Глибина інтеграції AI та Web3: можливості та виклики
Один, Вступ: Стан розвитку AI+Web3
Останніми роками швидкий розвиток технологій штучного інтелекту (AI) та Web3 привернув широку увагу в усьому світі. Штучний інтелект досяг значних проривів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що призвело до величезних змін та інновацій у різних галузях. У 2023 році обсяг ринку штучного інтелекту досяг 200 мільярдів доларів, а компанії такі як OpenAI, Character.AI, Midjourney стали лідерами в хвилі штучного інтелекту.
Одночасно Web3, як новий мережевий формат, змінює уявлення людей про Інтернет і способи його використання. На основі блокчейну Web3 реалізує функції, такі як смарт-контракти, розподілене зберігання та децентралізована ідентифікація, що забезпечують спільний доступ до даних та контроль, самоврядування користувачів і створення механізмів довіри. Наразі ринкова капіталізація індустрії Web3 становить 250 трильйонів доларів, а такі проекти, як Bitcoin, Ethereum, Solana постійно розвиваються, залучаючи все більше людей до цієї сфери.
Поєднання штучного інтелекту та Web3 є дуже актуальною темою для розробників і інвесторів як на Сході, так і на Заході. У цій статті ми зосередимося на поточному стані розвитку AI+Web3, проаналізуємо їхні способи взаємодії, представимо ситуацію з сучасними проєктами та поглиблено обговоримо обмеження та виклики, з якими вони стикаються. Ми сподіваємося, що така дослідження надасть цінні посилання та інсайти для інвесторів та професіоналів, що працюють у відповідних галузях.
Два, способи взаємодії AI та Web3
Розвиток штучного інтелекту та Web3 схожий на дві сторони терезів: штучний інтелект забезпечує підвищення продуктивності, а Web3 приносить зміни у виробничі відносини. Які іскри можуть виникнути при їхньому зіткненні? Спочатку ми проаналізуємо труднощі та можливості розвитку, з якими стикаються галузі штучного інтелекту та Web3, а потім обговоримо, як вони можуть допомогти вирішити ці труднощі.
2.1 Виклики, з якими стикається індустрія штучного інтелекту
Ядром індустрії штучного інтелекту є три основні елементи: обчислювальна потужність, алгоритми та дані.
Потужність: Завдання штучного інтелекту потребують великомасштабних обчислень та обробки. Вартість, споживання енергії та обслуговування високопродуктивних обчислювальних пристроїв є викликами, особливо для стартапів та індивідуальних розробників, отримати достатню потужність може бути важко.
Алгоритм: хоча алгоритми глибокого навчання досягли великого успіху в багатьох сферах, все ще існують деякі труднощі. Наприклад, навчання глибоких нейронних мереж вимагає великої кількості даних і обчислювальних ресурсів, а також може бути недостатньою інтерпретованість і пояснюваність моделі. Крім того, стійкість та узагальнююча здатність алгоритму також є важливою проблемою.
Дані: отримання якісних і різноманітних даних все ще є викликом. Дані з певних сфер можуть бути важко доступними, такими як дані про охорону здоров'я. Якість, точність та маркування даних також є проблемами; неповні або упереджені дані можуть призводити до помилкової поведінки моделей. Водночас захист конфіденційності та безпеки даних також є важливими факторами.
Крім того, проблеми пояснюваності та прозорості моделей ШІ, а також нечіткість бізнес-моделей є викликами, з якими стикається індустрія ШІ.
2.2 Виклики, з якими стикається Web3-індустрія
У Web3-індустрії також існує багато проблем, які потрібно вирішити, включаючи:
Нестача здібностей до аналізу даних та прогнозування
Користувацький досвід поганий
Вразливості коду смарт-контрактів та ризики безпеки
Проблема захисту приватності
Штучний інтелект, як інструмент підвищення продуктивності, має великі можливості в цих сферах. Наприклад, штучний інтелект може покращити аналіз даних та прогностичні можливості Web3, поліпшити досвід користувачів, виявляти вразливості смарт-контрактів, зміцнювати заходи безпеки тощо.
Три, аналіз стану проектів AI+Web3
3.1 Web3 сприяє AI
3.1.1 Децентралізовані обчислення
Зі швидким розвитком ШІ, ресурси обчислювальної потужності, такі як GPU, стали дефіцитом. Щоб вирішити цю проблему, деякі проекти Web3 почали намагатися запропонувати децентралізовані послуги обчислювальної потужності, такі як Akash, Render, Gensyn тощо. Ці проекти заохочують користувачів надавати невикористану обчислювальну потужність GPU за допомогою токенів, забезпечуючи підтримку обчислювальної потужності для клієнтів ШІ.
Сторона пропозиції включає в себе:
Хостинг-провайдери: такі як AWS, Azure, GCP та інші великі хостинг-провайдери, а також Coreweave, Lambda та інші GPU хостинг-провайдери
Криптовалютні майнери: мають вільну потужність GPU
Великі компанії: такі як Tesla, Meta та інші, які придбали велику кількість GPU
Наразі основні поділяються на два види:
Використовується для AI-інференції: такі як Render, Akash, Aethir тощо
Використовується для тренування ШІ: такі як io.net, Gensyn тощо
Наприклад, io.net, як децентралізована мережа обчислювальної потужності, наразі має понад 500 тисяч GPU і вже інтегрувала обчислювальну потужність Render та Filecoin. Gensyn, у свою чергу, сприяє розподілу та винагороді за завдання машинного навчання через смарт-контракти, реалізуючи навчання ШІ.
3.1.2 Децентралізована алгоритмічна модель
Окрім обчислювальної потужності, деякі проєкти також намагаються створити децентралізовані мережі алгоритмічних моделей. Наприклад, Bittensor сподівається створити більш відкриту та прозору екосистему, в якій моделі ШІ можуть безпечно та децентралізовано навчатися, ділитися та використовуватися.
У Bittensor постачальники алгоритмічних моделей ( шахтарі ) вносять моделі машинного навчання в мережу та отримують токени TAO як винагороду. Мережа використовує унікальний механізм консенсусу для забезпечення досягнення згоди щодо найкращої відповіді.
3.1.3 Децентралізований збір даних
Для навчання AI-моделей необхідно велике постачання даних. Однак наразі більшість компаній Web2 все ще привласнюють дані користувачів, що заважає розвитку індустрії AI.
Деякі проекти поєднують Web3 за допомогою токенів, щоб реалізувати децентралізоване збори даних. Наприклад, у PublicAI користувачі можуть шукати цінний контент на соціальних платформах та подавати його, або брати участь у голосуванні як валідатори даних. Користувачі отримують токен-інcentive за ці внески, що сприяє вигідному співробітництву між постачальниками даних і розвитком AI індустрії.
3.1.4 ZK захист користувацької конфіденційності в AI
Нульове знання ( ZK ) технологія може забезпечити верифікацію інформації, захищаючи при цьому конфіденційність, що відкриває нові підходи до вирішення проблеми захисту конфіденційності в AI. ZKML ( Нульове знання машинного навчання ), використовуючи технологію ZK, дозволяє навчати та виконувати моделі машинного навчання без розкриття вихідних даних.
Наразі ця сфера все ще перебуває на ранній стадії, наприклад, BasedAI запропонував метод інтеграції повної гомоморфної криптографії (FHE) з великими мовними моделями (LLM) для захисту конфіденційності даних користувачів.
3.2 ШІ сприяє Web3
3.2.1 Аналіз даних та прогнозування
Багато проектів Web3 почали інтегрувати AI-сервіси або розробляти власні AI-системи, щоб надавати користувачам послуги з аналізу даних та прогнозування. Наприклад:
Pond: передбачення цінних токенів у майбутньому за допомогою алгоритмів графіки AI
BullBear AI: прогнозування цін на основі історичних даних та ринкових трендів
Numerai: Платформа для інвестиційних змагань AI
Arkham: платформа аналізу даних на базі блокчейну з використанням ШІ
3.2.2 Персоналізовані послуги
Деякі Web3 проекти використовують ШІ для оптимізації користувацького досвіду, такі як:
Dune: запустив інструмент Wand, що використовує великі мовні моделі для написання SQL запитів
Followin、IQ.wiki: інтеграція ChatGPT для підсумовування контенту
Kaito:Web3 пошукова система на базі LLM
NFPrompt: Використання ШІ для генерації NFT, зниження витрат на створення
3.2.3 AI аудит розумних контрактів
Використання технологій ШІ для аудиту коду смарт-контрактів може більш ефективно та точно виявляти вразливості. Наприклад, 0x0.ai пропонує інструмент для аудиту смарт-контрактів на основі ШІ, який використовує технології машинного навчання для виявлення потенційних проблем у коді.
Чотири, обмеження та виклики проектів AI+Web3
4.1 Реальні перешкоди в сфері децентралізованої обчислювальної потужності
Продуктивність та стабільність: Децентралізовані обчислювальні продукти можуть мати затримки і нестабільність.
Доступність: залежить від рівня відповідності попиту та пропозиції.
Складність: Користувачам потрібно знати більше технічних деталей.
Важко використовувати для навчання великих моделей:
Для навчання великих моделей потрібна величезна кількість даних і висока пропускна спроможність
Високі вимоги до стабільності обчислювальної потужності
Екосистема CUDA від NVIDIA та комунікація між кількома картами NVLink важко замінити
Децентралізовані обчислювальні потужності в даний час в основному підходять для:
AI висновок
Тренування малих моделей у вертикальних галузях для конкретних сцен
Сцена крайових обчислень ( як рендеринг )
4.2 Поєднання AI та Web3 є досить грубим, не досягнувши 1+1>2
На даний момент більшість проектів лише поверхнево використовують ШІ, не демонструючи справжньої інтеграції та інноваційних рішень між ШІ та криптовалютою. Багато команд Web3 поєднують ШІ здебільшого на рівні маркетингу, а не справжніх технологічних інновацій.
4.3 Токеноміка стала буфером для наративу AI проектів
Оскільки великі моделі поступово стають відкритими, багато проектів AI+Web3 обирають поєднувати наратив Web3 та токеноміку для сприяння залученню користувачів. Але ключовим моментом є те, чи дійсно інтеграція токеноміки допомагає вирішити реальні потреби, а не лише слугує короткостроковим засобом для привернення уваги.
П’ять, підсумок
Поєднання AI та Web3 відкриває безмежні можливості для майбутніх технологічних інновацій та економічного розвитку. AI може надати Web3 більш інтелектуальні сценарії застосування, такі як аналіз даних, аудит смарт-контрактів, персоналізовані послуги тощо. Web3, у свою чергу, забезпечує AI децентралізованими обчислювальними потужностями, платформою для обміну даними та алгоритмами.
Хоча проекти AI+Web3 наразі все ще на ранній стадії і стикаються з багатьма викликами, їх потенційні переваги не можна ігнорувати. Децентралізовані рішення можуть принести цінність у зниженні залежності, підвищенні прозорості та сприянні інноваціям. У майбутньому, поєднуючи можливості розумного аналізу та прийняття рішень AI з децентралізацією та самоврядуванням Web3, можна сподіватися на побудову більш розумних, відкритих і справедливих економічних і соціальних систем.
Переглянути оригінал
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.
12 лайків
Нагородити
12
5
Репост
Поділіться
Прокоментувати
0/400
SandwichDetector
· 13год тому
Це ж так поширено!
Переглянути оригіналвідповісти на0
RektRecorder
· 23год тому
невдахи обдурюють людей, як лохів... хто обдурює кого?
Інтеграція штучного інтелекту та Web3: аналіз стану, можливостей та викликів
Глибина інтеграції AI та Web3: можливості та виклики
Один, Вступ: Стан розвитку AI+Web3
Останніми роками швидкий розвиток технологій штучного інтелекту (AI) та Web3 привернув широку увагу в усьому світі. Штучний інтелект досяг значних проривів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що призвело до величезних змін та інновацій у різних галузях. У 2023 році обсяг ринку штучного інтелекту досяг 200 мільярдів доларів, а компанії такі як OpenAI, Character.AI, Midjourney стали лідерами в хвилі штучного інтелекту.
Одночасно Web3, як новий мережевий формат, змінює уявлення людей про Інтернет і способи його використання. На основі блокчейну Web3 реалізує функції, такі як смарт-контракти, розподілене зберігання та децентралізована ідентифікація, що забезпечують спільний доступ до даних та контроль, самоврядування користувачів і створення механізмів довіри. Наразі ринкова капіталізація індустрії Web3 становить 250 трильйонів доларів, а такі проекти, як Bitcoin, Ethereum, Solana постійно розвиваються, залучаючи все більше людей до цієї сфери.
Поєднання штучного інтелекту та Web3 є дуже актуальною темою для розробників і інвесторів як на Сході, так і на Заході. У цій статті ми зосередимося на поточному стані розвитку AI+Web3, проаналізуємо їхні способи взаємодії, представимо ситуацію з сучасними проєктами та поглиблено обговоримо обмеження та виклики, з якими вони стикаються. Ми сподіваємося, що така дослідження надасть цінні посилання та інсайти для інвесторів та професіоналів, що працюють у відповідних галузях.
Два, способи взаємодії AI та Web3
Розвиток штучного інтелекту та Web3 схожий на дві сторони терезів: штучний інтелект забезпечує підвищення продуктивності, а Web3 приносить зміни у виробничі відносини. Які іскри можуть виникнути при їхньому зіткненні? Спочатку ми проаналізуємо труднощі та можливості розвитку, з якими стикаються галузі штучного інтелекту та Web3, а потім обговоримо, як вони можуть допомогти вирішити ці труднощі.
2.1 Виклики, з якими стикається індустрія штучного інтелекту
Ядром індустрії штучного інтелекту є три основні елементи: обчислювальна потужність, алгоритми та дані.
Потужність: Завдання штучного інтелекту потребують великомасштабних обчислень та обробки. Вартість, споживання енергії та обслуговування високопродуктивних обчислювальних пристроїв є викликами, особливо для стартапів та індивідуальних розробників, отримати достатню потужність може бути важко.
Алгоритм: хоча алгоритми глибокого навчання досягли великого успіху в багатьох сферах, все ще існують деякі труднощі. Наприклад, навчання глибоких нейронних мереж вимагає великої кількості даних і обчислювальних ресурсів, а також може бути недостатньою інтерпретованість і пояснюваність моделі. Крім того, стійкість та узагальнююча здатність алгоритму також є важливою проблемою.
Дані: отримання якісних і різноманітних даних все ще є викликом. Дані з певних сфер можуть бути важко доступними, такими як дані про охорону здоров'я. Якість, точність та маркування даних також є проблемами; неповні або упереджені дані можуть призводити до помилкової поведінки моделей. Водночас захист конфіденційності та безпеки даних також є важливими факторами.
Крім того, проблеми пояснюваності та прозорості моделей ШІ, а також нечіткість бізнес-моделей є викликами, з якими стикається індустрія ШІ.
2.2 Виклики, з якими стикається Web3-індустрія
У Web3-індустрії також існує багато проблем, які потрібно вирішити, включаючи:
Штучний інтелект, як інструмент підвищення продуктивності, має великі можливості в цих сферах. Наприклад, штучний інтелект може покращити аналіз даних та прогностичні можливості Web3, поліпшити досвід користувачів, виявляти вразливості смарт-контрактів, зміцнювати заходи безпеки тощо.
Три, аналіз стану проектів AI+Web3
3.1 Web3 сприяє AI
3.1.1 Децентралізовані обчислення
Зі швидким розвитком ШІ, ресурси обчислювальної потужності, такі як GPU, стали дефіцитом. Щоб вирішити цю проблему, деякі проекти Web3 почали намагатися запропонувати децентралізовані послуги обчислювальної потужності, такі як Akash, Render, Gensyn тощо. Ці проекти заохочують користувачів надавати невикористану обчислювальну потужність GPU за допомогою токенів, забезпечуючи підтримку обчислювальної потужності для клієнтів ШІ.
Сторона пропозиції включає в себе:
Наразі основні поділяються на два види:
Наприклад, io.net, як децентралізована мережа обчислювальної потужності, наразі має понад 500 тисяч GPU і вже інтегрувала обчислювальну потужність Render та Filecoin. Gensyn, у свою чергу, сприяє розподілу та винагороді за завдання машинного навчання через смарт-контракти, реалізуючи навчання ШІ.
3.1.2 Децентралізована алгоритмічна модель
Окрім обчислювальної потужності, деякі проєкти також намагаються створити децентралізовані мережі алгоритмічних моделей. Наприклад, Bittensor сподівається створити більш відкриту та прозору екосистему, в якій моделі ШІ можуть безпечно та децентралізовано навчатися, ділитися та використовуватися.
У Bittensor постачальники алгоритмічних моделей ( шахтарі ) вносять моделі машинного навчання в мережу та отримують токени TAO як винагороду. Мережа використовує унікальний механізм консенсусу для забезпечення досягнення згоди щодо найкращої відповіді.
3.1.3 Децентралізований збір даних
Для навчання AI-моделей необхідно велике постачання даних. Однак наразі більшість компаній Web2 все ще привласнюють дані користувачів, що заважає розвитку індустрії AI.
Деякі проекти поєднують Web3 за допомогою токенів, щоб реалізувати децентралізоване збори даних. Наприклад, у PublicAI користувачі можуть шукати цінний контент на соціальних платформах та подавати його, або брати участь у голосуванні як валідатори даних. Користувачі отримують токен-інcentive за ці внески, що сприяє вигідному співробітництву між постачальниками даних і розвитком AI індустрії.
3.1.4 ZK захист користувацької конфіденційності в AI
Нульове знання ( ZK ) технологія може забезпечити верифікацію інформації, захищаючи при цьому конфіденційність, що відкриває нові підходи до вирішення проблеми захисту конфіденційності в AI. ZKML ( Нульове знання машинного навчання ), використовуючи технологію ZK, дозволяє навчати та виконувати моделі машинного навчання без розкриття вихідних даних.
Наразі ця сфера все ще перебуває на ранній стадії, наприклад, BasedAI запропонував метод інтеграції повної гомоморфної криптографії (FHE) з великими мовними моделями (LLM) для захисту конфіденційності даних користувачів.
3.2 ШІ сприяє Web3
3.2.1 Аналіз даних та прогнозування
Багато проектів Web3 почали інтегрувати AI-сервіси або розробляти власні AI-системи, щоб надавати користувачам послуги з аналізу даних та прогнозування. Наприклад:
3.2.2 Персоналізовані послуги
Деякі Web3 проекти використовують ШІ для оптимізації користувацького досвіду, такі як:
3.2.3 AI аудит розумних контрактів
Використання технологій ШІ для аудиту коду смарт-контрактів може більш ефективно та точно виявляти вразливості. Наприклад, 0x0.ai пропонує інструмент для аудиту смарт-контрактів на основі ШІ, який використовує технології машинного навчання для виявлення потенційних проблем у коді.
Чотири, обмеження та виклики проектів AI+Web3
4.1 Реальні перешкоди в сфері децентралізованої обчислювальної потужності
Продуктивність та стабільність: Децентралізовані обчислювальні продукти можуть мати затримки і нестабільність.
Доступність: залежить від рівня відповідності попиту та пропозиції.
Складність: Користувачам потрібно знати більше технічних деталей.
Важко використовувати для навчання великих моделей:
Децентралізовані обчислювальні потужності в даний час в основному підходять для:
4.2 Поєднання AI та Web3 є досить грубим, не досягнувши 1+1>2
На даний момент більшість проектів лише поверхнево використовують ШІ, не демонструючи справжньої інтеграції та інноваційних рішень між ШІ та криптовалютою. Багато команд Web3 поєднують ШІ здебільшого на рівні маркетингу, а не справжніх технологічних інновацій.
4.3 Токеноміка стала буфером для наративу AI проектів
Оскільки великі моделі поступово стають відкритими, багато проектів AI+Web3 обирають поєднувати наратив Web3 та токеноміку для сприяння залученню користувачів. Але ключовим моментом є те, чи дійсно інтеграція токеноміки допомагає вирішити реальні потреби, а не лише слугує короткостроковим засобом для привернення уваги.
П’ять, підсумок
Поєднання AI та Web3 відкриває безмежні можливості для майбутніх технологічних інновацій та економічного розвитку. AI може надати Web3 більш інтелектуальні сценарії застосування, такі як аналіз даних, аудит смарт-контрактів, персоналізовані послуги тощо. Web3, у свою чергу, забезпечує AI децентралізованими обчислювальними потужностями, платформою для обміну даними та алгоритмами.
Хоча проекти AI+Web3 наразі все ще на ранній стадії і стикаються з багатьма викликами, їх потенційні переваги не можна ігнорувати. Децентралізовані рішення можуть принести цінність у зниженні залежності, підвищенні прозорості та сприянні інноваціям. У майбутньому, поєднуючи можливості розумного аналізу та прийняття рішень AI з децентралізацією та самоврядуванням Web3, можна сподіватися на побудову більш розумних, відкритих і справедливих економічних і соціальних систем.