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 обчислювальні та дані ресурси ШІ суворо контролюються, стикаються з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, чорні ящики алгоритмів тощо. А Web3, заснована на розподілених технологіях, може надати новий імпульс розвитку ШІ через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас ШІ також може надати Web3 численні можливості, такі як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екологічному розвитку. Тому дослідження поєднання Web3 та ШІ має важливе значення для створення інфраструктури наступного покоління Інтернету, а також для вивільнення цінності даних і обчислювальної потужності.
Дані на основі: основа AI та Web3
Дані є основним двигуном розвитку ШІ. Моделям ШІ потрібно обробляти величезні обсяги високоякісних даних, щоб отримати глибоке розуміння та потужні можливості розумування. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність і надійність моделей.
Традиційні моделі централізованого отримання та використання даних штучного інтелекту мають такі основні проблеми:
Вартість отримання даних є високою, і малим та середнім підприємствам важко це витримати.
Ресурси даних монополізовані технологічними гігантами, утворюючи острови даних
Персональні дані під загрозою витоку та зловживання
Web3 може вирішити ці проблеми завдяки новій децентралізованій парадигмі даних:
Користувачі можуть продавати невикористані мережі AI-компаніям, децентралізовано збираючи мережеві дані, які після очищення та перетворення надають реальні та високоякісні дані для навчання AI-моделей.
Використання моделі "label to earn", за допомогою токенів стимулювати працівників з усього світу брати участь у розмітці даних, об'єднувати професійні знання з усього світу, посилюючи можливості аналізу даних.
Платформа торгівлі даними на блокчейні забезпечує відкритий і прозорий торговий простір для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Проте, отримання даних з реального світу все ще стикається з деякими проблемами, такими як різна якість даних, складність обробки, недостатня різноманітність і репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього в секторі 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 та розробка ігор, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: Застосування FHE у Web3
У епоху даних захист приватності став глобальною проблемою, а Загальний регламент захисту даних ЄС та інші нормативні акти відображають строгий захист особистої інформації. Однак це також створює виклики: деякі чутливі дані не можуть бути в повній мірі використані через ризики конфіденційності, що обмежує потенціал і здатність до міркування AI моделей.
FHE( повна гомоморфна криптографія ) дозволяє виконувати обчислювальні операції безпосередньо над зашифрованими даними без необхідності їх дешифрування, при цьому результати обчислень будуть ідентичні результатам, отриманим при виконанні аналогічних обчислень над відкритими даними.
FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє GPU-вичисленням виконувати навчання моделей та завдання висновків у середовищі, яке не торкається оригінальних даних. Це дає компаніям AI величезні переваги, дозволяючи безпечно відкривати API-сервіси, одночасно захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Таким чином, FHEML посилює конфіденційність даних, пропонуючи безпечну обчислювальну структуру для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обчислення на зашифрованих даних для забезпечення конфіденційності даних.
Революція обчислювальної потужності: AI обчислення в децентралізованих мережах
Поточна складність обчислень системи ШІ подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні ресурси, що значно перевищує існуючу пропозицію обчислювальних ресурсів. Наприклад, для навчання моделі GPT-3 потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій ШІ, але й робить високоякісні моделі ШІ недоступними для більшості дослідників і розробників.
Водночас, глобальне використання графічних процесорів (GPU) становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також нестача чіпів, спричинена факторами постачання та геополітики, ще більше ускладнює проблему постачання обчислювальної потужності. Працівники в галузі штучного інтелекту опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, і їм терміново потрібен економічно ефективний спосіб отримання обчислювальних послуг за запитом.
Децентралізована AI обчислювальна мережа агрегує вільні GPU ресурси по всьому світу, надаючи економічний та зручний обчислювальний ринок для AI компаній. Сторони, що потребують обчислювальні потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають потужності, майнери виконують завдання та подають результати, які перевіряються, після чого вони отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузьких місць у обчислювальних потужностях в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальних потужностей, існують також спеціалізовані платформи обчислювальних потужностей, які зосереджені на навчанні та розумінні штучного інтелекту. Децентралізована мережа обчислювальних потужностей забезпечує справедливий і прозорий ринок обчислювальних потужностей, руйнуючи монополії, знижуючи бар'єри для використання та підвищуючи ефективність використання обчислювальних потужностей. У екосистемі Web3 децентралізована мережа обчислювальних потужностей відіграє ключову роль, залучаючи більше інноваційних dapp, що разом сприятиме розвитку та застосуванню технологій штучного інтелекту.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник і навіть розумні пристрої в вашому домі мають можливість запускати штучний інтелект — ось в чому魅力 Edge AI. Це дозволяє обробці даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку та миттєву обробку, одночасно захищаючи конфіденційність користувачів. Технології Edge AI вже застосовуються в таких ключових областях, як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN завдяки локальній обробці даних може покращити захист конфіденційності користувачів та зменшити ризик витоку даних; рідна для Web3 механіка токеноміки може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного блокчейну, ставши однією з основних платформ для розгортання проектів. Висока TPS, низькі транзакційні витрати та технологічні інновації цього блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів США, і кілька відомих проектів вже досягли значного прогресу.
IMO: Випуск нової парадигми AI моделей
Концепція IMO була вперше запропонована певним протоколом, що передбачає токенізацію моделей штучного інтелекту.
У традиційній моделі, через відсутність механізму поділу прибутків, розробникам AI-моделей важко отримувати постійний дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги, оригінальним творцям важко відстежувати використання та отримувати прибуток. Крім того, продуктивність та ефективність AI-моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їх справжньої вартості, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO надає новий спосіб фінансової підтримки та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, отриманими від моделей у майбутньому. Певний протокол використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделей та можливість токенодержателям ділитися доходами.
Модель IMO підвищила прозорість і довіру, сприяючи відкритій співпраці, адаптувалася до тенденцій крипторинку та надала імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на стадії початкових спроб, але з підвищенням прийнятності на ринку та розширенням участі її інноваційність і потенційна цінність заслуговують на очікування.
AI Agent: нова ера взаємодій
AI агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Підтримуваний великими мовними моделями, AI агент не лише розуміє природну мову, але й може планувати рішення, виконувати складні завдання. Вони можуть бути віртуальними помічниками, навчаючись уподобанням через взаємодію з користувачами та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій, AI агент може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деяка платформа для нативних додатків AI пропонує всебічний і зручний набір інструментів для створення, що підтримує налаштування функцій, зовнішнього вигляду, голосу роботів, а також підключення до зовнішніх баз знань, прагнучи створити справедливу і відкриту екосистему контенту AI, використовуючи технології генеративного AI, надаючи можливість особам стати суперкреаторами. Ця платформа навчила спеціальну велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, зменшуючи витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Використовуючи налаштованого AI-агента цієї платформи, наразі його можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень.
На даний момент інтеграція Web3 та AI переважно зосереджена на дослідженнях на рівні інфраструктури, включаючи такі ключові питання, як отримання високоякісних даних, захист конфіденційності даних, як хостити моделі в мережі, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі тощо. З поступовим удосконаленням цієї інфраструктури інтеграція Web3 та AI має потенціал для створення 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.
11 лайків
Нагородити
11
5
Поділіться
Прокоментувати
0/400
RugpullTherapist
· 07-31 15:28
бик啊бик啊 Наступний булран залежить від web3+AI
Переглянути оригіналвідповісти на0
GasFeeNightmare
· 07-31 14:14
Ще краще було б спочатку знизити газовий збір.
Переглянути оригіналвідповісти на0
EthMaximalist
· 07-31 14:05
Ця революція в інфраструктурі вже на підході~
Переглянути оригіналвідповісти на0
BuyHighSellLow
· 07-31 14:01
Що б я не робив, просто відчуваю себе дивовижно
Переглянути оригіналвідповісти на0
RektButStillHere
· 07-31 13:48
Щодня говорять про інтеграцію web3 та штучного інтелекту, але за кілька років не було жодних цінних інсайтів.
Web3 та AI: побудова інфраструктури наступного покоління Інтернету
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 обчислювальні та дані ресурси ШІ суворо контролюються, стикаються з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, чорні ящики алгоритмів тощо. А Web3, заснована на розподілених технологіях, може надати новий імпульс розвитку ШІ через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас ШІ також може надати Web3 численні можливості, такі як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екологічному розвитку. Тому дослідження поєднання Web3 та ШІ має важливе значення для створення інфраструктури наступного покоління Інтернету, а також для вивільнення цінності даних і обчислювальної потужності.
Дані на основі: основа AI та Web3
Дані є основним двигуном розвитку ШІ. Моделям ШІ потрібно обробляти величезні обсяги високоякісних даних, щоб отримати глибоке розуміння та потужні можливості розумування. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність і надійність моделей.
Традиційні моделі централізованого отримання та використання даних штучного інтелекту мають такі основні проблеми:
Web3 може вирішити ці проблеми завдяки новій децентралізованій парадигмі даних:
Проте, отримання даних з реального світу все ще стикається з деякими проблемами, такими як різна якість даних, складність обробки, недостатня різноманітність і репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього в секторі 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 та розробка ігор, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: Застосування FHE у Web3
У епоху даних захист приватності став глобальною проблемою, а Загальний регламент захисту даних ЄС та інші нормативні акти відображають строгий захист особистої інформації. Однак це також створює виклики: деякі чутливі дані не можуть бути в повній мірі використані через ризики конфіденційності, що обмежує потенціал і здатність до міркування AI моделей.
FHE( повна гомоморфна криптографія ) дозволяє виконувати обчислювальні операції безпосередньо над зашифрованими даними без необхідності їх дешифрування, при цьому результати обчислень будуть ідентичні результатам, отриманим при виконанні аналогічних обчислень над відкритими даними.
FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє GPU-вичисленням виконувати навчання моделей та завдання висновків у середовищі, яке не торкається оригінальних даних. Це дає компаніям AI величезні переваги, дозволяючи безпечно відкривати API-сервіси, одночасно захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Таким чином, FHEML посилює конфіденційність даних, пропонуючи безпечну обчислювальну структуру для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обчислення на зашифрованих даних для забезпечення конфіденційності даних.
Революція обчислювальної потужності: AI обчислення в децентралізованих мережах
Поточна складність обчислень системи ШІ подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні ресурси, що значно перевищує існуючу пропозицію обчислювальних ресурсів. Наприклад, для навчання моделі GPT-3 потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій ШІ, але й робить високоякісні моделі ШІ недоступними для більшості дослідників і розробників.
Водночас, глобальне використання графічних процесорів (GPU) становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також нестача чіпів, спричинена факторами постачання та геополітики, ще більше ускладнює проблему постачання обчислювальної потужності. Працівники в галузі штучного інтелекту опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, і їм терміново потрібен економічно ефективний спосіб отримання обчислювальних послуг за запитом.
Децентралізована AI обчислювальна мережа агрегує вільні GPU ресурси по всьому світу, надаючи економічний та зручний обчислювальний ринок для AI компаній. Сторони, що потребують обчислювальні потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають потужності, майнери виконують завдання та подають результати, які перевіряються, після чого вони отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузьких місць у обчислювальних потужностях в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальних потужностей, існують також спеціалізовані платформи обчислювальних потужностей, які зосереджені на навчанні та розумінні штучного інтелекту. Децентралізована мережа обчислювальних потужностей забезпечує справедливий і прозорий ринок обчислювальних потужностей, руйнуючи монополії, знижуючи бар'єри для використання та підвищуючи ефективність використання обчислювальних потужностей. У екосистемі Web3 децентралізована мережа обчислювальних потужностей відіграє ключову роль, залучаючи більше інноваційних dapp, що разом сприятиме розвитку та застосуванню технологій штучного інтелекту.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник і навіть розумні пристрої в вашому домі мають можливість запускати штучний інтелект — ось в чому魅力 Edge AI. Це дозволяє обробці даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку та миттєву обробку, одночасно захищаючи конфіденційність користувачів. Технології Edge AI вже застосовуються в таких ключових областях, як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN завдяки локальній обробці даних може покращити захист конфіденційності користувачів та зменшити ризик витоку даних; рідна для Web3 механіка токеноміки може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного блокчейну, ставши однією з основних платформ для розгортання проектів. Висока TPS, низькі транзакційні витрати та технологічні інновації цього блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів США, і кілька відомих проектів вже досягли значного прогресу.
IMO: Випуск нової парадигми AI моделей
Концепція IMO була вперше запропонована певним протоколом, що передбачає токенізацію моделей штучного інтелекту.
У традиційній моделі, через відсутність механізму поділу прибутків, розробникам AI-моделей важко отримувати постійний дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги, оригінальним творцям важко відстежувати використання та отримувати прибуток. Крім того, продуктивність та ефективність AI-моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їх справжньої вартості, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO надає новий спосіб фінансової підтримки та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, отриманими від моделей у майбутньому. Певний протокол використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделей та можливість токенодержателям ділитися доходами.
Модель IMO підвищила прозорість і довіру, сприяючи відкритій співпраці, адаптувалася до тенденцій крипторинку та надала імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на стадії початкових спроб, але з підвищенням прийнятності на ринку та розширенням участі її інноваційність і потенційна цінність заслуговують на очікування.
AI Agent: нова ера взаємодій
AI агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Підтримуваний великими мовними моделями, AI агент не лише розуміє природну мову, але й може планувати рішення, виконувати складні завдання. Вони можуть бути віртуальними помічниками, навчаючись уподобанням через взаємодію з користувачами та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій, AI агент може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деяка платформа для нативних додатків AI пропонує всебічний і зручний набір інструментів для створення, що підтримує налаштування функцій, зовнішнього вигляду, голосу роботів, а також підключення до зовнішніх баз знань, прагнучи створити справедливу і відкриту екосистему контенту AI, використовуючи технології генеративного AI, надаючи можливість особам стати суперкреаторами. Ця платформа навчила спеціальну велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, зменшуючи витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Використовуючи налаштованого AI-агента цієї платформи, наразі його можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень.
На даний момент інтеграція Web3 та AI переважно зосереджена на дослідженнях на рівні інфраструктури, включаючи такі ключові питання, як отримання високоякісних даних, захист конфіденційності даних, як хостити моделі в мережі, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі тощо. З поступовим удосконаленням цієї інфраструктури інтеграція Web3 та AI має потенціал для створення ряду інноваційних бізнес-моделей та послуг.