Слияние Web3 и ИИ: создание инфраструктуры нового поколения интернета
Web3 как новая интернет-парадигма, децентрализованная, открытая и прозрачная, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, сталкиваясь с множеством проблем, такими как узкие места вычислительной мощности, утечка конфиденциальности и черный ящик алгоритмов. В то же время Web3, основанный на распределенных технологиях, с помощью сети совместного использования вычислительной мощности, открытых рыночных данных и конфиденциальных вычислений вносит новый импульс в развитие ИИ. В свою очередь, ИИ также может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы борьбы с мошенничеством, что способствует его экосистемному строительству. Исследование сочетания Web3 и ИИ крайне важно для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются основной движущей силой развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большое количество высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
В традиционных централизованных моделях получения и использования данных AI существуют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно это вынести.
Данные ресурсы находятся в монополии у технологических гигантов, что приводит к образованию изолированных данных.
Личные данные подвергаются риску утечки и злоупотребления.
Web3 решает проблемы традиционной модели с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемую сеть компаниям ИИ, децентрализованно собирая данные сети для предоставления реальных и качественных данных для обучения моделей ИИ.
Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных через токены, собирая мировую профессиональную экспертизу и усиливая возможности анализа данных.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и совместное использование данных.
Однако получение данных из реального мира сталкивается с проблемами различного качества, трудности обработки, недостатка разнообразия и представительности. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе технологий генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже демонстрируют потенциал для зрелого применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху данных защита личной информации стала предметом глобального внимания, а Общий регламент по защите данных Европейского Союза (GDPR) и другие законы отражают строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть использованы в полной мере из-за рисков конфиденциальности, что ограничивает потенциал и возможности вывода ИИ-моделей.
FHE (полностью однородное шифрование) позволяет выполнять вычислительные операции непосредственно на зашифрованных данных, не требуя их расшифровки, при этом результаты вычислений совпадают с результатами вычислений на открытых данных. FHE обеспечивает надежную защиту для вычислений с конфиденциальностью в AI, позволяя вычислительной мощности GPU выполнять обучение моделей и задачи вывода в среде, не касаясь исходных данных. Это предоставляет AI-компаниям огромное преимущество, позволяя 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 риски утечки данных. FHEML усиливает защиту данных, предоставляя безопасную вычислительную платформу для AI-приложений. FHEML является дополнением к ZKML, который доказывает корректное выполнение 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 сложность вычислений в системах ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему доступные ресурсы. Например, для обучения модели GPT-3 требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Эта нехватка вычислительных мощностей не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и факторы, связанные с цепочками поставок и геополитикой, приводят к нехватке чипов, что усугубляет проблему поставок вычислительных мощностей. Специалисты в области ИИ оказываются в двойственном положении: либо приобретать оборудование, либо арендовать облачные ресурсы, что делает необходимым наличие экономически эффективного и доступного сервиса вычислений по запросу.
Некоторый децентрализованный AI-вычислительный сетевой ресурс агрегирует неиспользуемые GPU-ресурсы по всему миру, предоставляя компаниям AI экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задания в сети, а смарт-контракты распределяют задания между майнинг-узлами, которые предоставляют вычислительную мощность. Майнеры выполняют задания и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблемы узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной сети вычислительной мощности, существуют специализированные сети вычислительной мощности, сосредоточенные на обучении и выводе ИИ. Децентрализованная сеть вычислительной мощности обеспечивает справедливый и прозрачный рынок вычислительной мощности, разрывает монополию, снижает порог входа для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности будет играть 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 данных, обеспечивая низкую задержку и обработку в реальном времени, при этом защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN усиливает защиту конфиденциальности пользователей путем локальной обработки данных, уменьшая риск утечки данных; коренная экономическая модель токенов Web3 может мотивировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов, становясь одной из предпочитаемых платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной блокчейн-платформы предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейн-платформе превышает 10 миллиардов долларов, и несколько известных проектов уже достигли значительного прогресса.
IMO: Новый парадигма публикации AI моделей
Концепция IMO была впервые предложена некоторым соглашением, которое токенизирует модели ИИ.
В традиционной модели из-за отсутствия механизма распределения доходов разработчики AI-моделей сталкиваются с трудностями в получении постоянного дохода от последующего использования, особенно когда модель интегрируется в другие продукты и услуги. Исходные создатели трудно отслеживают использование и еще сложнее получают доход. Кроме того, производительность и эффективность AI-моделей часто недостаточно прозрачны, потенциальным инвесторам и пользователям сложно оценить их истинную ценность, что ограничивает рыночное признание и коммерческий потенциал модели.
IMO предоставляет новое финансирование и способ совместного использования ценностей для открытых AI моделей; инвесторы могут приобретать токены IMO, чтобы делиться доходами, полученными от модели в будущем. Некоторый протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальной стадии испытаний, но с увеличением степени принятия на рынке и расширением диапазона участия ее инновационность и потенциальная ценность заслуживают ожидания.
AI Agent: Новый век интерактивного опыта
AI-агенты могут воспринимать окружающую среду, мыслить независимо и принимать соответствующие меры для достижения установленных целей. С поддержкой больших языковых моделей AI-агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже в отсутствие четких инструкций AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторые платформы для AI-приложений предлагают полный и удобный набор инструментов для создания, поддерживают пользователей в конфигурации функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, наделяя личностей возможностью стать супер-креаторами. Эта платформа обучила специальные большие языковые модели, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить персонализированное взаимодействие с AI-продуктами, снизив стоимость синтеза голоса на 99%, клонирование голоса занимает всего 1 минуту. С использованием специализированного AI-агента на этой платформе, он может быть применен в таких областях, как видеочат, изучение языков, генерация изображений и многих других.
В области интеграции Web3 и ИИ в настоящее время основное внимание уделяется исследованию инфраструктурного слоя, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей, а также проверка больших языковых моделей. С учетом постепенного совершенствования этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ 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» .
13 Лайков
Награда
13
7
Поделиться
комментарий
0/400
RektRecovery
· 11ч назад
предсказуемая уязвимость фестиваль смех
Посмотреть ОригиналОтветить0
ClassicDumpster
· 19ч назад
Хе-хе, снова появились новые неудачники с косой.
Посмотреть ОригиналОтветить0
HalfIsEmpty
· 19ч назад
Сказать по сути, это просто новый способ разыгрывать людей как лохов.
Посмотреть ОригиналОтветить0
GasFeePhobia
· 19ч назад
Железный газовый сбор, отлитый из меди, я в отчаянии.
Посмотреть ОригиналОтветить0
ProxyCollector
· 19ч назад
Это не просто переоделся в новый костюм централизованности
Посмотреть ОригиналОтветить0
SchrodingerAirdrop
· 19ч назад
Снова вижу ловушку концепции, жареный рис.
Посмотреть ОригиналОтветить0
MissedTheBoat
· 20ч назад
Медвежий рынок это отсутствие возможностей, просто жди и расслабляйся.
Слияние Web3 и ИИ: 5 основных тенденций в строительстве инфраструктуры нового поколения Интернета
Слияние Web3 и ИИ: создание инфраструктуры нового поколения интернета
Web3 как новая интернет-парадигма, децентрализованная, открытая и прозрачная, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, сталкиваясь с множеством проблем, такими как узкие места вычислительной мощности, утечка конфиденциальности и черный ящик алгоритмов. В то же время Web3, основанный на распределенных технологиях, с помощью сети совместного использования вычислительной мощности, открытых рыночных данных и конфиденциальных вычислений вносит новый импульс в развитие ИИ. В свою очередь, ИИ также может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы борьбы с мошенничеством, что способствует его экосистемному строительству. Исследование сочетания Web3 и ИИ крайне важно для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются основной движущей силой развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большое количество высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
В традиционных централизованных моделях получения и использования данных AI существуют следующие основные проблемы:
Web3 решает проблемы традиционной модели с помощью новой децентрализованной парадигмы данных:
Однако получение данных из реального мира сталкивается с проблемами различного качества, трудности обработки, недостатка разнообразия и представительности. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе технологий генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже демонстрируют потенциал для зрелого применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху данных защита личной информации стала предметом глобального внимания, а Общий регламент по защите данных Европейского Союза (GDPR) и другие законы отражают строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть использованы в полной мере из-за рисков конфиденциальности, что ограничивает потенциал и возможности вывода ИИ-моделей.
FHE (полностью однородное шифрование) позволяет выполнять вычислительные операции непосредственно на зашифрованных данных, не требуя их расшифровки, при этом результаты вычислений совпадают с результатами вычислений на открытых данных. FHE обеспечивает надежную защиту для вычислений с конфиденциальностью в AI, позволяя вычислительной мощности GPU выполнять обучение моделей и задачи вывода в среде, не касаясь исходных данных. Это предоставляет AI-компаниям огромное преимущество, позволяя 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 риски утечки данных. FHEML усиливает защиту данных, предоставляя безопасную вычислительную платформу для AI-приложений. FHEML является дополнением к ZKML, который доказывает корректное выполнение 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 сложность вычислений в системах ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему доступные ресурсы. Например, для обучения модели GPT-3 требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Эта нехватка вычислительных мощностей не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и факторы, связанные с цепочками поставок и геополитикой, приводят к нехватке чипов, что усугубляет проблему поставок вычислительных мощностей. Специалисты в области ИИ оказываются в двойственном положении: либо приобретать оборудование, либо арендовать облачные ресурсы, что делает необходимым наличие экономически эффективного и доступного сервиса вычислений по запросу.
Некоторый децентрализованный AI-вычислительный сетевой ресурс агрегирует неиспользуемые GPU-ресурсы по всему миру, предоставляя компаниям AI экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задания в сети, а смарт-контракты распределяют задания между майнинг-узлами, которые предоставляют вычислительную мощность. Майнеры выполняют задания и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблемы узких мест в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной сети вычислительной мощности, существуют специализированные сети вычислительной мощности, сосредоточенные на обучении и выводе ИИ. Децентрализованная сеть вычислительной мощности обеспечивает справедливый и прозрачный рынок вычислительной мощности, разрывает монополию, снижает порог входа для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности будет играть 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 данных, обеспечивая низкую задержку и обработку в реальном времени, при этом защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN усиливает защиту конфиденциальности пользователей путем локальной обработки данных, уменьшая риск утечки данных; коренная экономическая модель токенов Web3 может мотивировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов, становясь одной из предпочитаемых платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной блокчейн-платформы предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейн-платформе превышает 10 миллиардов долларов, и несколько известных проектов уже достигли значительного прогресса.
IMO: Новый парадигма публикации AI моделей
Концепция IMO была впервые предложена некоторым соглашением, которое токенизирует модели ИИ.
В традиционной модели из-за отсутствия механизма распределения доходов разработчики AI-моделей сталкиваются с трудностями в получении постоянного дохода от последующего использования, особенно когда модель интегрируется в другие продукты и услуги. Исходные создатели трудно отслеживают использование и еще сложнее получают доход. Кроме того, производительность и эффективность AI-моделей часто недостаточно прозрачны, потенциальным инвесторам и пользователям сложно оценить их истинную ценность, что ограничивает рыночное признание и коммерческий потенциал модели.
IMO предоставляет новое финансирование и способ совместного использования ценностей для открытых AI моделей; инвесторы могут приобретать токены IMO, чтобы делиться доходами, полученными от модели в будущем. Некоторый протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI модели и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальной стадии испытаний, но с увеличением степени принятия на рынке и расширением диапазона участия ее инновационность и потенциальная ценность заслуживают ожидания.
AI Agent: Новый век интерактивного опыта
AI-агенты могут воспринимать окружающую среду, мыслить независимо и принимать соответствующие меры для достижения установленных целей. С поддержкой больших языковых моделей AI-агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже в отсутствие четких инструкций AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторые платформы для AI-приложений предлагают полный и удобный набор инструментов для создания, поддерживают пользователей в конфигурации функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, наделяя личностей возможностью стать супер-креаторами. Эта платформа обучила специальные большие языковые модели, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить персонализированное взаимодействие с AI-продуктами, снизив стоимость синтеза голоса на 99%, клонирование голоса занимает всего 1 минуту. С использованием специализированного AI-агента на этой платформе, он может быть применен в таких областях, как видеочат, изучение языков, генерация изображений и многих других.
В области интеграции Web3 и ИИ в настоящее время основное внимание уделяется исследованию инфраструктурного слоя, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей, а также проверка больших языковых моделей. С учетом постепенного совершенствования этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.