Слияние Web3 и искусственного интеллекта: открытие нового поколения интернет-инфраструктуры
Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественные возможности для интеграции с искусственным интеллектом. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существуют многочисленные проблемы, такие как узкие места вычислительной мощности, утечка конфиденциальной информации и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может вносить новый импульс в развитие ИИ через такие механизмы, как сети совместного использования вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. Кроме того, ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному развитию. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: прочный фундамент AI и Web3
Данные являются核心动力 для развития ИИ, как топливо для двигателя. Модели ИИ нуждаются в переработке большого объема качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают тренировочную основу для моделей машинного обучения, но также определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных ИИ существуют несколько основных проблем:
Высокие затраты на получение данных, малым и средним предприятиям трудно справиться
Ресурсы данных монополизируются технологическими гигантами, образуя изолированные данные.
Личная информация подвержена рискам утечки и злоупотребления.
Web3 может решить болевые точки традиционных моделей с помощью новой децентрализованной парадигмы данных:
Получение данных из сети децентрализованным способом, их очистка и преобразование для предоставления реальных и качественных данных для обучения AI моделей.
Используя модель "label to earn", мы мотивируем работников по всему миру участвовать в аннотации данных с помощью токенов, собирая глобальные профессиональные знания и усиливая аналитические возможности данных.
Платформа торговли данными на блокчейне предоставляет сторонам спроса и предложения открытую и прозрачную торговую среду, стимулируя инновации и обмен данными.
Тем не менее, в получении данных из реального мира также существуют некоторые проблемы, такие как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать звездой будущего в области данных Web3. На основе технологий генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и др., синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху, движимую данными, защита личной информации стала глобальным центром внимания. Принятие таких нормативных актов, как Общий регламент ЕС о защите данных (GDPR), отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности моделирования ИИ.
FHE, или полностью однородное 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 обеспечивает надежную защиту для приватных вычислений AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не касаясь исходных данных. Это приносит огромные преимущества компаниям в области AI. Они могут 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 утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML доказывает правильное выполнение 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 AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительные мощности, значительно превышающему существующие ресурсы. Например, обучение одной крупной языковой модели требует огромных вычислительных мощностей, эквивалентных 355 годам обучения на одном устройстве. Этот дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает такие продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, а замедление улучшения производительности микропроцессоров и нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительных мощностей. Специалисты по ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ предоставления вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительных мощностей на базе ИИ, агрегируя неиспользуемые ресурсы GPU по всему миру, предоставляет ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Сторона, нуждающаяся в вычислительных мощностях, может размещать вычислительные задачи в сети, а смарт-контракты распределяют задачи среди майнеров, которые предоставляют вычислительные мощности. Майнеры выполняют задачи и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест вычислительных мощностей в таких областях, как ИИ.
Помимо универсальных децентрализованных вычислительных сетей, существуют специализированные вычислительные сети, сосредоточенные на обучении и выводу ИИ. Эти сети предоставляют честный и прозрачный рынок вычислительных мощностей, ломая монополии, снижая пороги входа для приложений и повышая эффективность использования вычислительных мощностей. В экосистеме web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных dapp и совместно способствуя развитию и применению технологий ИИ.
DePIN: Web3, который дает возможности для Edge AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — вот в чем прелесть периферийного ИИ. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология периферийного ИИ 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, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов и становится одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные издержки и технологические инновации предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этом публичном блокчейне значительна, и некоторые известные проекты уже добились значительных успехов.
IMO：Новая парадигма выпуска AI моделей
Концепция IMO была впервые предложена в некотором протоколе, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, когда AI-модель разработана и выведена 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 недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал моделей.
IMO предоставляет совершенно новый способ финансирования и распределения ценности для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторый протокол использует определенный стандарт ERC, сочетая AI-оракулы и технологию OPML для обеспечения подлинности AI модели и возможности для держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к трендам криптовалютного рынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время все еще находится на стадии первоначальных попыток, но с увеличением уровня принятия на рынке и расширением области участия ее инновации и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эпоха взаимодействия
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая платформа для нативных приложений AI предлагает полный и удобный набор инструментов для создания, который поддерживает пользователей в настройке функций робота, внешнего вида, голоса и подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, наделяя людей возможностями стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с продуктами AI, снизив стоимость синтеза голоса на 99%, а клонирование голоса можно реализовать всего за 1 минуту. С помощью AI Agent, настроенного на этой платформе, в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и других областях.
В融合 Web3 и AI в настоящее время больше всего исследуется уровень инфраструктуры: как получить качественные данные, защитить конфиденциальность данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что сочетание Web3 и AI 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» .
Слияние Web3 и ИИ: открытие новой парадигмы следующего поколения интернета
Слияние Web3 и искусственного интеллекта: открытие нового поколения интернет-инфраструктуры
Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественные возможности для интеграции с искусственным интеллектом. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существуют многочисленные проблемы, такие как узкие места вычислительной мощности, утечка конфиденциальной информации и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может вносить новый импульс в развитие ИИ через такие механизмы, как сети совместного использования вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. Кроме того, ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному развитию. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: прочный фундамент AI и Web3
Данные являются核心动力 для развития ИИ, как топливо для двигателя. Модели ИИ нуждаются в переработке большого объема качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают тренировочную основу для моделей машинного обучения, но также определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных ИИ существуют несколько основных проблем:
Web3 может решить болевые точки традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, в получении данных из реального мира также существуют некоторые проблемы, такие как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать звездой будущего в области данных Web3. На основе технологий генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и др., синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху, движимую данными, защита личной информации стала глобальным центром внимания. Принятие таких нормативных актов, как Общий регламент ЕС о защите данных (GDPR), отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности моделирования ИИ.
FHE, или полностью однородное 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 обеспечивает надежную защиту для приватных вычислений AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не касаясь исходных данных. Это приносит огромные преимущества компаниям в области AI. Они могут 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 утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML доказывает правильное выполнение 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 AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительные мощности, значительно превышающему существующие ресурсы. Например, обучение одной крупной языковой модели требует огромных вычислительных мощностей, эквивалентных 355 годам обучения на одном устройстве. Этот дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает такие продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, а замедление улучшения производительности микропроцессоров и нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительных мощностей. Специалисты по ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ предоставления вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительных мощностей на базе ИИ, агрегируя неиспользуемые ресурсы GPU по всему миру, предоставляет ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Сторона, нуждающаяся в вычислительных мощностях, может размещать вычислительные задачи в сети, а смарт-контракты распределяют задачи среди майнеров, которые предоставляют вычислительные мощности. Майнеры выполняют задачи и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест вычислительных мощностей в таких областях, как ИИ.
Помимо универсальных децентрализованных вычислительных сетей, существуют специализированные вычислительные сети, сосредоточенные на обучении и выводу ИИ. Эти сети предоставляют честный и прозрачный рынок вычислительных мощностей, ломая монополии, снижая пороги входа для приложений и повышая эффективность использования вычислительных мощностей. В экосистеме web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных dapp и совместно способствуя развитию и применению технологий ИИ.
DePIN: Web3, который дает возможности для Edge AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — вот в чем прелесть периферийного ИИ. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология периферийного ИИ 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, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов и становится одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные издержки и технологические инновации предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этом публичном блокчейне значительна, и некоторые известные проекты уже добились значительных успехов.
IMO：Новая парадигма выпуска AI моделей
Концепция IMO была впервые предложена в некотором протоколе, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, когда AI-модель разработана и выведена 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 недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал моделей.
IMO предоставляет совершенно новый способ финансирования и распределения ценности для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторый протокол использует определенный стандарт ERC, сочетая AI-оракулы и технологию OPML для обеспечения подлинности AI модели и возможности для держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к трендам криптовалютного рынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время все еще находится на стадии первоначальных попыток, но с увеличением уровня принятия на рынке и расширением области участия ее инновации и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эпоха взаимодействия
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая платформа для нативных приложений AI предлагает полный и удобный набор инструментов для создания, который поддерживает пользователей в настройке функций робота, внешнего вида, голоса и подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, наделяя людей возможностями стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с продуктами AI, снизив стоимость синтеза голоса на 99%, а клонирование голоса можно реализовать всего за 1 минуту. С помощью AI Agent, настроенного на этой платформе, в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и других областях.
В融合 Web3 и AI в настоящее время больше всего исследуется уровень инфраструктуры: как получить качественные данные, защитить конфиденциальность данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что сочетание Web3 и AI приведет к возникновению ряда инновационных бизнес-моделей и услуг.