Perpaduan Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya
Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki kesempatan alami untuk berintegrasi dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI berada di bawah kontrol ketat, dan terdapat banyak tantangan seperti hambatan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 berbasis teknologi terdistribusi, dapat memberikan dorongan baru untuk pengembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Selain itu, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-penipuan, dan mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data serta daya komputasi.
Data Driven: Fondasi Kuat AI dan Web3
Data adalah kekuatan pendorong utama pengembangan AI, seperti halnya bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.
Dalam pola pengambilan dan pemanfaatan data AI yang terpusat secara tradisional, terdapat beberapa masalah utama sebagai berikut:
Biaya pengambilan data yang tinggi, sulit bagi usaha kecil dan menengah untuk ditanggung
Sumber data didominasi oleh raksasa teknologi, membentuk pulau data
Risiko kebocoran dan penyalahgunaan data pribadi
Web3 dapat menyelesaikan titik nyeri dari model tradisional dengan paradigma data terdesentralisasi yang baru:
Mengambil data jaringan secara terdesentralisasi, setelah dibersihkan dan diubah, menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
Menggunakan model "label to earn", dengan insentif token untuk mendorong pekerja global berpartisipasi dalam pelabelan data, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan bagi kedua pihak yang membutuhkan dan menyediakan data, mendorong inovasi dan berbagi data.
Meskipun demikian, pengambilan data di dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, serta kurangnya keragaman dan representasi. Data sintetis mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang pengemudian otomatis, perdagangan pasar keuangan, pengembangan permainan, data sintetis telah menunjukkan potensi aplikasi yang matang.
Perlindungan Privasi: Peran FHE dalam Web3
Era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global, pengesahan regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, yang tanpa diragukan lagi membatasi potensi dan kemampuan penalaran model AI.
FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan langsung pada data terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungannya konsisten dengan hasil perhitungan pada data dalam bentuk teks biasa.
FHE memberikan perlindungan yang kuat untuk perhitungan privasi AI, memungkinkan kekuatan GPU untuk melakukan pelatihan model dan tugas inferensi dalam lingkungan tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia bisnis.
FHEML mendukung pengolahan data dan model secara terenkripsi selama seluruh siklus pembelajaran mesin, memastikan keamanan informasi sensitif, dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap dari ZKML, ZKML membuktikan eksekusi mesin pembelajaran yang benar, sementara FHEML menekankan perhitungan data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar dari sebuah perusahaan AI terkenal membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.
Sementara itu, pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Para profesional AI terjebak dalam dilema: entah membeli perangkat keras sendiri, atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan hemat biaya.
Sebuah jaringan kekuatan komputasi AI terdesentralisasi mengumpulkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar kekuatan komputasi yang ekonomis dan mudah diakses untuk perusahaan AI. Pihak yang membutuhkan kekuatan komputasi dapat memposting tugas komputasi di jaringan, kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan kekuatan komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi, mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck kekuatan komputasi di bidang AI dan lainnya.
Selain jaringan komputasi terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.
Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, bersama-sama mendorong perkembangan dan penerapan teknologi AI.
DePIN: Web3 Memberdayakan Edge AI
Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan pemrosesan terjadi di sumber data, memungkinkan latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna, teknologi Edge AI telah diterapkan di bidang-bidang kunci seperti mobil otonom.
Di bidang Web3, kita memiliki nama yang lebih dikenal—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dan mengurangi risiko kebocoran data dengan memproses data secara lokal; mekanisme ekonomi Token yang asli dari Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat dalam ekosistem suatu blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk penempatan proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan yang kuat bagi proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan proyek-proyek terkenal telah mencapai kemajuan yang signifikan.
IMO: Model AI Merilis Paradigma Baru
Konsep IMO pertama kali diusulkan oleh suatu protokol yang akan memtokenisasi model AI.
Dalam model tradisional, karena kurangnya mekanisme berbagi pendapatan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang seringkali sulit untuk mendapatkan pendapatan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model tersebut diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efektivitas model AI seringkali kurang transparan, yang menyulitkan investor dan pengguna potensial untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.
IMO menyediakan cara baru untuk mendukung dana dan berbagi nilai bagi model AI sumber terbuka, investor dapat membeli token IMO untuk berbagi keuntungan yang dihasilkan dari model di masa mendatang. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan bahwa pemegang token dapat berbagi keuntungan.
Mode IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan untuk pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasi dan nilai potensialnya patut untuk kita nantikan.
AI Agent: Era baru pengalaman interaksi
Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan menjalankan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar preferensi pengguna melalui interaksi, dan memberikan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi AI asli menawarkan kumpulan alat kreasi yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform ini melatih model bahasa besar khusus, membuat peran bermain lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara dapat dilakukan dalam waktu 1 menit. Dengan AI Agent yang disesuaikan dari platform ini, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.
Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi di tingkat infrastruktur dasar, bagaimana cara mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di rantai, bagaimana meningkatkan penggunaan efisien dari kekuatan komputasi terdesentralisasi, dan bagaimana memverifikasi model bahasa besar dan masalah kunci lainnya. Dengan perlahan-lahan memperbaiki infrastruktur ini, kita punya alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
12 Suka
Hadiah
12
5
Posting ulang
Bagikan
Komentar
0/400
CryptoDouble-O-Seven
· 16jam yang lalu
Metaverse benar-benar datang!
Lihat AsliBalas0
FortuneTeller42
· 16jam yang lalu
Menanyakan satu pertanyaan lemah, masih harus membakar berapa banyak eth
Web3 dan AI terintegrasi: Membangun infrastruktur internet cerdas yang desentralisasi
Perpaduan Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya
Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki kesempatan alami untuk berintegrasi dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI berada di bawah kontrol ketat, dan terdapat banyak tantangan seperti hambatan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 berbasis teknologi terdistribusi, dapat memberikan dorongan baru untuk pengembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Selain itu, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-penipuan, dan mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data serta daya komputasi.
Data Driven: Fondasi Kuat AI dan Web3
Data adalah kekuatan pendorong utama pengembangan AI, seperti halnya bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.
Dalam pola pengambilan dan pemanfaatan data AI yang terpusat secara tradisional, terdapat beberapa masalah utama sebagai berikut:
Web3 dapat menyelesaikan titik nyeri dari model tradisional dengan paradigma data terdesentralisasi yang baru:
Meskipun demikian, pengambilan data di dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, serta kurangnya keragaman dan representasi. Data sintetis mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang pengemudian otomatis, perdagangan pasar keuangan, pengembangan permainan, data sintetis telah menunjukkan potensi aplikasi yang matang.
Perlindungan Privasi: Peran FHE dalam Web3
Era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global, pengesahan regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, yang tanpa diragukan lagi membatasi potensi dan kemampuan penalaran model AI.
FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan langsung pada data terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungannya konsisten dengan hasil perhitungan pada data dalam bentuk teks biasa.
FHE memberikan perlindungan yang kuat untuk perhitungan privasi AI, memungkinkan kekuatan GPU untuk melakukan pelatihan model dan tugas inferensi dalam lingkungan tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia bisnis.
FHEML mendukung pengolahan data dan model secara terenkripsi selama seluruh siklus pembelajaran mesin, memastikan keamanan informasi sensitif, dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap dari ZKML, ZKML membuktikan eksekusi mesin pembelajaran yang benar, sementara FHEML menekankan perhitungan data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar dari sebuah perusahaan AI terkenal membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.
Sementara itu, pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Para profesional AI terjebak dalam dilema: entah membeli perangkat keras sendiri, atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan hemat biaya.
Sebuah jaringan kekuatan komputasi AI terdesentralisasi mengumpulkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar kekuatan komputasi yang ekonomis dan mudah diakses untuk perusahaan AI. Pihak yang membutuhkan kekuatan komputasi dapat memposting tugas komputasi di jaringan, kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan kekuatan komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi, mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck kekuatan komputasi di bidang AI dan lainnya.
Selain jaringan komputasi terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.
Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, bersama-sama mendorong perkembangan dan penerapan teknologi AI.
DePIN: Web3 Memberdayakan Edge AI
Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan pemrosesan terjadi di sumber data, memungkinkan latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna, teknologi Edge AI telah diterapkan di bidang-bidang kunci seperti mobil otonom.
Di bidang Web3, kita memiliki nama yang lebih dikenal—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dan mengurangi risiko kebocoran data dengan memproses data secara lokal; mekanisme ekonomi Token yang asli dari Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat dalam ekosistem suatu blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk penempatan proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan yang kuat bagi proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan proyek-proyek terkenal telah mencapai kemajuan yang signifikan.
IMO: Model AI Merilis Paradigma Baru
Konsep IMO pertama kali diusulkan oleh suatu protokol yang akan memtokenisasi model AI.
Dalam model tradisional, karena kurangnya mekanisme berbagi pendapatan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang seringkali sulit untuk mendapatkan pendapatan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model tersebut diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efektivitas model AI seringkali kurang transparan, yang menyulitkan investor dan pengguna potensial untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.
IMO menyediakan cara baru untuk mendukung dana dan berbagi nilai bagi model AI sumber terbuka, investor dapat membeli token IMO untuk berbagi keuntungan yang dihasilkan dari model di masa mendatang. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan bahwa pemegang token dapat berbagi keuntungan.
Mode IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan untuk pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasi dan nilai potensialnya patut untuk kita nantikan.
AI Agent: Era baru pengalaman interaksi
Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan menjalankan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar preferensi pengguna melalui interaksi, dan memberikan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi AI asli menawarkan kumpulan alat kreasi yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform ini melatih model bahasa besar khusus, membuat peran bermain lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara dapat dilakukan dalam waktu 1 menit. Dengan AI Agent yang disesuaikan dari platform ini, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.
Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi di tingkat infrastruktur dasar, bagaimana cara mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di rantai, bagaimana meningkatkan penggunaan efisien dari kekuatan komputasi terdesentralisasi, dan bagaimana memverifikasi model bahasa besar dan masalah kunci lainnya. Dengan perlahan-lahan memperbaiki infrastruktur ini, kita punya alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.