Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Web3 как новая парадигма интернета, основанная на децентрализации, открытости и прозрачности, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под жестким контролем, что приводит к множеству проблем, таким как узкие места в вычислительной мощности, утечка конфиденциальной информации и черные ящики алгоритмов. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ с помощью распределенных сетей вычислительной мощности, открытых рынков данных и вычислений с соблюдением конфиденциальности. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, что способствует его экосистемному развитию. Исследование сочетания Web3 и ИИ имеет важное значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: прочный фундамент AI и Web3
Данные являются основной движущей силой развития ИИ, подобно тому, как топливо необходимо для двигателя. Модели ИИ нуждаются в переработке большого объема качественных 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 модели.
Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их нести.
Ресурсы данных монополизируются технологическими гигантами, образуя изолированные данные
Личные данные подвергаются риску утечки и злоупотребления
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Децентрализованный сбор данных: пользователи могут продавать неиспользуемую сеть AI-компаниям, чтобы собирать данные из сети и предоставлять реальные, качественные данные для обучения моделей ИИ.
Децентрализованное аннотирование данных: использование модели "label to earn", с помощью токенов для стимулирования глобальных работников участвовать в аннотировании данных, объединяя профессиональные знания со всего мира.
Платформа торговли данными на блокчейне: предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и обмен данными.
Тем не менее, получение данных из реального мира по-прежнему сталкивается с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и репрезентативность и так далее. Синтетические данные могут стать звездой будущего в области данных Web3. Основанные на генеративных технологиях ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, 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: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным центром внимания, и такие законы, как Общий регламент по защите данных (GDPR) Европейского Союза, отражают 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 рассуждения ИИ-моделей.
FHE, или полное гомоморфное шифрование, позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.
FHE предоставляет надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не затрагивающей исходные данные. Это дает AI-компаниям огромное преимущество, позволяя безопасно открывать API-сервисы, защищая при этом коммерческую тайну.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, где ZKML подтверждает правильность выполнения машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительной мощности, значительно превышающей предложение существующих 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 AI, но и делает продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка графических процессоров составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительной мощности. Специалисты в области ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен способ получения вычислительных услуг по запросу и экономически эффективный.
Некоторая децентрализованная сеть вычислительной мощности на основе ИИ агрегирует неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям ИИ экономичный и доступный рынок вычислительной мощности. Запрашивающие вычислительную мощность могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему нехватки вычислительной мощности в таких областях, как ИИ.
Помимо универсальных децентрализованных вычислительных сетей, существуют специализированные вычислительные сети, сосредоточенные на обучении ИИ и выводе ИИ.
Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог для применения и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3, наделяющий Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — вот в чем заключается привлекательность Edge AI. Он позволяет выполнять вычисления на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме определенной публичной блокчейн-платформы и становится одной из предпочтительных платформ для развертывания проектов. Высокий TPS, низкие транзакционные издержки и технические инновации этой публичной блокчейн-платформы предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейн-платформе превышает 10 миллиардов долларов, и несколько известных проектов добились значительных успехов.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена в рамках некоторого протокола, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрирована в другие продукты и услуги. Оригинальным создателям сложно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность AI-модели часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку её истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставил новую форму финансирования и распределения стоимости для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, которые будут получены от модели в дальнейшем. Некоторые протоколы используют два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходом.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO все еще находится на стадии начальных экспериментов, но с увеличением принятия на рынке и расширением круга участников его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эпоха взаимодействия
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения установленных целей. При поддержке больших языковых моделей AI-агенты не только понимают естественный язык, но и могут планировать решения и выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких указаний AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая нативная платформа AI предоставляет всесторонний и удобный набор инструментов для создания, поддерживает пользователей в настройке функций роботов, внешнего вида, звука, а также в подключении внешних баз знаний и стремится создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, позволяя индивидуумам стать суперсоздателями. Эта платформа обучила специализированную языковую модель, чтобы сделать ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса может быть выполнено всего за 1 минуту. С помощью кастомизированного AI-агента на этой платформе в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и т. д.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С постепенным совершенствованием этой инфраструктуры у нас есть все основания полагать, что слияние Web3 и AI приведет к рождению 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
6
Поделиться
комментарий
0/400
AirdropHarvester
· 07-22 19:17
Вы все говорите о децентрализации, а в итоге деньги все в кармане CZ.
Посмотреть ОригиналОтветить0
LiquidityOracle
· 07-22 15:56
Снова начинают говорить о web3, да? Это значит наложение буферов?
Посмотреть ОригиналОтветить0
BlockchainFries
· 07-22 09:01
Ёлки-палки, до реального воплощения этого еще далеко.
Посмотреть ОригиналОтветить0
MEVHunterBearish
· 07-19 22:56
Как-то похоже на то, что будут играть для лохов.
Посмотреть ОригиналОтветить0
OnlyOnMainnet
· 07-19 22:56
Инструмент превращается в умного человека, это интересно.
Посмотреть ОригиналОтветить0
TrustMeBro
· 07-19 22:32
Звучит довольно престижно, только не знаю, когда это станет реальностью.
Слияние Web3 и ИИ: создание инфраструктуры нового поколения интернета
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Web3 как новая парадигма интернета, основанная на децентрализации, открытости и прозрачности, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под жестким контролем, что приводит к множеству проблем, таким как узкие места в вычислительной мощности, утечка конфиденциальной информации и черные ящики алгоритмов. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ с помощью распределенных сетей вычислительной мощности, открытых рынков данных и вычислений с соблюдением конфиденциальности. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, что способствует его экосистемному развитию. Исследование сочетания Web3 и ИИ имеет важное значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: прочный фундамент AI и Web3
Данные являются основной движущей силой развития ИИ, подобно тому, как топливо необходимо для двигателя. Модели ИИ нуждаются в переработке большого объема качественных 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 модели.
Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, получение данных из реального мира по-прежнему сталкивается с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и репрезентативность и так далее. Синтетические данные могут стать звездой будущего в области данных Web3. Основанные на генеративных технологиях ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, 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: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным центром внимания, и такие законы, как Общий регламент по защите данных (GDPR) Европейского Союза, отражают 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 рассуждения ИИ-моделей.
FHE, или полное гомоморфное шифрование, позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.
FHE предоставляет надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не затрагивающей исходные данные. Это дает AI-компаниям огромное преимущество, позволяя безопасно открывать API-сервисы, защищая при этом коммерческую тайну.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, где ZKML подтверждает правильность выполнения машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительной мощности, значительно превышающей предложение существующих 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 AI, но и делает продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка графических процессоров составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительной мощности. Специалисты в области ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен способ получения вычислительных услуг по запросу и экономически эффективный.
Некоторая децентрализованная сеть вычислительной мощности на основе ИИ агрегирует неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям ИИ экономичный и доступный рынок вычислительной мощности. Запрашивающие вычислительную мощность могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему нехватки вычислительной мощности в таких областях, как ИИ.
Помимо универсальных децентрализованных вычислительных сетей, существуют специализированные вычислительные сети, сосредоточенные на обучении ИИ и выводе ИИ.
Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог для применения и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3, наделяющий Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — вот в чем заключается привлекательность Edge AI. Он позволяет выполнять вычисления на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме определенной публичной блокчейн-платформы и становится одной из предпочтительных платформ для развертывания проектов. Высокий TPS, низкие транзакционные издержки и технические инновации этой публичной блокчейн-платформы предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейн-платформе превышает 10 миллиардов долларов, и несколько известных проектов добились значительных успехов.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена в рамках некоторого протокола, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрирована в другие продукты и услуги. Оригинальным создателям сложно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность AI-модели часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку её истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставил новую форму финансирования и распределения стоимости для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, которые будут получены от модели в дальнейшем. Некоторые протоколы используют два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходом.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO все еще находится на стадии начальных экспериментов, но с увеличением принятия на рынке и расширением круга участников его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эпоха взаимодействия
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения установленных целей. При поддержке больших языковых моделей AI-агенты не только понимают естественный язык, но и могут планировать решения и выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких указаний AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая нативная платформа AI предоставляет всесторонний и удобный набор инструментов для создания, поддерживает пользователей в настройке функций роботов, внешнего вида, звука, а также в подключении внешних баз знаний и стремится создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, позволяя индивидуумам стать суперсоздателями. Эта платформа обучила специализированную языковую модель, чтобы сделать ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса может быть выполнено всего за 1 минуту. С помощью кастомизированного AI-агента на этой платформе в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и т. д.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С постепенным совершенствованием этой инфраструктуры у нас есть все основания полагать, что слияние Web3 и AI приведет к рождению ряда инновационных бизнес-моделей и услуг.