Foresight Ventures: Окончательный отчет AI+Crypto, версия 1

«ИИ по-прежнему является одним из направлений, заслуживающим наибольшего внимания и обладающим величайшими возможностями в Web3, и эта логика точно не изменится».

Автор: Ян, Foresight Ventures

TL;DR

После месяцев углубления в область объединения ИИ и криптовалют понимание этого направления стало еще глубже. В данной статье проводится сравнительный анализ ранних просмотров и текущей тенденции трека.Друзья, знакомые с треком, могут начать читать со второго раздела.

• Децентрализованная вычислительная сеть: перед лицом проблем рыночного спроса особое внимание уделяется конечной цели децентрализации — снижению затрат. Атрибуты сообщества и токены Web3 приносят ценность, которую нельзя игнорировать, но это по-прежнему дополнительная ценность для самой вычислительной мощности, а не разрушительное изменение. Слепо децентрализованная вычислительная сеть служит дополнением к отсутствию централизованной вычислительной мощности.
• Рынок ИИ: обсуждалась концепция полноценного финансового рынка ИИ, ценность, которую приносит сообщество и токены, и их жизненно важное значение. Такой рынок не только фокусируется на базовой вычислительной мощности и данных, но также включает в себя саму модель и связанные с ней приложения. Финансиализация моделей является ключевым элементом рынка ИИ. С одной стороны, она привлекает пользователей к непосредственному участию в процессе создания стоимости моделей ИИ, а с другой стороны, создает спрос на базовые вычислительные мощности и данные.
• Onchain AI и ZKML сталкиваются с двойными проблемами спроса и предложения, в то время как OPML обеспечивает более сбалансированное решение с точки зрения затрат и эффективности. Хотя OPML является технологической инновацией, он может не решить фундаментальную проблему, с которой сталкивается ИИ в цепочке, а именно отсутствие спроса.
• На прикладном уровне большинство проектов веб-приложений AI слишком наивны.Более разумной целью применения искусственного интеллекта является улучшение пользовательского опыта и повышение эффективности разработки или служить важной частью рынка искусственного интеллекта.

1. Обзор трека AI

В последние несколько месяцев я провел углубленное исследование по теме AI + криптография.После нескольких месяцев накопления я очень рад, что на ранней стадии получил представление о направлении некоторых треков, но могу Также обратите внимание, что существуют некоторые текущие тенденции. Это не точная точка зрения.

**Эта статья говорит только о мнениях и не дает введения.**Она будет охватывать несколько общих направлений ИИ в web3 и показывать мои предыдущие и текущие мнения и анализ. Разные точки зрения могут иметь разные источники вдохновения, которые можно рассматривать сравнительно и диалектически.

Давайте сначала рассмотрим основные направления AI+криптографии, установленные в первом полугодии:

1.1 Распределенная вычислительная мощность

В статье «Рациональный взгляд на децентрализованную вычислительную сеть», основываясь на общей логике, согласно которой вычислительная мощность станет наиболее ценным ресурсом в будущем, анализируется ценность, которую криптовалюта может дать вычислительной сети.

Хотя децентрализованные распределенные вычислительные сети имеют наибольший спрос на обучение крупных моделей ИИ, они также сталкиваются с наибольшими проблемами и техническими узкими местами. Включая сложную синхронизацию данных и вопросы оптимизации сети. Кроме того, важными ограничениями являются конфиденциальность и безопасность данных. Хотя существуют некоторые существующие методы, которые могут обеспечить предварительные решения, в крупномасштабных задачах распределенного обучения эти методы по-прежнему непрактичны из-за огромных вычислительных и коммуникационных затрат. Очевидно, что децентрализованные распределенные вычислительные сети имеют больше шансов быть реализованными в модельных рассуждениях, и у них достаточно возможностей для прогнозирования будущих приращений. Но он также сталкивается с такими проблемами, как задержка связи, конфиденциальность данных и безопасность модели. По сравнению с обучением модели вычислительная сложность и интерактивность данных во время вывода ниже, и его лучше выполнять в распределенной среде.

1.2 Децентрализованный рынок ИИ

В статье «Лучшая попытка создать децентрализованный рынок ИИ» упоминается, что успешный децентрализованный рынок ИИ должен тесно сочетать преимущества ИИ и Web3, а также использовать распределение, подтверждение активов, распределение доходов и децентрализацию. централизованной вычислительной мощности снижает порог для приложений искусственного интеллекта, поощряет разработчиков загружать модели и обмениваться ими, одновременно защищая права пользователей на конфиденциальность данных, а также создает платформу для торговли и обмена ресурсами искусственного интеллекта, которая удобна для разработчиков и отвечает потребностям пользователей.

В то время идея (и сейчас она, возможно, не совсем точна) заключалась в том, что рынок ИИ, основанный на данных, имеет больший потенциал. Рынок, который полагается исключительно на модели, нуждается в поддержке большого количества высококачественных моделей, но ранним платформам не хватает пользовательской базы и высококачественных ресурсов, что затрудняет привлечение качественных моделей отличными поставщиками моделей. данные децентрализованы и распределены. Сбор, разработка уровня стимулов и гарантия владения данными позволяют накопить большое количество ценных данных и ресурсов, особенно данных частных доменов.

Успех децентрализованного рынка ИИ зависит от накопления пользовательских ресурсов и сильного сетевого эффекта. На ранних стадиях развития рынка основное внимание уделяется накоплению высококачественных моделей для привлечения и удержания пользователей, а затем, после создания высококачественной библиотеки моделей и барьеров данных, переходите к привлечению и удержанию большего количества конечных пользователей.

1.3 ЗКМЛ

Ценность внутрисетевого ИИ обсуждалась в статье «AI + Web3 = ?» до того, как тема ZKML стала широко обсуждаться.

Не жертвуя децентрализацией и отсутствием доверия, ончейн-ИИ имеет возможность вывести мир web3 на «следующий уровень». Нынешний web3 похож на раннюю стадию web2, и у него еще нет возможности реализовывать более широкие приложения или создавать большую ценность. Onchain AI специально разработан для обеспечения прозрачного и надежного решения.

1.4 Приложение AI

В статье «AI + Crypto начинает говорить о женских играх Web3 — HIM» в сочетании с портфолио проекта «HIM» анализируется ценность, которую приносят большие модели в приложениях Web3; какой тип AI + Crypto может довести до продукта Для большей прибыли? Помимо жесткой разработки не требующего доверия LLM на цепочке от инфраструктуры до алгоритмов, еще одним направлением является преуменьшение влияния черного ящика на процесс рассуждения в продукте и поиск подходящих сценариев для реализации мощных возможностей рассуждения больших моделей. .

2. Анализ текущего трека ИИ

2.1 Вычислительная сеть: простор для воображения большой, но порог высокий

Общая логика построения вычислительной сети остается неизменной, но она по-прежнему сталкивается с проблемой рыночного спроса: кому понадобится решение с меньшей эффективностью и стабильностью? Поэтому я считаю, что нам необходимо подумать о следующих моментах:

**Для чего нужна децентрализация? **

Если вы сейчас спросите основателя децентрализованной вычислительной сети, он, вероятно, скажет вам, что наша вычислительная сеть может повысить безопасность и устойчивость к атакам, повысить прозрачность и доверие, оптимизировать использование ресурсов, улучшить конфиденциальность данных и контроль пользователей, защиту от цензуры и вмешательства…

Это здравый смысл, и любой проект web3 может включать в себя сопротивление цензуре, недоверие, конфиденциальность и т. д., но моя точка зрения такова, что это не важно. Подумайте внимательно: не могут ли централизованные серверы обеспечить лучшую безопасность с точки зрения безопасности? Децентрализованные вычислительные сети по сути не решают проблему конфиденциальности, и подобных противоречий еще много. Следовательно: **Конечная цель децентрализации вычислительной сети должна заключаться в снижении затрат. Чем выше степень децентрализации, тем ниже стоимость использования вычислительных мощностей. **

Поэтому, по сути, «использование простаивающих вычислительных мощностей» — это скорее долгосрочное повествование. Можно ли построить децентрализованную вычислительную сеть, я думаю, во многом зависит от того, разобрался ли он в следующих моментах:

Значение, предоставленное Web3

Набор гениального дизайна токенов и сопутствующий механизм поощрения/наказания, очевидно, представляют собой мощную добавленную стоимость, обеспечиваемую децентрализованным сообществом. По сравнению с традиционным Интернетом, токены не только служат средством транзакций, но и дополняют друг друга смарт-контрактами, позволяя протоколам реализовывать более сложные механизмы стимулирования и управления. В то же время открытость и прозрачность транзакций, снижение затрат и повышение эффективности — все это выигрывает от ценности криптовалюты. Эта уникальная ценность обеспечивает большую гибкость и возможности для инноваций, чтобы стимулировать участников.

Но в то же время я также надеюсь, что это, казалось бы, разумное «соответствие» можно рассматривать рационально. Subversion, она не может изменить основные методы работы всей сети и преодолеть текущие технические узкие места.

Короче говоря, ценность этих web3 состоит в том, чтобы повысить привлекательность децентрализованной сети, но не приведет к полному изменению ее базовой структуры или операционной модели.Если вы хотите, чтобы децентрализованная сеть действительно заняла место в волне искусственного интеллекта, просто полагаться на ценность web3 просто недостаточно. Поэтому, как будет упомянуто позже, правильная технология решает правильную проблему. геймплей и идеи.

Это может быть похоже на майнинг POW или майнинг хранилищ, чтобы монетизировать вычислительную мощность как актив. В этой модели поставщики вычислительной мощности могут получать токены в качестве вознаграждения, предоставляя свои собственные вычислительные ресурсы. Привлекательность заключается в том, что она дает возможность напрямую конвертировать вычислительные ресурсы в экономическую выгоду, тем самым стимулируя больше участников присоединяться к сети. Он также может быть основан на Web3 для создания рынка, который потребляет вычислительную мощность, и, финансизируя исходную вычислительную мощность (например, модели), он может открыть точки спроса, которые могут принять нестабильную и более медленную вычислительную мощность.

Хотите понять, как совместить это с реальными потребностями пользователей.Ведь потребности пользователей и участников - это не обязательно просто эффективная вычислительная мощность.Заработок денег всегда является одной из самых убедительных мотиваций.

Основная конкурентоспособность децентрализованной вычислительной сети — цена

Если мы должны рассматривать децентрализованную вычислительную мощность исходя из фактической стоимости, то самое большое воображение, которое приносит Web3, — это стоимость вычислительной мощности, которую можно дополнительно сжать.

Чем выше степень децентрализации узлов вычислительной мощности, тем ниже цена за единицу вычислительной мощности. Его можно вывести из следующих направлений:

1. С введением токена оплата поставщику вычислительной мощности узла меняется с наличных на собственный токен протокола, что принципиально снижает эксплуатационные расходы;
2. Беспрепятственный доступ и сильный общественный эффект Web3 напрямую способствуют рыночно-ориентированной оптимизации затрат. рынок растет, цена поставки электроэнергии падает. В режимах автономного и общественного управления.
3. Открытый рынок вычислительной мощности, созданный протоколом, будет способствовать ценовой конкуренции между поставщиками вычислительной мощности, тем самым еще больше снижая затраты.

Кейс: ChainML

Проще говоря: ChainML — это децентрализованная платформа, предоставляющая вычислительную мощность для вывода и точной настройки. В краткосрочной перспективе Chainml внедрит Совет на основе среды агентов искусственного интеллекта с открытым исходным кодом, и благодаря усилиям Совета (чат-бот, который можно интегрировать в различные приложения) это приведет к увеличению спроса на децентрализованные вычислительные сети. В долгосрочной перспективе Chainml станет полноценной платформой AI+web3 (которая будет подробно проанализирована позже), включая рынок моделей и рынок вычислительных мощностей.

Я думаю, что техническое планирование ChainML очень разумно. Они также ясно думают о проблемах, упомянутых ранее. Цель децентрализованной вычислительной мощности определенно не в том, чтобы быть на одном уровне с централизованной вычислительной мощностью, а в том, чтобы обеспечить достаточную вычислительную мощность для индустрии искусственного интеллекта. Цель заключается в постепенном сокращении затрат, чтобы позволить подходящим сторонам спроса принять этот низкокачественный источник вычислительной мощности. Затем, на ранних стадиях проекта, когда протокол не может получить большое количество децентрализованных вычислительных узлов, основное внимание уделяется поиску стабильного и эффективного источника вычислительной мощности. начните с централизованного подхода, запустите ссылки на продукты на ранних стадиях и начните накапливать клиентов с помощью мощных возможностей bd, расширяйте рынок, а затем постепенно распределяйте поставщиков централизованных вычислительных мощностей по меньшим компаниям с меньшими затратами и, наконец, перенести узлы вычислительной мощности на большую территорию. В этом заключается идея Chainml: разделяй и властвуй.

С точки зрения структуры спроса, ChainML создала MVP протокола централизованной инфраструктуры, а концепция дизайна является переносимой. И мы используем эту систему у клиентов с февраля этого года, а в производственной среде начали использовать ее в апреле этого года. В настоящее время он работает в Google Cloud, но основан на Kubernetes и других технологиях с открытым исходным кодом и легко переносится в другие среды (AWS, Azure, Coreweave и т. д.). В будущем этот протокол будет постепенно децентрализован, распределен по нишевым облакам и, наконец, майнерам, обеспечивающим вычислительную мощность.

2.2 Рынок ИИ: больше простора для воображения

Этот сектор называется AI-маркерплейс, что несколько ограничивает воображение. Строго говоря, по-настоящему творческий «рынок ИИ» должен представлять собой промежуточную платформу, которая финансизирует всю цепочку моделей, охватывая все: от базовой вычислительной мощности и данных до самой модели и связанных с ней приложений. Как упоминалось ранее, основное противоречие на заре децентрализованной вычислительной мощности заключалось в том, как создать спрос, а рынок с замкнутым циклом, который финансизирует всю цепочку ИИ, имеет возможность создать такой спрос.

Это выглядит примерно так:

Рынок искусственного интеллекта, поддерживаемый web3, основан на вычислительной мощности и данных, что привлекает разработчиков для создания или точной настройки моделей с использованием более ценных данных, а затем разработки соответствующих приложений на основе моделей. Эти приложения и модели разрабатываются и используются одновременно. Создает спрос на вычислительные мощности. Стимулируемые токенами и сообществами, задачи по сбору данных в реальном времени на основе вознаграждений или нормализованные стимулы за предоставление данных имеют возможность расширять и расширять уникальные преимущества уровня данных на этом рынке. В то же время популярность приложений также возвращает на уровень данных более ценные данные.

Сообщество

Помимо упомянутой ранее ценности токенов, сообщество, несомненно, является одним из самых больших преимуществ, принесенных web3, и является основной движущей силой развития платформы. Поддержка сообщества и токенов дает качеству участников и предоставляемого контента шанс превзойти качество централизованных учреждений.Например, достижение разнообразия данных является преимуществом этого типа платформы, что имеет решающее значение для создания точного и беспристрастного ИИ. В то же время это также является узким местом текущего направления данных.

Я думаю, что ядро всей платформы лежит в модели. Мы очень рано поняли, что успех рынка ИИ зависит от наличия качественных моделей и какие стимулы есть у разработчиков, предоставляющих модели на децентрализованной платформе? Но мы также, похоже, забыли подумать о проблеме: инфраструктура не так сильна, как традиционные платформы, сообщество разработчиков не так зрело, как традиционные платформы, а репутация не имеет преимущества первопроходца традиционных платформ. традиционные платформы искусственного интеллекта, у них огромная база пользователей, а зрелая инфраструктура и проекты web3 могут обгонять только по углам.

Ответ может заключаться в финансиализации моделей ИИ**

• Модели можно рассматривать как товар. Отношение к моделям ИИ как к инвестиционным активам может стать интересной инновацией на Web3 и децентрализованных рынках. Рынок такого типа позволяет пользователям напрямую участвовать в процессе создания стоимости моделей ИИ и получать от него выгоду. Этот механизм также поощряет стремление к моделям более высокого качества и вклад сообщества, поскольку выгоды для пользователей напрямую связаны с производительностью и эффектом применения модели;
• Пользователи могут инвестировать, предлагая модели. Внедрение механизма распределения доходов, с одной стороны, побуждает пользователей выбирать и поддерживать потенциальные модели, а также обеспечивает экономические стимулы для разработчиков моделей для создания более совершенных моделей. С другой стороны, для стейкеров наиболее интуитивным критерием оценки моделей (особенно моделей генерации изображений) является проведение нескольких фактических измерений. Это обеспечивает потребность в децентрализованной вычислительной мощности платформы, что также может быть одним из решений, упомянутых ранее. «Кто захочет использовать менее эффективную и более нестабильную вычислительную мощность?»

**2.3 Onchain AI: OPML обгоняет в поворотах? **

ZKML: Проблемы со спросом и предложением

Несомненно то, что сетевой ИИ должен быть направлением, полным воображения и достойным углубленного изучения. Прорывы в области искусственного интеллекта в цепочке могут принести беспрецедентную ценность для web3. Но в то же время чрезвычайно высокий академический порог ZKML и требования к базовой инфраструктуре действительно не подходят для большинства начинающих компаний. Большинству проектов не обязательно нужна поддержка не заслуживающего доверия LLM, чтобы добиться прорыва в своей собственной ценности.

Но не все модели ИИ необходимо перемещать в цепочку, чтобы использовать ZK для обеспечения надежности. архитектуру модели или конкретные настройки параметров. В большинстве сценариев большинство пользователей сосредотачиваются на том, может ли модель дать удовлетворительный результат, а не на том, является ли процесс вывода надежным или прозрачным.

Если доказательство не влечет за собой стократные накладные расходы или более высокие затраты на рассуждения, возможно, у ZKML все еще есть силы бороться, но перед лицом высоких затрат на рассуждения в цепочке и более высоких затрат у любой стороны спроса есть основания усомниться в необходимости использования искусственного интеллекта в сети. секс.

С точки зрения спроса

Что волнует пользователей, так это то, имеют ли результаты, полученные моделью, смысл.

• Если торговый робот на основе нейронной сети приносит пользователям стократную прибыль каждый цикл, кто будет сомневаться в том, является ли алгоритм централизованным или проверяемым? *Аналогично, если этот торговый бот начнет терять деньги пользователей, команде проекта следует больше думать о том, как улучшить возможности модели, вместо того, чтобы тратить энергию и капитал на то, чтобы сделать модель проверяемой. В этом противоречие требований ZKML.Другими словами, проверяемость модели не решает фундаментально сомнений людей в отношении ИИ во многих сценариях, что немного противоречиво.

Глядя со стороны предложения

Судя по текущим попыткам ведущих проектов, почти невозможно увидеть тот день, когда большие модели будут включены в цепочку.

Ссылаясь на нашу предыдущую статью о ZKML, технически цель ZKML — преобразовать нейронные сети в схемы ZK. Трудность заключается в следующем:

1. Схема ZK не поддерживает числа с плавающей запятой;
2. Крупномасштабные нейронные сети сложно преобразовать.

Судя по текущему прогрессу:

1. Последняя библиотека ZKML поддерживает некоторые простые ZKization нейронных сетей и, как говорят, способна объединять базовые модели линейной регрессии. Но существующих демо-версий очень мало.
2. Теоретически он может поддерживать максимум ~**100M параметров, но это только теоретически. **

Ход разработки ZKML не оправдал ожиданий.Судя по прогрессу текущей лаборатории модулей ведущих проектов и испытаний EZKL, некоторые простые модели могут быть преобразованы в схемы ZK для восходящей цепочки моделей или доказательства вывода. Но это далеко от достижения ценности ZKML, и, похоже, нет никакой основной мотивации для преодоления технического узкого места. сложно создать хороший POC для привлечения/удовлетворения оставшегося спроса, и это также может стать смертельным спиралем, который убивает ZKML.

**ОПМЛ: переход или финал? **

Разница между OPML и ZKML заключается в том, что ZKML подтверждает весь процесс рассуждения, а OPML повторно выполняет часть процесса рассуждения, когда рассуждение подвергается сомнению. Очевидно, что самая большая проблема, которую решает OPML, заключается в том, что затраты/накладные расходы слишком высоки. Это очень прагматичная оптимизация.

Как основатель OPML, команда HyperOracle описала архитектуру и усовершенствованный процесс от однофазного к многофазному opML в статье «opML — это все, что вам нужно: запустите модель 13B ML в Ethereum»:

• Создайте виртуальную машину для выполнения вне сети и проверки в сети, чтобы обеспечить эквивалентность между автономной виртуальной машиной и виртуальной машиной, реализованной в смарт-контракте в сети.
• Чтобы обеспечить эффективность рассуждений модели ИИ в виртуальной машине, реализована специально разработанная облегченная библиотека DNN (которая не зависит от популярных фреймворков машинного обучения, таких как Tensorflow или PyTorch).В то же время команда также предоставляет библиотеку, которая может комбинировать модели Tensorflow и PyTorch. Сценарий преобразуется в эту облегченную библиотеку.
• Скомпилируйте код вывода модели ИИ в инструкции программы VM посредством кросс-компиляции.
• Образ виртуальной машины управляется через дерево Меркла. В смарт-контракт в цепочке будет загружен только корень Merkle, представляющий состояние виртуальной машины.

Но очевидно, что у этой конструкции есть ключевой недостаток: все вычисления должны выполняться внутри виртуальной машины, что затрудняет использование ускорения GPU/TPU и параллельной обработки, ограничивая эффективность. Поэтому вводится многофазный opML.

• Только на заключительном этапе расчет выполняется в ВМ.
• На других этапах расчет переходов состояний происходит в собственной среде, при этом используются возможности ЦП, графического процессора и TPU и поддерживается параллельная обработка. Такой подход снижает зависимость от виртуальной машины, значительно повышает производительность выполнения и достигает уровня, сравнимого с нативной средой.

Ссылка: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y

ДАВАЙТЕ БУДЕМ НАСТОЯЩИМ

Некоторые люди считают, что OPML — это переход к реализации комплексного ZKML, но более реалистично думать об этом как о компромиссе с искусственным интеллектом Onchain, основанном на структуре затрат и ожиданиях реализации. Возможно, день, когда ZKML будет полностью реализован, никогда не наступит. по крайней мере, я отношусь к этому пессимистично. Тогда ажиотаж вокруг Onchain AI в конечном итоге придется столкнуться с наиболее реалистичной реализацией и стоимостью. Тогда OPML может стать лучшей практикой Onchain AI. Точно так же, как экология OP и ZK никогда не была заменой отношение. .

Хотя не забывайте, что недостатки предыдущих требований все еще существуют.Оптимизация OPML, основанная на стоимости и эффективности, не решает принципиально: «Поскольку пользователей больше волнует рациональность результатов, зачем перемещать ИИ в цепочку, чтобы сделать ее ненадежной? «Проблемы, которые полностью противоположны друг другу: прозрачность, собственность и недоверие. Эти усиления действительно очень бросаются в глаза в сочетании, но действительно ли это волнует пользователей? Напротив, ценность должна отражаться в способности модели рассуждать.

Я думаю, что такая оптимизация затрат технически является инновационной и надежной попыткой, но с точки зрения ценности она больше похожа на дрянной обходной путь;

Возможно, сама технология искусственного интеллекта Onchain просто ищет гвозди с молотком, но это правда. никогда не было столкновением и испытанием технологий, а слепым следованием тенденциям, лишенным независимого мышления.

2.4 Прикладной уровень: 99% Stitch Monsters

Я должен сказать, что попытки ИИ на уровне приложений web3 действительно идут одна за другой. Кажется, что все FOMO, но 99% интеграций должны просто оставаться на интеграциях. Не нужно полагаться на способность gpt к рассуждению для отображения стоимость самого проекта.

С точки зрения прикладного уровня есть примерно два выхода:

1. Используйте возможности ИИ для улучшения пользовательского опыта и повышения эффективности разработки: в этом случае ИИ не будет основным моментом. Чаще всего это закулисный работник, который вносит свой вклад молча и даже безразличен к пользователям; например, web3. Команда Game HIM очень умна в сочетании игрового контента, искусственного интеллекта и криптовалют. Они уловили моменты, которые хорошо совместимы и могут принести наибольшую пользу. С одной стороны, они используют искусственный интеллект в качестве инструмент производственной ценности для повышения эффективности и качества разработки. С другой стороны, улучшите игровой опыт пользователя с помощью рассуждений ИИ. ИИ и криптография действительно приносят очень важную ценность, но по сути они по-прежнему используют средства технологии инструментов. Реальное преимущество и ядро Из проекта по-прежнему остается способность команды разрабатывать игры.
2. Объединитесь с рынком ИИ, чтобы стать важной, ориентированной на пользователя частью всей экосистемы.

3. Наконец…

Если есть что-то, что действительно нужно подчеркнуть или резюмировать: AI по-прежнему остается одним из направлений, заслуживающим наибольшего внимания и обладающим величайшими возможностями в web3, и эта общая логика определенно не изменится;

Но я думаю, что наибольшего внимания заслуживает игровой процесс рынка искусственного интеллекта. По сути, дизайн этой платформы или инфраструктуры соответствует потребностям создания ценности и удовлетворяет интересы всех сторон. С макроэкономической точки зрения это создает продукты, выходящие за рамки самой модели или вычислительной мощности. Это достаточно привлекательно, чтобы иметь уникальный способ получения прибыли в сети 3. В то же время это также позволяет пользователям уникальным образом напрямую участвовать в волне искусственного интеллекта.

Возможно, через три месяца я пересмотрю свои нынешние мысли, так что:

Вышеизложенное — это всего лишь мои реальные взгляды на этот вопрос, и они не представляют собой каких-либо инвестиционных советов!

Ссылка

opML — это все, что вам нужно: запустите модель 13B ML в Ethereum: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y