Злиття Web3 та AI: побудова інфраструктури наступного покоління Інтернету
Web3 як нова модель Інтернету, що є децентралізованою, відкритою та прозорою, має природні можливості для інтеграції з штучним інтелектом. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають суворим обмеженням, стикаються з проблемами, такими як обмеження обчислювальної потужності, витік конфіденційності, непрозорість алгоритмів та інші виклики. Однак Web3 на основі розподілених технологій може надати нові імпульси для розвитку AI через мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас AI також може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Тому дослідження поєднання Web3 та AI є надзвичайно важливим для створення інфраструктури наступного покоління Інтернету та реалізації цінності даних і обчислювальної потужності.
Дані на основі: Міцний фундамент AI та Web3
Дані є ключовим елементом, що сприяє розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібно обробляти величезні обсяги якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі збору та використання даних штучного інтелекту мають такі основні проблеми:
Вартість отримання даних є високою, і малим та середнім підприємствам важко її витримати.
Дані ресурси монополізовані гігантами, утворюючи острови даних
Особисті дані піддаються ризику витоку та зловживання
Web3 може вирішити болючі точки традиційних моделей за допомогою нової децентралізованої парадигми даних:
За допомогою децентралізованої мережі збирати дані з Інтернету, щоб забезпечити реальні та високоякісні дані для навчання моделей ШІ
Використання моделі "маркування для заробітку", що стимулює працівників з усього світу брати участь у маркуванні даних та об'єднувати професійні знання.
Блокчейн платформа для торгівлі даними забезпечує відкриту та прозору торговельну середу для обох сторін постачання та попиту на дані, сприяючи інноваціям і обміну даними.
Однак, у реальному світі отримання даних все ще стикається з деякими проблемами, такими як нерівномірна якість даних, велика складність обробки, недостатня різноманітність та репрезентативність. Синтетичні дані можуть стати яскравою рисою майбутнього сегмента даних Web3. На основі технологій генеративного ШІ та моделювання синтетичні дані здатні імітувати властивості реальних даних, слугуючи ефективним доповненням, що підвищує ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: Роль FHE у Web3
У епоху, керовану даними, захист приватності став глобальною темою для обговорення, а впровадження різних регуляцій відображає строгий захист особистої приватності. Однак це також створює виклики: частина чутливих даних не може бути повністю використана через ризики приватності, що обмежує потенціал і здатності до розумування моделей ШІ.
Повна гомоморфна криптографія ( FHE ) дозволяє виконувати обчислення безпосередньо над зашифрованими даними без необхідності їх розшифровки, і результати обчислень збігаються з результатами обчислень над відкритими даними. FHE забезпечує потужний захист для приватних обчислень AI, дозволяючи потужностям GPU виконувати навчання моделей і завдання висновку в середовищі без контакту з оригінальними даними. Це приносить величезні переваги компаніям у сфері AI, оскільки дозволяє безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом всього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. FHEML зміцнює конфіденційність даних, забезпечуючи безпечну обчислювальну платформу для AI-додатків. FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обчислення на зашифрованих даних для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-системи подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Такий дефіцит обчислювальної потужності не лише обмежує прогрес технологій AI, але й робить просунуті AI-моделі недоступними для більшості дослідників і розробників.
В той же час, світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності процесорів, нестача чіпів та інші фактори ускладнюють проблему постачання обчислювальної потужності. Працівники в сфері ШІ стикаються з труднощами вибору між придбанням апаратного забезпечення або орендою хмарних ресурсів, що створює нагальну потребу в економічно ефективному обчислювальному сервісі на вимогу.
Децентралізована мережа обчислювальної потужності на базі штучного інтелекту об'єднує вільні ресурси GPU з усього світу, щоб надати AI-компаніям економічний та зручний ринок обчислювальної потужності. Сторони, які потребують ресурсів, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між вузлами, які вносять обчислювальну потужність, вузли виконують завдання та подають результати, після перевірки отримують винагороду. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблему обмеження обчислювальної потужності в таких сферах, як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також спеціалізовані платформи обчислювальної потужності, зосереджені на навчанні та інференції ШІ. Децентралізовані мережі обчислювальної потужності забезпечують справедливий і прозорий ринок, руйнуючи монополії, знижуючи бар'єри для доступу до застосувань, підвищуючи ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані мережі обчислювальної потужності відіграватимуть ключову роль, залучаючи більше інноваційних застосувань для спільного сприяння розвитку та впровадженню технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Edge AI дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та реальний час обробки, одночасно захищаючи конфіденційність користувачів. Ця технологія вже застосовується в критично важливих сферах, таких як автономне водіння. У сфері Web3 ми називаємо це DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, підвищує захист конфіденційності та зменшує ризики витоку. Нативний механізм токенів Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи сталу екосистему.
Наразі DePIN швидко розвивається в деяких екосистемах публічних блокчейнів, ставши однією з переважних платформ для розгортання проєктів. Високий TPS, низькі транзакційні витрати та технологічні інновації забезпечують потужну підтримку проєктам DePIN. Капіталізація деяких DePIN проєктів на публічних блокчейнах вже перевищила 10 мільярдів доларів, а деякі відомі проєкти досягли значного прогресу.
IMO:Випуск нової парадигми моделі AI
IMO(Початкова пропозиція моделі)концепція токенізації AI-моделей. У традиційній моделі розробники AI-моделей важко отримують постійний дохід від подальшого використання, особливо коли моделі інтегруються в інші продукти. Крім того, продуктивність і ефективність AI-моделей часто не мають прозорості, що обмежує визнання на ринку та комерційний потенціал.
IMO надає нову фінансову підтримку та спосіб розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени та ділитися подальшими доходами від моделі. Деякі протоколи використовують специфічні стандарти, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделі та можливість токенозатримувачів ділитися доходами.
Модель IMO підвищила прозорість і довіру, сприяючи відкритій співпраці, адаптуючись до тенденцій крипторинку, надаючи імпульс для сталого розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням сфери участі її інноваційність і потенційна цінність заслуговують на очікування.
AI Agent: нова ера інтерактивного досвіду
AI Агенти можуть сприймати навколишнє середовище, самостійно мислити та вживати заходів для досягнення цілей. За підтримки великих мовних моделей, AI Агенти не лише можуть розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть діяти як віртуальні асистенти, навчатися уподобанням через взаємодію з користувачем, надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Агенти можуть самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деякі відкриті платформи нативних додатків AI пропонують широкий і зручний набір інструментів для створення, підтримуючи налаштування функцій, зовнішнього вигляду, голосу роботів, а також підключення до зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему контенту AI, використовуючи генеративні технології AI для надання можливостей особам стати супер-креаторами. Ці платформи тренували спеціалізовані великі мовні моделі, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, значно знижуючи витрати на синтез голосу. Використовуючи налаштованого AI-агента, наразі його можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень.
У злитті Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня, такого як отримання високоякісних даних, захист конфіденційності даних, розміщення моделей на ланцюгу, підвищення ефективного використання децентралізованих обчислювальних потужностей, перевірка великих мовних моделей та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури, злиття Web3 та AI має потенціал для розвитку ряду 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.
19 лайків
Нагородити
19
6
Репост
Поділіться
Прокоментувати
0/400
LiquidityWitch
· 08-02 20:41
Крутиться до небес, обчислення конфіденційності справді привабливе
Переглянути оригіналвідповісти на0
TokenEconomist
· 08-02 13:05
насправді, ключовою змінною тут є динаміка обчислювальної довіри...
Web3 та AI інтеграція: побудова децентралізованої інтелектуальної інтернет-інфраструктури
Злиття Web3 та AI: побудова інфраструктури наступного покоління Інтернету
Web3 як нова модель Інтернету, що є децентралізованою, відкритою та прозорою, має природні можливості для інтеграції з штучним інтелектом. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають суворим обмеженням, стикаються з проблемами, такими як обмеження обчислювальної потужності, витік конфіденційності, непрозорість алгоритмів та інші виклики. Однак Web3 на основі розподілених технологій може надати нові імпульси для розвитку AI через мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас AI також може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Тому дослідження поєднання Web3 та AI є надзвичайно важливим для створення інфраструктури наступного покоління Інтернету та реалізації цінності даних і обчислювальної потужності.
Дані на основі: Міцний фундамент AI та Web3
Дані є ключовим елементом, що сприяє розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібно обробляти величезні обсяги якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі збору та використання даних штучного інтелекту мають такі основні проблеми:
Web3 може вирішити болючі точки традиційних моделей за допомогою нової децентралізованої парадигми даних:
Однак, у реальному світі отримання даних все ще стикається з деякими проблемами, такими як нерівномірна якість даних, велика складність обробки, недостатня різноманітність та репрезентативність. Синтетичні дані можуть стати яскравою рисою майбутнього сегмента даних Web3. На основі технологій генеративного ШІ та моделювання синтетичні дані здатні імітувати властивості реальних даних, слугуючи ефективним доповненням, що підвищує ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: Роль FHE у Web3
У епоху, керовану даними, захист приватності став глобальною темою для обговорення, а впровадження різних регуляцій відображає строгий захист особистої приватності. Однак це також створює виклики: частина чутливих даних не може бути повністю використана через ризики приватності, що обмежує потенціал і здатності до розумування моделей ШІ.
Повна гомоморфна криптографія ( FHE ) дозволяє виконувати обчислення безпосередньо над зашифрованими даними без необхідності їх розшифровки, і результати обчислень збігаються з результатами обчислень над відкритими даними. FHE забезпечує потужний захист для приватних обчислень AI, дозволяючи потужностям GPU виконувати навчання моделей і завдання висновку в середовищі без контакту з оригінальними даними. Це приносить величезні переваги компаніям у сфері AI, оскільки дозволяє безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом всього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. FHEML зміцнює конфіденційність даних, забезпечуючи безпечну обчислювальну платформу для AI-додатків. FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обчислення на зашифрованих даних для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-системи подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Такий дефіцит обчислювальної потужності не лише обмежує прогрес технологій AI, але й робить просунуті AI-моделі недоступними для більшості дослідників і розробників.
В той же час, світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності процесорів, нестача чіпів та інші фактори ускладнюють проблему постачання обчислювальної потужності. Працівники в сфері ШІ стикаються з труднощами вибору між придбанням апаратного забезпечення або орендою хмарних ресурсів, що створює нагальну потребу в економічно ефективному обчислювальному сервісі на вимогу.
Децентралізована мережа обчислювальної потужності на базі штучного інтелекту об'єднує вільні ресурси GPU з усього світу, щоб надати AI-компаніям економічний та зручний ринок обчислювальної потужності. Сторони, які потребують ресурсів, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між вузлами, які вносять обчислювальну потужність, вузли виконують завдання та подають результати, після перевірки отримують винагороду. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблему обмеження обчислювальної потужності в таких сферах, як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також спеціалізовані платформи обчислювальної потужності, зосереджені на навчанні та інференції ШІ. Децентралізовані мережі обчислювальної потужності забезпечують справедливий і прозорий ринок, руйнуючи монополії, знижуючи бар'єри для доступу до застосувань, підвищуючи ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані мережі обчислювальної потужності відіграватимуть ключову роль, залучаючи більше інноваційних застосувань для спільного сприяння розвитку та впровадженню технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Edge AI дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та реальний час обробки, одночасно захищаючи конфіденційність користувачів. Ця технологія вже застосовується в критично важливих сферах, таких як автономне водіння. У сфері Web3 ми називаємо це DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, підвищує захист конфіденційності та зменшує ризики витоку. Нативний механізм токенів Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи сталу екосистему.
Наразі DePIN швидко розвивається в деяких екосистемах публічних блокчейнів, ставши однією з переважних платформ для розгортання проєктів. Високий TPS, низькі транзакційні витрати та технологічні інновації забезпечують потужну підтримку проєктам DePIN. Капіталізація деяких DePIN проєктів на публічних блокчейнах вже перевищила 10 мільярдів доларів, а деякі відомі проєкти досягли значного прогресу.
IMO:Випуск нової парадигми моделі AI
IMO(Початкова пропозиція моделі)концепція токенізації AI-моделей. У традиційній моделі розробники AI-моделей важко отримують постійний дохід від подальшого використання, особливо коли моделі інтегруються в інші продукти. Крім того, продуктивність і ефективність AI-моделей часто не мають прозорості, що обмежує визнання на ринку та комерційний потенціал.
IMO надає нову фінансову підтримку та спосіб розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени та ділитися подальшими доходами від моделі. Деякі протоколи використовують специфічні стандарти, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделі та можливість токенозатримувачів ділитися доходами.
Модель IMO підвищила прозорість і довіру, сприяючи відкритій співпраці, адаптуючись до тенденцій крипторинку, надаючи імпульс для сталого розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням сфери участі її інноваційність і потенційна цінність заслуговують на очікування.
AI Agent: нова ера інтерактивного досвіду
AI Агенти можуть сприймати навколишнє середовище, самостійно мислити та вживати заходів для досягнення цілей. За підтримки великих мовних моделей, AI Агенти не лише можуть розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть діяти як віртуальні асистенти, навчатися уподобанням через взаємодію з користувачем, надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Агенти можуть самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деякі відкриті платформи нативних додатків AI пропонують широкий і зручний набір інструментів для створення, підтримуючи налаштування функцій, зовнішнього вигляду, голосу роботів, а також підключення до зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему контенту AI, використовуючи генеративні технології AI для надання можливостей особам стати супер-креаторами. Ці платформи тренували спеціалізовані великі мовні моделі, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, значно знижуючи витрати на синтез голосу. Використовуючи налаштованого AI-агента, наразі його можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень.
У злитті Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня, такого як отримання високоякісних даних, захист конфіденційності даних, розміщення моделей на ланцюгу, підвищення ефективного використання децентралізованих обчислювальних потужностей, перевірка великих мовних моделей та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури, злиття Web3 та AI має потенціал для розвитку ряду інноваційних бізнес-моделей та послуг.