Слияние Web3 и ИИ: создание инфраструктуры нового поколения для Интернета
Web3 как новая парадигма интернета, основанная на децентрализации, открытости и прозрачности, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных сталкиваются с жесткими ограничениями, испытывая такие проблемы, как узкие места в вычислительной мощности, утечка конфиденциальности, черные ящики алгоритмов и многие другие вызовы. В то время как Web3, основанный на распределенных технологиях, может предоставить новую动力 для развития ИИ через сети совместного использования вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ может обеспечить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы борьбы с мошенничеством, способствуя его экосистемному развитию. Поэтому исследование взаимодействия Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительных мощностей.
Данные как основа: ИИ и Web3
Данные являются核心动力 для развития ИИ. Модели ИИ нуждаются в переваривании большого объема качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.
Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их нести.
Ресурсы данных монополизируются крупными технологическими компаниями, образуя острова данных.
Личная конфиденциальность данных подвергается риску утечки и злоупотребления
Web3 предлагает новую децентрализованную парадигму данных для решения этих проблем:
Пользователи могут продавать неиспользуемые сетевые ресурсы компаниям ИИ для децентрализованного сбора сетевых данных, которые после очистки и преобразования предоставляют реальные, высококачественные данные для обучения моделей ИИ.
Используя модель "заработок через аннотации", мы стимулируем работников по всему миру участвовать в аннотациях данных с помощью токенов, собирая глобальные профессиональные знания и усиливая аналитические способности данных.
Платформа торговли данными на блокчейне предоставляет открытое и прозрачное торговое окружение для сторон спроса и предложения данных, стимулируя инновации и совместное использование данных.
Тем не менее, в получении данных из реального мира по-прежнему существуют некоторые проблемы, такие как неоднородное качество данных, большая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать яркой точкой в области данных Web3 в будущем. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением, повышающим эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т.д., синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Применение FHE в Web3
В эпоху, движимую данными, защита личной информации стала глобальным объектом внимания, а Общий регламент по защите данных Европейского Союза и другие законы отражают строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделирования ИИ.
Полностью гомоморфное шифрование ( FHE ) позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами вычислений на открытых данных. FHE предоставляет надежную защиту для конфиденциальных вычислений AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не касаясь исходных данных. Это предоставляет огромное преимущество компаниям AI, позволяя им безопасно открывать API-сервисы, защищая коммерческую тайну.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, который доказывает правильное выполнение машинного обучения, в то время как FHEML подчеркивает вычисления с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому росту потребностей в вычислительной мощности, значительно превышающим существующие запасы вычислительных ресурсов. Например, обучение одной крупной языковой модели требует огромной вычислительной мощности, эквивалентной 355 годам обучения на одном устройстве. Этот дефицит вычислительной мощности не только ограничивает прогресс технологий AI, но и делает передовые 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 факторами цепочки поставок и геополитическими обстоятельствами, усугубляют проблему поставок вычислительной мощности. Специалисты по ИИ сталкиваются с дилеммой: либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный способ вычислительных услуг по требованию.
Децентрализованная сеть вычислительных мощностей AI объединяет неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям AI экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, смарт-контракт распределяет задачи среди узлов, которые предоставляют вычислительные мощности, узлы выполняют задачи и отправляют результаты, которые после верификации получают вознаграждение. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узкого места в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, сосредотачивающиеся на обучении и выводе ИИ. Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок, разрушает монополии, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных приложений для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3, наделяющий возможностями краевую ИИ
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ - в этом и заключается魅力边缘AI. Это позволяет выполнять вычисления в месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология边缘AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 более знакомым нам названием является DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, усиливает защиту конфиденциальности пользователей и снижает риски утечки данных; коренная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме определенной публичной цепи, становясь одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи обеспечивают мощную поддержку для проектов DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительного прогресса.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена в каком-то протоколе, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, разработчики AI-моделей испытывают трудности с получением постоянного дохода от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Первоначальным создателям сложно отслеживать использование и еще труднее получать доход. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание моделей и их коммерческий потенциал.
IMO предоставляет новое финансирование и способ совместного использования ценностей для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, которые будут генерироваться моделью в будущем. Некоторые протоколы используют специфические стандарты ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.
Модель IMO повысила прозрачность и доверие, способствовала сотрудничеству с открытым исходным кодом, адаптировалась к тенденциям криптовалютного рынка и дала импульс устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальном этапе, но по мере повышения рыночной приемлемости и расширения охвата ее инновационность и потенциальная ценность заслуживают ожидания.
AI Агент: Новая эра интерактивного опыта
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агенты могут не только понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут действовать как виртуальные помощники, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без явных указаний AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая платформа для нативных приложений AI предоставляет полный и удобный набор инструментов для создания, поддерживает настройку функций робота, внешнего вида, голоса, а также подключение внешних баз знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, позволяя отдельным пользователям стать супер-креаторами. Эта платформа обучила специализированные модели больших языков, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с AI-продуктами, эта платформа снизила стоимость синтеза голоса на 99%, а клонирование голоса занимает всего 1 минуту. Используя AI-агента, настроенного на этой платформе, в настоящее время можно применять в таких областях, как видеочат, изучение языков, генерация изображений и многих других.
В融合 Web3 и AI текущее внимание сосредоточено на исследовании инфраструктурного уровня, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на цепи, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С постепенным совершенствованием этих инфраструктур у нас есть основания полагать, что融合 Web3 и AI приведет к возникновению 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» .
9 Лайков
Награда
9
4
Поделиться
комментарий
0/400
0xSleepDeprived
· 8ч назад
Можно сказать, что это велико
Посмотреть ОригиналОтветить0
Layer2Observer
· 8ч назад
Вычислительная мощность共享是关键点
Посмотреть ОригиналОтветить0
MidnightSeller
· 8ч назад
Децентрализация塑造未来
Посмотреть ОригиналОтветить0
AirdropworkerZhang
· 8ч назад
Невозможно обойтись без вычислений конфиденциальности.
Web3 и AI: создание новой инфраструктуры для децентрализованных данных, вычислительной мощности и конфиденциальности
Слияние Web3 и ИИ: создание инфраструктуры нового поколения для Интернета
Web3 как новая парадигма интернета, основанная на децентрализации, открытости и прозрачности, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных сталкиваются с жесткими ограничениями, испытывая такие проблемы, как узкие места в вычислительной мощности, утечка конфиденциальности, черные ящики алгоритмов и многие другие вызовы. В то время как Web3, основанный на распределенных технологиях, может предоставить новую动力 для развития ИИ через сети совместного использования вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ может обеспечить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы борьбы с мошенничеством, способствуя его экосистемному развитию. Поэтому исследование взаимодействия Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительных мощностей.
Данные как основа: ИИ и Web3
Данные являются核心动力 для развития ИИ. Модели ИИ нуждаются в переваривании большого объема качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.
Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:
Web3 предлагает новую децентрализованную парадигму данных для решения этих проблем:
Тем не менее, в получении данных из реального мира по-прежнему существуют некоторые проблемы, такие как неоднородное качество данных, большая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать яркой точкой в области данных Web3 в будущем. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением, повышающим эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т.д., синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Применение FHE в Web3
В эпоху, движимую данными, защита личной информации стала глобальным объектом внимания, а Общий регламент по защите данных Европейского Союза и другие законы отражают строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделирования ИИ.
Полностью гомоморфное шифрование ( FHE ) позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами вычислений на открытых данных. FHE предоставляет надежную защиту для конфиденциальных вычислений AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не касаясь исходных данных. Это предоставляет огромное преимущество компаниям AI, позволяя им безопасно открывать API-сервисы, защищая коммерческую тайну.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, который доказывает правильное выполнение машинного обучения, в то время как FHEML подчеркивает вычисления с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому росту потребностей в вычислительной мощности, значительно превышающим существующие запасы вычислительных ресурсов. Например, обучение одной крупной языковой модели требует огромной вычислительной мощности, эквивалентной 355 годам обучения на одном устройстве. Этот дефицит вычислительной мощности не только ограничивает прогресс технологий AI, но и делает передовые 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 факторами цепочки поставок и геополитическими обстоятельствами, усугубляют проблему поставок вычислительной мощности. Специалисты по ИИ сталкиваются с дилеммой: либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный способ вычислительных услуг по требованию.
Децентрализованная сеть вычислительных мощностей AI объединяет неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям AI экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, смарт-контракт распределяет задачи среди узлов, которые предоставляют вычислительные мощности, узлы выполняют задачи и отправляют результаты, которые после верификации получают вознаграждение. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узкого места в вычислительных мощностях в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, сосредотачивающиеся на обучении и выводе ИИ. Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок, разрушает монополии, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных приложений для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3, наделяющий возможностями краевую ИИ
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ - в этом и заключается魅力边缘AI. Это позволяет выполнять вычисления в месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология边缘AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 более знакомым нам названием является DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, усиливает защиту конфиденциальности пользователей и снижает риски утечки данных; коренная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме определенной публичной цепи, становясь одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи обеспечивают мощную поддержку для проектов DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительного прогресса.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена в каком-то протоколе, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, разработчики AI-моделей испытывают трудности с получением постоянного дохода от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Первоначальным создателям сложно отслеживать использование и еще труднее получать доход. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание моделей и их коммерческий потенциал.
IMO предоставляет новое финансирование и способ совместного использования ценностей для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, которые будут генерироваться моделью в будущем. Некоторые протоколы используют специфические стандарты ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.
Модель IMO повысила прозрачность и доверие, способствовала сотрудничеству с открытым исходным кодом, адаптировалась к тенденциям криптовалютного рынка и дала импульс устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальном этапе, но по мере повышения рыночной приемлемости и расширения охвата ее инновационность и потенциальная ценность заслуживают ожидания.
AI Агент: Новая эра интерактивного опыта
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агенты могут не только понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут действовать как виртуальные помощники, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без явных указаний AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая платформа для нативных приложений AI предоставляет полный и удобный набор инструментов для создания, поддерживает настройку функций робота, внешнего вида, голоса, а также подключение внешних баз знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, позволяя отдельным пользователям стать супер-креаторами. Эта платформа обучила специализированные модели больших языков, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с AI-продуктами, эта платформа снизила стоимость синтеза голоса на 99%, а клонирование голоса занимает всего 1 минуту. Используя AI-агента, настроенного на этой платформе, в настоящее время можно применять в таких областях, как видеочат, изучение языков, генерация изображений и многих других.
В融合 Web3 и AI текущее внимание сосредоточено на исследовании инфраструктурного уровня, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на цепи, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С постепенным совершенствованием этих инфраструктур у нас есть основания полагать, что融合 Web3 и AI приведет к возникновению ряда инновационных бизнес-моделей и услуг.