Слияние Web3 и ИИ: строительство инфраструктуры следующего поколения интернета
Web3, как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существует множество проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальной информации, черные ящики алгоритмов и т.д. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие способы, как сеть совместного использования вычислительной мощности, открытый рынок данных и вычисления с сохранением конфиденциальности. В то же время ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., что способствует его экосистемному строительству. Поэтому изучение сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: твердая основа AI и Web3
Данные являются ключевым двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо обрабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют обучающую основу для моделей машинного обучения, но также определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Высокая стоимость получения данных, малым и средним предприятиям трудно это вынести
Данные ресурсы монополизируются технологическими гигантами, образуя изолированные данные
Личная информация подвергается риску утечки и злоупотребления.
Web3 может решить болевые точки традиционных моделей с помощью новой децентрализованной парадигмы данных:
Получение сетевых данных децентрализованным способом, их очистка и преобразование для предоставления реальных, высококачественных данных для обучения моделей ИИ
Используя модель "label to earn", с помощью токенов мотивируются работники по всему миру участвовать в аннотировании данных, объединяя мировые профессиональные знания и усиливая аналитические возможности данных.
Платформа торговли данными на блокчейне предоставляет сторонам спроса и предложения открытое и прозрачное торговое окружение, стимулируя инновации и обмен данными.
Тем не менее, получение данных из реального мира также связано с некоторыми проблемами, такими как неравномерное качество данных, высокая сложность обработки, недостаточная разнообразие и репрезентативность и т.д. Синтетические данные могут стать звездой будущего в области данных Web3. На основе технологий генеративного ИИ и моделирования синтетические данные способны имитировать свойства реальных данных, эффективно дополняя их и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала предметом глобального внимания, и принятие таких нормативных актов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создало вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности к выводу ИИ-моделей.
FHE, или полное гомоморфное шифрование, позволяет выполнять вычислительные операции над зашифрованными данными непосредственно, без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами аналогичных вычислений над открытыми данными.
FHE обеспечивает надежную защиту для вычислений с защитой конфиденциальности AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям в области AI. Они могут 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, ZKML подтверждает правильное выполнение 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 потребности в вычислительных мощностях, значительно превышающих предложение имеющихся вычислительных ресурсов. Например, обучение одной крупной языковой модели требует огромной вычислительной мощности, эквивалентной 355 годам учебного времени на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс AI-технологий, но и делает эти высокоразвитые AI-модели 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 из-за факторов цепочки поставок и геополитики усугубляют проблему поставки вычислительных мощностей. Специалисты по ИИ оказались в затруднительном положении: им нужно либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный способ вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительных мощностей AI объединяет неиспользуемые ресурсы GPU по всему миру, предлагая компаниям AI экономичный и доступный рынок вычислительных мощностей. Запросы на вычислительные ресурсы могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, предоставляющими вычислительные мощности, которые выполняют задачи и предоставляют результаты, получая баллы в качестве вознаграждения после проверки. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной сети вычислительных мощностей, существуют платформы, ориентированные на обучение ИИ, а также специализированные вычислительные сети, сосредоточенные на выводе ИИ.
Децентрализованная сеть вычислительной мощности обеспечивает公平ный и прозрачный рынок вычислительной мощности, разрушая монополии, снижая порог входа для приложений 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 наделяет 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魅力 Edge AI. Он позволяет вычислениям происходить на источнике 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, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей блокчейна и становится одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительных успехов.
IMO: Выпуск новой парадигмы AI-моделей
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизировал AI-модели.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выводится на рынок, разработчикам часто бывает трудно получать устойчивый доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Более того, производительность и эффективность AI-моделей часто недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценить их истинную ценность, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и распределения ценностей для открытых AI-моделей, инвесторы могут покупать токены IMO и делиться доходами, полученными от модели в будущем. Один из протоколов использует два стандарта ERC, сочетая AI-оракул (Onchain AI Oracle) и технологию OPML для обеспечения достоверности AI-модели и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, способствует открытому сотрудничеству, адаптируется к трендам криптовалютного рынка и придаёт импульс устойчивому развитию технологий ИИ. IMO в настоящее время находится на стадии начальных испытаний, но с увеличением уровня принятия на рынке и расширением сферы участия, его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эра взаимодействия
AI-агент способен воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких указаний AI-агент может самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая открытая платформа для нативных приложений ИИ предлагает полный и удобный набор инструментов для создания, поддерживающий возможность настройки функционала, внешнего вида, звука роботов, а также подключения внешних баз знаний и стремится создать справедливую и открытую экосистему контента ИИ, используя технологии генеративного ИИ, позволяя людям стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие ИИ-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно осуществить всего за 1 минуту. С помощью кастомизированного AI Agent на этой платформе в настоящее время можно применять в видео-чатах, изучении языков, генерации изображений и в других областях.
В интеграции Web3 и ИИ в настоящее время больше всего исследуется уровень инфраструктуры: как получить качественные данные, защитить конфиденциальность данных, как разместить модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверить большие языковые модели и другие ключевые вопросы. С учетом постепенного совершенствования этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ будет способствовать возникновению 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» .
10 Лайков
Награда
10
6
Репост
Поделиться
комментарий
0/400
Deconstructionist
· 07-30 18:38
шиткоин тоже в ai+web3?
Посмотреть ОригиналОтветить0
BearMarketLightning
· 07-30 18:27
Web3 снова с AI пытается обмануть неудачников, да?
Посмотреть ОригиналОтветить0
MiningDisasterSurvivor
· 07-29 05:51
Снова рисуют BTC, старые майнеры живут не в радость, а тут еще эти красивые фокусы.
Посмотреть ОригиналОтветить0
TideReceder
· 07-29 05:49
Снова пользуются популярностью ИИ.
Посмотреть ОригиналОтветить0
OneBlockAtATime
· 07-29 05:42
Почему все это кажется не очень надежным?
Посмотреть ОригиналОтветить0
0xSoulless
· 07-29 05:41
Снова пришло новое название для Будут играть для лохов.
Web3 и интеграция ИИ: создание Децентрализация данных и Вычислительная мощность инфраструктуры
Слияние Web3 и ИИ: строительство инфраструктуры следующего поколения интернета
Web3, как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существует множество проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальной информации, черные ящики алгоритмов и т.д. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие способы, как сеть совместного использования вычислительной мощности, открытый рынок данных и вычисления с сохранением конфиденциальности. В то же время ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., что способствует его экосистемному строительству. Поэтому изучение сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: твердая основа AI и Web3
Данные являются ключевым двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо обрабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют обучающую основу для моделей машинного обучения, но также определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Web3 может решить болевые точки традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, получение данных из реального мира также связано с некоторыми проблемами, такими как неравномерное качество данных, высокая сложность обработки, недостаточная разнообразие и репрезентативность и т.д. Синтетические данные могут стать звездой будущего в области данных Web3. На основе технологий генеративного ИИ и моделирования синтетические данные способны имитировать свойства реальных данных, эффективно дополняя их и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала предметом глобального внимания, и принятие таких нормативных актов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создало вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности к выводу ИИ-моделей.
FHE, или полное гомоморфное шифрование, позволяет выполнять вычислительные операции над зашифрованными данными непосредственно, без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами аналогичных вычислений над открытыми данными.
FHE обеспечивает надежную защиту для вычислений с защитой конфиденциальности AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям в области AI. Они могут 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, ZKML подтверждает правильное выполнение 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 потребности в вычислительных мощностях, значительно превышающих предложение имеющихся вычислительных ресурсов. Например, обучение одной крупной языковой модели требует огромной вычислительной мощности, эквивалентной 355 годам учебного времени на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс AI-технологий, но и делает эти высокоразвитые AI-модели 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 из-за факторов цепочки поставок и геополитики усугубляют проблему поставки вычислительных мощностей. Специалисты по ИИ оказались в затруднительном положении: им нужно либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный способ вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительных мощностей AI объединяет неиспользуемые ресурсы GPU по всему миру, предлагая компаниям AI экономичный и доступный рынок вычислительных мощностей. Запросы на вычислительные ресурсы могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, предоставляющими вычислительные мощности, которые выполняют задачи и предоставляют результаты, получая баллы в качестве вознаграждения после проверки. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной сети вычислительных мощностей, существуют платформы, ориентированные на обучение ИИ, а также специализированные вычислительные сети, сосредоточенные на выводе ИИ.
Децентрализованная сеть вычислительной мощности обеспечивает公平ный и прозрачный рынок вычислительной мощности, разрушая монополии, снижая порог входа для приложений 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 наделяет 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魅力 Edge AI. Он позволяет вычислениям происходить на источнике 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, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей блокчейна и становится одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительных успехов.
IMO: Выпуск новой парадигмы AI-моделей
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизировал AI-модели.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выводится на рынок, разработчикам часто бывает трудно получать устойчивый доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Более того, производительность и эффективность AI-моделей часто недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценить их истинную ценность, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и распределения ценностей для открытых AI-моделей, инвесторы могут покупать токены IMO и делиться доходами, полученными от модели в будущем. Один из протоколов использует два стандарта ERC, сочетая AI-оракул (Onchain AI Oracle) и технологию OPML для обеспечения достоверности AI-модели и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, способствует открытому сотрудничеству, адаптируется к трендам криптовалютного рынка и придаёт импульс устойчивому развитию технологий ИИ. IMO в настоящее время находится на стадии начальных испытаний, но с увеличением уровня принятия на рынке и расширением сферы участия, его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эра взаимодействия
AI-агент способен воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких указаний AI-агент может самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая открытая платформа для нативных приложений ИИ предлагает полный и удобный набор инструментов для создания, поддерживающий возможность настройки функционала, внешнего вида, звука роботов, а также подключения внешних баз знаний и стремится создать справедливую и открытую экосистему контента ИИ, используя технологии генеративного ИИ, позволяя людям стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие ИИ-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно осуществить всего за 1 минуту. С помощью кастомизированного AI Agent на этой платформе в настоящее время можно применять в видео-чатах, изучении языков, генерации изображений и в других областях.
В интеграции Web3 и ИИ в настоящее время больше всего исследуется уровень инфраструктуры: как получить качественные данные, защитить конфиденциальность данных, как разместить модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверить большие языковые модели и другие ключевые вопросы. С учетом постепенного совершенствования этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ будет способствовать возникновению ряда инновационных бизнес-моделей и услуг.