ในฐานะที่เป็นกระบวนทัศน์ใหม่ของอินเทอร์เน็ตแบบกระจายอํานาจเปิดกว้างและโปร่งใส Web3 มีการทํางานร่วมกันตามธรรมชาติกับปัญญาประดิษฐ์ ภายใต้สถาปัตยกรรมแบบรวมศูนย์แบบดั้งเดิมการประมวลผล AI และทรัพยากรข้อมูลได้รับการควบคุมอย่างเข้มงวดเผชิญกับความท้าทายมากมายเช่นคอขวดคอมพิวเตอร์การรั่วไหลของความเป็นส่วนตัวและกล่องดําอัลกอริทึม ในทางกลับกัน Web3 นั้นใช้เทคโนโลยีแบบกระจายและเติมพลังใหม่ให้กับการพัฒนา AI ผ่านเครือข่ายคอมพิวเตอร์ที่ใช้ร่วมกันตลาดข้อมูลแบบเปิดและการประมวลผลที่รักษาความเป็นส่วนตัว ในขณะเดียวกัน AI สามารถเพิ่มประสิทธิภาพการสร้างระบบนิเวศ Web3 โดยการเพิ่มประสิทธิภาพความสามารถเช่นสัญญาอัจฉริยะและอัลกอริธึมป้องกันการโกง ดังนั้นการสํารวจการบรรจบกันของ Web3 และ AI จึงมีความสําคัญต่อการสร้างโครงสร้างพื้นฐานอินเทอร์เน็ตรุ่นต่อไปและปลดล็อกคุณค่าของข้อมูลและพลังการประมวลผล

ขับเคลื่อนด้วยข้อมูล: พื้นฐานที่มั่นคงสำหรับ AI และ Web3

ข้อมูลคือพลังงานขับเคลื่อนหลักสำคัญสำหรับการพัฒนา AI เหมือนเชื้อเพลิงของเครื่องยนต์ AI ต้องดูดซึมข้อมูลปริมาณมากที่มีคุณภาพสูงเพื่อเข้าใจอย่างลึกซึ้งและมีความสามารถในการคิดอย่างแข็งแรง ข้อมูลไม่เพียงแต่ให้พื้นฐานสำหรับการฝึกโมเดลเรียนรู้ของเครื่อง แต่ยังกำหนดความแม่นยำและความเชื่อถือได้ของมัน

ในโมเดลการรับรู้และใช้ข้อมูล AI แบบกลาง ๆ แบบเดิม มีปัญหาหลักหลายประการที่เกิดขึ้น:

1. การเก็บรวบรวมข้อมูลมีค่าใช้จ่ายสูง ทำให้ธุรกิจขนาดเล็กและกลางมีความยากที่จะมีส่วนร่วม
2. ข้อมูลทรัพยากรถูกครอบครองโดยยัญชาลูกหนังชายและเป็นรูปพระเอกของข้อมูล
3. ความเป็นส่วนตัวของข้อมูลอาจเผชิญอยู่ในความเสี่ยงที่จะหลุดข้อมูลและถูกนำมาใช้ไม่เหมาะสม

Web3 ให้รูปแบบข้อมูลที่ไม่ centralize ใหม่เพื่อแก้ปัญหาจุดอ่อนของโมเดลเดิม:

1. ผ่านโครงการเช่น Grass ผู้ใช้สามารถขายศักยภาพเครือข่ายที่ไม่ได้ใช้งานให้กับบริษัท AI ซึ่งทำให้เกิดการเก็บข้อมูลเว็บแบบกระจาย การทำความสะอาด และการแปลงข้อมูล ซึ่งมีการให้ข้อมูลที่แท้จริงและมีคุณภาพสูงสำหรับการฝึกโมเดล AI
2. Public AI ใช้โมเดล "mark-to-earn" เพื่อกระตุ้นความกระตุ้นให้แรงงานระดับโลกมีส่วนร่วมในการประทับระบุข้อมูล รวบรวมปัญหาของระดับโลก และเสริมความสามารถในการวิเคราะห์ข้อมูล
3. แพลตฟอร์มการซื้อข้อมูลบล็อกเชน เช่น Ocean Protocol และ Streamr ให้สภาพแวดล้อมการซื้อขายที่เปิดเผยและโปร่งใสสำหรับการจัดหาและความต้องการข้อมูล ซึ่งส่งเสริมนวัตกรรมข้อมูลและการแบ่งปันข้อมูล

ในทางเดียวกันนี้ Web3 ไม่เพียงลดต้นทุนในการเข้าถึงข้อมูลเท่านั้น แต่ยังเสริมความเปิดเผยและโปร่งใสของข้อมูล โดยให้แหล่งข้อมูลที่หลากหลายและมีคุณภาพสูงมากขึ้นสำหรับการฝึกอบรมโมเดล AI ในเวลาเดียวกัน ผ่านการคำนึงถึงความเป็นส่วนตัวแบบกระจาย Web3 ยังสามารถป้องกันความเป็นส่วนตัวของข้อมูลส่วนบุคคลได้ดียิ่งขึ้นและปรับปรุงความปลอดภัยและความเชื่อถือได้ของการใช้ข้อมูล

การดำเนินการต่อเนื่องในการสำรวจและปฏิบัติการผสมรวมระหว่าง AI และ Web3 จะให้พื้นฐานที่มั่นคงสำหรับการสร้างพื้นฐานของอินเทอร์เน็ตรุ่นใหม่และปลดล็อคค่าและพลังการคำนวณใหม่

อย่างไรก็ตาม การเก็บข้อมูลจริงๆ ในโลกของเราก็เผชิญกับความท้าทาย เช่น คุณภาพข้อมูลที่ไม่สม่ำเสมอ ความซับซ้อนในการประมวลผลที่สูง และความหลากหลายของข้อมูลและการแทนที่ไม่เพียงพอ ในพื้นที่ข้อมูล Web3 ข้อมูลสังเคราะห์อาจเป็นดาวจากการเพิ่มขึ้น โดยใช้เทคโนโลยี AI ในการสร้างและการจำลอง ข้อมูลสังเคราะห์สามารถจำลองลักษณะของข้อมูลจริง ๆ อย่างมีประสิทธิภาพ ซึ่งเสริมเติมและปรับปรุงประสิทธิภาพในการใช้ข้อมูลได้อย่างมีประสิทธิภาพ ในพื้นที่เช่นการขับรถอัตโนมัติ การซื้อขายในตลาดการเงิน และการพัฒนาเกม ข้อมูลสังเคราะห์ได้แสดงศักยภาพของมันในการใช้งานที่สมบูรณ์

การปกป้องความเป็นส่วนตัว: บทบาทของ FHE ใน Web3

ในยุคที่ขับเคลื่อนด้วยข้อมูล การป้องกันความเป็นส่วนตัวกลายเป็นจุดให้ความสนใจระดับโลก และการใช้บังคับของกฎหมายความคุ้มครองข้อมูลทั่วไปของสหภาพยุโรป (GDPR) แสดงให้เห็นถึงการคุ้มครองความเป็นส่วนตัวของบุคคลอย่างเข้มงวด อย่างไรก็ตาม สิ่งนี้ก็นำพาสิ่งท้าทาย: บางข้อมูลที่เป็นอ่อนไหวไม่สามารถใช้อย่างเต็มที่เนื่องจากความเสี่ยงด้านความเป็นส่วนตัว ซึ่งไม่แปลกใจว่าจำกัดศักยภาพและความสามารถในการสร้างสรรค์ของแบบจำลอง AI

Fully Homomorphic Encryption (FHE) ช่วยให้ข้อมูลที่ถูกเข้ารหัสสามารถคำนวณโดยตรงโดยไม่ต้องถอดรหัสข้อมูล และผลลัพธ์ของการคำนวณสอดคล้องกับผลลัพธ์ของการดำเนินการเดียวกันบนข้อมูลตัวอักษรธรรมดา FHE ให้ความคุ้มครองที่แข็งแกร่งสำหรับการคำนวณที่เกี่ยวกับความเป็นส่วนตัวของ AI ซึ่งทำให้พลังการคำนวณ GPU สามารถทำงานในการฝึกโมเดลและงานสรุปโดยไม่ต้องเข้าถึงข้อมูลดิบ สิ่งนี้เป็นประโยชน์ที่สำคัญสำหรับบริษัท AI เนื่องจากพวกเขาสามารถเปิดโอกาสให้บริการ API อย่างปลอดภัยในขณะที่ปกป้องความลับทางการค้า

Fully Homomorphic Encryption Machine Learning (FHEML) รองรับการเข้ารหัสข้อมูลและโมเดลตลอดรอบการเรียนรู้ของเครื่อง โดยทำให้มั่นใจได้ว่าข้อมูลที่อ่อนไหวและป้องกันการรั่วไหลของข้อมูล ด้วยวิธีนี้ FHEML บำรุงความเป็นส่วนตัวของข้อมูลและมอบกรอบการคำนวณที่ปลอดภัยสำหรับแอปพลิเคชัน AI

FHEML เสริมเติม ZKML (การเรียนรู้ของเครื่องโดยไม่เปิดเผยข้อมูล) ที่ ZKML พิสูจน์การดำเนินการของการเรียนรู้ของเครื่องอย่างถูกต้อง ในขณะที่ FHEML ให้ความสำคัญกับการคำนวณบนข้อมูลที่เข้ารหัสเพื่อรักษาความเป็นส่วนตัวของข้อมูล

การปฏิวัติด้านคอมพิวเตอร์: การคำนวณ AI ในเว็บที่ไม่มีการจ central ชั้น

ความซับซ้อนทางคอมพิวเตอร์ของระบบ AI ปัจจุบันกำลังเพิ่มขึ้นสองเท่าทุกสามเดือน ซึ่งทำให้มีความต้องการในพลังการคำนวณที่มากขึ้น ที่เกินกว่าทรัพยากรในการคำนวณที่มีอยู่ ตัวอย่างเช่นการฝึกโมเดล GPT-3 ของ OpenAI ต้องใช้พลังการคำนวณที่มากมาย เทียบเท่ากับการฝึกใช้เวลา 355 ปีบนอุปกรณ์เดียว ขาดแคลนของพลังการคำนวณนี้ไม่เพียงทำให้ความก้าวหน้าของเทคโนโลยี AI ถูกจำกัด แต่ยังทำให้โมเดล AI ขั้นสูงเข้าถึงได้ยากสำหรับนักวิจัยและนักพัฒนามากส่วนใหญ่

นอกจากนี้ การใช้งาน GPU ระดับโลกต่ำกว่า 40% เทียบกับการชะลอในประสิทธิภาพของไมโครโปรเซสเซอร์ ปัญหาในโซ่อุปทาน และขาดแคลนชิปเนื่องจากปัจจัยทางด้านภูมิศาสตร์ เพิ่มปัญหาในการจัดหาพลังการคำนวณ ผู้ปฏิบัติ AI พบกับความยากลำบาก: ต้องซื้อฮาร์ดแวร์หรือเช่าทรัพยากรคลาวด์ และต้องการระบบบริการคำนวณตามความต้องการและมีคุณภาพที่มีความคุ้มค่า

IO.net เป็นเครือข่ายที่กระจายอำนาจสมองปัญญาประดิษฐ์ของ Solana ที่รวมทรัพยากร GPU ที่ว่างเปล่าทั่วโลกและให้ตลาดพลังการคำนวณที่สามารถเข้าถึงได้สำหรับบริษัท AI ซึ่งต้องการพลังการคำนวณ หน่วยงานที่ต้องการพลังการคำนวณสามารถเผยแพร่งานที่ต้องการคำนวณบนเครือข่าย และสัญญาฉลากให้งานไปยังโหนดขุดแร่ที่มีส่วนร่วม ขุดแร่ทำงาน ส่งผลลัพธ์ และได้รับรางวัลเมื่อการตรวจสอบเสร็จเรียบร้อย การเข้าถึงของ IO.net ปรับปรุงประสิทธิภาพทรัพยากรและช่วยบรรเทาข้อจำกัดในพลังการคำนวณในพื้นที่ AI

นอกจากเครือข่ายพลังงานคอมพิวเตอร์ที่ไม่ centralize ทั่วไป ยังมีแพลตฟอร์มที่เน้นการฝึกอบรม AI เช่น Gensyn และ Flock.io และเครือข่ายพลังงานคอมพิวเตอร์ที่เน้นการอ่าน AI เช่น Ritual และ Fetch.ai

เครือข่ายพลังงานการประมวลผลแบบกระจายอํานาจให้ตลาดพลังงานการประมวลผลที่ยุติธรรมและโปร่งใสทําลายการผูกขาดลดเกณฑ์การใช้งานและปรับปรุงประสิทธิภาพการใช้ประโยชน์ ในระบบนิเวศ Web3 เครือข่ายพลังการประมวลผลแบบกระจายอํานาจจะมีบทบาทสําคัญในการดึงดูด dApps ที่เป็นนวัตกรรมมากขึ้นเพื่อร่วมกันส่งเสริมการพัฒนาและการประยุกต์ใช้เทคโนโลยี AI

DePIN: Web3 ทำให้ AI สามารถทำงานได้ที่ขอบของระบบได้

Imagine your smartphone, smartwatch, or even smart home device having the ability to run AI – that’s the beauty of AI at the edge. Edge AI enables computing to happen at the source of the data, enabling low-latency and real-time processing while protecting user privacy. Edge AI technology is already being applied in key areas such as autonomous driving.

ในพื้นที่ Web3 เรามีชื่อที่คุ้นเคยมากขึ้น - DePIN Web3 ย้ำความทำการหลากหลายและความเผยแพร่ข้อมูลของผู้ใช้ในขณะที่ DePIN ช่วยเสริมความเป็นส่วนตัวของผู้ใช้โดยการประมวลผลข้อมูลในท้องถิ่น เพื่อลดความเสี่ยงจากการขัดข้องข้อมูล เศรษฐกิจโทเคนเซื่อม Web3 สามารถสร้างสติ๊กเกอร์เพื่อให้โหนด DePIN สร้างทรัพยากรการคำนวณและสร้างนิเวศย์ที่ยั่งยืน

ณ ปัจจุบัน DePIN กำลังพัฒนาอย่างรวดเร็วในนิเวศ Solana และเป็นหนึ่งในแพลตฟอร์มโซลาน่าที่ได้รับความนิยมสำหรับการใช้งานโปรเจกต์ ความสามารถในการทำงานอย่างมีประสิทธิภาพของ Solana ค่าธรรมเนียมการทำธุรกรรมต่ำ และนวัตกรรมเทคโนโลยีให้การสนับสนุนที่แข็งแรงสำหรับโปรเจกต์ DePIN ในปัจจุบันมูลค่าตลาดของโปรเจกต์ DePIN บน Solana ได้เกิน 10 พันล้านดอลลาร์ และโปรเจกต์ที่มีชื่อเสียงเช่น Render Network และ Helium Network ได้ทำความคืบหน้าได้เป็นอย่างมาก

IMO: รูปแบบใหม่สำหรับการเผยแพร่โมเดล AI

แนวคิดของ IMO (Initial Model Offering) ถูกเสนอครั้งแรกโดยโปรโตคอล Ora เพื่อทำให้ AI models เป็น token

ในโมเดลแบบดั้งเดิม อันเนื่องมาจากขาดกลไกการแบ่งปันรายได้ มักจะทำใให้นักพัฒนามีความยากลำบากในการได้รับผลประโยชน์ต่อเนื่องจากการใช้โมเดล AI ต่อมาหลังจากที่พัฒนาและเผยแพร่ในตลาด โดยเฉพาะเมื่อโมเดลถูกผสมเข้ากับผลิตภัณฑ์และบริการอื่น ๆ นักพัฒนาต้นฉบับจะมีความยากลำบากในการติดตามวิธีการใช้และสร้างรายได้จากนั้น นอกจากนี้ มักขาดความโปร่งใสเกี่ยวกับประสิทธิภาพและประสิทธิภาพของโมเดล AI ทำให้นักลงทุนและผู้ใช้มักเจ็บปวดใจในการประเมินมูลค่าแท้จริงของพวกเขา จำกัดความยอมรับจากตลาดและศักยภาพธุรกิจ

IMO มอบวิธีการใหม่ในการจัดหาเงินทุนและการแบ่งปันมูลค่าสำหรับโมเดล AI โอนเงินไปยังผู้ลงทุนสามารถซื้อ IMO และได้รับส่วนแบ่งของรายได้ที่สร้างขึ้นโดยโมเดล โปรโตคอล Oracle ใช้มาตรฐาน ERC-7641 และ ERC-7007 ร่วมกับเทคโนโลยี Onchain AI Oracle และ OPML เพื่อให้แน่ใจถึงความถูกต้องของโมเดล AI และทำให้ผู้ถือโทเคนสามารถแบ่งปันรายได้ได้

โมเดล IMO ช่วยเสริมความโปร่งใสและความเชื่อมั่น กระตุ้นความร่วมมือแบบโอเพ่นซอร์ส อยู่ในทิศทางของแนวโน้มตลาดคริปโต และให้การเริ่มต้นในการพัฒนาเทคโนโลยี AI อย่างยั่งยืน อย่างไรก็ตาม โมเดล IMO ยังอยู่ในขั้นตอนทดลองเริ่มแรก แต่นวัตกรรมและมูลค่าภาพนิยมของตลาด ควรคาดหวังให้มีการยอมรับและมีการมีส่วนร่วมที่กว้างขวาง

AI Agent: ยุคใหม่ของประสบการณ์แบบโต้ตอบ

ตัวแทน AI สามารถรับรู้สภาพแวดล้อม คิดเองโดยอิสระ และดำเนินการที่เหมาะสมเพื่อบรรลุเป้าหมายที่กำหนดไว้ ด้วยพลังงานจากโมเดลภาษาขนาดใหญ่ ตัวแทน AI ไม่เพียงแค่เข้าใจภาษาธรรมชาติ แต่ยังสามารถวางแผน ตัดสินใจ และดำเนินการงานที่ซับซ้อนได้อีกด้วย พวกเขาสามารถทำหน้าที่เสมือนผู้ช่วยเสมือนจริงที่เรียนรู้ความชอบของผู้ใช้และให้คำตอบที่ปรับให้เป็นรูปแบบส่วนตัวผ่านการโต้ตอบ แม้แต่โดยไม่ต้องมีคำสั่งโดยชัดเจน ตัวแทน AI สามารถแก้ไขปัญหาโดยอิสระ เพิ่มประสิทธิภาพ และสร้างค่าคุณค่าใหม่

Myshell เป็นแพลตฟอร์มแอปพลิเคชัน AI-native แบบเปิดที่ให้ชุดเครื่องมือที่ครอบคลุมและใช้งานง่ายสําหรับการกําหนดค่าฟังก์ชันบอทรูปลักษณ์เสียงและการเชื่อมต่อกับฐานความรู้ภายนอก มุ่งมั่นที่จะสร้างระบบนิเวศเนื้อหา AI ที่ยุติธรรมและเปิดกว้างโดยใช้เทคโนโลยี AI เชิงกําเนิดเพื่อส่งเสริมให้บุคคลกลายเป็นผู้สร้างที่ยอดเยี่ยม Myshell ได้ฝึกฝนโมเดลภาษาขนาดใหญ่เฉพาะทางเพื่อให้การแสดงบทบาทสมมติมีมนุษยธรรมมากขึ้น เทคโนโลยีการโคลนเสียงสามารถเร่งการโต้ตอบของผลิตภัณฑ์ AI ส่วนบุคคลลดต้นทุนการสังเคราะห์เสียงพูดได้ 99% และการโคลนเสียงใช้เวลาเพียง 1 นาที ปัจจุบันเอเจนต์ AI แบบกําหนดเองที่สร้างด้วย Myshell สามารถนําไปใช้ในหลากหลายพื้นที่ รวมถึงวิดีโอแชท

ในการผสานรวมระหว่าง Web3 และ AI จุดประสงค์ปัจจุบันคือการสำรวจชั้นฐานหลักเพื่อแก้ปัญหาสำคัญ เช่น การได้รับข้อมูลคุณภาพสูง การป้องกันความเป็นส่วนตัวของข้อมูล การวางโมเดลบนเชื่อมโยง การปรับปรุงการใช้งานที่มีประสิทธิภาพของพลังการคำนวณแบบกระจาย และการตรวจสอบโมเดลภาษาขนาดใหญ่ ซึ่งเมื่อส่วนประกอบของการติดตั้งเสร็จสมบูรณ์ มีเหตุผลที่จะเชื่อว่าการผสานรวมระหว่าง Web3 และ AI จะนำสู่การเกิดรูปแบบธุรกิจและบริการที่นวัตกรรมได้

คำแถลง:

1. บทความนี้ถูกนำมาจาก [Gateกระจกทุกสิทธิ์สงวนเป็นของผู้เขียนเดิม [BadBot] หากคุณมีข้อติเตือนใด ๆ เกี่ยวกับการนำเสนออีกครั้ง กรุณาติดต่อGate Learnทีม และพวกเขาจะจัดการกับมันโดยเร่งด่วน
2. คำประกาศ: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่เป็นการให้คำแนะนำทางด้านการลงทุนใด ๆ
3. การแปลบทความนี้ถูกทำโดยทีม Gate Learn หากไม่ระบุไว้เป็นอย่างอื่น การทำสำเนา การกระจาย หรือการลอกเลียนบทความที่ถูกแปลนั้นถือเป็นการละเมิดลิขสิทธิ์