Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
В качестве новой парадигмы интернета, децентрализованной, открытой и прозрачной, Web3 имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем и сталкиваются с множеством вызовов, такими как узкие места в вычислительной мощности, утечка конфиденциальности и черный ящик алгоритмов. В то же время Web3, основанный на распределенных технологиях, привносит новые силы в развитие ИИ через сети совместного использования вычислительных мощностей, открытые рынки данных и вычисления с соблюдением конфиденциальности. Кроме того, ИИ может предоставить множество возможностей для Web3, например, оптимизацию смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., что способствует строительству его экосистемы. Исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные являются основным двигателем развития ИИ, как топливо для двигателя. Модели ИИ требуют обработки большого объёма качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надёжность модели.
Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их понести
Данные ресурсы монополизируются технологическими гигантами, образуя острова данных
Личная информация подвержена рискам утечки и злоупотребления
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемую сеть AI-компаниям для децентрализованного сбора сетевых данных, предоставляя реальные и качественные данные для обучения AI-моделей.
Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных с помощью токенов, объединяя глобальные профессиональные знания и усиливая аналитические способности данных.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и совместное использование данных.
Однако в получении данных из реального мира также существуют некоторые проблемы, такие как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе генеративных AI-технологий и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным 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: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным центром внимания. Принятие таких нормативных актов, как Общий регламент по защите данных (GDPR) Европейского Союза, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделей ИИ.
FHE, или полное гомоморфное шифрование, позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, причем результат вычислений совпадает с результатом тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя GPU мощности выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI, позволяя безопасно открывать API-сервисы при защите коммерческой тайны.
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 защиту данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML доказывает правильность выполнения 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 вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему существующее предложение вычислительных ресурсов. Например, для обучения одной крупной модели AI требуется колоссальная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных ресурсов не только ограничивает прогресс в области AI-технологий, но и делает передовые 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 факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительной мощности. Специалисты по ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ вычислительных услуг по требованию.
Некоторая децентрализованная сеть вычислительной мощности AI, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет AI-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительных ресурсах, могут публиковать задачи для вычислений в сети, смарт-контракт распределяет задачи между майнерами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, после проверки получают бонусные баллы. Это решение повышает эффективность использования ресурсов и помогает решить проблемы с вычислительной мощностью в таких областях, как AI.
Помимо универсальной децентрализованной сети вычислительных мощностей, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная сеть вычислительной мощности предлагает справедливый и прозрачный рынок вычислительной мощности, разрушает монополии, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения разработки и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже устройства умного дома обладают способностью запускать ИИ — вот в чем魅力 Edge AI. Он позволяет вычислениям происходить 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 название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных; родная экономическая модель токенов Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей, став одной из предпочитаемых платформ для развертывания проектов. Высокая 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, и несколько известных проектов достигли значительных успехов.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчикам зачастую сложно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется 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 ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и совместного использования ценности для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторый протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности участия держателей токенов в получении доходов.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальном этапе, но с увеличением степени принятия на рынке и расширением сферы участия его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Agent: Новый век интерактивного опыта
AI-агент способен воспринимать окружающую среду, проводить независимое мышление и принимать соответствующие меры для достижения поставленных целей. С поддержкой больших языковых моделей AI-агент не только может понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут служить виртуальными помощниками, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без явных указаний AI-агент может самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторый AI-родной платформы приложений предлагает полный и удобный набор инструментов для создания, поддерживает настройку функций робота, внешнего вида, голоса, а также подключение внешних баз знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, чтобы наделить индивидуумов возможностями стать супер-креативщиками. Эта платформа обучила специализированную языковую модель, чтобы сделать ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив затраты на синтез речи на 99%, клонирование голоса можно осуществить всего за 1 минуту. С помощью настроенного AI-агента на этой платформе в настоящее время можно применять в видеочатах, изучении языков, генерации изображений и других областях.
В интеграции Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, такие как получение качественных данных, защита конфиденциальности данных, как размещать модели на блокчейне, как повысить эффективность использования децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С учетом постепенного совершенствования этих инфраструктур мы имеем основания полагать, что интеграция Web3 и ИИ 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» .
Слияние Web3 и ИИ: пять ключевых технологий для построения инфраструктуры следующего поколения интернета
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
В качестве новой парадигмы интернета, децентрализованной, открытой и прозрачной, Web3 имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем и сталкиваются с множеством вызовов, такими как узкие места в вычислительной мощности, утечка конфиденциальности и черный ящик алгоритмов. В то же время Web3, основанный на распределенных технологиях, привносит новые силы в развитие ИИ через сети совместного использования вычислительных мощностей, открытые рынки данных и вычисления с соблюдением конфиденциальности. Кроме того, ИИ может предоставить множество возможностей для Web3, например, оптимизацию смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., что способствует строительству его экосистемы. Исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
! Узнайте о шести основных интеграциях искусственного интеллекта и Web3
Данные как основа: надежная основа AI и Web3
Данные являются основным двигателем развития ИИ, как топливо для двигателя. Модели ИИ требуют обработки большого объёма качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надёжность 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:
Однако в получении данных из реального мира также существуют некоторые проблемы, такие как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе генеративных AI-технологий и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным 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: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным центром внимания. Принятие таких нормативных актов, как Общий регламент по защите данных (GDPR) Европейского Союза, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделей ИИ.
FHE, или полное гомоморфное шифрование, позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, причем результат вычислений совпадает с результатом тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя GPU мощности выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI, позволяя безопасно открывать API-сервисы при защите коммерческой тайны.
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 защиту данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML доказывает правильность выполнения 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 вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему существующее предложение вычислительных ресурсов. Например, для обучения одной крупной модели AI требуется колоссальная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных ресурсов не только ограничивает прогресс в области AI-технологий, но и делает передовые 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 факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительной мощности. Специалисты по ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ вычислительных услуг по требованию.
Некоторая децентрализованная сеть вычислительной мощности AI, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет AI-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительных ресурсах, могут публиковать задачи для вычислений в сети, смарт-контракт распределяет задачи между майнерами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, после проверки получают бонусные баллы. Это решение повышает эффективность использования ресурсов и помогает решить проблемы с вычислительной мощностью в таких областях, как AI.
Помимо универсальной децентрализованной сети вычислительных мощностей, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная сеть вычислительной мощности предлагает справедливый и прозрачный рынок вычислительной мощности, разрушает монополии, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения разработки и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже устройства умного дома обладают способностью запускать ИИ — вот в чем魅力 Edge AI. Он позволяет вычислениям происходить 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 название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных; родная экономическая модель токенов Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей, став одной из предпочитаемых платформ для развертывания проектов. Высокая 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, и несколько известных проектов достигли значительных успехов.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчикам зачастую сложно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется 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 ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и совместного использования ценности для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторый протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности участия держателей токенов в получении доходов.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальном этапе, но с увеличением степени принятия на рынке и расширением сферы участия его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Agent: Новый век интерактивного опыта
AI-агент способен воспринимать окружающую среду, проводить независимое мышление и принимать соответствующие меры для достижения поставленных целей. С поддержкой больших языковых моделей AI-агент не только может понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут служить виртуальными помощниками, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без явных указаний AI-агент может самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторый AI-родной платформы приложений предлагает полный и удобный набор инструментов для создания, поддерживает настройку функций робота, внешнего вида, голоса, а также подключение внешних баз знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, чтобы наделить индивидуумов возможностями стать супер-креативщиками. Эта платформа обучила специализированную языковую модель, чтобы сделать ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив затраты на синтез речи на 99%, клонирование голоса можно осуществить всего за 1 минуту. С помощью настроенного AI-агента на этой платформе в настоящее время можно применять в видеочатах, изучении языков, генерации изображений и других областях.
В интеграции Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, такие как получение качественных данных, защита конфиденциальности данных, как размещать модели на блокчейне, как повысить эффективность использования децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С учетом постепенного совершенствования этих инфраструктур мы имеем основания полагать, что интеграция Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.