Слияние Web3 и ИИ: создание инфраструктуры нового поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с ИИ. ИИ в традиционной централизованной архитектуре сталкивается с такими вызовами, как пределы вычислительной мощности, утечка личной информации, непрозрачность алгоритмов, в то время как Web3, основанный на распределенных технологиях, может дать новый импульс ИИ через совместные вычислительные сети, открытые рынки данных, вычисления с соблюдением конфиденциальности и другие методы. В то же время ИИ может предоставить множество возможностей для Web3, такие как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству. Исследование комбинации этих двух технологий имеет важное значение для создания инфраструктуры следующего поколения интернета, а также для раскрытия ценности данных и вычислительных мощностей.
Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению; данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных AI имеют несколько основных проблем:
Высокие затраты на получение данных, малым и средним предприятиям трудно их понести
Данные ресурсы монополизируются крупными технологическими компаниями, формируя острова данных
Личная информация подвержена рискам утечки и злоупотребления.
Децентрализованная парадигма данных Web3 может решить эти проблемы:
Пользователи могут продавать неиспользуемые сетевые ресурсы AI-компаниям, децентрализованно собирая сетевые данные, которые после очистки и преобразования предоставляют реальные и качественные данные для обучения AI-моделей.
Используя модель "label to earn", путем токенов поощряются работники по всему миру для участия в аннотировании данных, собирая глобальные профессиональные знания и усиливая способности анализа данных.
Блокчейн-платформа для торговли данными 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 также связано с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т. д. Синтетические данные могут стать звездой будущего сектора данных Web3. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением для повышения эффективности использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Применение FHE в Web3
В эпоху, движимую данными, защита конфиденциальности стала глобальным центром внимания, и некоторые законы отражают строгую защиту личной конфиденциальности. Однако это также создает вызовы: часть чувствительных данных не может быть в полной мере использована из-за рисков конфиденциальности, что ограничивает потенциал и способности к рассуждению ИИ моделей.
FHE, или полностью гомоморфное шифрование, позволяет выполнять вычисления непосредственно над зашифрованными данными без необходимости расшифровки данных, при этом результаты вычислений совпадают с результатами тех же вычислений над открытыми данными.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода модели в среде, не касаясь исходных данных. Это предоставляет огромные преимущества для компаний AI, которые могут безопасно открывать API-сервисы, защищая коммерческие тайны.
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 приложений ИИ.
FHEML является дополнением к ZKML, где ZKML доказывает правильное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему существующее предложение вычислительных ресурсов. Например, для обучения одной известной модели AI 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 модели AI недоступными для большинства исследователей и разработчиков.
В то же время мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблему поставок вычислительной мощности. Специалисты по ИИ оказались в двойственном положении: им нужно либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно нужен способ получения вычислительных услуг по мере необходимости и экономически эффективный.
Некоторые децентрализованные сети вычислительных мощностей на основе ИИ агрегируют неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям ИИ экономически выгодный и удобный рынок вычислительных мощностей. Пользователи, нуждающиеся в вычислительных мощностях, могут публиковать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнинговыми узлами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, которые проверяются, после чего они получают вознаграждение. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Кроме универсальной децентрализованной сети вычислительных мощностей, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные сети вычислительных мощностей для вывода ИИ.
Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушает монополию, снижает барьеры для входа в приложения и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3-усиление Edge AI
Представьте, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью выполнять AI — вот в чем魅力 Edge AI. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, при этом 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 улучшить защиту конфиденциальности пользователей и снизить риск утечки данных; изначальная 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. Высокий TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, а некоторые известные проекты уже добились значительного прогресса.
IMO: Новая парадигма публикации AI моделей
Концепция IMO была впервые предложена в рамках определенного протокола для токенизации AI-моделей.
В традиционной модели из-за отсутствия механизма распределения доходов разработчикам AI-моделей часто трудно получать постоянный доход от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Первоначальным создателям трудно отслеживать использование, не говоря уже о получении прибыли. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной стоимости, ограничивая 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, полученными от модели в будущем. Некоторый протокол использует два стандарта ERC, комбинируя AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности держателей токенов делиться доходами.
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 находится на начальной стадии испытаний, но с увеличением принятия на рынке и расширением участия его инновационность и потенциальная ценность вызывают ожидание.
AI Agent: Новая эра интерактивного опыта
AI-агенты способны воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой крупных языковых моделей AI-агенты не только могут понимать естественный язык, но и 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, повышать эффективность и создавать новую ценность.
Некоторая платформа для нативных AI-приложений предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций роботов, внешнего вида, голоса, а также в подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, наделяя индивидуумов возможностями стать суперкреативщиками. 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 занимает всего 1 минуту. С помощью этого платформенного AI-агента в настоящее время можно применять в таких областях, как видеозвонки, изучение языков, генерация изображений и других.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, управление моделями на блокчейне, эффективное использование децентрализованных вычислительных мощностей, а также проверка больших языковых моделей и т.д. По мере постепенного совершенствования этой инфраструктуры у нас есть основания полагать, что融合 Web3 и AI приведет к появлению 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» .
15 Лайков
Награда
15
6
Репост
Поделиться
комментарий
0/400
quietly_staking
· 6ч назад
Сколько бы ни говорили, это все равно не сравнится с внедрением ИИ.
Посмотреть ОригиналОтветить0
JustHereForAirdrops
· 6ч назад
Эта концепция такая глубокая, я ускользну.
Посмотреть ОригиналОтветить0
TxFailed
· 6ч назад
классическая ошибка... думать, что web3 + ai = магия. научился на собственном опыте, что протоколам все еще нужна правильная инфраструктура
Посмотреть ОригиналОтветить0
GasFeeCrier
· 6ч назад
Действительно бесплатно и можно присоединиться
Посмотреть ОригиналОтветить0
GasFeeCry
· 6ч назад
Вот это да, бык! Данные никто не контролирует.
Посмотреть ОригиналОтветить0
BakedCatFanboy
· 7ч назад
Неужели вы даже не разобрались с рынком вычислительной мощности?
Web3 и AI слияние: создание децентрализованной экосистемы данных и вычислительной мощности
Слияние Web3 и ИИ: создание инфраструктуры нового поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с ИИ. ИИ в традиционной централизованной архитектуре сталкивается с такими вызовами, как пределы вычислительной мощности, утечка личной информации, непрозрачность алгоритмов, в то время как Web3, основанный на распределенных технологиях, может дать новый импульс ИИ через совместные вычислительные сети, открытые рынки данных, вычисления с соблюдением конфиденциальности и другие методы. В то же время ИИ может предоставить множество возможностей для Web3, такие как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству. Исследование комбинации этих двух технологий имеет важное значение для создания инфраструктуры следующего поколения интернета, а также для раскрытия ценности данных и вычислительных мощностей.
! Узнайте о шести основных интеграциях искусственного интеллекта и Web3
Данные как основа: ИИ и Web3
Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению; данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных AI имеют несколько основных проблем:
Децентрализованная парадигма данных Web3 может решить эти проблемы:
Тем не менее, получение данных из реального мира также связано с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т. д. Синтетические данные могут стать звездой будущего сектора данных Web3. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением для повышения эффективности использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Применение FHE в Web3
В эпоху, движимую данными, защита конфиденциальности стала глобальным центром внимания, и некоторые законы отражают строгую защиту личной конфиденциальности. Однако это также создает вызовы: часть чувствительных данных не может быть в полной мере использована из-за рисков конфиденциальности, что ограничивает потенциал и способности к рассуждению ИИ моделей.
FHE, или полностью гомоморфное шифрование, позволяет выполнять вычисления непосредственно над зашифрованными данными без необходимости расшифровки данных, при этом результаты вычислений совпадают с результатами тех же вычислений над открытыми данными.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода модели в среде, не касаясь исходных данных. Это предоставляет огромные преимущества для компаний AI, которые могут безопасно открывать API-сервисы, защищая коммерческие тайны.
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 приложений ИИ.
FHEML является дополнением к ZKML, где ZKML доказывает правильное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему существующее предложение вычислительных ресурсов. Например, для обучения одной известной модели AI 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 модели AI недоступными для большинства исследователей и разработчиков.
В то же время мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблему поставок вычислительной мощности. Специалисты по ИИ оказались в двойственном положении: им нужно либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно нужен способ получения вычислительных услуг по мере необходимости и экономически эффективный.
Некоторые децентрализованные сети вычислительных мощностей на основе ИИ агрегируют неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям ИИ экономически выгодный и удобный рынок вычислительных мощностей. Пользователи, нуждающиеся в вычислительных мощностях, могут публиковать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнинговыми узлами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, которые проверяются, после чего они получают вознаграждение. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Кроме универсальной децентрализованной сети вычислительных мощностей, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные сети вычислительных мощностей для вывода ИИ.
Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушает монополию, снижает барьеры для входа в приложения и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3-усиление Edge AI
Представьте, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью выполнять AI — вот в чем魅力 Edge AI. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, при этом 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 улучшить защиту конфиденциальности пользователей и снизить риск утечки данных; изначальная 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. Высокий TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, а некоторые известные проекты уже добились значительного прогресса.
IMO: Новая парадигма публикации AI моделей
Концепция IMO была впервые предложена в рамках определенного протокола для токенизации AI-моделей.
В традиционной модели из-за отсутствия механизма распределения доходов разработчикам AI-моделей часто трудно получать постоянный доход от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Первоначальным создателям трудно отслеживать использование, не говоря уже о получении прибыли. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной стоимости, ограничивая 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, полученными от модели в будущем. Некоторый протокол использует два стандарта ERC, комбинируя AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности держателей токенов делиться доходами.
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 находится на начальной стадии испытаний, но с увеличением принятия на рынке и расширением участия его инновационность и потенциальная ценность вызывают ожидание.
AI Agent: Новая эра интерактивного опыта
AI-агенты способны воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой крупных языковых моделей AI-агенты не только могут понимать естественный язык, но и 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, повышать эффективность и создавать новую ценность.
Некоторая платформа для нативных AI-приложений предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций роботов, внешнего вида, голоса, а также в подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, наделяя индивидуумов возможностями стать суперкреативщиками. 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 занимает всего 1 минуту. С помощью этого платформенного AI-агента в настоящее время можно применять в таких областях, как видеозвонки, изучение языков, генерация изображений и других.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, управление моделями на блокчейне, эффективное использование децентрализованных вычислительных мощностей, а также проверка больших языковых моделей и т.д. По мере постепенного совершенствования этой инфраструктуры у нас есть основания полагать, что融合 Web3 и AI приведет к появлению ряда инновационных бизнес-моделей и услуг.