Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественную возможность для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существуют множество проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальности, черный ящик алгоритмов и т.д. Web3, основанный на распределенных технологиях, может ввести новую динамику в развитие ИИ через такие подходы, как совместная сеть вычислительной мощности, открытый рынок данных, вычисления с соблюдением конфиденциальности и т.д. В то же время, ИИ также может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., что способствует его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет первостепенное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются основным двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большое количество качественных 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 традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их понести.
Данные ресурсы монополизируются технологическими гигантами, образуя изолированные данные.
Личная информация подвергается риску утечки и злоупотребления.
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
С помощью децентрализованного метода сбора данных из сети, после очистки и преобразования, предоставляются реальные и высококачественные данные для обучения моделей ИИ.
Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотации данных с помощью токенов, объединяя мировые профессиональные знания и усиливая аналитические возможности данных.
Блокчейн-платформа для торговли данными предоставляет открытое и прозрачное торговое окружение для обеих сторон спроса и предложения данных, стимулируя инновации и обмен данными.
Тем не менее, в реальном мире получение данных также сталкивается с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать звездой будущего в области данных Web3. Основанные на генеративных технологиях ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и др., синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху, управляемую данными, защита личной информации стала глобальным центром внимания, и введение таких нормативных актов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности рассуждения моделей ИИ.
FHE — это полностью однородное шифрование, позволяющее непосредственно выполнять вычисления над зашифрованными данными без необходимости их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью AI, позволяя GPU выполнять задачи обучения моделей и вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI. Они могут 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. Таким образом, FHEML усиливает конфиденциальность данных, предоставляя безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для поддержания конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительную мощность, значительно превышающему доступные ресурсы. Например, обучение крупной языковой модели известной AI-компании требует огромной вычислительной мощности, эквивалентной 355 годам обучения на одном устройстве. Такое нехватка вычислительной мощности не только ограничивает прогресс технологий AI, но и делает сложные AI-модели недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблемы с поставкой вычислительной мощности. Работники AI оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен способ предоставления вычислительных услуг по мере необходимости и экономически эффективный.
Некоторый децентрализованный AI вычислительный сетевой ресурс, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет компаниям AI экономически выгодный и доступный рынок вычислительных мощностей. Запрашивающие вычислительные мощности могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, предоставляющими вычислительные мощности, майнеры выполняют задачи и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. 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, есть платформы, сосредотачивающиеся на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительной мощности, разрывает монополию, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 дает возможность Edge AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме имеют возможность запускать ИИ — в этом и заключается魅力 Edge AI. Это позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN может усилить защиту конфиденциальности пользователей и снизить риск утечки данных, обрабатывая данные локально; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов и стал одной из предпочтительных платформ для развертывания проектов. Высокий TPS, низкие транзакционные сборы и технологические инновации этой публичной цепи обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, а известные проекты уже добились значительного прогресса.
IMO: Выпуск новой парадигмы модели ИИ
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует модели AI.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчики часто не могут получить постоянный доход от последующего использования модели, особенно когда модель интегрирована в другие продукты и услуги. Исходные создатели часто сталкиваются с трудностями в отслеживании использования, не говоря уже о получении прибыли. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной стоимости и ограничивает рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новый способ финансовой поддержки и совместного использования ценностей для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в дальнейшем. 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 увеличила прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вдохновляет на устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальной стадии экспериментов, но с увеличением рыночной приемлемости и расширением круга участников её инновационность и потенциальная ценность заслуживают нашего ожидания.
AI Agent: Новая эра взаимодействия
AI-агент может воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения поставленных 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 инструкций AI-агент способен самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая платформа приложений на основе ИИ предоставляет полный и удобный набор инструментов для творчества, поддерживает пользователей в настройке функций роботов, внешнего вида, голоса и соединении с внешними базами знаний и стремится создать справедливую и открытую экосистему контента ИИ, используя технологии генеративного ИИ, наделяя индивидуумов возможностью стать супер-творцами. Платформа обучила специализированную языковую модель, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить персонализированное взаимодействие продуктов ИИ, снизив стоимость синтеза речи на 99%, клонирование голоса может быть выполнено всего за 1 минуту. С использованием настраиваемого AI Agent на этой платформе в настоящее время возможно применение в таких областях, как видеочат, изучение языков, генерация изображений и многом другом.
В融合е Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение высококачественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованной вычислительной мощности, а также верификация больших языковых моделей. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что融合 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» .
12 Лайков
Награда
12
5
Репост
Поделиться
комментарий
0/400
CryptoDouble-O-Seven
· 6ч назад
Метавселенная真来啦
Посмотреть ОригиналОтветить0
FortuneTeller42
· 6ч назад
Основной вопрос: сколько еще ETH нужно сжечь?
Посмотреть ОригиналОтветить0
StakeWhisperer
· 6ч назад
Снова говорят о революции черного ящика
Посмотреть ОригиналОтветить0
ForeverBuyingDips
· 6ч назад
Кажется, снова поступил сигнал о бычьем рынке!
Посмотреть ОригиналОтветить0
NFTHoarder
· 6ч назад
Искусственный интеллект и Web3 созданы друг для друга!
Web3 и AI: создание Децентрализованной интеллектуальной интернет-инфраструктуры
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественную возможность для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существуют множество проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальности, черный ящик алгоритмов и т.д. Web3, основанный на распределенных технологиях, может ввести новую динамику в развитие ИИ через такие подходы, как совместная сеть вычислительной мощности, открытый рынок данных, вычисления с соблюдением конфиденциальности и т.д. В то же время, ИИ также может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., что способствует его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет первостепенное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются основным двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большое количество качественных 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 традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, в реальном мире получение данных также сталкивается с некоторыми проблемами, такими как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать звездой будущего в области данных Web3. Основанные на генеративных технологиях ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и др., синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху, управляемую данными, защита личной информации стала глобальным центром внимания, и введение таких нормативных актов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности рассуждения моделей ИИ.
FHE — это полностью однородное шифрование, позволяющее непосредственно выполнять вычисления над зашифрованными данными без необходимости их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью AI, позволяя GPU выполнять задачи обучения моделей и вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI. Они могут 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. Таким образом, FHEML усиливает конфиденциальность данных, предоставляя безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для поддержания конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительную мощность, значительно превышающему доступные ресурсы. Например, обучение крупной языковой модели известной AI-компании требует огромной вычислительной мощности, эквивалентной 355 годам обучения на одном устройстве. Такое нехватка вычислительной мощности не только ограничивает прогресс технологий AI, но и делает сложные AI-модели недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблемы с поставкой вычислительной мощности. Работники AI оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен способ предоставления вычислительных услуг по мере необходимости и экономически эффективный.
Некоторый децентрализованный AI вычислительный сетевой ресурс, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет компаниям AI экономически выгодный и доступный рынок вычислительных мощностей. Запрашивающие вычислительные мощности могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, предоставляющими вычислительные мощности, майнеры выполняют задачи и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. 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, есть платформы, сосредотачивающиеся на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительной мощности, разрывает монополию, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 дает возможность Edge AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме имеют возможность запускать ИИ — в этом и заключается魅力 Edge AI. Это позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN может усилить защиту конфиденциальности пользователей и снизить риск утечки данных, обрабатывая данные локально; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов и стал одной из предпочтительных платформ для развертывания проектов. Высокий TPS, низкие транзакционные сборы и технологические инновации этой публичной цепи обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, а известные проекты уже добились значительного прогресса.
IMO: Выпуск новой парадигмы модели ИИ
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует модели AI.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчики часто не могут получить постоянный доход от последующего использования модели, особенно когда модель интегрирована в другие продукты и услуги. Исходные создатели часто сталкиваются с трудностями в отслеживании использования, не говоря уже о получении прибыли. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной стоимости и ограничивает рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новый способ финансовой поддержки и совместного использования ценностей для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в дальнейшем. 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 увеличила прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вдохновляет на устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальной стадии экспериментов, но с увеличением рыночной приемлемости и расширением круга участников её инновационность и потенциальная ценность заслуживают нашего ожидания.
AI Agent: Новая эра взаимодействия
AI-агент может воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения поставленных 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 инструкций AI-агент способен самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая платформа приложений на основе ИИ предоставляет полный и удобный набор инструментов для творчества, поддерживает пользователей в настройке функций роботов, внешнего вида, голоса и соединении с внешними базами знаний и стремится создать справедливую и открытую экосистему контента ИИ, используя технологии генеративного ИИ, наделяя индивидуумов возможностью стать супер-творцами. Платформа обучила специализированную языковую модель, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить персонализированное взаимодействие продуктов ИИ, снизив стоимость синтеза речи на 99%, клонирование голоса может быть выполнено всего за 1 минуту. С использованием настраиваемого AI Agent на этой платформе в настоящее время возможно применение в таких областях, как видеочат, изучение языков, генерация изображений и многом другом.
В融合е Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение высококачественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованной вычислительной мощности, а также верификация больших языковых моделей. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что融合 Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.