Інтеграція Web3 та ШІ: побудова інфраструктури наступного покоління Інтернету
Web3 як нова децентралізована, відкрита та прозора парадигма Інтернету має природну можливість для інтеграції з ШІ. У традиційній централізованій архітектурі обчислення ШІ та ресурси даних контролюються жорстко, і існує безліч викликів, таких як обмеження обчислювальної потужності, витік конфіденційності, алгоритми «чорного ящика» тощо. Web3, спираючись на розподілені технології, може надати нову енергію розвитку ШІ через мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення з приватністю тощо. Водночас ШІ може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми запобігання шахрайству тощо, сприяючи його екосистемному розвитку. Тому дослідження поєднання Web3 та ШІ є вкрай важливим для побудови інфраструктури наступного покоління Інтернету та реалізації цінності даних і обчислювальної потужності.
Дані, що керують: міцна основа AI та Web3
Дані є основним двигуном розвитку ШІ, так само як паливо для двигуна. Моделі ШІ потребують обробки великої кількості якісних даних, щоб отримати глибоке розуміння та потужні можливості розумування; дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.
У традиційній централізованій моделі збору та використання даних штучного інтелекту існує кілька основних проблем:
Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх витримати
Дані ресурси монополізовані технологічними гігантами, що призвело до утворення островів даних.
Персональні дані піддаються ризику витоку та зловживання.
Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:
Збираючи мережеві дані децентралізованим способом, очищаючи та перетворюючи їх, забезпечуємо реальні та якісні дані для навчання AI моделей.
Використання моделі "label to earn", що стимулює глобальних працівників брати участь у маркуванні даних через токени, об'єднуючи професійні знання з усього світу, для посилення аналітичних можливостей даних.
Блокчейн платформа для торгівлі даними забезпечує відкриту та прозору торговельну середу для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Незважаючи на це, отримання даних з реального світу також має певні проблеми, такі як різна якість даних, складність обробки, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього в веб3-секторі даних. На основі технологій генеративного ШІ та моделювання синтетичні дані можуть імітувати характеристики реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже показали свій зрілий потенціал для застосування.
Захист приватності: роль FHE у Web3
У епоху, коли дані стають основою, захист приватності став об'єктом глобальної уваги. Введення таких регламентів, як Загальний регламент захисту даних ЄС (GDPR), відображає суворе збереження особистої приватності. Проте це також призвело до викликів: деякі чутливі дані не можуть бути в повній мірі використані через ризики приватності, що, безумовно, обмежує потенціал і здатність моделей ШІ до міркування.
FHE - це повна гомоморфна криптографія, яка дозволяє виконувати обчислювальні операції на зашифрованих даних без необхідності їх декодування, при цьому результати обчислень збігаються з результатами тих самих обчислень, виконаних над відкритими даними.
FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє потужностям GPU виконувати навчання моделей та завдання інференції в середовищі, не торкаючись вихідних даних. Це приносить величезні переваги компаніям у сфері AI. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, що забезпечує безпеку чутливої інформації та запобігає ризику витоку даних. Завдяки цьому FHEML посилює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильне виконання машинного навчання, а FHEML підкреслює обчислення з зашифрованими даними для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, навчання великої мовної моделі вимагає величезних обчислювальних потужностей, що еквівалентно 355 років навчання на одному пристрої. Така нестача обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить ці складні AI-моделі недоступними для більшості дослідників і розробників.
Водночас світове використання GPU становить менше 40%, а також уповільнення покращення продуктивності мікропроцесорів, а також дефіцит чіпів, викликаний ланцюгами постачання та геополітичними факторами, ускладнюють проблему постачання обчислювальної потужності. Працівники AI опинилися в двозначній ситуації: або купувати апаратне забезпечення, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень на вимогу.
Децентралізована мережа обчислювальних потужностей на основі штучного інтелекту, об'єднуючи неактивні GPU-ресурси з усього світу, надає AI-компаніям економічний та зручний доступ до ринку обчислювальних потужностей. Сторони, які потребують обчислювальних ресурсів, можуть публікувати обчислювальні завдання в мережі, а смарт-контракти розподіляють завдання між майнерами, які надають обчислювальні потужності. Майнер виконує завдання та подає результати, які після перевірки отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему обмежень обчислювальних потужностей у таких сферах, як AI.
Окрім загальної децентралізованої обчислювальної мережі, є також платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані обчислювальні мережі для інференції ШІ.
Децентралізована обчислювальна мережа забезпечує справедливий і прозорий ринок обчислювальної потужності, руйнуючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована обчислювальна мережа відіграватиме ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник і навіть розумні пристрої у вашому домі мають можливість виконувати AI — ось в чому полягає魅力 Edge AI. Це дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку, обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується в ключових сферах, таких як автономне водіння.
У сфері Web3 ми маємо більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет користувацьких даних, DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів і зменшити ризик витоку даних; рідна токен-економіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, стаючи однією з основних платформ для розгортання проектів. Висока TPS цього публічного блокчейну, низькі комісії за транзакції та технологічні інновації надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, а деякі відомі проекти вже досягли значного прогресу.
IMO：Випуск нової парадигми AI моделей
Концепція IMO була вперше запропонована певним протоколом для токенізації моделей ШІ.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI модель розроблена та введена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги; оригінальним творцям важко відстежувати використання, не кажучи вже про отримання доходу. Крім того, продуктивність та ефективність AI моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінити їх справжню цінність, обмежуючи визнання моделей на ринку та комерційний потенціал.
IMO надало новий спосіб фінансування та спільного використання вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, отриманим від моделей у майбутньому. Певний протокол використовує два стандарти ERC, поєднуючи AI оракули (Onchain AI Oracle) та технологію OPML для забезпечення достовірності AI моделей та можливості отримання прибутку для власників токенів.
Режим IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій крипторинку та надає імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням сфери участі його новаторство та потенційна цінність заслуговують на нашу увагу.
AI Agent: Нова ера інтерактивного досвіду
AI Агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення визначених цілей. Підтримуваний великими мовними моделями, AI Агент не тільки розуміє природну мову, а й може планувати рішення, виконувати складні завдання. Вони можуть виступати у ролі віртуальних помічників, навчаючись перевагам користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких вказівок AI Агент може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деяка відкрита платформа для створення застосунків на основі штучного інтелекту надає повний та зручний набір інструментів для творчості, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключенні до зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему контенту на основі ШІ. Використовуючи технології генеративного ШІ, платформа наділяє особистостей можливістю стати супер-творцями. Ця платформа навчила спеціальні великі мовні моделі, що робить рольові ігри більш людяними; технологія клонування голосу може прискорити персоналізацію взаємодії продуктів ШІ, зменшуючи витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. За допомогою налаштованого AI Agent на цій платформі, в даний час можна використовувати в багатьох сферах, таких як відеочати, вивчення мов, генерація зображень тощо.
У злитті Web3 та ШІ на даний момент більше уваги приділяється дослідженню інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислень, як перевірити великі мовні моделі та інші ключові питання. З поступовим удосконаленням цієї інфраструктури ми маємо підстави вірити, що злиття Web3 та ШІ стане основою для виникнення низки інноваційних бізнес-моделей та послуг.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
10 лайків
Нагородити
10
6
Поділіться
Прокоментувати
0/400
Deconstructionist
· 07-30 18:38
шиткоїн також у ai+web3?
Переглянути оригіналвідповісти на0
BearMarketLightning
· 07-30 18:27
Web3 та AI знову намагаються обдурити невдах, так?
Переглянути оригіналвідповісти на0
MiningDisasterSurvivor
· 07-29 05:51
Знову малюють BTC. Старі майнери не мають хороших днів, а вони все ще займаються цими вишуканими речами.
Web3 та AI: створення децентралізованої інфраструктури даних та обчислювальної потужності
Інтеграція Web3 та ШІ: побудова інфраструктури наступного покоління Інтернету
Web3 як нова децентралізована, відкрита та прозора парадигма Інтернету має природну можливість для інтеграції з ШІ. У традиційній централізованій архітектурі обчислення ШІ та ресурси даних контролюються жорстко, і існує безліч викликів, таких як обмеження обчислювальної потужності, витік конфіденційності, алгоритми «чорного ящика» тощо. Web3, спираючись на розподілені технології, може надати нову енергію розвитку ШІ через мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення з приватністю тощо. Водночас ШІ може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми запобігання шахрайству тощо, сприяючи його екосистемному розвитку. Тому дослідження поєднання Web3 та ШІ є вкрай важливим для побудови інфраструктури наступного покоління Інтернету та реалізації цінності даних і обчислювальної потужності.
Дані, що керують: міцна основа AI та Web3
Дані є основним двигуном розвитку ШІ, так само як паливо для двигуна. Моделі ШІ потребують обробки великої кількості якісних даних, щоб отримати глибоке розуміння та потужні можливості розумування; дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.
У традиційній централізованій моделі збору та використання даних штучного інтелекту існує кілька основних проблем:
Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:
Незважаючи на це, отримання даних з реального світу також має певні проблеми, такі як різна якість даних, складність обробки, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього в веб3-секторі даних. На основі технологій генеративного ШІ та моделювання синтетичні дані можуть імітувати характеристики реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже показали свій зрілий потенціал для застосування.
Захист приватності: роль FHE у Web3
У епоху, коли дані стають основою, захист приватності став об'єктом глобальної уваги. Введення таких регламентів, як Загальний регламент захисту даних ЄС (GDPR), відображає суворе збереження особистої приватності. Проте це також призвело до викликів: деякі чутливі дані не можуть бути в повній мірі використані через ризики приватності, що, безумовно, обмежує потенціал і здатність моделей ШІ до міркування.
FHE - це повна гомоморфна криптографія, яка дозволяє виконувати обчислювальні операції на зашифрованих даних без необхідності їх декодування, при цьому результати обчислень збігаються з результатами тих самих обчислень, виконаних над відкритими даними.
FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє потужностям GPU виконувати навчання моделей та завдання інференції в середовищі, не торкаючись вихідних даних. Це приносить величезні переваги компаніям у сфері AI. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, що забезпечує безпеку чутливої інформації та запобігає ризику витоку даних. Завдяки цьому FHEML посилює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильне виконання машинного навчання, а FHEML підкреслює обчислення з зашифрованими даними для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, навчання великої мовної моделі вимагає величезних обчислювальних потужностей, що еквівалентно 355 років навчання на одному пристрої. Така нестача обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить ці складні AI-моделі недоступними для більшості дослідників і розробників.
Водночас світове використання GPU становить менше 40%, а також уповільнення покращення продуктивності мікропроцесорів, а також дефіцит чіпів, викликаний ланцюгами постачання та геополітичними факторами, ускладнюють проблему постачання обчислювальної потужності. Працівники AI опинилися в двозначній ситуації: або купувати апаратне забезпечення, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень на вимогу.
Децентралізована мережа обчислювальних потужностей на основі штучного інтелекту, об'єднуючи неактивні GPU-ресурси з усього світу, надає AI-компаніям економічний та зручний доступ до ринку обчислювальних потужностей. Сторони, які потребують обчислювальних ресурсів, можуть публікувати обчислювальні завдання в мережі, а смарт-контракти розподіляють завдання між майнерами, які надають обчислювальні потужності. Майнер виконує завдання та подає результати, які після перевірки отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему обмежень обчислювальних потужностей у таких сферах, як AI.
Окрім загальної децентралізованої обчислювальної мережі, є також платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані обчислювальні мережі для інференції ШІ.
Децентралізована обчислювальна мережа забезпечує справедливий і прозорий ринок обчислювальної потужності, руйнуючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована обчислювальна мережа відіграватиме ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник і навіть розумні пристрої у вашому домі мають можливість виконувати AI — ось в чому полягає魅力 Edge AI. Це дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку, обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується в ключових сферах, таких як автономне водіння.
У сфері Web3 ми маємо більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет користувацьких даних, DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів і зменшити ризик витоку даних; рідна токен-економіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, стаючи однією з основних платформ для розгортання проектів. Висока TPS цього публічного блокчейну, низькі комісії за транзакції та технологічні інновації надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, а деякі відомі проекти вже досягли значного прогресу.
IMO：Випуск нової парадигми AI моделей
Концепція IMO була вперше запропонована певним протоколом для токенізації моделей ШІ.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI модель розроблена та введена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги; оригінальним творцям важко відстежувати використання, не кажучи вже про отримання доходу. Крім того, продуктивність та ефективність AI моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінити їх справжню цінність, обмежуючи визнання моделей на ринку та комерційний потенціал.
IMO надало новий спосіб фінансування та спільного використання вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, отриманим від моделей у майбутньому. Певний протокол використовує два стандарти ERC, поєднуючи AI оракули (Onchain AI Oracle) та технологію OPML для забезпечення достовірності AI моделей та можливості отримання прибутку для власників токенів.
Режим IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій крипторинку та надає імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням сфери участі його новаторство та потенційна цінність заслуговують на нашу увагу.
AI Agent: Нова ера інтерактивного досвіду
AI Агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення визначених цілей. Підтримуваний великими мовними моделями, AI Агент не тільки розуміє природну мову, а й може планувати рішення, виконувати складні завдання. Вони можуть виступати у ролі віртуальних помічників, навчаючись перевагам користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких вказівок AI Агент може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деяка відкрита платформа для створення застосунків на основі штучного інтелекту надає повний та зручний набір інструментів для творчості, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключенні до зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему контенту на основі ШІ. Використовуючи технології генеративного ШІ, платформа наділяє особистостей можливістю стати супер-творцями. Ця платформа навчила спеціальні великі мовні моделі, що робить рольові ігри більш людяними; технологія клонування голосу може прискорити персоналізацію взаємодії продуктів ШІ, зменшуючи витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. За допомогою налаштованого AI Agent на цій платформі, в даний час можна використовувати в багатьох сферах, таких як відеочати, вивчення мов, генерація зображень тощо.
У злитті Web3 та ШІ на даний момент більше уваги приділяється дослідженню інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислень, як перевірити великі мовні моделі та інші ключові питання. З поступовим удосконаленням цієї інфраструктури ми маємо підстави вірити, що злиття Web3 та ШІ стане основою для виникнення низки інноваційних бізнес-моделей та послуг.