece infinitas posibilidades para la innovación tecnológica y el desarrollo económico del futuro. AI puede proporcionar escenarios de aplicación más inteligentes para Web3, como análisis de datos, auditoría de contratos inteligentes, servicios personalizados, etc. Web3, por su parte, ofrece a AI una plataforma descentralizada para el poder de cálculo, el intercambio de datos y algoritmos.
Aunque actualmente los proyectos de AI+Web3 aún se encuentran en una etapa temprana y enfrentan numerosos desafíos, sus ventajas potenciales no deben ser ignoradas. Las soluciones descentralizadas pueden aportar valor al reducir la dependencia, aumentar la transparencia y fomentar la innovación. En el futuro, al combinar la capacidad de análisis y toma de decisiones inteligente de la IA con la descentralización y la autonomía del usuario de Web3, se espera construir sistemas económicos y sociales más inteligentes, abiertos y justos.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
12 me gusta
Recompensa
12
5
Republicar
Compartir
Comentar
0/400
SandwichDetector
· hace18h
Esto está demasiado común, ¿verdad?
Ver originalesResponder0
RektRecorder
· 08-11 04:45
tontos tomar a la gente por tonta... ¿quién está tomando a la gente por tonta?
Ver originalesResponder0
SandwichTrader
· 08-11 04:44
¿Ah? ¿Esta cosa puede traer riqueza repentina?
Ver originalesResponder0
CoffeeNFTrader
· 08-11 04:32
¡La innovación de la IA es demasiado poderosa!
Ver originalesResponder0
CryptoMom
· 08-11 04:18
¿Qué estás cocinando? ¡Ya me fui a hacer un Rug Pull!
Fusión de IA y Web3: análisis del estado actual, oportunidades y desafíos
La Profundidad de la fusión entre IA y Web3: Oportunidades y desafíos
I. Introducción: Estado actual del desarrollo de AI+Web3
En los últimos años, el rápido desarrollo de la inteligencia artificial (AI) y la tecnología Web3 ha generado una amplia atención a nivel global. La IA ha logrado importantes avances en áreas como el reconocimiento facial, el procesamiento del lenguaje natural y el aprendizaje automático, trayendo grandes transformaciones e innovaciones a diversas industrias. En 2023, el tamaño del mercado de la industria de la IA alcanzó los 200 mil millones de dólares, y empresas como OpenAI, Character.AI y Midjourney han liderado la ola de la IA.
Al mismo tiempo, Web3 como un nuevo modelo de red, está cambiando la forma en que las personas perciben y utilizan Internet. Basado en blockchain, Web3 logra compartir y controlar datos, así como establecer mecanismos de autonomía y confianza del usuario a través de funciones como contratos inteligentes, almacenamiento distribuido y verificación de identidad descentralizada. Actualmente, el valor de mercado de la industria de Web3 ha alcanzado los 25 billones de dólares, proyectos como Bitcoin, Ethereum y Solana están innovando constantemente, atrayendo a cada vez más personas a unirse a esta industria.
La combinación de AI y Web3 es un área de gran interés tanto para desarrolladores como para inversores de Oriente y Occidente. Este artículo se centrará en explorar el estado actual del desarrollo de AI+Web3, analizar sus formas de interacción, presentar la situación de los proyectos actuales y discutir en profundidad las limitaciones y desafíos que enfrentan. Esperamos que a través de esta investigación, podamos ofrecer referencias y perspectivas valiosas para inversores y profesionales de la industria relacionada.
Dos, la forma en que AI interactúa con Web3
El desarrollo de la IA y Web3 es como los dos lados de una balanza; la IA ha traído un aumento en la productividad, mientras que Web3 ha traído una transformación en las relaciones de producción. ¿Qué tipo de chispas pueden surgir de la colisión entre la IA y Web3? A continuación, analizaremos las dificultades y el espacio para mejorar que enfrenta cada industria, y luego discutiremos cómo se ayudan mutuamente a resolver estas dificultades.
2.1 Las dificultades que enfrenta la industria de la IA
El núcleo de la industria de la IA no puede separarse de tres elementos: potencia de cálculo, algoritmos y datos.
Potencia de cálculo: las tareas de IA requieren una gran escala de capacidad de cálculo y procesamiento. El costo, el consumo de energía y el mantenimiento de los dispositivos de computación de alto rendimiento son desafíos, especialmente para las startups y los desarrolladores individuales, obtener suficiente potencia de cálculo puede ser difícil.
Algoritmo: Aunque los algoritmos de aprendizaje profundo han tenido un gran éxito en muchos campos, aún existen algunas dificultades. Por ejemplo, entrenar redes neuronales profundas requiere una gran cantidad de datos y recursos de computación, y la interpretabilidad y explicabilidad del modelo pueden ser insuficientes. Además, la robustez y la capacidad de generalización del algoritmo también son un problema importante.
Datos: La obtención de datos de alta calidad y variados sigue siendo un desafío. Los datos en ciertos campos pueden ser difíciles de obtener, como los datos de salud. La calidad, precisión y etiquetado de los datos también son un problema, ya que los datos incompletos o sesgados pueden llevar a un comportamiento erróneo del modelo. Al mismo tiempo, proteger la privacidad y seguridad de los datos también es un factor importante a considerar.
Además, la interpretabilidad y transparencia de los modelos de IA, así como la falta de claridad en los modelos de negocio, son también desafíos que enfrenta la industria de la IA.
2.2 Dificultades que enfrenta la industria Web3
La industria de Web3 también enfrenta muchos problemas que necesitan ser resueltos, incluyendo:
La IA, como herramienta para mejorar la productividad, tiene un gran potencial en estos aspectos. Por ejemplo, la IA puede mejorar la capacidad de análisis de datos y predicción de Web3, mejorar la experiencia del usuario, detectar vulnerabilidades en contratos inteligentes, fortalecer la protección de seguridad, entre otros.
Tres, Análisis del estado actual de los proyectos AI+Web3
3.1 Web3 impulsa la IA
3.1.1 Potencia de cálculo descentralizada
Con el rápido desarrollo de la IA, ha surgido una situación de escasez de recursos de cómputo, como las GPU. Para resolver este problema, algunos proyectos de Web3 han comenzado a intentar ofrecer servicios de computación descentralizados, como Akash, Render, Gensyn, entre otros. Estos proyectos incentivan a los usuarios a proporcionar su capacidad de GPU ociosa a través de tokens, brindando soporte de cómputo a los clientes de IA.
La oferta principal incluye:
Actualmente se divide principalmente en dos categorías:
Tomando io.net como ejemplo, como una red de computación descentralizada, actualmente cuenta con más de 500,000 GPU e integra la potencia de Render y Filecoin. Gensyn, por su parte, facilita la asignación y recompensa de tareas de aprendizaje automático a través de contratos inteligentes, logrando el entrenamiento de IA.
3.1.2 Modelo de algoritmo descentralizado
Además de la potencia de cálculo, algunos proyectos también están tratando de construir redes de modelos algorítmicos descentralizados. Tomando a Bittensor como ejemplo, espera crear un ecosistema más abierto y transparente, donde los modelos de IA puedan ser entrenados, compartidos y utilizados de manera segura y descentralizada.
En Bittensor, los proveedores de modelos algorítmicos ( minero ) contribuyen con modelos de aprendizaje automático a la red y reciben tokens TAO como recompensa. La red utiliza un mecanismo de consenso único para asegurar un acuerdo sobre la mejor respuesta.
3.1.3 Recolección de datos descentralizada
Para el entrenamiento de modelos de IA, un gran suministro de datos es indispensable. Sin embargo, la mayoría de las empresas Web2 todavía se apropian de los datos de los usuarios, lo que obstaculiza el desarrollo de la industria de la IA.
Algunos proyectos combinan Web3 a través de incentivos en forma de tokens para lograr la recopilación de datos descentralizada. Tomando como ejemplo PublicAI, los usuarios pueden buscar contenido valioso en plataformas sociales y presentarlo, o participar en votaciones como validadores de datos. Los usuarios obtienen incentivos en tokens por estas contribuciones, promoviendo una situación de ganancia compartida entre los contribuyentes de datos y el desarrollo de la industria de IA.
3.1.4 ZK protección de la privacidad del usuario en AI
La prueba de conocimiento cero ( ZK ) puede lograr la verificación de información mientras protege la privacidad, lo que ofrece nuevas ideas para abordar los problemas de protección de la privacidad en la IA. ZKML ( Zero-Knowledge Machine Learning ), mediante el uso de tecnología ZK, permite el entrenamiento y la inferencia de modelos de aprendizaje automático sin revelar los datos originales.
Actualmente, este campo aún se encuentra en una etapa temprana, como lo propone BasedAI, que ha presentado un método para integrar la encriptación completamente homomórfica (FHE) con modelos de lenguaje grandes (LLM) para proteger la privacidad de los datos del usuario.
3.2 AI impulsa Web3
3.2.1 Análisis y predicción de datos
Muchos proyectos de Web3 están comenzando a integrar servicios de IA o desarrollar sistemas de IA propios, para ofrecer a los usuarios servicios de análisis de datos y predicción. Por ejemplo:
3.2.2 Servicios Personalizados
Algunos proyectos de Web3 utilizan IA para optimizar la experiencia del usuario, como:
3.2.3 Auditoría de contratos inteligentes con IA
Utilizando tecnología de IA para auditar el código de contratos inteligentes, se pueden identificar vulnerabilidades de manera más eficiente y precisa. Por ejemplo, 0x0.ai ofrece una herramienta de auditoría de contratos inteligentes basada en IA, que utiliza tecnología de aprendizaje automático para identificar problemas potenciales en el código.
Cuatro, Limitaciones y Desafíos Actuales de los Proyectos AI+Web3
4.1 Obstáculos reales en la potencia de cálculo descentralizada
Rendimiento y estabilidad: los productos de computación descentralizada pueden presentar retrasos e inestabilidad.
Disponibilidad: afecta el grado de coincidencia entre la oferta y la demanda.
Complejidad: los usuarios necesitan entender más detalles técnicos.
Difícil de usar para el entrenamiento de grandes modelos:
La potencia de cálculo descentralizada actualmente es principalmente aplicable a:
4.2 La combinación de AI+Web3 es bastante rudimentaria, no ha logrado 1+1>2
Actualmente, la mayoría de los proyectos solo utilizan IA de manera superficial, sin mostrar una fusión nativa y soluciones innovadoras entre la IA y las criptomonedas. La combinación de muchos equipos de Web3 con la IA se basa más en el uso del concepto de IA a nivel de marketing, en lugar de una verdadera innovación tecnológica.
4.3 La economía de tokens se convierte en un amortiguador para la narrativa de proyectos de IA
Debido a que los grandes modelos se están volviendo gradualmente de código abierto, muchos proyectos de AI+Web3 eligen superponer la narrativa de Web3 y la economía de tokens para fomentar la participación de los usuarios. Pero la clave radica en si la integración de la economía de tokens realmente ayuda a resolver necesidades prácticas, y no solo se utiliza como un medio para generar atención a corto plazo.
Cinco, resumen
La fusión de AI+Web3 ofrece infinitas posibilidades para la innovación tecnológica y el desarrollo económico del futuro. AI puede proporcionar escenarios de aplicación más inteligentes para Web3, como análisis de datos, auditoría de contratos inteligentes, servicios personalizados, etc. Web3, por su parte, ofrece a AI una plataforma descentralizada para el poder de cálculo, el intercambio de datos y algoritmos.
Aunque actualmente los proyectos de AI+Web3 aún se encuentran en una etapa temprana y enfrentan numerosos desafíos, sus ventajas potenciales no deben ser ignoradas. Las soluciones descentralizadas pueden aportar valor al reducir la dependencia, aumentar la transparencia y fomentar la innovación. En el futuro, al combinar la capacidad de análisis y toma de decisiones inteligente de la IA con la descentralización y la autonomía del usuario de Web3, se espera construir sistemas económicos y sociales más inteligentes, abiertos y justos.