Інтеграція Web3 та AI: створення нової генерації інфраструктури Інтернету
Web3 як нова парадигма інтернету, децентралізована, відкрита та прозора, має природну можливість для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають строгому контролю, стикаючись з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, чорна скринька алгоритмів тощо. Однак Web3, що базується на розподілених технологіях, може надати новий імпульс розвитку AI через спільні обчислювальні мережі, відкриті ринки даних, обчислення конфіденційності тощо. Водночас AI також може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемній побудові. Дослідження поєднання Web3 та AI має вирішальне значення для створення інфраструктури наступного покоління інтернету, а також для реалізації цінностей даних і обчислювальної потужності.
Дані, що керують: міцна основа AI та Web3
Дані є основним двигуном розвитку ШІ. Моделям ШІ необхідно обробити величезну кількість високоякісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують базу для навчання моделей машинного навчання, а й визначають точність та надійність моделей.
Традиційні централізовані моделі отримання та використання даних AI мають такі основні проблеми:
Вартість отримання даних є високою, і малим та середнім підприємствам важко її витримати
Ресурси даних монополізовані технологічними гігантами, утворюючи ізольовані дані
Особисті дані піддаються ризикам витоку та зловживання.
Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:
Користувачі можуть продавати невикористовувану мережу компаніям ШІ, децентралізовано збираючи мережеві дані, щоб забезпечити реальні та високоякісні дані для навчання моделей ШІ.
Використання моделі "label to earn", що стимулює глобальних працівників брати участь у позначенні даних через токенне винагороду, об'єднуючи глобальні професійні знання та посилюючи можливості аналізу даних.
Платформа торгівлі даними на базі блокчейну забезпечує відкритий та прозорий торговий простір для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Проте, отримання даних з реального світу також має деякі проблеми, такі як різна якість даних, складність обробки, недостатня різноманітність та представність тощо. Синтетичні дані можуть стати зіркою майбутнього у сфері даних Web3. На основі технологій генеративного ШІ та симуляцій синтетичні дані можуть моделювати властивості реальних даних, виступаючи як ефективне доповнення до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист приватності: Роль FHE у Web3
Епоха даних призвела до того, що захист конфіденційності став глобальною проблемою. Загальний регламент захисту даних ЄС (GDPR) та інші закони відображають строгий захист особистої конфіденційності. Однак це також створює виклики: деякі чутливі дані не можуть бути повністю використані через ризики конфіденційності, що обмежує потенціал і здатність до висновків моделей ШІ.
FHE (гомоморфне шифрування) дозволяє виконувати обчислювальні операції на зашифрованих даних без розшифрування даних, причому результати обчислень будуть однаковими з результатами обчислень на відкритих даних. FHE забезпечує надійний захист для приватних обчислень в AI, що дозволяє використовувати обчислювальну потужність GPU для виконання завдань навчання і висновку моделей у середовищі, яке не торкається оригінальних даних. Це приносить величезні переваги компаніям AI, які можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом усього циклу машинного навчання, що забезпечує безпеку чутливої інформації та запобігає ризикам витоку даних. FHEML посилює конфіденційність даних, забезпечуючи безпечну обчислювальну платформу для AI додатків.
FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення з зашифрованими даними для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI обчислення в децентралізованих мережах
Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальну потужність, що значно перевищує наявні ресурси. Наприклад, для навчання деякої відомої моделі штучного інтелекту потрібна величезна обчислювальна потужність, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальної потужності не лише обмежує прогрес технологій штучного інтелекту, але й робить передові моделі штучного інтелекту недоступними для більшості дослідників і розробників.
Водночас світове використання GPU становить менше 40%, а також уповільнення зростання продуктивності мікропроцесорів і нестача чіпів через фактори постачання та геополітики ще більше ускладнили проблеми з постачанням обчислювальних ресурсів. Працівники в галузі ШІ опинилися в складному становищі: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний обчислювальний сервіс на вимогу.
Децентралізована AI обчислювальна мережа шляхом агрегування невикористаних GPU-ресурсів з усього світу забезпечує економічно доступний ринок обчислювальної потужності для AI-компаній. Сторони, які потребують обчислювальну потужність, можуть розміщувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які вносять обчислювальну потужність, майнери виконують завдання та подають результати, які після перевірки отримують винагороду у вигляді балів. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблеми з обчислювальною потужністю в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також спеціалізовані мережі обчислювальної потужності, які зосереджені на навчанні та інференції штучного інтелекту. Децентралізовані мережі обчислювальної потужності забезпечують справедливий та прозорий ринок обчислювальної потужності, руйнують монополії, знижують бар'єри для застосування та підвищують ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані мережі обчислювальної потужності відіграватимуть ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій штучного інтелекту.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник та навіть розумні пристрої в вашому домі мають можливість запускати ШІ — саме в цьому і полягає魅力 Edge AI. Він дозволяє обробку даних безпосередньо на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, а також захищаючи конфіденційність користувачів. Технології Edge AI вже застосовуються в таких ключових сферах, як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN, обробляючи дані локально, може підвищити захист конфіденційності користувачів і зменшити ризик витоку даних; рідна для Web3 механіка токенів може стимулювати вузли DePIN надавати обчислювальні ресурси, будуючи стійку екосистему.
Наразі DePIN швидко розвивається в певній екосистемі, ставши одним із найпопулярніших платформ для розгортання проектів на публічному блокчейні. Висока TPS, низькі комісії за транзакції та технологічні нововведення цієї публічної блокчейн-платформи надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, а деякі відомі проекти вже досягли значного прогресу.
IMO: Випуск нової парадигми AI-моделей
Концепція IMO була вперше запропонована певним протоколом, який передбачає токенізацію моделей ШІ.
У традиційній моделі, через відсутність механізму розподілу прибутку, як тільки AI модель розробляється та виходить на ринок, розробникам часто важко отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальному творцеві важко відстежувати використання, не кажучи вже про отримання прибутку. Крім того, продуктивність та ефективність AI моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінити їх справжню цінність, обмежуючи визнання моделі на ринку та комерційний потенціал.
IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, отриманим від подальшої експлуатації моделі. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення справжності AI моделей та можливості токенхолдерів ділитися прибутком.
Модель IMO підвищує прозорість і довіру, сприяє відкритій співпраці, адаптується до тенденцій криптовалютного ринку та надає імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії спроб, але з підвищенням прийнятності на ринку та розширенням участі, її інноваційність та потенційна цінність заслуговують на очікування.
AI Агент: Нова ера інтерактивного досвіду
AI агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Підтримуваний великими мовними моделями, AI агент не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних помічників, навчатися вподобанням користувачів через взаємодію та надавати персоналізовані рішення. Навіть без чітких інструкцій AI агент може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.
Деяка відкрита платформа нативних AI-додатків пропонує повний та зручний набір інструментів для створення, підтримує користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та з'єднанні з зовнішніми базами знань тощо, прагнучи створити справедливу та відкриту екосистему контенту AI, використовуючи технології генеративного AI, наділяючи особистостей можливостями стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш гуманною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Використовуючи AI-агента, налаштованого на цій платформі, зараз можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.
У злитті Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня, як отримати якісні дані, захистити конфіденційність даних, як хостити моделі на ланцюзі, як підвищити ефективне використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур ми маємо підстави вірити, що злиття Web3 та AI народить цілу низку інноваційних бізнес-моделей та послуг.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
17 лайків
Нагородити
17
9
Репост
Поділіться
Прокоментувати
0/400
TokenomicsTherapist
· 08-13 21:40
Не дратуйся, наступне покоління вебу просто почує звук.
Переглянути оригіналвідповісти на0
AirdropHunterXM
· 08-12 18:25
Цифрова душа завжди в обігу.
Переглянути оригіналвідповісти на0
ShibaSunglasses
· 08-12 10:31
Відчуваю, що живу в науковій фантастиці.
Переглянути оригіналвідповісти на0
GateUser-9ad11037
· 08-11 02:18
Говорити про щось велико - спочатку використай, а потім говори
Web3 та AI: побудова інфраструктури наступного покоління Інтернету
Інтеграція Web3 та AI: створення нової генерації інфраструктури Інтернету
Web3 як нова парадигма інтернету, децентралізована, відкрита та прозора, має природну можливість для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають строгому контролю, стикаючись з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, чорна скринька алгоритмів тощо. Однак Web3, що базується на розподілених технологіях, може надати новий імпульс розвитку AI через спільні обчислювальні мережі, відкриті ринки даних, обчислення конфіденційності тощо. Водночас AI також може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемній побудові. Дослідження поєднання Web3 та AI має вирішальне значення для створення інфраструктури наступного покоління інтернету, а також для реалізації цінностей даних і обчислювальної потужності.
Дані, що керують: міцна основа AI та Web3
Дані є основним двигуном розвитку ШІ. Моделям ШІ необхідно обробити величезну кількість високоякісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують базу для навчання моделей машинного навчання, а й визначають точність та надійність моделей.
Традиційні централізовані моделі отримання та використання даних AI мають такі основні проблеми:
Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:
Проте, отримання даних з реального світу також має деякі проблеми, такі як різна якість даних, складність обробки, недостатня різноманітність та представність тощо. Синтетичні дані можуть стати зіркою майбутнього у сфері даних Web3. На основі технологій генеративного ШІ та симуляцій синтетичні дані можуть моделювати властивості реальних даних, виступаючи як ефективне доповнення до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист приватності: Роль FHE у Web3
Епоха даних призвела до того, що захист конфіденційності став глобальною проблемою. Загальний регламент захисту даних ЄС (GDPR) та інші закони відображають строгий захист особистої конфіденційності. Однак це також створює виклики: деякі чутливі дані не можуть бути повністю використані через ризики конфіденційності, що обмежує потенціал і здатність до висновків моделей ШІ.
FHE (гомоморфне шифрування) дозволяє виконувати обчислювальні операції на зашифрованих даних без розшифрування даних, причому результати обчислень будуть однаковими з результатами обчислень на відкритих даних. FHE забезпечує надійний захист для приватних обчислень в AI, що дозволяє використовувати обчислювальну потужність GPU для виконання завдань навчання і висновку моделей у середовищі, яке не торкається оригінальних даних. Це приносить величезні переваги компаніям AI, які можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом усього циклу машинного навчання, що забезпечує безпеку чутливої інформації та запобігає ризикам витоку даних. FHEML посилює конфіденційність даних, забезпечуючи безпечну обчислювальну платформу для AI додатків.
FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення з зашифрованими даними для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI обчислення в децентралізованих мережах
Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальну потужність, що значно перевищує наявні ресурси. Наприклад, для навчання деякої відомої моделі штучного інтелекту потрібна величезна обчислювальна потужність, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальної потужності не лише обмежує прогрес технологій штучного інтелекту, але й робить передові моделі штучного інтелекту недоступними для більшості дослідників і розробників.
Водночас світове використання GPU становить менше 40%, а також уповільнення зростання продуктивності мікропроцесорів і нестача чіпів через фактори постачання та геополітики ще більше ускладнили проблеми з постачанням обчислювальних ресурсів. Працівники в галузі ШІ опинилися в складному становищі: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний обчислювальний сервіс на вимогу.
Децентралізована AI обчислювальна мережа шляхом агрегування невикористаних GPU-ресурсів з усього світу забезпечує економічно доступний ринок обчислювальної потужності для AI-компаній. Сторони, які потребують обчислювальну потужність, можуть розміщувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які вносять обчислювальну потужність, майнери виконують завдання та подають результати, які після перевірки отримують винагороду у вигляді балів. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблеми з обчислювальною потужністю в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також спеціалізовані мережі обчислювальної потужності, які зосереджені на навчанні та інференції штучного інтелекту. Децентралізовані мережі обчислювальної потужності забезпечують справедливий та прозорий ринок обчислювальної потужності, руйнують монополії, знижують бар'єри для застосування та підвищують ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані мережі обчислювальної потужності відіграватимуть ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій штучного інтелекту.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник та навіть розумні пристрої в вашому домі мають можливість запускати ШІ — саме в цьому і полягає魅力 Edge AI. Він дозволяє обробку даних безпосередньо на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, а також захищаючи конфіденційність користувачів. Технології Edge AI вже застосовуються в таких ключових сферах, як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN, обробляючи дані локально, може підвищити захист конфіденційності користувачів і зменшити ризик витоку даних; рідна для Web3 механіка токенів може стимулювати вузли DePIN надавати обчислювальні ресурси, будуючи стійку екосистему.
Наразі DePIN швидко розвивається в певній екосистемі, ставши одним із найпопулярніших платформ для розгортання проектів на публічному блокчейні. Висока TPS, низькі комісії за транзакції та технологічні нововведення цієї публічної блокчейн-платформи надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, а деякі відомі проекти вже досягли значного прогресу.
IMO: Випуск нової парадигми AI-моделей
Концепція IMO була вперше запропонована певним протоколом, який передбачає токенізацію моделей ШІ.
У традиційній моделі, через відсутність механізму розподілу прибутку, як тільки AI модель розробляється та виходить на ринок, розробникам часто важко отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальному творцеві важко відстежувати використання, не кажучи вже про отримання прибутку. Крім того, продуктивність та ефективність AI моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінити їх справжню цінність, обмежуючи визнання моделі на ринку та комерційний потенціал.
IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, отриманим від подальшої експлуатації моделі. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення справжності AI моделей та можливості токенхолдерів ділитися прибутком.
Модель IMO підвищує прозорість і довіру, сприяє відкритій співпраці, адаптується до тенденцій криптовалютного ринку та надає імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії спроб, але з підвищенням прийнятності на ринку та розширенням участі, її інноваційність та потенційна цінність заслуговують на очікування.
AI Агент: Нова ера інтерактивного досвіду
AI агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Підтримуваний великими мовними моделями, AI агент не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних помічників, навчатися вподобанням користувачів через взаємодію та надавати персоналізовані рішення. Навіть без чітких інструкцій AI агент може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.
Деяка відкрита платформа нативних AI-додатків пропонує повний та зручний набір інструментів для створення, підтримує користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та з'єднанні з зовнішніми базами знань тощо, прагнучи створити справедливу та відкриту екосистему контенту AI, використовуючи технології генеративного AI, наділяючи особистостей можливостями стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш гуманною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Використовуючи AI-агента, налаштованого на цій платформі, зараз можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.
У злитті Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня, як отримати якісні дані, захистити конфіденційність даних, як хостити моделі на ланцюзі, як підвищити ефективне використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур ми маємо підстави вірити, що злиття Web3 та AI народить цілу низку інноваційних бізнес-моделей та послуг.