Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ находятся под строгим контролем, и существуют множество вызовов, таких как узкие места вычислительной мощности, утечка конфиденциальной информации и черные ящики алгоритмов. Однако Web3, основанный на распределенных технологиях, может предоставить новые возможности для развития ИИ через совместное использование вычислительных сетей, открытые рынки данных и конфиденциальные вычисления. В то же время ИИ может предоставить много возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, что способствует его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет решающее значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: надежный фундамент AI и Web3
Данные являются основным двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают базу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.
В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно это вынести.
Ресурсы данных находятся под монополией технологических гигантов, что приводит к образованию изолированных данных.
Личная информация подвержена риску утечки и злоупотребления.
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Сбор сетевых данных децентрализованным способом, их очистка и преобразование для предоставления реальных и качественных данных для обучения моделей ИИ.
Применение модели "label to earn", которая стимулирует глобальных работников участвовать в аннотировании данных с помощью токенов, объединяя профессиональные знания со всего мира и усиливая аналитические возможности данных.
Платформа торговли данными на блокчейне предоставляет сторонам спроса и предложения открытую и прозрачную торговую среду, стимулируя инновации и обмен данными.
Тем не менее, получение данных из реального мира также связано с рядом проблем, таких как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразность и репрезентативность и т. д. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе генеративных технологий ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным центром внимания, а принятие таких регламентов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности моделирования ИИ.
FHE, или полностью однородное шифрование, позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям в области AI. Они могут безопасно открывать API-сервисы, защищая при этом 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 укрепляет конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительную мощность, значительно превышающему предложение существующих вычислительных ресурсов. Например, обучение одной крупной модели ИИ требует огромной вычислительной мощности, эквивалентной 355 годам обучения на одном устройстве. Такой дефицит вычислительной мощности не только ограничивает прогресс технологий ИИ, но и делает сложные модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время, уровень использования GPU в мире составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказались в затруднительном положении: либо покупать оборудование самостоятельно, либо арендовать облачные ресурсы, им urgently требуется экономически эффективный способ предоставления вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительной мощности ИИ, агрегируя неиспользуемые ресурсы GPU по всему миру, предоставляет ИИ-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, предоставляющими вычислительную мощность, майнеры выполняют задачи и представляют результаты, которые после проверки приносят им очки в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительной мощности в таких областях, как ИИ.
Помимо универсальных децентрализованных сетей вычислительной мощности, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные сети вычислительной мощности, ориентированные на вывод ИИ.
Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительных мощностей, разрушает монополию, снижает барьеры для приложений и повышает эффективность использования вычислительных мощностей. В экосистеме web3 децентрализованная вычислительная сеть будет играть ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью выполнять ИИ — в этом и заключается魅力 Edge AI. Это позволяет вычислениям происходить в источнике данных, достигая низкой задержки и обработки в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализованность и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может улучшить защиту конфиденциальности пользователей и снизить риск утечек данных; коренная экономика токенов Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов, став одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные расходы и технологические инновации этой публичной блокчейн-платформы обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейн-платформе превышает 10 миллиардов долларов, и некоторые известные проекты уже добились значительного прогресса.
IMO: Новый парадигма публикации AI моделей
Концепция IMO была впервые предложена в определённом протоколе, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только модель ИИ разрабатывается и выходит на рынок, разработчику часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Оригинальному создателю трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность модели ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку ее истинной ценности, что ограничивает рыночное признание модели и ее коммерческий потенциал.
IMO предоставляет новый способ финансовой поддержки и распределения ценности для моделей искусственного интеллекта с открытым исходным кодом, где инвесторы могут покупать токены IMO и пользоваться последующими преимуществами, генерируемыми моделью. Протокол использует два стандарта ERC в сочетании с AI-оракулом (Onchain AI Oracle) и технологией OPML, чтобы обеспечить подлинность модели AI и возможность держателей токенов участвовать в доходах.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к трендам крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время все еще находится на начальной стадии экспериментов, но с ростом принятия на рынке и расширением участия ее инновационность и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эра взаимодействия
AI-агенты могут воспринимать окружающую среду, независимо мыслить и принимать соответствующие меры для достижения поставленных целей. С поддержкой больших языковых моделей AI-агенты не только понимают естественный язык, но и могут планировать решения и выполнять сложные задачи. Они могут служить виртуальными помощниками, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая открытая нативная платформа AI предлагает полный и удобный набор инструментов для творчества, поддерживает пользователей в настройке функциональности роботов, внешнего вида, звука и подключения к внешним базам знаний, стремясь создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, наделяя людей возможностью стать супер-креативщиками. Платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив затраты на синтез голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. С помощью AI Agent, настроенного на этой платформе, в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и во многих других областях.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, как размещать модели в цепочке, как повысить эффективность использования децентрализованных вычислительных мощностей и как проверять большие языковые модели и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что融合 Web3 и AI приведет к появлению 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» .
Web3 и ИИ сливаются, ведя интернет в новую эпоху. Децентрализация технологий движет будущими инновациями.
Слияние Web3 и AI: открытие новой эры интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ находятся под строгим контролем, и существуют множество вызовов, таких как узкие места вычислительной мощности, утечка конфиденциальной информации и черные ящики алгоритмов. Однако Web3, основанный на распределенных технологиях, может предоставить новые возможности для развития ИИ через совместное использование вычислительных сетей, открытые рынки данных и конфиденциальные вычисления. В то же время ИИ может предоставить много возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, что способствует его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет решающее значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: надежный фундамент AI и Web3
Данные являются основным двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают базу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.
В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, получение данных из реального мира также связано с рядом проблем, таких как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразность и репрезентативность и т. д. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе генеративных технологий ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала глобальным центром внимания, а принятие таких регламентов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности моделирования ИИ.
FHE, или полностью однородное шифрование, позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям в области AI. Они могут безопасно открывать API-сервисы, защищая при этом 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 укрепляет конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях
Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительную мощность, значительно превышающему предложение существующих вычислительных ресурсов. Например, обучение одной крупной модели ИИ требует огромной вычислительной мощности, эквивалентной 355 годам обучения на одном устройстве. Такой дефицит вычислительной мощности не только ограничивает прогресс технологий ИИ, но и делает сложные модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время, уровень использования GPU в мире составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказались в затруднительном положении: либо покупать оборудование самостоятельно, либо арендовать облачные ресурсы, им urgently требуется экономически эффективный способ предоставления вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительной мощности ИИ, агрегируя неиспользуемые ресурсы GPU по всему миру, предоставляет ИИ-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, предоставляющими вычислительную мощность, майнеры выполняют задачи и представляют результаты, которые после проверки приносят им очки в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительной мощности в таких областях, как ИИ.
Помимо универсальных децентрализованных сетей вычислительной мощности, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные сети вычислительной мощности, ориентированные на вывод ИИ.
Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительных мощностей, разрушает монополию, снижает барьеры для приложений и повышает эффективность использования вычислительных мощностей. В экосистеме web3 децентрализованная вычислительная сеть будет играть ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью выполнять ИИ — в этом и заключается魅力 Edge AI. Это позволяет вычислениям происходить в источнике данных, достигая низкой задержки и обработки в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.
В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализованность и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может улучшить защиту конфиденциальности пользователей и снизить риск утечек данных; коренная экономика токенов Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов, став одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные расходы и технологические инновации этой публичной блокчейн-платформы обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейн-платформе превышает 10 миллиардов долларов, и некоторые известные проекты уже добились значительного прогресса.
IMO: Новый парадигма публикации AI моделей
Концепция IMO была впервые предложена в определённом протоколе, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только модель ИИ разрабатывается и выходит на рынок, разработчику часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Оригинальному создателю трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность модели ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку ее истинной ценности, что ограничивает рыночное признание модели и ее коммерческий потенциал.
IMO предоставляет новый способ финансовой поддержки и распределения ценности для моделей искусственного интеллекта с открытым исходным кодом, где инвесторы могут покупать токены IMO и пользоваться последующими преимуществами, генерируемыми моделью. Протокол использует два стандарта ERC в сочетании с AI-оракулом (Onchain AI Oracle) и технологией OPML, чтобы обеспечить подлинность модели AI и возможность держателей токенов участвовать в доходах.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к трендам крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время все еще находится на начальной стадии экспериментов, но с ростом принятия на рынке и расширением участия ее инновационность и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эра взаимодействия
AI-агенты могут воспринимать окружающую среду, независимо мыслить и принимать соответствующие меры для достижения поставленных целей. С поддержкой больших языковых моделей AI-агенты не только понимают естественный язык, но и могут планировать решения и выполнять сложные задачи. Они могут служить виртуальными помощниками, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая открытая нативная платформа AI предлагает полный и удобный набор инструментов для творчества, поддерживает пользователей в настройке функциональности роботов, внешнего вида, звука и подключения к внешним базам знаний, стремясь создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, наделяя людей возможностью стать супер-креативщиками. Платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив затраты на синтез голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. С помощью AI Agent, настроенного на этой платформе, в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и во многих других областях.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, как размещать модели в цепочке, как повысить эффективность использования децентрализованных вычислительных мощностей и как проверять большие языковые модели и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что融合 Web3 и AI приведет к появлению ряда инновационных бизнес-моделей и услуг.