Слияние Web3 и ИИ: построение инфраструктуры следующего поколения интернета
Web3 как новая модель интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с искусственным интеллектом. В традиционной централизованной архитектуре вычисления AI и ресурсы данных строго ограничены, сталкиваясь с множеством вызовов, таких как узкие места в вычислительной мощности, утечка конфиденциальной информации, непрозрачность алгоритмов и т.д. Однако Web3, основанный на распределенных технологиях, может посредством совместной сети вычислительной мощности, открытого рынка данных и вычислений с защитой конфиденциальности, внедрить новую динамику в развитие AI. В то же время, AI также может предоставить множество возможностей для Web3, такие как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., поддерживая его экосистемное развитие. Поэтому изучение соединения Web3 и AI имеет решающее значение для создания инфраструктуры следующего поколения интернета, а также для раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются ключевым элементом, способствующим развитию ИИ, так же как топливо для двигателя. Модели ИИ нуждаются в переработке огромного объема качественных данных, чтобы получить глубокое понимание и мощные способности к выводу. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционные централизованные модели сбора и использования данных ИИ имеют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям сложно их понести
Данные ресурсы монополизируются гигантами, образуя данные острова
Личным данным угрожает риск утечки и злоупотребления
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Сбор сетевых данных через децентрализованную сеть для предоставления реальных и высококачественных данных для обучения моделей ИИ
Использование модели "labeling to earn", чтобы мотивировать работников по всему миру участвовать в аннотации данных и собирать профессиональные знания.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для сторон предложения и спроса на данные, способствуя инновациям и обмену данными.
Однако в реальном мире получение данных по-прежнему сталкивается с определенными проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать яркой точкой в будущем сектора данных Web3. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, эффективно дополняя их и повышая эффективность 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: Роль FHE в Web3
В эпоху, когда данные имеют решающее значение, защита конфиденциальности стала глобальным фокусом внимания, и появление различных нормативных актов отражает 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 к выводу моделей ИИ.
Полностью однородное шифрование ( FHE ) позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами на открытых данных. FHE предоставляет мощную защиту для приватных вычислений ИИ, позволяя вычислительным мощностям GPU выполнять задачи обучения и вывода моделей в среде без доступа к исходным данным. Это дает компаниям ИИ огромное преимущество, позволяя 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. FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную платформу для AI приложений. FHEML дополняет ZKML, который подтверждает правильность выполнения машинного обучения, в то время как FHEML подчеркивает необходимость вычислений на зашифрованных данных для поддержания конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные ресурсы, значительно превышающему имеющееся предложение. Этот дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает высококлассные AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности процессоров и нехватка чипов усугубляют проблему поставок вычислительной мощности. Специалисты в области ИИ сталкиваются с дилеммой покупки оборудования или аренды облачных ресурсов, и им срочно нужен способ получения вычислительных услуг по требованию и экономически эффективный.
Децентрализованная сеть вычислительных мощностей AI агрегирует неиспользуемые GPU-ресурсы по всему миру, предоставляя экономичный и удобный рынок вычислительных мощностей для AI-компаний. Сторона, нуждающаяся в вычислениях, может публиковать задачи в сети, смарт-контракт распределяет задачи между узлами, которые предоставляют вычислительную мощность, узлы выполняют задачи и отправляют результаты, которые после проверки получают вознаграждение. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, сосредоточенные на обучении и выводе ИИ. Децентрализованная вычислительная сеть предлагает честный и прозрачный рынок, разрушает монополии, снижает порог для применения и повышает эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных приложений для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3, наделяющий Edge AI возможностями
Edge AI позволяет выполнять вычисления на месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Эта технология уже применяется в ключевых областях, таких как автономное вождение. В области Web3 мы называем это DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN усиливает защиту конфиденциальности, обрабатывая данные локально и уменьшая риски утечки. Встроенный в Web3 механизм токеномики может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов и становится одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность TPS, низкие транзакционные издержки и технологические инновации обеспечивают мощную поддержку проектам DePIN. Рыночная капитализация некоторых проектов DePIN на публичных блокчейнах уже превысила 10 миллиардов долларов, а некоторые известные проекты достигли значительных успехов.
IMO: Новый парадигма выпуска AI моделей
IMO(Начальное предложение моделей)концепция токенизации AI моделей. В традиционной модели разработчики AI моделей сталкиваются с трудностями в получении постоянного дохода от последующего использования, особенно когда модели интегрируются в другие продукты. Кроме того, производительность и эффективность AI моделей часто не хватает прозрачности, что ограничивает рыночное признание и коммерческий потенциал.
IMO предоставил новое финансирование и способ обмена ценностью для открытых AI моделей, инвесторы могут покупать токены и делиться будущими доходами от модели. Некоторые протоколы используют определенные стандарты, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет совместную работу с открытым исходным кодом, адаптируется к тенденциям криптовалютного рынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на стадии начальных попыток, но с увеличением уровня принятия на рынке и расширением диапазона участия, его инновационность и потенциальная ценность становятся ожидаемыми.
AI Agent: Новый век взаимодействия
AI-агент может воспринимать окружающую среду, независимо мыслить и предпринимать действия для достижения целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и может планировать решения и выполнять сложные задачи. Они могут выступать в качестве 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.
Некоторые открытые платформы для родных приложений ИИ предлагают полный и удобный набор инструментов для создания, поддерживающих пользователей в настройке функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний и т. д., стремясь создать справедливую и открытую экосистему контента ИИ, используя технологии генеративного ИИ для наделения личностей статусом суперсоздателей. Эти платформы обучили специализированные большие языковые модели, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие ИИ-продуктов, значительно снижая затраты на синтез речи. С использованием настраиваемого ИИ-агента в настоящее время можно применять в таких областях, как видеочат, изучение языков, генерация изображений и т. д.
В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, хостинг моделей на блокчейне, повышение эффективного использования децентрализованных вычислительных мощностей, проверка больших языковых моделей и другие ключевые вопросы. По мере постепенного совершенствования этой инфраструктуры интеграция Web3 и ИИ, вероятно, 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» .
19 Лайков
Награда
19
6
Репост
Поделиться
комментарий
0/400
LiquidityWitch
· 08-02 20:41
Закрутилось так, что вычисления с конфиденциальностью просто шикарны.
Посмотреть ОригиналОтветить0
TokenEconomist
· 08-02 13:05
на самом деле ключевой переменной здесь является динамика вычислительного доверия...
Web3 и AI: создание Децентрализованной интеллектуальной интернет-инфраструктуры
Слияние Web3 и ИИ: построение инфраструктуры следующего поколения интернета
Web3 как новая модель интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с искусственным интеллектом. В традиционной централизованной архитектуре вычисления AI и ресурсы данных строго ограничены, сталкиваясь с множеством вызовов, таких как узкие места в вычислительной мощности, утечка конфиденциальной информации, непрозрачность алгоритмов и т.д. Однако Web3, основанный на распределенных технологиях, может посредством совместной сети вычислительной мощности, открытого рынка данных и вычислений с защитой конфиденциальности, внедрить новую динамику в развитие AI. В то же время, AI также может предоставить множество возможностей для Web3, такие как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., поддерживая его экосистемное развитие. Поэтому изучение соединения Web3 и AI имеет решающее значение для создания инфраструктуры следующего поколения интернета, а также для раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются ключевым элементом, способствующим развитию ИИ, так же как топливо для двигателя. Модели ИИ нуждаются в переработке огромного объема качественных данных, чтобы получить глубокое понимание и мощные способности к выводу. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционные централизованные модели сбора и использования данных ИИ имеют следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Однако в реальном мире получение данных по-прежнему сталкивается с определенными проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать яркой точкой в будущем сектора данных Web3. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, эффективно дополняя их и повышая эффективность 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: Роль FHE в Web3
В эпоху, когда данные имеют решающее значение, защита конфиденциальности стала глобальным фокусом внимания, и появление различных нормативных актов отражает 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 к выводу моделей ИИ.
Полностью однородное шифрование ( FHE ) позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами на открытых данных. FHE предоставляет мощную защиту для приватных вычислений ИИ, позволяя вычислительным мощностям GPU выполнять задачи обучения и вывода моделей в среде без доступа к исходным данным. Это дает компаниям ИИ огромное преимущество, позволяя 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. FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную платформу для AI приложений. FHEML дополняет ZKML, который подтверждает правильность выполнения машинного обучения, в то время как FHEML подчеркивает необходимость вычислений на зашифрованных данных для поддержания конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные ресурсы, значительно превышающему имеющееся предложение. Этот дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает высококлассные AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности процессоров и нехватка чипов усугубляют проблему поставок вычислительной мощности. Специалисты в области ИИ сталкиваются с дилеммой покупки оборудования или аренды облачных ресурсов, и им срочно нужен способ получения вычислительных услуг по требованию и экономически эффективный.
Децентрализованная сеть вычислительных мощностей AI агрегирует неиспользуемые GPU-ресурсы по всему миру, предоставляя экономичный и удобный рынок вычислительных мощностей для AI-компаний. Сторона, нуждающаяся в вычислениях, может публиковать задачи в сети, смарт-контракт распределяет задачи между узлами, которые предоставляют вычислительную мощность, узлы выполняют задачи и отправляют результаты, которые после проверки получают вознаграждение. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, сосредоточенные на обучении и выводе ИИ. Децентрализованная вычислительная сеть предлагает честный и прозрачный рынок, разрушает монополии, снижает порог для применения и повышает эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных приложений для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3, наделяющий Edge AI возможностями
Edge AI позволяет выполнять вычисления на месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Эта технология уже применяется в ключевых областях, таких как автономное вождение. В области Web3 мы называем это DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN усиливает защиту конфиденциальности, обрабатывая данные локально и уменьшая риски утечки. Встроенный в Web3 механизм токеномики может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов и становится одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность TPS, низкие транзакционные издержки и технологические инновации обеспечивают мощную поддержку проектам DePIN. Рыночная капитализация некоторых проектов DePIN на публичных блокчейнах уже превысила 10 миллиардов долларов, а некоторые известные проекты достигли значительных успехов.
IMO: Новый парадигма выпуска AI моделей
IMO(Начальное предложение моделей)концепция токенизации AI моделей. В традиционной модели разработчики AI моделей сталкиваются с трудностями в получении постоянного дохода от последующего использования, особенно когда модели интегрируются в другие продукты. Кроме того, производительность и эффективность AI моделей часто не хватает прозрачности, что ограничивает рыночное признание и коммерческий потенциал.
IMO предоставил новое финансирование и способ обмена ценностью для открытых AI моделей, инвесторы могут покупать токены и делиться будущими доходами от модели. Некоторые протоколы используют определенные стандарты, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет совместную работу с открытым исходным кодом, адаптируется к тенденциям криптовалютного рынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на стадии начальных попыток, но с увеличением уровня принятия на рынке и расширением диапазона участия, его инновационность и потенциальная ценность становятся ожидаемыми.
AI Agent: Новый век взаимодействия
AI-агент может воспринимать окружающую среду, независимо мыслить и предпринимать действия для достижения целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и может планировать решения и выполнять сложные задачи. Они могут выступать в качестве 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.
Некоторые открытые платформы для родных приложений ИИ предлагают полный и удобный набор инструментов для создания, поддерживающих пользователей в настройке функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний и т. д., стремясь создать справедливую и открытую экосистему контента ИИ, используя технологии генеративного ИИ для наделения личностей статусом суперсоздателей. Эти платформы обучили специализированные большие языковые модели, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие ИИ-продуктов, значительно снижая затраты на синтез речи. С использованием настраиваемого ИИ-агента в настоящее время можно применять в таких областях, как видеочат, изучение языков, генерация изображений и т. д.
В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, хостинг моделей на блокчейне, повышение эффективного использования децентрализованных вычислительных мощностей, проверка больших языковых моделей и другие ключевые вопросы. По мере постепенного совершенствования этой инфраструктуры интеграция Web3 и ИИ, вероятно, приведет к появлению ряда инновационных бизнес-моделей и услуг.