Слияние Web3 и ИИ: создание инфраструктуры нового поколения для интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественную возможность для интеграции с ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ находятся под строгим контролем и сталкиваются со множеством проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальности, черные ящики алгоритмов и т. д. В то время как Web3 основан на распределенных технологиях и может вдохнуть новую жизнь в развитие ИИ через совместные сети вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ может принести множество возможностей для Web3, такие как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т. д., способствуя его экосистемному развитию. Исследование сочетания Web3 и ИИ жизненно важно для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: прочный фундамент AI и Web3
Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо обрабатывать огромное количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения машинным моделям, но и определяют точность и надежность моделей.
Традиционная централизованная модель получения и использования данных AI имеет следующие основные проблемы:
Высокая стоимость получения данных, малым и средним предприятиям трудно это вынести.
Ресурсы данных монополизируются технологическими гигантами, образуя изолированные данные
Личные данные подвергаются риску утечки и злоупотребления.
Web3 может решить болевые точки традиционных моделей с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемую сеть компаниям ИИ, децентрализованно собирая сетевые данные, чтобы предоставить реальные и высококачественные данные для обучения моделей ИИ.
Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных через токены, собирая глобальные профессиональные знания и усиливая аналитические способности данных.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и обмен данными.
Тем не менее, существуют некоторые проблемы с получением данных из реального мира, такие как неравномерное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные способны имитировать характеристики реальных данных, служа эффективным дополнением к ним и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания. Общий регламент защиты данных (GDPR) Европейского Союза и другие подобные законы отражают строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности вывода моделей ИИ.
FHE (гомоморфное шифрование) позволяет выполнять вычисления непосредственно на зашифрованных данных, не требуя их расшифровки, и результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных. FHE предоставляет надежную защиту для приватных вычислений в области ИИ, позволяя вычислительным мощностям GPU выполнять обучение моделей и задачи вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям ИИ, позволяя им 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 утечек данных. FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML доказывает правильность выполнения машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему существующие запасы вычислительных ресурсов. Например, для обучения одной известной модели ИИ требуется огромная вычислительная мощность, что эквивалентно 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему обеспечения вычислительных мощностей. Специалисты в области ИИ оказались в затруднительном положении: либо приобретать оборудование, либо арендовать облачные ресурсы; им срочно нужен способ получения вычислительных услуг по мере необходимости и экономически эффективный.
Децентрализованная сеть AI вычислительных мощностей объединяет неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям AI экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задания в сети, смарт-контракты распределяют задания между горняками, которые вносят вычислительные мощности, горняки выполняют задания и предоставляют результаты, после верификации они получают баллы в качестве вознаграждения. 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 также специализированные вычислительные сети, сосредоточенные на обучении и выводе ИИ. Децентрализованные вычислительные сети обеспечивают справедливый и прозрачный рынок вычислительной мощности, разрывают монополию, снижают барьеры для приложений и повышают эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш телефон, смарт-часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — в этом и заключается魅力 Edge AI. Это позволяет вычислениям происходить на месте генерации 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 имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; коренная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в одной из экосистем и становится одной из предпочтительных публичных цепочек для развертывания проектов. Высокая пропускная способность этой публичной цепи, низкие транзакционные издержки и технологические новшества предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная стоимость проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, а некоторые известные проекты уже достигли значительных успехов.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена в рамках определенного протокола, который позволяет токенизировать модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выводится на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Оригинальным создателям сложно отслеживать использование, не говоря уже о получении дохода. 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 модели.
IMO предоставляет новый способ финансирования и распределения ценностей для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, которые будут генерироваться моделью в будущем. Определенный протокол использует два стандарта ERC, сочетая AI-оракулы и технологию OPML, чтобы гарантировать подлинность AI моделей и возможность держателей токенов делиться доходами.
Модель IMO повысила прозрачность и доверие, поощрила открытое сотрудничество, адаптировалась к тенденциям крипторынка и дала импульс устойчивому развитию технологий ИИ. В настоящее время IMO все еще находится на стадии первоначальных попыток, но с увеличением принятия на рынке и расширением охвата ее инновационность и потенциальная ценность заслуживают ожидания.
AI Агент: новая эра интерактивного опыта
Искусственный интеллект может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. Поддерживаемый большими языковыми моделями, искусственный интеллект не только понимает естественный язык, но и может планировать решения, выполнять сложные задачи. Они могут работать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций искусственный интеллект может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая платформа нативных приложений на базе AI предлагает полный и удобный набор инструментов для творчества, поддерживающий пользователей в настройке функций, внешнего вида, голоса роботов, а также в подключении внешних баз знаний и т.д. Платформа стремится создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, наделяя людей возможностью стать супер-творцами. Эта платформа обучила специализированную языковую модель, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снижая стоимость синтеза голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. С помощью настроенного на этой платформе AI Agent в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и др.
В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, способы хостинга моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С учетом постепенного совершенствования этой инфраструктуры мы имеем основания полагать, что интеграция 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» .
17 Лайков
Награда
17
9
Репост
Поделиться
комментарий
0/400
TokenomicsTherapist
· 08-13 21:40
Не дразни, следующая версия веба пусть просто послушает.
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Слияние Web3 и ИИ: создание инфраструктуры нового поколения для интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественную возможность для интеграции с ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ находятся под строгим контролем и сталкиваются со множеством проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальности, черные ящики алгоритмов и т. д. В то время как Web3 основан на распределенных технологиях и может вдохнуть новую жизнь в развитие ИИ через совместные сети вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ может принести множество возможностей для Web3, такие как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т. д., способствуя его экосистемному развитию. Исследование сочетания Web3 и ИИ жизненно важно для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: прочный фундамент AI и Web3
Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо обрабатывать огромное количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения машинным моделям, но и определяют точность и надежность моделей.
Традиционная централизованная модель получения и использования данных AI имеет следующие основные проблемы:
Web3 может решить болевые точки традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, существуют некоторые проблемы с получением данных из реального мира, такие как неравномерное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные способны имитировать характеристики реальных данных, служа эффективным дополнением к ним и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания. Общий регламент защиты данных (GDPR) Европейского Союза и другие подобные законы отражают строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности вывода моделей ИИ.
FHE (гомоморфное шифрование) позволяет выполнять вычисления непосредственно на зашифрованных данных, не требуя их расшифровки, и результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных. FHE предоставляет надежную защиту для приватных вычислений в области ИИ, позволяя вычислительным мощностям GPU выполнять обучение моделей и задачи вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям ИИ, позволяя им 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 утечек данных. FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML доказывает правильность выполнения машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему существующие запасы вычислительных ресурсов. Например, для обучения одной известной модели ИИ требуется огромная вычислительная мощность, что эквивалентно 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему обеспечения вычислительных мощностей. Специалисты в области ИИ оказались в затруднительном положении: либо приобретать оборудование, либо арендовать облачные ресурсы; им срочно нужен способ получения вычислительных услуг по мере необходимости и экономически эффективный.
Децентрализованная сеть AI вычислительных мощностей объединяет неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям AI экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задания в сети, смарт-контракты распределяют задания между горняками, которые вносят вычислительные мощности, горняки выполняют задания и предоставляют результаты, после верификации они получают баллы в качестве вознаграждения. 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 также специализированные вычислительные сети, сосредоточенные на обучении и выводе ИИ. Децентрализованные вычислительные сети обеспечивают справедливый и прозрачный рынок вычислительной мощности, разрывают монополию, снижают барьеры для приложений и повышают эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш телефон, смарт-часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — в этом и заключается魅力 Edge AI. Это позволяет вычислениям происходить на месте генерации 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 имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; коренная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в одной из экосистем и становится одной из предпочтительных публичных цепочек для развертывания проектов. Высокая пропускная способность этой публичной цепи, низкие транзакционные издержки и технологические новшества предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная стоимость проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, а некоторые известные проекты уже достигли значительных успехов.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена в рамках определенного протокола, который позволяет токенизировать модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выводится на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Оригинальным создателям сложно отслеживать использование, не говоря уже о получении дохода. 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 модели.
IMO предоставляет новый способ финансирования и распределения ценностей для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, которые будут генерироваться моделью в будущем. Определенный протокол использует два стандарта ERC, сочетая AI-оракулы и технологию OPML, чтобы гарантировать подлинность AI моделей и возможность держателей токенов делиться доходами.
Модель IMO повысила прозрачность и доверие, поощрила открытое сотрудничество, адаптировалась к тенденциям крипторынка и дала импульс устойчивому развитию технологий ИИ. В настоящее время IMO все еще находится на стадии первоначальных попыток, но с увеличением принятия на рынке и расширением охвата ее инновационность и потенциальная ценность заслуживают ожидания.
AI Агент: новая эра интерактивного опыта
Искусственный интеллект может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. Поддерживаемый большими языковыми моделями, искусственный интеллект не только понимает естественный язык, но и может планировать решения, выполнять сложные задачи. Они могут работать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций искусственный интеллект может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая платформа нативных приложений на базе AI предлагает полный и удобный набор инструментов для творчества, поддерживающий пользователей в настройке функций, внешнего вида, голоса роботов, а также в подключении внешних баз знаний и т.д. Платформа стремится создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, наделяя людей возможностью стать супер-творцами. Эта платформа обучила специализированную языковую модель, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снижая стоимость синтеза голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. С помощью настроенного на этой платформе AI Agent в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и др.
В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, способы хостинга моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С учетом постепенного совершенствования этой инфраструктуры мы имеем основания полагать, что интеграция Web3 и ИИ приведет к возникновению ряда инновационных бизнес-моделей и услуг.