Слияние Web3 и ИИ: создание инфраструктуры следующего поколения для интернета
Web3 как новая децентрализованная, открытая и прозрачная интернет-модель имеет естественные возможности для слияния с искусственным интеллектом. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ находятся под строгим контролем, сталкиваясь со многими вызовами, такими как узкие места в вычислительной мощности, утечка конфиденциальности, черный ящик алгоритмов и т.д. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие методы, как совместная сеть вычислительной мощности, открытые рынки данных, вычисления с учетом конфиденциальности и др. В то же время ИИ также может предоставить Web3 многостороннюю поддержку, такую как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., способствуя его экосистемной строительству. Таким образом, исследование сочетания Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо обрабатывать огромные объемы высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают базу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных AI имеют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их нести
Данные ресурсы монополизируются технологическими гигантами, образуя острова данных
Личная информация подвергается риску утечки и злоупотребления
Web3 может решить эти проблемы с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемую сеть компаниям ИИ, децентрализованно извлекая сетевые данные, которые после очистки и преобразования предоставляют реальные и качественные данные для обучения моделей ИИ.
Использование модели "label to earn", стимулируя глобальных работников участвовать в аннотировании данных через токены, собирая глобальные профессиональные знания и усиливая аналитические возможности данных.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для сторон спроса и предложения данных, стимулируя инновации и обмен данными.
Тем не менее, получение данных из реального мира по-прежнему сопряжено с рядом проблем, таких как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего веб-3 в области данных. Основанные на генеративных технологиях ИИ и моделировании, синтетические данные могут имитировать свойства 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 зрелый потенциал применения.
Защита конфиденциальности: Применение FHE в Web3
В эпоху, движимую данными, защита личной информации стала глобальным центром внимания, а Общий регламент по защите данных Европейского Союза и другие нормативные акты отражают строгую охрану личной жизни. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков, связанных с конфиденциальностью, что ограничивает потенциал и способности к логическому выводу моделей ИИ.
FHE( полная гомоморфная криптография ) позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же операций над открытыми данными.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять задачи по обучению моделей и выводу в среде, не касаясь исходных данных. Это дает огромные преимущества компаниям AI, позволяя 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 конфиденциальность данных и предоставляет безопасную вычислительную среду для AI приложений.
FHEML является дополнением к ZKML: ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая сложность вычислений в системах ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающим существующие запасы вычислительных ресурсов. Например, для обучения модели GPT-3 требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблему поставок вычислительных мощностей. Профессионалы в области ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ предоставления вычислительных услуг по требованию.
Некоторый децентрализованный AI-вычислительный сетевой ресурс, объединяющий неиспользуемые GPU ресурсы по всему миру, предоставляет экономичный и удобный рынок вычислительных мощностей для AI-компаний. Сторона, нуждающаяся в вычислительных мощностях, может размещать вычислительные задачи в сети, смарт-контракт распределяет задачи между майнерами, которые предоставляют вычислительные мощности, майнеры выполняют задачи и отправляют результаты, которые после верификации получают баллы в качестве вознаграждения. Этот подход повышает эффективность использования ресурсов и способствует решению проблемы узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, ориентированные на обучение и вывод AI. Децентрализованная вычислительная сеть предлагает справедливый и прозрачный рынок вычислительной мощности, разрушает монополию, снижает порог входа для приложений и повышает эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованная вычислительная сеть будет играть ключевую роль, привлекая больше инновационных dapp, совместно способствуя развитию и применению технологий AI.
DePIN: Web3 наделяет Edge AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме имеют возможность работать с ИИ — в этом и заключается привлекательность Edge AI. Он позволяет выполнять вычисления на месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN усиливает защиту конфиденциальности пользователей через локальную обработку данных, уменьшая риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность TPS, низкие транзакционные расходы и технические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов США, несколько известных проектов достигли значительных успехов.
IMO: Новый парадигма выпуска модели AI
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует AI-модели.
В традиционной модели, из-за отсутствия механизма распределения доходов, разработчики AI-моделей испытывают трудности с получением устойчивого дохода от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Исходные создатели испытывают трудности с отслеживанием использования и получением дохода. Кроме того, производительность и эффективность AI-моделей зачастую не имеют прозрачности, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, что ограничивает рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новое финансирование и способ распределения ценностей для открытых AI моделей. Инвесторы могут покупать токены IMO и делиться доходами, которые будут генерироваться моделью в дальнейшем. Некоторый протокол использует определенный стандарт ERC, объединяя AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности держателей токенов делиться доходами.
Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальном этапе испытаний, но с увеличением уровня принятия на рынке и расширением масштаба участия ее инновации и потенциальная ценность заслуживают ожидания.
AI Agent: Новый век 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 понимают естественный язык, но и могут планировать решения, выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких указаний AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторые AI-родные платформы предлагают полный и удобный набор инструментов для создания, поддерживают пользователей в настройке функций робота, внешнего вида, голоса и подключения к внешним базам знаний, стремятся создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, позволяя индивидуумам стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно сделать всего за 1 минуту. Используя специализированного AI-агента этой платформы, в настоящее время он может применяться в таких областях, как видеочат, изучение языков, генерация изображений и других.
В настоящее время интеграция Web3 и ИИ сосредоточена на исследовании инфраструктурного уровня, включая такие ключевые вопросы, как получение качественных данных, защита конфиденциальности данных, размещение моделей в цепочке, эффективное использование децентрализованных вычислительных мощностей, а также верификация больших языковых моделей. С постепенным совершенствованием 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» .
11 Лайков
Награда
11
5
Поделиться
комментарий
0/400
RugpullTherapist
· 07-31 15:28
Бык, бык, следующий бычий рынок будет зависеть от web3 + AI.
Посмотреть ОригиналОтветить0
GasFeeNightmare
· 07-31 14:14
Еще лучше сначала снизить Газ.
Посмотреть ОригиналОтветить0
EthMaximalist
· 07-31 14:05
Эта революция в инфраструктуре уже близко~
Посмотреть ОригиналОтветить0
BuyHighSellLow
· 07-31 14:01
Ничего не понимаю, но ощущаю себя очень удивительным
Посмотреть ОригиналОтветить0
RektButStillHere
· 07-31 13:48
Каждый день говорят о веб3 и интеграции ИИ, но за несколько лет не было никаких ценных идей.
Слияние Web3 и ИИ: строительство инфраструктуры следующего поколения интернета
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения для интернета
Web3 как новая децентрализованная, открытая и прозрачная интернет-модель имеет естественные возможности для слияния с искусственным интеллектом. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ находятся под строгим контролем, сталкиваясь со многими вызовами, такими как узкие места в вычислительной мощности, утечка конфиденциальности, черный ящик алгоритмов и т.д. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие методы, как совместная сеть вычислительной мощности, открытые рынки данных, вычисления с учетом конфиденциальности и др. В то же время ИИ также может предоставить Web3 многостороннюю поддержку, такую как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., способствуя его экосистемной строительству. Таким образом, исследование сочетания Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо обрабатывать огромные объемы высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают базу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных AI имеют следующие основные проблемы:
Web3 может решить эти проблемы с помощью новой децентрализованной парадигмы данных:
Тем не менее, получение данных из реального мира по-прежнему сопряжено с рядом проблем, таких как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего веб-3 в области данных. Основанные на генеративных технологиях ИИ и моделировании, синтетические данные могут имитировать свойства 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 зрелый потенциал применения.
Защита конфиденциальности: Применение FHE в Web3
В эпоху, движимую данными, защита личной информации стала глобальным центром внимания, а Общий регламент по защите данных Европейского Союза и другие нормативные акты отражают строгую охрану личной жизни. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков, связанных с конфиденциальностью, что ограничивает потенциал и способности к логическому выводу моделей ИИ.
FHE( полная гомоморфная криптография ) позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же операций над открытыми данными.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять задачи по обучению моделей и выводу в среде, не касаясь исходных данных. Это дает огромные преимущества компаниям AI, позволяя 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 конфиденциальность данных и предоставляет безопасную вычислительную среду для AI приложений.
FHEML является дополнением к ZKML: ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая сложность вычислений в системах ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающим существующие запасы вычислительных ресурсов. Например, для обучения модели GPT-3 требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблему поставок вычислительных мощностей. Профессионалы в области ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ предоставления вычислительных услуг по требованию.
Некоторый децентрализованный AI-вычислительный сетевой ресурс, объединяющий неиспользуемые GPU ресурсы по всему миру, предоставляет экономичный и удобный рынок вычислительных мощностей для AI-компаний. Сторона, нуждающаяся в вычислительных мощностях, может размещать вычислительные задачи в сети, смарт-контракт распределяет задачи между майнерами, которые предоставляют вычислительные мощности, майнеры выполняют задачи и отправляют результаты, которые после верификации получают баллы в качестве вознаграждения. Этот подход повышает эффективность использования ресурсов и способствует решению проблемы узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, ориентированные на обучение и вывод AI. Децентрализованная вычислительная сеть предлагает справедливый и прозрачный рынок вычислительной мощности, разрушает монополию, снижает порог входа для приложений и повышает эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованная вычислительная сеть будет играть ключевую роль, привлекая больше инновационных dapp, совместно способствуя развитию и применению технологий AI.
DePIN: Web3 наделяет Edge AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме имеют возможность работать с ИИ — в этом и заключается привлекательность Edge AI. Он позволяет выполнять вычисления на месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN усиливает защиту конфиденциальности пользователей через локальную обработку данных, уменьшая риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность TPS, низкие транзакционные расходы и технические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов США, несколько известных проектов достигли значительных успехов.
IMO: Новый парадигма выпуска модели AI
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует AI-модели.
В традиционной модели, из-за отсутствия механизма распределения доходов, разработчики AI-моделей испытывают трудности с получением устойчивого дохода от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Исходные создатели испытывают трудности с отслеживанием использования и получением дохода. Кроме того, производительность и эффективность AI-моделей зачастую не имеют прозрачности, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, что ограничивает рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новое финансирование и способ распределения ценностей для открытых AI моделей. Инвесторы могут покупать токены IMO и делиться доходами, которые будут генерироваться моделью в дальнейшем. Некоторый протокол использует определенный стандарт ERC, объединяя AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности держателей токенов делиться доходами.
Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальном этапе испытаний, но с увеличением уровня принятия на рынке и расширением масштаба участия ее инновации и потенциальная ценность заслуживают ожидания.
AI Agent: Новый век 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 понимают естественный язык, но и могут планировать решения, выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких указаний AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторые AI-родные платформы предлагают полный и удобный набор инструментов для создания, поддерживают пользователей в настройке функций робота, внешнего вида, голоса и подключения к внешним базам знаний, стремятся создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, позволяя индивидуумам стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно сделать всего за 1 минуту. Используя специализированного AI-агента этой платформы, в настоящее время он может применяться в таких областях, как видеочат, изучение языков, генерация изображений и других.
В настоящее время интеграция Web3 и ИИ сосредоточена на исследовании инфраструктурного уровня, включая такие ключевые вопросы, как получение качественных данных, защита конфиденциальности данных, размещение моделей в цепочке, эффективное использование децентрализованных вычислительных мощностей, а также верификация больших языковых моделей. С постепенным совершенствованием этой инфраструктуры интеграция Web3 и ИИ, вероятно, приведет к возникновению ряда инновационных бизнес-моделей и услуг.