Слияние ИИ и Web3: создание инфраструктуры следующего поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные точки соприкосновения с ИИ. В традиционной централизованной архитектуре ИИ-вычисления и ресурсы данных сталкиваются со многими проблемами, такими как узкие места в вычислительной мощности, утечка конфиденциальности и непрозрачность алгоритмов. В то время как Web3, основанный на распределенных технологиях, может предоставить новые возможности для развития ИИ через совместные сети вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ также может принести множество преимуществ экосистеме Web3, например, оптимизацию смарт-контрактов и усовершенствование механизмов борьбы с мошенничеством. Поэтому исследование совместного развития Web3 и ИИ имеет важное значение для создания инфраструктуры будущего интернета и полного использования ценности данных и вычислительной мощности.
Данные как основа: ИИ и Web3
Данные являются ключом к прогрессу ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать огромное количество качественных данных, чтобы получить глубокие инсайты и мощные способности к рассуждению. Данные не только являются основой для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
Основные проблемы традиционной централизованной модели получения и использования данных ИИ:
Высокая стоимость получения данных, средним и малым предприятиям трудно это вынести.
Данные ресурсы монополизированы крупными технологическими компаниями, образуя острова данных.
Личная информация подвержена риску утечки и злоупотребления
Web3 предлагает новую децентрализованную парадигму данных, которая может решить эти проблемы:
Пользователи могут продавать неиспользуемые сетевые ресурсы компаниям ИИ, достигая децентрализованного сбора данных
Использование модели "заработка за маркировку" с помощью токенов для стимулирования глобальных работников к участию в маркировке данных
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную среду для сделок между сторонами спроса и предложения данных.
Тем не менее, получение данных из реального мира по-прежнему связано с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и др. Синтетические данные могут стать важным направлением в области данных Web3 в будущем. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать характеристики реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелые перспективы применения.
Защита конфиденциальности: применение FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным фокусом внимания. Принятие таких регуляций, как Общий регламент по защите данных (GDPR) Европейского Союза, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности модели ИИ к рассуждению.
Полностью гомоморфное шифрование (FHE) позволяет выполнять вычисления на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами вычислений над открытыми данными. FHE предоставляет надежную защиту для вычислений с конфиденциальностью в AI, позволяя вычислительным мощностям GPU выполнять задачи обучения моделей и вывода без доступа к исходным данным. Это предоставляет AI-компаниям огромные преимущества, так как они могут безопасно открывать API-сервисы, защищая 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 защиту конфиденциальности данных и предоставляет безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, где ZKML подтверждает правильность выполнения машинного обучения, а FHEML сосредоточен на вычислениях с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: Искусственный интеллект в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему доступные ресурсы. Например, для обучения одной известной модели AI требуется огромное количество вычислительной мощности, что эквивалентно 355 годам обучения на одном устройстве. Этот дефицит вычислительной мощности не только сдерживает прогресс технологий AI, но и делает передовые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, в сочетании с замедлением повышения производительности микропроцессоров и нехваткой чипов, вызванной факторами цепочки поставок и геополитики, делает проблему поставок вычислительной мощности еще более серьезной. Специалисты в области ИИ сталкиваются с дилеммой: либо покупать оборудование, либо арендовать облачные ресурсы, и они остро нуждаются в экономически эффективном способе предоставления вычислительных услуг по требованию.
Децентрализованная сеть вычислительных мощностей на базе ИИ агрегирует неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям ИИ экономичный и доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между узлами, предоставляющими вычислительные мощности, узлы выполняют задачи и представляют результаты, которые после проверки получают вознаграждение. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальных децентрализованных вычислительных сетей, существуют специализированные вычислительные платформы, сосредоточенные на обучении и выводе ИИ. Децентрализованные вычислительные сети предоставляют справедливый и прозрачный рынок вычислительных мощностей, разрывают монополию, снижают барьеры для приложений и повышают эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных приложений для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 дает возможность краевому ИИ
Пограничный ИИ позволяет проводить вычисления на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Эта технология уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 более знакомым нам названием является DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN усиливает защиту конфиденциальности пользователей через локальную обработку данных, снижая риски утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов и становится одним из популярных вариантов для развертывания проектов. Высокая производительность, низкие транзакционные издержки и технологические инновации этих публичных блокчейнов предоставляют мощную поддержку проектам DePIN. Рыночная стоимость DePIN-проектов на некоторых публичных блокчейнах уже превысила 10 миллиардов долларов, а некоторые известные проекты достигли значительного прогресса.
IMO: Новый парадигма выпуска AI-моделей
Концепция IMO была впервые предложена некоторым соглашением и предполагает токенизацию моделей ИИ.
В традиционной модели разработчикам AI-моделей сложно получать постоянный доход от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Кроме того, производительность и эффективность AI-моделей часто не имеют прозрачности, что ограничивает их рыночное признание и коммерческий потенциал.
IMO предоставляет новый тип финансовой поддержки и способа распределения ценности для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться последующими доходами от моделей. Некоторые протоколы используют определенные технические стандарты, сочетая on-chain AI оракулы и технологию OPML для обеспечения подлинности AI моделей и распределения доходов среди держателей токенов.
Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. Хотя IMO в настоящее время находится на стадии первоначальных попыток, с ростом приемлемости на рынке и расширением круга участников ее инновационность и потенциальная ценность вызывают ожидания.
AI Агент: новая эра взаимодействия
AI Агент может воспринимать окружающую среду, независимо мыслить и предпринимать соответствующие действия для достижения целей. При поддержке больших языковых моделей AI Агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут служить виртуальными помощниками, обучаясь предпочтениям через взаимодействие с пользователями, предоставляя персонализированные решения. Даже без четких указаний AI Агент может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая платформа для создания приложений на базе AI предлагает полный и удобный набор инструментов для творчества, поддерживает возможность конфигурации функций, внешнего вида и голоса роботов, а также подключения к внешним базам знаний, нацелена на создание справедливой и открытой экосистемы контента на основе AI, используя технологии генеративного AI, позволяя людям становиться супер-творцами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно осуществить всего за 1 минуту. Используя настроенного AI-агента этой платформы, в настоящее время можно применять в различных областях, таких как видеочаты, изучение языков, генерация изображений и т. д.
В области интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованиям инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, хостинг моделей на блокчейне, повышение эффективности использования децентрализованных вычислительных мощностей и валидация больших языковых моделей. С постепенным улучшением этой инфраструктуры интеграция Web3 и ИИ, вероятно, 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» .
21 Лайков
Награда
21
5
Поделиться
комментарий
0/400
HodlTheDoor
· 07-22 23:38
удивительный 赶紧 войти в позицию
Посмотреть ОригиналОтветить0
OnchainHolmes
· 07-21 20:11
Наконец-то кто-то заметил суть.
Посмотреть ОригиналОтветить0
AirdropFreedom
· 07-20 09:12
Эта волна будет установлена, а затем снова установлена~
AI и Web3: создание нового парадигмы децентрализованного интеллектуального интернета
Слияние ИИ и Web3: создание инфраструктуры следующего поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные точки соприкосновения с ИИ. В традиционной централизованной архитектуре ИИ-вычисления и ресурсы данных сталкиваются со многими проблемами, такими как узкие места в вычислительной мощности, утечка конфиденциальности и непрозрачность алгоритмов. В то время как Web3, основанный на распределенных технологиях, может предоставить новые возможности для развития ИИ через совместные сети вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ также может принести множество преимуществ экосистеме Web3, например, оптимизацию смарт-контрактов и усовершенствование механизмов борьбы с мошенничеством. Поэтому исследование совместного развития Web3 и ИИ имеет важное значение для создания инфраструктуры будущего интернета и полного использования ценности данных и вычислительной мощности.
Данные как основа: ИИ и Web3
Данные являются ключом к прогрессу ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать огромное количество качественных данных, чтобы получить глубокие инсайты и мощные способности к рассуждению. Данные не только являются основой для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
Основные проблемы традиционной централизованной модели получения и использования данных ИИ:
Web3 предлагает новую децентрализованную парадигму данных, которая может решить эти проблемы:
Тем не менее, получение данных из реального мира по-прежнему связано с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и др. Синтетические данные могут стать важным направлением в области данных Web3 в будущем. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать характеристики реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелые перспективы применения.
Защита конфиденциальности: применение FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным фокусом внимания. Принятие таких регуляций, как Общий регламент по защите данных (GDPR) Европейского Союза, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности модели ИИ к рассуждению.
Полностью гомоморфное шифрование (FHE) позволяет выполнять вычисления на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами вычислений над открытыми данными. FHE предоставляет надежную защиту для вычислений с конфиденциальностью в AI, позволяя вычислительным мощностям GPU выполнять задачи обучения моделей и вывода без доступа к исходным данным. Это предоставляет AI-компаниям огромные преимущества, так как они могут безопасно открывать API-сервисы, защищая 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 защиту конфиденциальности данных и предоставляет безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, где ZKML подтверждает правильность выполнения машинного обучения, а FHEML сосредоточен на вычислениях с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: Искусственный интеллект в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему доступные ресурсы. Например, для обучения одной известной модели AI требуется огромное количество вычислительной мощности, что эквивалентно 355 годам обучения на одном устройстве. Этот дефицит вычислительной мощности не только сдерживает прогресс технологий AI, но и делает передовые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, в сочетании с замедлением повышения производительности микропроцессоров и нехваткой чипов, вызванной факторами цепочки поставок и геополитики, делает проблему поставок вычислительной мощности еще более серьезной. Специалисты в области ИИ сталкиваются с дилеммой: либо покупать оборудование, либо арендовать облачные ресурсы, и они остро нуждаются в экономически эффективном способе предоставления вычислительных услуг по требованию.
Децентрализованная сеть вычислительных мощностей на базе ИИ агрегирует неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям ИИ экономичный и доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между узлами, предоставляющими вычислительные мощности, узлы выполняют задачи и представляют результаты, которые после проверки получают вознаграждение. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальных децентрализованных вычислительных сетей, существуют специализированные вычислительные платформы, сосредоточенные на обучении и выводе ИИ. Децентрализованные вычислительные сети предоставляют справедливый и прозрачный рынок вычислительных мощностей, разрывают монополию, снижают барьеры для приложений и повышают эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных приложений для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 дает возможность краевому ИИ
Пограничный ИИ позволяет проводить вычисления на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Эта технология уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 более знакомым нам названием является DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN усиливает защиту конфиденциальности пользователей через локальную обработку данных, снижая риски утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов и становится одним из популярных вариантов для развертывания проектов. Высокая производительность, низкие транзакционные издержки и технологические инновации этих публичных блокчейнов предоставляют мощную поддержку проектам DePIN. Рыночная стоимость DePIN-проектов на некоторых публичных блокчейнах уже превысила 10 миллиардов долларов, а некоторые известные проекты достигли значительного прогресса.
IMO: Новый парадигма выпуска AI-моделей
Концепция IMO была впервые предложена некоторым соглашением и предполагает токенизацию моделей ИИ.
В традиционной модели разработчикам AI-моделей сложно получать постоянный доход от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Кроме того, производительность и эффективность AI-моделей часто не имеют прозрачности, что ограничивает их рыночное признание и коммерческий потенциал.
IMO предоставляет новый тип финансовой поддержки и способа распределения ценности для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться последующими доходами от моделей. Некоторые протоколы используют определенные технические стандарты, сочетая on-chain AI оракулы и технологию OPML для обеспечения подлинности AI моделей и распределения доходов среди держателей токенов.
Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. Хотя IMO в настоящее время находится на стадии первоначальных попыток, с ростом приемлемости на рынке и расширением круга участников ее инновационность и потенциальная ценность вызывают ожидания.
AI Агент: новая эра взаимодействия
AI Агент может воспринимать окружающую среду, независимо мыслить и предпринимать соответствующие действия для достижения целей. При поддержке больших языковых моделей AI Агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут служить виртуальными помощниками, обучаясь предпочтениям через взаимодействие с пользователями, предоставляя персонализированные решения. Даже без четких указаний AI Агент может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая платформа для создания приложений на базе AI предлагает полный и удобный набор инструментов для творчества, поддерживает возможность конфигурации функций, внешнего вида и голоса роботов, а также подключения к внешним базам знаний, нацелена на создание справедливой и открытой экосистемы контента на основе AI, используя технологии генеративного AI, позволяя людям становиться супер-творцами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно осуществить всего за 1 минуту. Используя настроенного AI-агента этой платформы, в настоящее время можно применять в различных областях, таких как видеочаты, изучение языков, генерация изображений и т. д.
В области интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованиям инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, хостинг моделей на блокчейне, повышение эффективности использования децентрализованных вычислительных мощностей и валидация больших языковых моделей. С постепенным улучшением этой инфраструктуры интеграция Web3 и ИИ, вероятно, приведет к возникновению ряда инновационных бизнес-моделей и услуг.