Об'єднання AI та Web3: актуальний стан, виклики та перспективи

Останніми роками швидкий розвиток штучного інтелекту (AI) та технології Web3 привернув широку увагу в усьому світі. Штучний інтелект досяг значних проривів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що принесло величезні зміни в різні галузі. Web3, що базується на блокчейні, за допомогою смарт-контрактів, розподіленого зберігання та інших технологій, змінює наше сприйняття і використання Інтернету.

Ця стаття досліджує сучасний стан інтеграції AI та Web3, виклики, з якими вони стикаються, а також перспективи розвитку в майбутньому.

Один, стан розвитку AI+Web3

1.1 Web3 підтримує AI

1.1.1 Децентралізована обчислювальна мережа

З розвитком штучного інтелекту та швидким зростанням попиту на ресурси обчислювальної потужності, такі як GPU, виникає їх дефіцит. Деякі Web3 проекти починають намагатися створити децентралізовану мережу обчислювальної потужності через стимулювання токенами, такі як Akash, Render, Gensyn тощо. Ці проекти заохочують глобальних користувачів вносити свій непотрібний GPU-потужність, щоб забезпечити підтримку обчислювальної потужності для штучного інтелекту.

Але наразі децентралізовані обчислювальні потужності в основному використовуються для AI-інференції, і важко задовольнити потреби в навчанні великих моделей. Основна причина полягає в тому, що:

1. Велике моделювання вимагає величезної кількості даних і пропускної здатності, а також високих вимог до стабільності обчислювальної потужності.

2. NVIDIA займає перевагу завдяки екосистемі CUDA та багатокартковій комунікації NVLink, децентралізовані обчислення важко реалізувати з ефективним паралелізмом багатокартки.

3. NVLink обмежує фізичну відстань між відеокартами, розподілена обчислювальна потужність важко формує кластер.

Отже, наразі децентралізовані обчислювальні потужності в основному використовуються для потреб обчислювальної потужності, таких як AI-інференція, рендеринг тощо, де вимоги до потужності відносно низькі. Але для навчання малих і середніх моделей у певних вертикальних сферах все ще є певний потенціал.

1.1.2 Децентралізована алгоритмічна модель мережі

Деякі проекти намагаються створити децентралізований ринок послуг алгоритмів штучного інтелекту, такі як Bittensor. Ці платформи з'єднують кілька моделей ШІ, вибираючи найвідповіднішу модель для надання послуг відповідно до потреб користувача.

На відміну від єдиного великого моделі, цей підхід є більш гнучким і сприяє формуванню різноманітної екосистеми ШІ. Проте наразі він все ще на ранній стадії і потребує подальшої перевірки.

1.1.3 Децентралізований збір даних

Дані є одним із ключових елементів розвитку ШІ. Деякі Web3 проекти заохочують користувачів вносити дані для навчання ШІ через токенізацію, такі як PublicAI. Це забезпечує більш широкий доступ до джерел даних для навчання ШІ.

1.1.4 Нульові докази захисту конфіденційності

Технологія нульових знань може забезпечити верифікацію інформації при захисті конфіденційності даних, пропонуючи нові підходи до поєднання ШІ та захисту конфіденційності. Наприклад, проекти, такі як BasedAI, досліджують комбінацію нульових знань і ШІ.

1.2 Штучний інтелект підтримує Web3

1.2.1 Аналіз даних та прогнозування

Багато проектів Web3 почали інтегрувати AI-сервіси, щоб надавати користувачам аналіз даних і прогнози. Наприклад, Pond за допомогою AI-алгоритмів прогнозує цінні токени, а BullBear AI прогнозує цінові тенденції тощо.

1.2.2 Персоналізовані послуги

ШІ може надати користувачам Web3 кращий персоналізований досвід. Як інструмент Wand від Dune використовує великі мовні моделі для написання SQL-запитів, так і NFPrompt дозволяє користувачам легше генерувати NFT тощо.

1.2.3 Аудит смарт-контрактів

Штучний інтелект може більш ефективно виявляти вразливості в смарт-контрактах. Наприклад, 0x0.ai пропонує послуги аудиту смарт-контрактів на основі штучного інтелекту, що допомагає підвищити безпеку проектів Web3.

Два, виклики, з якими стикаються AI+Web3

2.1 Обмеження децентралізованої обчислювальної потужності

Децентралізовані мережі обчислювальної потужності наразі стикаються з такими викликами:

1. Продуктивність та стабільність не такі, як у централізованих сервісів.
2. Відповідність попиту та пропозиції має невизначеність.
3. має високий поріг входження, висуваючи високі вимоги до користувачів.
4. Важко задовольнити потреби в навчанні великих моделей.

2.2 Поєднання недостатньо глибоке

В даний час багато проектів AI + Web3 лише поверхнево поєднуються, не використовуючи свої переваги.

1. Багато застосунків не відрізняються за сутністю від проектів Web2.
2. деякі проекти використовують концепцію AI лише на маркетинговому рівні, фактичних інновацій недостатньо.

2.3 Модель токенів потребує вдосконалення

Деякі проекти надто покладаються на токенну наративу, а не на вирішення реальних потреб. Як розробити адекватну токеноміку, яка справді сприятиме інтеграції AI та Web3, ще потрібно дослідити.

Три, перспектива майбутнього

Хоча в даний час існує багато викликів у інтеграції AI+Web3, ця сфера все ще сповнена потенціалу:

1. Штучний інтелект може забезпечити більш розумні сценарії застосування для Web3, такі як оптимізація смарт-контрактів, покращення користувацького досвіду тощо.

2. Децентралізовані характеристики Web3 можуть надати нові можливості для розвитку ШІ, такі як децентралізовані дані та обчислювальні ресурси.

3. Поєднання обох аспектів має потенціал для створення більш розумної, відкритої та справедливої економічної та соціальної системи.

У майбутньому ми можемо очікувати:

1. Більше оригінальних інтеграцій AI і Web3 з'являється.
2. з'явилися проривні рішення в таких сферах, як фінанси, DAO, ринках прогнозування, NFT тощо.
3. Оптимізація токеноміки, що дійсно реалізує синергію 1+1>2.

Глибока інтеграція штучного інтелекту та Web3 все ще перебуває на ранній стадії, але вже демонструє великий потенціал. З розвитком технологій та більшою кількістю досліджень віриться, що ця сфера принесе безмежні можливості для технологічних інновацій та економічного розвитку.