Les dernières réflexions et explorations des pistes AI+Crypto

Auteur : Ian@Foresight Ventures

Tl; DR

Après des mois d’exploration dans le domaine où l’IA et les crypto-actifs sont combinés, la compréhension de cette direction est plus profonde. Cet article fait une analyse comparative des premières vues et de la direction actuelle de la piste, et ceux qui sont familiers avec la piste peuvent commencer par la deuxième section. **

• DécentralisationRéseau de puissance de calcul : Face aux défis de la demande du marché, le but ultime de la décentralisation est de réduire les coûts. Les attributs communautaires et les jetons du Web3 apportent une valeur qui ne peut être ignorée, mais il s’agit toujours d’une valeur ajoutée pour la piste de puissance de calcul elle-même, plutôt que d’un changement subversif, et l’objectif est de trouver un moyen de combiner avec les besoins des utilisateurs, plutôt que d’utiliser aveuglément le réseau de puissance de calcul de la décentralisation comme un complément au manque de puissance de calcul centralisée.
• Place de marché de l’IA : Discute de l’idée d’une place de marché financiarisée de l’IA où la valeur et la valeur vitale apportées par la communauté et les jetons sont discutées. Un tel marché se concentre non seulement sur la puissance de calcul et les données sous-jacentes, mais aussi sur le modèle lui-même et les applications associées. La financiarisation des modèles est l’élément central du marché de l’IA, d’une part, elle attire les utilisateurs à participer directement au processus de création de valeur des modèles d’IA, et d’autre part, elle crée une demande pour la puissance de calcul et les données sous-jacentes.
• Onchain AI, ZKML est confronté au double défi de l’offre et de la demande, tandis qu’OPML offre une solution plus équilibrée entre coût et efficacité. Bien qu’OPML soit une innovation technologique, il ne résout pas nécessairement le défi fondamental auquel est confrontée l’IA on-chain, à savoir qu’il n’y a pas de demande.
• Couche applicative, la plupart des projets d’applications d’IA web3 sont trop naïfs, les applications d’IA sont plus raisonnables pour améliorer l’expérience utilisateur et améliorer l’efficacité du développement, ou comme une partie importante du marché de l’IA.

Tout d’abord, l’examen de la piste IA

Au cours des derniers mois, j’ai fait des recherches approfondies sur le sujet de l’IA + crypto, et après quelques mois de précipitations, je suis heureux d’avoir eu un aperçu de la direction de certaines pistes à un stade relativement précoce, mais je peux aussi voir qu’il y a des opinions qui ne semblent pas exactes maintenant.

**Cet article ne concerne que les opinions, pas l’intro,**Il couvrira plusieurs directions générales de l’IA dans le web3 et montrera mes points de vue et mon analyse de la piste avant et maintenant. Différentes perspectives peuvent avoir des inspirations différentes, qui peuvent être vues dialectiquement.

Passons d’abord en revue les principales orientations de l’IA + crypto définies au premier semestre de l’année :

1.1 Puissance de calcul distribuée

Dans « A Rational Look at DecentralizationComputing Power Network », basé sur la logique selon laquelle la puissance de calcul deviendra la ressource la plus précieuse à l’avenir, la valeur que la cryptographie peut donner au réseau de puissance de calcul est analysée.

Bien que le réseau de puissance de calcul distribué de décentralisation ait la plus grande demande d’entraînement de grands modèles d’IA, il est également confronté aux plus grands défis et aux goulots d’étranglement techniques. Cela inclut la nécessité de problèmes complexes de synchronisation des données et d’optimisation du réseau. En outre, la confidentialité et la sécurité des données sont également des contraintes importantes. Bien qu’il existe des technologies existantes qui peuvent fournir des solutions initiales, elles ne sont toujours pas applicables dans les tâches d’entraînement distribuées à grande échelle en raison de l’énorme surcharge de calcul et de communication. De toute évidence, le réseau de puissance de calcul distribué de décentralisation a plus d’opportunités d’atterrir dans l’inférence de modèle, et l’espace incrémental qui peut prédire l’avenir est également assez grand. Cependant, il est également confronté à des défis tels que les retards de communication, la confidentialité des données et la sécurité des modèles. Par rapport à l’entraînement du modèle, l’inférence a une complexité de calcul et une interactivité des données plus faibles, et est plus adaptée à la réalisation dans un environnement distribué.

1.2 Marché de l’IA de décentralisation

Dans « La meilleure tentative de décentralisation du marché de l’IA », il est mentionné qu’un marché de l’IA de décentralisation réussi doit combiner étroitement les avantages de l’IA et du Web3, utiliser la valeur ajoutée de la distribution, de la confirmation de l’équité des actifs, de la distribution des revenus et de la puissance de calcul de la décentralisation pour abaisser le seuil des applications d’IA, encourager les développeurs à télécharger et à partager des modèles et protéger les droits à la confidentialité des données des utilisateurs, afin de construire une plate-forme d’échange et de partage de ressources d’IA conviviale pour les développeurs qui répond aux besoins des utilisateurs.

L’idée à l’époque (et probablement pas tout à fait exacte aujourd’hui) était que les places de marché de l’IA basées sur les données avaient beaucoup plus de potentiel. Le marché du modèle mort a besoin du soutien d’un grand nombre de modèles de haute qualité, mais la première plate-forme manque d’une base d’utilisateurs et de ressources de haute qualité, ce qui rend difficile l’attraction de modèles de haute qualité en raison d’incitations insuffisantes pour d’excellents fournisseurs de modèles ; tandis que le marché basé sur les données peut accumuler une grande quantité de données et de ressources précieuses, en particulier des données du domaine privé, grâce à la décentralisation, à la collecte distribuée, à la conception de couches incitatives et à la garantie de propriété des données.

Le succès de la place de marché de l’IA repose sur l’accumulation de ressources utilisateur et de forts effets de réseau, où les utilisateurs et les développeurs peuvent tirer plus de valeur du marché qu’ils ne peuvent obtenir en dehors du marché. Dans les premiers jours du marché, l’accent est mis sur l’accumulation de modèles de haute qualité pour attirer et fidéliser les utilisateurs, puis sur l’attraction et la rétention d’un plus grand nombre d’utilisateurs finaux après avoir établi une bibliothèque de modèles de haute qualité et de barrières de données.

1.3 ZKML

Avant que le sujet du ZKML ne soit largement abordé, la valeur de l’IA on-chain a été discutée dans « AI + Web3 = ? ».

Sans sacrifier la décentralisation et l’absence de confiance, l’IA onchain a la possibilité de mener le monde du web3 au « niveau supérieur ». Le Web3 actuel est comme le début du Web2, et il n’a pas encore acquis la capacité d’être adopté plus largement ou de créer une plus grande valeur. L’IA onchain est conçue pour fournir une solution transparente et sans confiance.

1.4 Applications de l’IA

Dans « AI + Crypto Starts to Talk about Web3 Women’s Game-HIM », combiné au projet de portefeuille « HIM », la valeur des grands modèles dans les applications web3 est analysée. En plus du noyau dur de l’infrastructure aux algorithmes, au développement de LLM sans confiance sur la chaîne, une autre direction consiste à diluer l’impact de la boîte noire dans le processus d’inférence dans le produit, et à trouver un scénario approprié pour mettre en œuvre la puissante capacité d’inférence du grand modèle.

Deuxièmement, l’analyse actuelle de la piste de l’IA

2.1 Réseau de puissance de calcul : Il y a beaucoup de place pour l’imagination, mais un seuil élevé

La grande logique du réseau de puissance de calcul reste la même, mais il est toujours confronté au défi de la demande du marché, qui a besoin d’une solution avec une efficacité et une stabilité inférieures ? Par conséquent, je pense que les points suivants doivent être compris :

À quoi sert la décentralisation ?

Si vous demandez à un fondateur d’un réseau de puissance de calcul de décentralisation maintenant, il vous dira que notre réseau de puissance de calcul peut améliorer la sécurité et la résistance aux attaques, augmenter la transparence et la confiance, optimiser l’utilisation des ressources, améliorer la confidentialité des données et le contrôle des utilisateurs, résister à la censure et aux interférences…

C’est du bon sens, et n’importe quel projet web3 peut être impliqué dans la résistance à la censure, sans confiance, la vie privée, etc., mais ce que je veux dire, c’est que rien de tout cela n’a d’importance. Les réseaux de puissance de calcul de décentralisation ne résolvent pas essentiellement le problème de la vie privée, et il existe de nombreuses contradictions telles que la sécurité. Par conséquent, l’objectif ultime de la décentralisation des réseaux de puissance de calcul doit être de réduire les coûts. Plus le degré de décentralisation est élevé, plus le coût d’utilisation de la puissance de calcul est faible.

Donc, fondamentalement, « l’utilisation de la puissance de calcul inactive » est plus un récit à long terme, et la possibilité de créer un réseau de puissance de calcul de décentralisation dépend en grande partie de la question de savoir s’il a compris les points suivants :

Valeur fournie par le Web3

Une conception intelligente des jetons et le mécanisme d’incitation/punition qui en découle sont clairement une puissante valeur ajoutée fournie par la communauté de la décentralisation. Par rapport à l’Internet traditionnel, les jetons servent non seulement de moyen d’échange, mais complètent également les contrats intelligents pour permettre aux protocoles de réaliser des mécanismes d’incitation et de gouvernance plus complexes. Dans le même temps, l’ouverture et la transparence des transactions, la baisse des coûts et l’amélioration de l’efficacité bénéficient toutes de la valeur apportée par la crypto. Cette valeur unique offre plus de flexibilité et d’espace pour l’innovation afin de motiver les contributeurs.

Mais en même temps, j’espère aussi que cet « ajustement » apparemment raisonnable peut être considéré rationnellement, pour le réseau DecentralizationComputing Power, la valeur apportée par la technologie Web3 et Blockchain n’est qu’une « valeur ajoutée » d’un autre point de vue, plutôt qu’une subversion fondamentale, et ne peut pas changer le mode de fonctionnement de base de l’ensemble du réseau et briser le goulot d’étranglement technique actuel.

En bref, la valeur de ces web3 est d’améliorer l’attractivité du réseau de décentralisation, mais cela ne changera pas complètement sa structure de base ou son modèle de fonctionnement, et si le réseau de décentralisation doit vraiment occuper une place dans la vague de l’IA, la valeur du web3 à lui seul est loin d’être suffisante. Par conséquent, comme mentionné plus loin, la bonne technologie résout le bon problème, et le gameplay du réseau DecentralizationComputing Power n’est en aucun cas simplement de résoudre le problème de la pénurie de puissance de calcul de l’IA, mais de donner à cette piste longtemps en sommeil une nouvelle façon de jouer et de penser.

Il peut s’agir d’un minage de poudreuse ou d’un minage de stockage, qui consiste à monétiser la puissance de calcul en tant qu’actif. Dans ce modèle, les fournisseurs de puissance de calcul peuvent gagner des jetons en guise de rémunération en apportant leurs propres ressources informatiques. L’attrait est qu’il fournit un moyen de convertir directement les ressources informatiques en gains économiques, incitant ainsi davantage de participants à rejoindre le réseau. Il peut également s’appuyer sur le web3 pour créer un marché qui consomme de la puissance de calcul, et ouvrir un point de demande qui peut accepter une puissance de calcul instable et plus lente en financiarisant l’amont de la puissance de calcul (comme les modèles).

Vous voulez comprendre comment combiner avec les besoins réels des utilisateurs, après tout, les besoins des utilisateurs et des participants ne sont pas nécessairement seulement efficaces Puissance de calcul, « peut gagner de l’argent » est toujours l’une des motivations les plus convaincantes.

La compétitivité de base du réseau DecentralizationComputing Power est le prix

Si nous devons discuter de la décentralisation de la puissance de calcul en termes de valeur réelle, alors le plus grand espace d’imagination apporté par le web3 est le coût de la puissance de calcul qui a la possibilité d’être davantage compressé.

Plus la décentralisation du nœud de puissance de calcul est élevée, plus le prix par unité de puissance de calcul est bas. Elle peut être déduite des indications suivantes :

1. L’introduction des tokens, le paiement aux fournisseurs de puissance de calcul NodeComputing de l’argent au Token natif du protocole, qui réduisent fondamentalement les coûts d’exploitation ;
2. L’accès sans autorisation et le fort effet communautaire du web3 contribuent directement à une optimisation des coûts axée sur le marché, un plus grand nombre d’utilisateurs individuels et de petites entreprises peuvent utiliser les ressources matérielles existantes pour rejoindre le réseau, l’offre de puissance de calcul augmente et le prix d’approvisionnement de la puissance de calcul sur le marché diminue. Sous le modèle de l’autonomie et du community management.
3. Le marché ouvert de la puissance de calcul créé par le protocole fera baisser le jeu des prix des fournisseurs de puissance de calcul, réduisant ainsi davantage les coûts.

Boîtier : ChainML

Pour le dire simplement : ChainML est une plate-forme de décentralisation qui fournit de la puissance de calcul pour l’inférence et le réglage fin. À court terme, chainml mettra en œuvre le framework proxy Open Source AI Council, qui apportera une croissance de la demande au réseau informatique de décentralisation grâce à la tentative de Council (un chatbot qui peut être intégré dans différentes applications). À long terme, chainml sera une plate-forme complète AI + web3 (qui sera analysée en détail plus tard), y compris le marché des modèles et le marché de la puissance de calcul.

Je pense que la planification du chemin technique de ChainML est très raisonnable, et ils réfléchissent très clairement aux problèmes mentionnés précédemment, le but de la puissance de calcul de la décentralisation ne doit pas être de fournir une puissance de calcul suffisante à l’industrie de l’IA sur un pied d’égalité avec la puissance de calcul centralisée, mais de baisser progressivement le coût pour permettre au bon demandeur d’accepter cette source de puissance de calcul de qualité inférieure. Par conséquent, du point de vue de la décentralisation de la puissance de calculComputing PowerNode du point de vue du chemin du produit, il devrait commencer de manière centralisée, exécuter le lien du produit à un stade précoce et commencer à accumuler des clients grâce à de fortes capacités BD, élargir et baser le marché, puis disperser progressivement les fournisseurs de puissance de calcul centralisée aux petites entreprises à un coût plus élevé, et enfin déployer le Computing PowerNode à grande échelle. C’est l’idée de chainml diviser pour mieux régner.

Du point de vue de la disposition du côté de la demande, ChainML a construit un MVP d’un protocole d’infrastructure centralisé, et le concept de conception est portable. Nous utilisons le système avec nos clients depuis février de cette année et nous l’utilisons en production depuis avril de cette année. Actuellement exécuté sur Google Cloud, mais basé sur Kubernetes et d’autres technologies Open Source, il est facile à porter vers d’autres environnements (AWS, Azure, Coreweave, etc.). Suivront la décentralisation du protocole, la décentralisation vers des clouds de niche, et enfin des mineurs qui fournissent la puissance de calcul.

2.2 Marché de l’IA : plus de place pour l’imagination

Ce secteur s’appelle AI markerplace, ce qui limite quelque peu l’espace d’imagination. Strictement parlant, un « marché de l’IA » doté d’un véritable espace d’imagination devrait être une plate-forme intermédiaire qui financiarise l’ensemble du lien du modèle, allant de la puissance de calcul et des données sous-jacentes au modèle lui-même et aux applications associées. Comme mentionné précédemment, la principale contradiction au début était de savoir comment créer de la demande, et un marché en boucle fermée qui financiarise l’ensemble du lien de l’IA a la possibilité de donner naissance à ce type de demande.

Quelque chose comme ça :**

Un marché de l’IA soutenu par le web3 est basé sur la puissance de calcul et les données, ce qui incite les développeurs à construire ou à affiner des modèles à partir de données plus précieuses, puis à développer des applications basées sur des modèles correspondants, qui créent une demande de puissance de calcul tout en développant et en utilisant ces applications et modèles. Sous l’impulsion de Token et de la communauté, les tâches de collecte de données en temps réel basées sur des primes ou des incitations normalisées pour la contribution de données ont la possibilité d’étendre et d’étendre les avantages uniques de la couche de données sur ce marché. Dans le même temps, la popularité des applications renvoie également des données plus précieuses à la couche de données.

Communauté

En plus de la valeur apportée par le token évoqué précédemment, la communauté est sans aucun doute l’un des plus grands gains apportés par le web3 et constitue le moteur principal du développement de la plateforme. Par exemple, la diversité des données est un avantage de ces plateformes, ce qui est essentiel pour construire des modèles d’IA précis et impartiaux, et constitue également un goulot d’étranglement dans la direction actuelle des données.

Je pense que le cœur de l’ensemble de la plate-forme est le modèle, et nous avons réalisé très tôt que le succès d’une place de marché de l’IA dépend de l’existence de modèles de haute qualité, et quelle incitation les développeurs ont-ils à fournir des modèles sur une plate-forme de décentralisation ? Mais nous semblons aussi avoir oublié de penser à un problème, l’infrastructure d’orthographe n’est pas aussi difficile que les plates-formes traditionnelles, les communautés de développeurs d’orthographe ne sont pas aussi matures que les plates-formes traditionnelles, et la réputation d’orthographe n’a pas l’avantage du premier arrivé des plates-formes traditionnelles, donc par rapport à l’énorme base d’utilisateurs et à l’infrastructure mature des plates-formes d’IA traditionnelles, les projets web3 ne peuvent dépasser que dans les coins.

La réponse se trouve peut-être dans la financiarisation des modèles d’IA.

• Les modèles peuvent être traités comme une marchandise, et traiter les modèles d’IA comme des actifs investissables pourrait être une innovation intéressante sur les marchés du Web3 et de la décentralisation. Cette place de marché permet aux utilisateurs de participer directement et de bénéficier du processus de création de valeur des modèles d’IA. Ce mécanisme encourage également la recherche de modèles de meilleure qualité et de contributions à la communauté, car les avantages pour l’utilisateur sont directement liés à la performance et à l’application du modèle ;
• Les utilisateurs peuvent investir en jalonnant le modèle, et le mécanisme de partage des revenus est introduit pour motiver les utilisateurs à choisir et à soutenir des modèles potentiels d’une part, offrant des incitations économiques aux développeurs de modèles pour créer de meilleurs modèles. D’autre part, le critère le plus intuitif pour les stakers pour juger d’un modèle (en particulier pour les modèles de génération d’images) est d’effectuer des mesures multiples, ce qui fournit une demande pour la puissance de calcul de décentralisation de la plate-forme, ce qui peut également être l’un des moyens de sortir de la question mentionnée précédemment « qui voudrait utiliser une puissance de calcul moins efficace et plus instable ? »

2.3 Onchain AI : OPML dépassement dans les virages ?

ZKML : L’offre et la demande sont toutes les deux du côté du tonnerre

Ce qui est certain, c’est que l’IA on-chain doit être une direction pleine d’imagination et digne d’une recherche approfondie. Les percées dans l’IA on-chain peuvent apporter une valeur sans précédent au web3. Mais dans le même temps, le seuil académique extrêmement élevé de ZKML et les exigences de l’infrastructure sous-jacente ne conviennent en effet pas à la plupart des startups. La plupart des projets n’ont pas nécessairement besoin d’intégrer le soutien de LLM sans confiance pour réaliser une percée dans leur propre valeur.

Cependant, tous les modèles d’IA n’ont pas besoin d’être déplacés sur la chaîne pour utiliser ZK pour le trustless, tout comme la plupart des gens ne se soucient pas de la façon dont le chatbot déduit les requêtes et donne des résultats, et ils ne se soucient pas de savoir si la diffusion stable utilisée est une certaine version de l’architecture du modèle ou des paramètres spécifiques. Dans la plupart des scénarios, la plupart des utilisateurs se concentrent sur la question de savoir si le modèle peut donner un résultat satisfaisant, plutôt que sur le fait que le processus d’inférence soit fiable ou transparent.

Si la preuve n’entraîne pas une surcharge centuplée ou un coût d’inférence plus élevé, peut-être que ZKML a encore la force de se battre, mais face à des coûts d’inférence on-chain élevés et à des coûts plus élevés, tout demandeur a des raisons de remettre en question la nécessité de l’IA onchain.

Du côté de la demande

Ce qui intéresse l’utilisateur, c’est de savoir si le résultat donné par le modèle a du sens, tant que le résultat est raisonnable, le trustless apporté par ZKML peut être considéré comme sans valeur.

• Si un robot de trading basé sur un réseau neuronal apporte un rendement centuplé aux utilisateurs à chaque cycle, qui se demanderait si l’algorithme est centralisé ou vérifiable ? De même, si le robot de trading commence à perdre de l’argent pour les utilisateurs, l’équipe de projet devrait réfléchir davantage à la façon d’améliorer les capacités du modèle plutôt que de dépenser de l’énergie et du capital pour rendre le modèle vérifiable. C’est la contradiction dans les exigences de ZKML, en d’autres termes, la vérifiabilité du modèle ne résout pas fondamentalement les doutes des gens sur l’IA dans de nombreux scénarios, ce qui est un peu contradictoire.

Du côté de l’offre

Il y a un long chemin à parcourir pour développer un modèle de preuve qui soit suffisant pour soutenir le grand modèle d’oracle, et à en juger par les tentatives actuelles du projet principal, il est presque impossible de voir le jour où le grand modèle sera mis sur la chaîne.

En se référant à notre précédent article sur le ZKML, d’un point de vue technique, le but du ZKML est de convertir les réseaux de neurones en circuits ZK, et les difficultés sont les suivantes :

1. Les circuits ZK ne prennent pas en charge les nombres à virgule flottante ;
2. Les réseaux neuronaux à grande échelle sont difficiles à convertir.

D’après l’état d’avancement actuel :

1. La dernière bibliothèque ZKML prend en charge un réseau neuronal simple ZK, qui serait capable d’enchaîner des modèles de régression linéaire de base. Mais il existe très peu de démos.
2. Théoriquement, le maximum ** peut supporter le paramètre de ~100M, mais il n’existe qu’en théorie. **

Les progrès du développement de ZKML n’ont pas répondu aux attentes, à en juger par les progrès actuels du laboratoire de module du projet de tête de voie et la preuve de preuve publiée par EZKL, certains modèles simples peuvent être convertis en circuits ZK pour faire des preuves de modèle sur la chaîne ou d’inférence sur la chaîne. Mais c’est loin d’être la valeur de ZKML et le goulot d’étranglement de la technologie ne semble pas avoir la motivation principale pour percer, une piste avec un sérieux manque de demande est fondamentalement incapable d’attirer l’attention de la communauté universitaire, ce qui signifie qu’il est plus difficile de faire un excellent poc pour attirer/répondre à la demande restante, ce qui peut aussi être la spirale de la mort qui tue ZKML.

OPML : Transition ou fin de partie ?

La différence entre OPML et ZKML est que ZKML prouve l’intégralité du processus d’inférence, tandis qu’OPML réexécute une partie du processus d’inférence lorsque l’inférence est contestée. De toute évidence, le plus gros problème qu’OPML résout est le coût élevé / frais généraux, ce qui est une optimisation très pragmatique.

En tant que pionnier d’OPML, l’équipe d’HyperOracle a donné l’architecture et le processus de progression de l’opML monophasé à multiphase dans « opML is All You Need : Run a 13B ML Model in Ethereum » :

• Construire une machine virtuelle pour l’exécution hors chaîne et la validation sur la chaîne, en assurant l’équivalence entre les machines virtuelles hors ligne et les machines virtuelles mises en œuvre dans les contrats intelligents on-chaîne.
• Afin d’assurer l’efficacité de l’inférence du modèle d’IA dans la machine virtuelle, une bibliothèque DNN légère spécialement conçue (ne dépendant pas des frameworks d’apprentissage automatique populaires comme Tensorflow ou PyTorch) a été implémentée, et l’équipe a également fourni un script capable de convertir les modèles Tensorflow et PyTorch en cette bibliothèque légère.
• Compiler le code d’inférence du modèle d’IA dans les instructions du programme de la machine virtuelle par le biais d’une compilation croisée.
• Les images de machine virtuelle sont gérées via l’arborescence de Merkle. Seule la racine de Merkle, qui représente l’état de la machine virtuelle, sera téléchargée dans le contrat intelligent on-chain.

Cependant, il est clair que l’un des principaux défauts de cette conception est que tous les calculs doivent être effectués dans une machine virtuelle, ce qui empêche l’utilisation de l’accélération GPU/TPU et du traitement parallèle, ce qui limite l’efficacité. D’où l’introduction de l’opML multiphasique.

• Uniquement dans la phase finale, le calcul est effectué dans la machine virtuelle.
• Dans d’autres phases, le calcul des transitions d’état a lieu dans un environnement natif, qui tire parti des capacités de CPU, GPU, TPU et prend en charge le traitement parallèle. Cela réduit la dépendance vis-à-vis des machines virtuelles et améliore considérablement les performances d’exécution à un niveau comparable à celui des environnements natifs.

Référence:

SOYONS RÉALISTES

Il y a un point de vue selon lequel OPML est une transition avant la réalisation d’un ZKML complet, mais il est plus réaliste de dire qu’il est préférable de le considérer comme une sorte d’IA Onchain basée sur la structure des coûts et les attentes d’atterrissage du compromis, peut-être que le jour de la pleine réalisation de ZKML ne viendra jamais, du moins je suis pessimiste à ce sujet, alors le battage médiatique de l’IA Onchain devra éventuellement faire face à l’atterrissage et au coût les plus réalistes, alors OPML peut être Onchain Les meilleures pratiques de l’IA, tout comme l’écologie de OP et ZK, n’ont jamais été une relation de substitution.

Bien que, n’oubliez pas, les lacunes des exigences précédentes existent toujours, l’optimisation basée sur les coûts et l’efficacité d’OPML ne résout pas fondamentalement le problème de « puisque les utilisateurs se soucient davantage de la rationalité des résultats, pourquoi déplacer l’IA vers la chaîne pour rendre la confiance », la transparence, la propriété et la confiance, ces buffs sont vraiment pleins de cloches et de sifflets, mais les utilisateurs s’en soucient-ils vraiment ? En revanche, l’incarnation de la valeur devrait être dans la capacité de raisonnement du modèle.

Je pense que ce type d’optimisation des coûts est techniquement une tentative innovante et solide, mais c’est plutôt un cercle boiteux en termes de valeur ;**

Peut-être que la piste d’IA Onchain elle-même tient un marteau pour trouver un clou, mais c’est également vrai, le développement d’une industrie précoce consiste à continuer à explorer la combinaison innovante de technologies inter-domaines et à trouver le meilleur point d’ajustement dans le rodage continu.

2.4 Couche d’application : 99 % des monstres de couture

Je dois dire que les tentatives de l’IA pour la couche applicative web3 vont en effet de l’avant, comme si tout le monde était fomo, mais 99% de l’intégration reste toujours dans l’intégration, et il n’est pas nécessaire de cartographier la valeur du projet lui-même par la capacité de raisonnement de gpt.

À partir de la couche d’application, il y a grosso modo deux façons de s’en sortir :

Améliorez l’expérience utilisateur et l’efficacité du développement à l’aide des capacités de l’IA : dans ce cas, l’IA ne sera pas le point fort principal, mais plus souvent en tant que travailleur en coulisses, voire indifférent aux utilisateurs. La combinaison de la crypto veut être très Satoshi, saisit le point de haut ajustement, le point le plus précieux, est d’utiliser l’IA comme un outil de valeur de production d’une part, d’améliorer l’efficacité et la qualité, d’autre part, grâce à la capacité de raisonnement de l’IA pour améliorer l’expérience de jeu de l’utilisateur, l’IA et la crypto apportent une valeur très importante, mais fondamentalement utilisent toujours les moyens d’instrumentaliser la technologie, le véritable avantage et le cœur du projet est toujours la capacité de l’équipe à développer des jeux

Combiné avec le marché de l’IA, il est devenu une partie importante de l’ensemble de l’écosystème pour les utilisateurs.

Trois, enfin…

S’il y a vraiment quelque chose qui doit être souligné ou résumé : l’IA est toujours l’une des pistes les plus remarquables et les plus prometteuses du web3, cette logique générale ne changera pas ;

Mais je pense que le plus remarquable est le gameplay du marché de l’IA, fondamentalement cette conception de plate-forme ou d’infrastructure est conforme aux besoins de création de valeur et pour répondre aux intérêts de toutes les parties, macroscopiquement, en plus du modèle ou de la puissance de calcul elle-même pour créer un moyen unique de capture de valeur web3 est suffisamment attrayant, en même temps, cela permet également aux utilisateurs de participer directement à la vague de l’IA d’une manière unique.

Peut-être que dans trois mois, je renverserai à nouveau mon idée actuelle, donc :

Ce qui précède n’est que mon opinion sur cette piste est très réelle, et cela ne constitue vraiment aucun conseil en investissement !

Référence

« opML est tout ce dont vous avez besoin : exécutez un modèle ML 13B dans Ethereum » : __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y