- Tema
90k Popularidad
45k Popularidad
15k Popularidad
4k Popularidad
5k Popularidad
29k Popularidad
16k Popularidad
23k Popularidad
13k Popularidad
3k Popularidad
- Anclado
90k Popularidad
45k Popularidad
15k Popularidad
4k Popularidad
5k Popularidad
29k Popularidad
16k Popularidad
23k Popularidad
13k Popularidad
3k Popularidad
Web3 y AI se fusionan: Construyendo la infraestructura de Internet de nueva generación
La fusión de Web3 y AI: construyendo la infraestructura de Internet de próxima generación
Web3, como un nuevo paradigma de Internet descentralizado, abierto y transparente, tiene un potencial de fusión natural con la IA. En la arquitectura tradicional centralizada, los recursos de cálculo y datos de la IA enfrentan numerosos desafíos, como cuellos de botella en la capacidad de cálculo, filtración de datos y problemas de caja negra en los algoritmos. Web3, basado en tecnologías distribuidas, puede inyectar nueva energía al desarrollo de la IA a través de redes de capacidad de cálculo compartidas, mercados de datos abiertos y computación de privacidad, entre otros. Al mismo tiempo, la IA también puede aportar muchas capacidades a Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, apoyando la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y la IA es crucial para construir la infraestructura de Internet de próxima generación y liberar el valor de los datos y la capacidad de cálculo.
Impulsado por datos: La sólida base de la IA y Web3
Los datos son el motor central que impulsa el desarrollo de la IA, así como el combustible lo es para un motor. Los modelos de IA necesitan digerir grandes cantidades de datos de alta calidad para obtener una comprensión profunda y una fuerte capacidad de razonamiento. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.
En los modelos tradicionales de obtención y uso de datos de IA centralizados, existen los siguientes problemas principales:
Web3 puede resolver los puntos de dolor del modelo tradicional con un nuevo paradigma de datos descentralizados:
A pesar de ello, la obtención de datos en el mundo real también presenta algunos problemas, como la variabilidad en la calidad de los datos, la dificultad de procesamiento, la falta de diversidad y representación, entre otros. Los datos sintéticos podrían ser la estrella del futuro en el ámbito de datos de Web3. Basados en tecnologías de IA generativa y simulación, los datos sintéticos pueden simular las características de los datos reales, sirviendo como un complemento efectivo a los datos reales y mejorando la eficiencia del uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han mostrado su potencial de aplicación madura.
Protección de la privacidad: el papel de FHE en Web3
En la era impulsada por los datos, la protección de la privacidad se ha convertido en un foco de atención global. La promulgación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja una estricta protección de la privacidad personal. Sin embargo, esto también plantea desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que indudablemente limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE es la encriptación homomórfica completa, que permite realizar operaciones de cálculo directamente sobre datos encriptados sin necesidad de desencriptar los datos, y el resultado del cálculo es el mismo que el resultado de realizar el mismo cálculo sobre datos en texto claro.
FHE proporciona una sólida protección para el cálculo de la privacidad de la IA, lo que permite que la potencia de cálculo de la GPU ejecute tareas de entrenamiento y razonamiento de modelos en un entorno sin tocar los datos originales. Esto brinda una gran ventaja a las empresas de IA. Pueden abrir servicios de API de manera segura mientras protegen los secretos comerciales.
FHEML admite el procesamiento encriptado de datos y modelos durante todo el ciclo de vida del aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de cálculo seguro para aplicaciones de IA.
FHEML es un complemento de ZKML; ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo sobre datos cifrados para mantener la privacidad de los datos.
Revolución del poder de cómputo: AI en redes descentralizadas
La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento desmesurado en la demanda de capacidad de cálculo, superando con creces la oferta de los recursos computacionales existentes. Por ejemplo, el entrenamiento de un gran modelo de lenguaje requiere una capacidad de cálculo enorme, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de capacidad de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que esos avanzados modelos de IA sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la utilización global de GPU es inferior al 40%, junto con la desaceleración en el aumento del rendimiento de los microprocesadores, y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por su cuenta, o alquilan recursos en la nube; necesitan urgentemente una forma de servicio de cálculo bajo demanda y rentable.
La red de poder computacional de IA descentralizada agrega recursos de GPU inactivos de todo el mundo, proporcionando un mercado de poder computacional que es tanto económico como de fácil acceso para las empresas de IA. Los demandantes de poder computacional pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con poder computacional. Los mineros ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas en forma de puntos. Esta solución mejora la eficiencia en la utilización de recursos y ayuda a resolver el problema de cuellos de botella en el poder computacional en campos como la IA.
Además de las redes de potencia descentralizada de uso general, hay plataformas centradas en el entrenamiento de IA y redes de potencia dedicadas a la inferencia de IA.
Las redes de computación descentralizadas ofrecen un mercado de potencia de cálculo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y aumentando la eficiencia en el uso de la potencia de cálculo. En el ecosistema web3, las redes de computación descentralizadas desempeñarán un papel clave, atrayendo la participación de más dapps innovadoras y promoviendo conjuntamente el desarrollo y la aplicación de la tecnología AI.
DePIN: Web3 empoderando Edge AI
Imagina que tu teléfono, reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar IA: esa es la magia del Edge AI. Permite que el procesamiento ocurra en el origen de la generación de datos, logrando una baja latencia y un procesamiento en tiempo real, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI ya se ha aplicado en áreas clave como la conducción autónoma.
En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía sobre los datos del usuario, y DePIN, al procesar los datos localmente, puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos; el mecanismo económico de tokens nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos computacionales, construyendo un ecosistema sostenible.
Actualmente, DePIN se está desarrollando rápidamente en ciertos ecosistemas de cadenas públicas, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. Su alto TPS, bajos costos de transacción e innovaciones tecnológicas brindan un fuerte apoyo a los proyectos DePIN. Actualmente, la capitalización de mercado de los proyectos DePIN en ciertas cadenas públicas ha superado los 10,000 millones de dólares, y algunos proyectos conocidos han logrado avances significativos.
IMO: Nueva paradigma de lanzamiento de modelos de IA
El concepto de IMO fue propuesto por un protocolo de blockchain que tokeniza modelos de IA.
En el modelo tradicional, debido a la falta de un mecanismo de reparto de ingresos, una vez que se desarrolla un modelo de IA y se introduce en el mercado, a menudo es difícil para los desarrolladores obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios, lo que dificulta que los creadores originales rastreen su uso, y ni hablar de obtener ingresos de ello. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los posibles inversores y usuarios evalúen su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.
IMO proporciona una nueva forma de apoyo financiero y compartición de valor para modelos de IA de código abierto, donde los inversores pueden comprar tokens IMO y compartir los ingresos generados posteriormente por el modelo. Algunos protocolos de blockchain utilizan estándares ERC específicos, combinando oráculos de IA y tecnología OPML para garantizar la autenticidad del modelo de IA y que los titulares de tokens puedan compartir los ingresos.
El modo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y proporcionando un impulso para el desarrollo sostenible de la tecnología de IA. El IMO todavía se encuentra en una fase inicial de prueba, pero a medida que aumenta la aceptación del mercado y se amplía el alcance de la participación, su innovación y valor potencial son dignos de expectativa.
Agente de IA: Una nueva era de experiencias interactivas
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones adecuadas para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.
Algunas plataformas de aplicaciones nativas de IA abiertas ofrecen un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar funciones de robots, apariencia, sonido y conectar bases de conocimiento externas, con el objetivo de construir un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empoderan a los individuos para convertirse en creadores extraordinarios. Estas plataformas han entrenado modelos de lenguaje a gran escala especializados, haciendo que los roles sean más humanizados; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo significativamente los costos de síntesis de voz, y la clonación de voz se puede lograr en solo 1 minuto. Los agentes de IA personalizados utilizando estas plataformas pueden aplicarse actualmente en múltiples campos como video chat, aprendizaje de idiomas y generación de imágenes.
En la fusión de Web3 y AI, actualmente se está explorando más la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada, cómo verificar modelos de lenguaje grandes y otros problemas clave. A medida que estas infraestructuras se vayan perfeccionando gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.