Інтеграція AI та Web3: можливості та виклики

В останні роки швидкий розвиток штучного інтелекту (AI) та технологій Web3 привернув увагу в усьому світі. Штучний інтелект досяг значних успіхів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що призвело до змін та інновацій у різних галузях. Водночас Web3 як нова модель мережі змінює наше сприйняття та використання Інтернету. У цій статті буде досліджено поточний стан розвитку поєднання AI та Web3, його потенційну цінність та виклики, з якими стикається.

Один. Стан розвитку AI та Web3

Ринок штучного інтелекту в 2023 році досягне обсягу в 200 мільярдів доларів США, з'явившись на світ таких гігантів, як OpenAI, Character.AI, Midjourney. Вартість індустрії Web3 досягла 25 трильйонів, проекти Bitcoin, Ethereum, Solana постійно з'являються. Поєднання штучного інтелекту та Web3 стало гарячою темою, яка викликає інтерес на Сході та Заході.

Два, способи взаємодії AI з Web3

2.1 Виклики, з якими стикається індустрія штучного інтелекту

Основні елементи ШІ включають обчислювальну потужність, алгоритми та дані.

1. Щодо обчислювальної потужності: отримання та управління великою обчислювальною потужністю є дорогим і складним, що становить виклик для стартапів і індивідуальних розробників.

2. Алгоритмична сторона: глибоке навчання потребує великої кількості даних та обчислювальних ресурсів, що все ще викликає проблеми з інтерпретацією моделей та їхньою здатністю до узагальнення.

3. Дані: отримання якісних та різноманітних даних є складним завданням, а також викликами є якість даних та захист конфіденційності.

Крім того, питання пояснюваності та прозорості AI-моделей, а також неясність бізнес-моделей також потребують термінового вирішення.

2.2 Виклики, з якими стикається індустрія Web3

Web3 має простір для покращення в таких аспектах, як аналіз даних, досвід користувачів, безпека смарт-контрактів. Штучний інтелект, як інструмент підвищення продуктивності, має потенційні перспективи застосування в цих областях.

Три. Аналіз стану проектів AI+Web3

3.1 Web3 допомагає AI

3.1.1 Децентралізована обчислювальна потужність

Зі зростанням попиту на ШІ, виникає дефіцит GPU. Деякі Web3 проекти намагаються запропонувати децентралізовані обчислювальні послуги, такі як Akash, Render, Gensyn тощо. Ці проекти заохочують користувачів надавати невикористані обчислювальні потужності GPU за допомогою токенів, щоб забезпечити підтримку потужностей для клієнтів ШІ.

Сторона пропозиції в основному включає в себе постачальників хмарних послуг, майнерів криптовалют і великі підприємства. Проекти поділяються на дві категорії: для AI-інференції та AI-тренування.

3.1.2 Децентралізована алгоритмічна модель

Деякі проекти, такі як Bittensor, намагаються створити децентралізований ринок сервісів AI-алгоритмів, з'єднуючи різні AI-моделі, щоб надати користувачам більш різноманітний вибір.

3.1.3 Децентралізоване збирання даних

Проекти, такі як PublicAI, реалізують децентралізований збір даних за допомогою токенних стимулів, надаючи підтримку даними для навчання штучного інтелекту.

3.1.4 ZK захист користувацької конфіденційності в AI

Проекти, такі як BasedAI, використовують технологію нульових доказів для захисту конфіденційності користувачів у AI-додатках.

3.2 AI допомагає Web3

3.2.1 Аналіз даних та прогнозування

Багато Web3 проектів інтегрують AI послуги для надання аналізу даних та прогнозів, такі як Pond, BullBear AI тощо.

3.2.2 Персоналізовані послуги

Платформи, такі як Dune та Followin, інтегрують ШІ для надання персоналізованих рекомендацій контенту та пошукових послуг.

3.2.3 AI аудит смарт-контрактів

Проекти, такі як 0x0.ai, використовують технології ШІ для аудиту коду смарт-контрактів, підвищуючи безпеку.

Чотири. Обмеження та виклики проектів AI + Web3

4.1 Реальні перешкоди, з якими стикається децентралізоване обчислення

Децентралізовані обчислення мають недоліки в продуктивності, стабільності, доступності та складності. Наразі вони в основному обмежені AI-інференцією, а не навчанням, причини цього такі:

1. Навчання штучного інтелекту потребує величезних обсягів даних та пропускної здатності, що ускладнює його реалізацію.
2. Великі моделі навчання вимагають високої стабільності, витрати на переривання є високими.
3. Обмеження фізичної відстані у багатокартковій паралельній обробці ускладнює формування розподіленого кластеру.

4.2 AI+Web3 поєднання є досить грубим

Багато проектів лише поверхнево використовують ШІ, не реалізуючи глибоку інтеграцію з криптовалютою. Деякі команди використовують концепцію ШІ лише на маркетинговому рівні, недостатньо інноваційні.

4.3 Токеноміка стала буфером для наративу AI проектів

Деякі проекти намагаються вирішити фінансові труднощі, поєднуючи наратив Web3 та токеноміку. Але чи дійсно токеноміка допомагає AI-проектам вирішувати реальні потреби, ще належить спостерігати.

П'ять. Підсумок

Злиття AI і Web3 відкриває нові можливості для технологічних інновацій та економічного розвитку. AI може забезпечити інтелектуальні сценарії застосування для Web3, тоді як Web3 пропонує нові можливості для розвитку AI. Незважаючи на те, що на даний момент ми все ще на ранній стадії та стикаємося з багатьма викликами, поєднуючи інтелектуальний аналіз AI з децентралізованими характеристиками Web3, у майбутньому ми можемо побудувати більш розумну, відкриту та справедливу економічну соціальну систему.