Інтеграція штучного інтелекту та Web3: побудова інфраструктури наступного покоління Інтернету
Web3 як нова децентралізована, відкрита та прозора парадигма Інтернету має природну перевагу в поєднанні з AI. У традиційній централізованій архітектурі обчислювальні та дані ресурси AI підлягають суворому контролю, що створює безліч викликів, таких як обмеження обчислювальної потужності, витік конфіденційної інформації, непрозорість алгоритмів тощо. Web3, базуючись на розподілених технологіях, може надати нову енергію для розвитку AI через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи. Водночас AI також може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, сприяючи його екосистемному розвитку. Таким чином, дослідження поєднання Web3 та AI є критично важливим для побудови інфраструктури наступного покоління Інтернету, звільнення цінності даних та обчислювальної потужності.
Дані як основа: міцний фундамент AI та Web3
Дані є основним двигуном розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібні великі обсяги якісних даних для глибокого розуміння та потужних можливостей міркування. Дані не лише забезпечують основу для навчання моделей машинного навчання, але й визначають точність та надійність моделей.
У традиційній централізованій моделі збору та використання даних AI існують такі основні проблеми:
Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх понести
Ресурси даних монополізовані технологічними гігантами, що призводить до утворення ізольованих даних
Особисті дані піддаються ризику витоку та зловживання.
Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:
Користувачі можуть продавати невикористані мережі компаніям штучного інтелекту, децентралізовано збираючи мережеві дані, які після очищення та перетворення забезпечують реальні та високоякісні дані для навчання моделей штучного інтелекту.
Використовуючи модель "label to earn", заохочуючи глобальних працівників брати участь у маркуванні даних за допомогою токенів, об'єднуючи глобальні професійні знання, підвищуючи аналітичні можливості даних.
Платформа торгівлі даними на основі блокчейну надає відкриту та прозору торгову середу для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Проте, в отриманні даних з реального світу також існують певні проблеми, такі як нерівномірна якість даних, складність обробки, недостатня різноманітність та представницькість тощо. Синтетичні дані можуть стати зіркою майбутнього в сегменті даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.
Захист приватності: Роль FHE у Web3
У епоху, коли домінують дані, захист приватності став глобальною темою, і введення таких регламентів, як Загальний регламент про захист даних (GDPR) ЄС, відображає сувору охорону особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути використані в повній мірі через ризики для приватності, що безсумнівно обмежує потенціал і здатність до міркування моделей штучного інтелекту.
FHE — це повна гомоморфна криптографія, яка дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних, не розшифровуючи їх, причому результати обчислень збігаються з результатами тих самих обчислень на відкритих даних.
FHE забезпечує надійний захист для обчислень конфіденційності в AI, що дозволяє потужностям GPU виконувати навчання моделей та завдання інференції в середовищі, не торкаючись вихідних даних. Це надає величезні переваги компаніям AI. Вони можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.
FHEML підтримує шифрування даних і моделей на всьому протязі циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, тоді як FHEML акцентує увагу на обробці зашифрованих даних для забезпечення конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує постачання наявних обчислювальних ресурсів. Наприклад, для навчання великої мовної моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних потужностей не тільки обмежує прогрес технологій AI, але й робить ці високорозвинені AI-моделі недоступними для більшості дослідників і розробників.
Водночас глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також нестача чіпів, викликана факторами ланцюга постачання та геополітики, ускладнює проблему постачання обчислювальної потужності. Працівники AI опинилися у двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень за запитом.
Децентралізована AI обчислювальна мережа, агрегуючи невикористані GPU ресурси з усього світу, надає AI компаніям економічний та доступний ринок обчислювальної потужності. Сторони, які потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, а смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність. Майнер виконують завдання та подають результати, які після верифікації отримують бали у вигляді винагороди. Такий підхід підвищує ефективність використання ресурсів та допомагає вирішити проблему обчислювальної потужності в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також кілька платформ, що зосереджені на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності, що зосереджені на інференції ШІ.
Децентралізована мережа обчислювальної потужності надає справедливий і прозорий ринок обчислювальної потужності, руйнуючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp для спільного просування розвитку та застосування технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш мобільний телефон, смарт-годинник або навіть розумні пристрої у вашому домі мають можливість запускати штучний інтелект — ось у чому полягає привабливість Edge AI. Він дозволяє обробку даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Технології Edge AI вже застосовуються в ключових сферах, таких як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN може посилити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризик витоку даних; рідний токен-економічний механізм Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з переважних платформ для розгортання проектів. Висока TPS цього публічного блокчейну, низькі транзакційні витрати та технологічні інновації забезпечують потужну підтримку для проектів DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, а деякі відомі проекти вже досягли значного прогресу.
IMO：AI-моделі випуск нового парадигми
Концепція IMO була вперше висунута певним протоколом, який пропонує токенізацію моделей ШІ.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI модель розроблена та виведена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання доходу. Крім того, продуктивність та ефективність AI моделей часто не є прозорими, що ускладнює оцінку їхньої справжньої вартості для потенційних інвесторів та користувачів, обмежуючи визнання моделі на ринку та комерційний потенціал.
IMO забезпечує новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, які модель приноситиме в майбутньому. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити справжність AI моделей та можливість токенів власників ділитися доходами.
Модель IMO підвищила прозорість і довіру, сприяла відкритій співпраці, адаптувалася до тенденцій крипторинку та надала імпульс сталому розвитку технологій ШІ. IMO наразі знаходиться на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням сфери участі її інноваційність і потенційна цінність заслуговують на нашу увагу.
AI Агент: нова ера взаємодії
AI агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення встановлених цілей. За підтримки великих мовних моделей, AI агент не лише розуміє природну мову, а й може планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні помічники, навчаючись уподобанням користувачів через взаємодію та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій, AI агент може самостійно вирішувати проблеми, підвищувати ефективність і створювати нову цінність.
Деяка відкрита платформа додатків на базі ШІ пропонує повний і зручний набір інструментів для створення, що дозволяє користувачам налаштовувати функції роботів, зовнішній вигляд, голос, а також підключати зовнішні бази знань, прагнучи створити справедливу та відкриту екосистему контенту на базі ШІ, використовуючи технології генеративного ШІ, надаючи можливість особам стати супер-творцями. Ця платформа навчила спеціальну велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію з продуктами ШІ, зменшуючи витрати на синтез голосу на 99%, а клонування голосу займає всього 1 хвилину. Використовуючи налаштованого AI Agent цієї платформи, наразі можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.
У злитті Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня, як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі в блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі та інші ключові питання. З поступовим удосконаленням цих інфраструктур ми маємо підстави вірити, що злиття Web3 та AI призведе до появи цілої низки 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.
8 лайків
Нагородити
8
4
Поділіться
Прокоментувати
0/400
GamefiHarvester
· 8год тому
哈哈обдурювати людей, як лохів习惯了
Переглянути оригіналвідповісти на0
MetamaskMechanic
· 8год тому
Сказавши чесно, обчислювальна потужність є ключовою, чи не так?
AI та Глибина Web3: побудова Децентралізованої інтелектуальної інтернет-екосистеми
Інтеграція штучного інтелекту та Web3: побудова інфраструктури наступного покоління Інтернету
Web3 як нова децентралізована, відкрита та прозора парадигма Інтернету має природну перевагу в поєднанні з AI. У традиційній централізованій архітектурі обчислювальні та дані ресурси AI підлягають суворому контролю, що створює безліч викликів, таких як обмеження обчислювальної потужності, витік конфіденційної інформації, непрозорість алгоритмів тощо. Web3, базуючись на розподілених технологіях, може надати нову енергію для розвитку AI через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи. Водночас AI також може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, сприяючи його екосистемному розвитку. Таким чином, дослідження поєднання Web3 та AI є критично важливим для побудови інфраструктури наступного покоління Інтернету, звільнення цінності даних та обчислювальної потужності.
Дані як основа: міцний фундамент AI та Web3
Дані є основним двигуном розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібні великі обсяги якісних даних для глибокого розуміння та потужних можливостей міркування. Дані не лише забезпечують основу для навчання моделей машинного навчання, але й визначають точність та надійність моделей.
У традиційній централізованій моделі збору та використання даних AI існують такі основні проблеми:
Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:
Проте, в отриманні даних з реального світу також існують певні проблеми, такі як нерівномірна якість даних, складність обробки, недостатня різноманітність та представницькість тощо. Синтетичні дані можуть стати зіркою майбутнього в сегменті даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.
Захист приватності: Роль FHE у Web3
У епоху, коли домінують дані, захист приватності став глобальною темою, і введення таких регламентів, як Загальний регламент про захист даних (GDPR) ЄС, відображає сувору охорону особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути використані в повній мірі через ризики для приватності, що безсумнівно обмежує потенціал і здатність до міркування моделей штучного інтелекту.
FHE — це повна гомоморфна криптографія, яка дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних, не розшифровуючи їх, причому результати обчислень збігаються з результатами тих самих обчислень на відкритих даних.
FHE забезпечує надійний захист для обчислень конфіденційності в AI, що дозволяє потужностям GPU виконувати навчання моделей та завдання інференції в середовищі, не торкаючись вихідних даних. Це надає величезні переваги компаніям AI. Вони можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.
FHEML підтримує шифрування даних і моделей на всьому протязі циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, тоді як FHEML акцентує увагу на обробці зашифрованих даних для забезпечення конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує постачання наявних обчислювальних ресурсів. Наприклад, для навчання великої мовної моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних потужностей не тільки обмежує прогрес технологій AI, але й робить ці високорозвинені AI-моделі недоступними для більшості дослідників і розробників.
Водночас глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також нестача чіпів, викликана факторами ланцюга постачання та геополітики, ускладнює проблему постачання обчислювальної потужності. Працівники AI опинилися у двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень за запитом.
Децентралізована AI обчислювальна мережа, агрегуючи невикористані GPU ресурси з усього світу, надає AI компаніям економічний та доступний ринок обчислювальної потужності. Сторони, які потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, а смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність. Майнер виконують завдання та подають результати, які після верифікації отримують бали у вигляді винагороди. Такий підхід підвищує ефективність використання ресурсів та допомагає вирішити проблему обчислювальної потужності в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також кілька платформ, що зосереджені на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності, що зосереджені на інференції ШІ.
Децентралізована мережа обчислювальної потужності надає справедливий і прозорий ринок обчислювальної потужності, руйнуючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp для спільного просування розвитку та застосування технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш мобільний телефон, смарт-годинник або навіть розумні пристрої у вашому домі мають можливість запускати штучний інтелект — ось у чому полягає привабливість Edge AI. Він дозволяє обробку даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Технології Edge AI вже застосовуються в ключових сферах, таких як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN може посилити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризик витоку даних; рідний токен-економічний механізм Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з переважних платформ для розгортання проектів. Висока TPS цього публічного блокчейну, низькі транзакційні витрати та технологічні інновації забезпечують потужну підтримку для проектів DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, а деякі відомі проекти вже досягли значного прогресу.
IMO：AI-моделі випуск нового парадигми
Концепція IMO була вперше висунута певним протоколом, який пропонує токенізацію моделей ШІ.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI модель розроблена та виведена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання доходу. Крім того, продуктивність та ефективність AI моделей часто не є прозорими, що ускладнює оцінку їхньої справжньої вартості для потенційних інвесторів та користувачів, обмежуючи визнання моделі на ринку та комерційний потенціал.
IMO забезпечує новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, які модель приноситиме в майбутньому. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити справжність AI моделей та можливість токенів власників ділитися доходами.
Модель IMO підвищила прозорість і довіру, сприяла відкритій співпраці, адаптувалася до тенденцій крипторинку та надала імпульс сталому розвитку технологій ШІ. IMO наразі знаходиться на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням сфери участі її інноваційність і потенційна цінність заслуговують на нашу увагу.
AI Агент: нова ера взаємодії
AI агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення встановлених цілей. За підтримки великих мовних моделей, AI агент не лише розуміє природну мову, а й може планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні помічники, навчаючись уподобанням користувачів через взаємодію та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій, AI агент може самостійно вирішувати проблеми, підвищувати ефективність і створювати нову цінність.
Деяка відкрита платформа додатків на базі ШІ пропонує повний і зручний набір інструментів для створення, що дозволяє користувачам налаштовувати функції роботів, зовнішній вигляд, голос, а також підключати зовнішні бази знань, прагнучи створити справедливу та відкриту екосистему контенту на базі ШІ, використовуючи технології генеративного ШІ, надаючи можливість особам стати супер-творцями. Ця платформа навчила спеціальну велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію з продуктами ШІ, зменшуючи витрати на синтез голосу на 99%, а клонування голосу займає всього 1 хвилину. Використовуючи налаштованого AI Agent цієї платформи, наразі можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.
У злитті Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня, як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі в блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі та інші ключові питання. З поступовим удосконаленням цих інфраструктур ми маємо підстави вірити, що злиття Web3 та AI призведе до появи цілої низки інноваційних бізнес-моделей та послуг.