Юбилейный доклад ChatGPT: узкое место генеративного ИИ и возможности Web3

Авторы: @chenyangjamie, @GryphsisAcademy

ТЛ; ДОКТОР:

1. Коммерческое применение генеративного ИИ покорило мир в 2022 году, но по мере того, как новизна исчезает, некоторые из текущих проблем с генеративным ИИ становятся очевидными. Развивающаяся сфера Web3 с полностью прозрачной, проверяемой и децентрализованной природой блокчейна предоставляет новые идеи для решения проблем генеративного ИИ.
2. Генеративный ИИ — это новая технология последних лет, которая основана на нейросетевой структуре глубокого обучения, а распространенная модель для генерации изображений и большая языковая модель для ChatGPT продемонстрировали большой потенциал для коммерциализации.
3. Архитектура реализации генеративного ИИ в Web3 включает в себя инфраструктуру, модели, приложения и данные, среди которых часть данных особенно важна в сочетании с Web3, и имеет огромный простор для развития, особенно ончейн-модель данных, прокси-проекты ИИ и вертикальные приложения, которые имеют потенциал стать ключевыми направлениями развития в будущем.
4. В настоящее время популярные на рынке проекты в треке AI в Web3 показали характеристики недостаточных фундаментальных показателей и слабой способности к захвату стоимости токенов, и они в основном с нетерпением ждут нового тепла или обновлений экономики токенов в будущем.
5. Генеративный ИИ имеет большой потенциал в пространстве Web3, и в будущем нас ждет много новых нарративов.

1. Зачем генеративный ИИ и Web3 нужны друг другу?

2022 год можно назвать годом, когда генеративный ИИ (Artificial Intelligence) взял мир штурмом, до этого генеративный ИИ ограничивался лишь вспомогательными инструментами профессиональных работников, а после последовательного появления Dalle-2, Stable Diffusion, Imagen и Midjourney, AI-Generated Content (аббревиатура). Как новейшее технологическое приложение, AIGC породила большую волну модного контента в социальных сетях. И ChatGPT, который был выпущен вскоре после этого, произвел эффект разорвавшейся бомбы, подтолкнув эту тенденцию к пику. Как первый инструмент искусственного интеллекта, который может ответить практически на любой вопрос с помощью ввода простой текстовой команды (т. е. ), ChatGPT уже давно стал ежедневным помощником в работе для многих людей. Впервые люди могут почувствовать «интеллект» искусственного интеллекта, так как он может справляться с различными повседневными задачами, такими как написание документов, помощь в выполнении домашних заданий, помощник по электронной почте, проверка эссе и даже эмоциональное репетиторство, а Интернет с энтузиазмом исследует различные тайны, используемые для оптимизации результатов, генерируемых ChatGPT. Согласно отчету макрокоманды Goldman Sachs, генеративный ИИ может стать стимулом роста производительности труда в Соединенных Штатах, стимулируя рост мирового ВВП на 7% (или почти на 7 триллионов долларов) и увеличивая рост производительности на 1,5 процентных пункта в течение 10 лет после развития генеративного ИИ.

** **

Сфера Web3 также почувствовала весенний бриз AIGC, и сектор искусственного интеллекта вырос по всем направлениям в январе 2023 года

Источник:

Однако после того, как первоначальная новинка исчезла, глобальный трафик ChatGPT снизился впервые с момента его выпуска в июне 2023 года (Источник: SimilarWeb), и пришло время переосмыслить, что такое генеративный ИИ и каковы его ограничения. Исходя из текущей ситуации, дилеммы, с которыми сталкивается генеративный ИИ, включают в себя (но не ограничиваются): во-первых, социальные сети полны нелицензированного и неотслеживаемого контента AIGC, во-вторых, высокая стоимость обслуживания ChatGPT вынудила OpenAI сделать выбор в пользу снижения качества генерации для снижения затрат и повышения эффективности, и, наконец, даже крупнейшие в мире модели по-прежнему предвзяты в некоторых аспектах генерируемых результатов.

** **

ChatGPT глобальный десктопный и мобильный трафик

Источник: Similarweb

В то же время постепенно взрослеющий Web3 с его децентрализованными, полностью прозрачными и проверяемыми характеристиками предлагает новое решение текущей дилеммы генеративного ИИ:

1. Полная прозрачность и отслеживаемость Web3 могут решить проблемы авторского права и конфиденциальности данных, вызванные генеративным искусственным интеллектом. Эти две функции Web3 позволяют эффективно проверять источник и подлинность контента, значительно увеличивая стоимость поддельного или нарушающего права контента, созданного искусственным интеллектом, такого как короткие ремиксы, которые сбивают с толку авторские права, или видео с подменой лиц DeepFake, которые нарушают конфиденциальность других людей. Кроме того, ожидается, что применение смарт-контрактов в управлении контентом решит проблемы авторского права и гарантирует, что создатели контента смогут получить более справедливую компенсацию за контент, который они создают.

** **

DeepFake Video: Это не Морган Фримен

Источник: Youtube

2. Децентрализация Web3 может снизить риск централизации вычислительных мощностей ИИ. ** Генеративный ИИ требует огромных вычислительных ресурсов: по оценкам, обучение ChatGPT на основе GPT-3 обходится не менее чем в 2 миллиона долларов, а электричество — около 47 000 долларов в день, и это число растет экспоненциально по мере развития технологий и масштабов. Вычислительные ресурсы по-прежнему в значительной степени сосредоточены в руках крупных компаний, что приводит к значительным затратам на НИОКР, техническое обслуживание и эксплуатацию, а также к риску централизации, что затрудняет конкуренцию для небольших компаний. В то время как обучение больших моделей все еще может потребоваться в централизованной среде в краткосрочной перспективе, поскольку обучение больших моделей требует много вычислительных ресурсов, в Web3 технология блокчейн делает возможным, среди прочего, вывод распределенных моделей, управление голосованием сообщества и токенизацию моделей. Используя существующую децентрализованную биржу в качестве зрелого примера, мы можем разработать управляемую сообществом децентрализованную систему вывода больших моделей ИИ, в которой право собственности на большую модель принадлежит сообществу и управляется сообществом.

Даже с новейшим H100 для обучения GPT-3 стоимость FLOPs по-прежнему высока

Источник: substake.com

3. Воспользуйтесь возможностями Web3 для оптимизации разнообразия наборов данных ИИ и интерпретируемости моделей ИИ. ** Традиционные методы сбора данных в основном основаны на общедоступных наборах данных или самих создателях моделей, и собираемые данные часто ограничены географией и культурой. Это может привести к тому, что контент, сгенерированный программой AIGC, и ответы, сгенерированные ChatGPT, будут иметь субъективную предвзятость определенных этнических групп, например, изменение цвета кожи целевой задачи. А с помощью модели поощрения токенов Web3 мы можем оптимизировать способ сбора данных, собирая и взвешивая данные со всех уголков мира. В то же время полная прозрачность и отслеживаемость Web3 могут еще больше повысить интерпретируемость модели и стимулировать вывод различных фонов для обогащения модели.

Искусственный интеллект, предназначенный для повышения разрешения, превратит Обаму в белого человека

Источник: Twitter

4. Вы можете использовать массивные ончейн-данные Web3 для обучения уникальных моделей ИИ. ** Современные методы проектирования и обучения моделей ИИ часто основаны на построении целевой структуры данных (текст, речь, изображение или видео). Уникальным будущим направлением развития комбинации Web3 и ИИ является обращение к методам построения и обучения больших моделей на естественном языке, а также использование уникальной структуры данных ончейн-данных Web3 для создания больших моделей ** ончейн-данных. Это предоставляет пользователям уникальную перспективу, недоступную другим аналитикам данных (отслеживание умных денег, тенденции финансирования проектов и т. д.), а преимущество ИИ заключается в том, что он может обрабатывать огромные объемы данных одновременно по сравнению с ручным ончейн-анализом.

Автоматизированный ончейн-анализ, мониторинг ончейн-информации позволяет получать информацию из первых рук

Источник: nansen.ai

5. Генеративный ИИ может стать мощной силой в снижении барьера для входа людей в мир Web3. ** Нынешняя мейнстримная модель участия в проектах Web3 требует от участников значительного понимания различных сложных ончейн-концепций и логики работы кошелька, что значительно увеличивает стоимость обучения и риск неправильной работы для пользователей, в то время как аналогичные приложения в Web2 уже много лет реализуют принцип «принципа ленивого человека» в дизайне продукта, чтобы пользователи могли легко и без риска приступить к работе. Ожидается, что генеративный ИИ будет поддерживать проекты, ориентированные на намерения, которые могут значительно улучшить пользовательский опыт продуктов Web3, выступая в качестве «умного помощника» между пользователями и протоколами в Web3.

6. Web3 также создал огромный спрос на контент, и генеративный ИИ стал ключевым средством удовлетворения этого спроса. Генеративный ИИ может создавать множество статей, изображений, аудио- и видеоконтента для Web3, стимулируя разработку децентрализованных приложений, от торговых площадок NFT до документов для смарт-контрактов, каждый из которых может извлечь выгоду из разнообразного контента, созданного искусственным интеллектом.

Хотя у генеративного ИИ и Web3 есть свои проблемы, их взаимные потребности и совместные решения, как мы надеемся, сформируют будущее цифрового мира. Это сотрудничество повысит качество и доверие к созданию контента, стимулируя дальнейшее развитие цифровой экосистемы, предоставляя пользователям более ценный цифровой опыт. Совместная эволюция генеративного ИИ и Web3 откроет новую захватывающую главу в цифровую эпоху.

Во-вторых, техническое резюме генеративного ИИ

2.1 Технические основы генеративного ИИ

С тех пор, как в 50-х годах 20 века было введено понятие ИИ, было несколько взлетов и падений, и каждое ключевое технологическое новшество приносит новую волну, и на этот раз генеративный ИИ не стал исключением. Как новая концепция, которая была предложена только в последние 10 лет, генеративный ИИ выделился из многих исследовательских поднаправлений ИИ благодаря ослепительной производительности новейших технологий и продуктов и в одночасье привлек внимание всего мира. Прежде чем мы углубимся в техническую архитектуру генеративного ИИ, нам нужно сначала объяснить конкретное значение генеративного ИИ, обсуждаемое в этой статье, и кратко рассмотреть основные технические компоненты генеративного ИИ, который в последнее время переживает взрывной рост.

Генеративный ИИ — это тип ИИ, который можно использовать для создания нового контента и идей, включая разговоры, истории, изображения, видео и музыку, и представляет собой модель, построенную на нейросетевом фреймворке на основе глубокого обучения, обученную на больших объемах данных и упакованную с огромным количеством параметров. Продукты генеративного ИИ, которые в последнее время привлекли внимание людей, можно просто разделить на две категории: одна — это продукты для генерации изображений (видео) с вводом текста или стиля, а другая — продукты ChatGPT с текстовым вводом. Эти два типа продуктов имеют одну и ту же базовую технологию, то есть предварительно обученную языковую модель (LLM), основанную на архитектуре Transformer. Исходя из этого, первый тип продукта добавляет диффузионную модель, которая сочетает в себе текстовый ввод для создания высококачественных изображений или видео, а второй тип продуктов добавляет обучение с подкреплением на основе обратной связи от человека (RLHF) для достижения логического уровня выходных результатов, близкого к человеческому.

2.2 Текущая техническая архитектура генеративного ИИ:

Во многих лучших статьях прошлого обсуждалось значение генеративного ИИ для существующих технических архитектур с разных точек зрения, например, эта статья от A16z «Кто владеет платформой генеративного ИИ?», в которой всесторонне обобщается текущая техническая архитектура генеративного ИИ:

** **

Основная техническая архитектура генеративного ИИ

Источник: Кому принадлежит платформа генеративного ИИ?

В данной исследовательской статье текущая архитектура генеративного ИИ Web2 разделена на три уровня: инфраструктура (вычислительная мощность), модель и приложение, и дает представление о текущем развитии этих трех уровней.

**Что касается инфраструктуры, то, хотя логика построения инфраструктуры в Web2 по-прежнему является основной, все еще очень мало инфраструктурных проектов, которые действительно сочетают в себе Web3 и ИИ. В то же время инфраструктура также является той частью, которая получает наибольшую ценность на данном этапе, и технологические олигархи Web2 добились значительных успехов, «продавая лопаты» на текущем этапе исследования ИИ в силу своих десятилетий глубокого культивирования в области хранения данных и вычислений.

Для моделей предполагается, что они являются реальными создателями и владельцами ИИ, но на данном этапе существует очень мало бизнес-моделей, которые могут помочь авторам модели получить соответствующую бизнес-ценность.

Что касается приложений, то несколько вертикалей накопили более сотни миллионов долларов дохода, но высоких затрат на обслуживание и низкого удержания пользователей недостаточно для поддержки долгосрочной бизнес-модели.

2.3 Примеры генеративного ИИ и Web3 приложений

2.3.1 Применение ИИ для анализа больших объемов данных Web3

** Данные лежат в основе создания технических барьеров в будущем развития ИИ. Чтобы понять, почему это важно, давайте посмотрим на исследование об источниках производительности больших моделей. Это исследование показывает, что большие модели ИИ демонстрируют уникальную способность к возникновению: при увеличении размера модели точность модели внезапно взлетит при превышении определенного порога. Как показано на рисунке ниже, каждый график представляет собой обучающую задачу, а каждая линия соответствует производительности (точности) большой модели. Эксперименты на разных больших моделях привели к одному и тому же выводу: после того, как размер модели превысит определенный порог, производительность на разных задачах показывает прорывной рост.

Взаимосвязь между размером модели и ее производительностью

Источник: Эмерджентные рассуждения по аналогии в больших языковых моделях

Проще говоря, количественные изменения масштаба модели приводят к качественному изменению производительности модели. **Размер модели зависит от количества параметров модели, времени обучения и качества обучающих данных. На данном этапе, в случае с количеством параметров модели (в крупных компаниях есть топовые R&D команды, отвечающие за дизайн) и временем обучения (вычислительное оборудование покупает NVIDIA) не может закрыть пробел, если вы хотите создать продукт, который лидирует в конкурентной борьбе, один из способов — найти лучшие болевые точки спроса в области подразделений для создания убойного приложения, но для этого требуется глубокое понимание целевой области и отличное понимание, в то время как другой способ более практичен и осуществим, то есть собирать все более полные данные, чем конкуренты. **

Это также является хорошей точкой входа для моделей генеративного ИИ для выхода в пространство Web3. Существующие большие модели ИИ или базовые модели обучаются на основе огромных объемов данных в различных областях, а уникальность ончейн-данных в Web3 делает ончейн-модель данных осуществимым путем, на который стоит рассчитывать. В настоящее время в Web3 существует две продуктовые логики для иерархии данных: первая заключается в том, чтобы предоставить поставщикам данных стимулы для защиты конфиденциальности и права собственности владельцев данных, поощряя пользователей делиться правом на использование данных друг с другом. Ocean Protocol предоставляет отличный способ обмена данными. Второй — интеграция данных и приложений проектной командой для предоставления пользователям сервисов под определенную задачу. ** Например, Trusta Lab собирает и анализирует ончейн-данные пользователей и может предоставлять такие услуги, как анализ ведьминых счетов и анализ рисков активов в сети с помощью своей уникальной системы оценки MEDIA.

2.3.2 Прокси-приложения AI для Web3

** Вышеупомянутое ончейн-приложение AI Agent также находится в центре внимания - с помощью большой языковой модели оно предоставляет пользователям количественно измеримые ончейн-услуги при условии обеспечения конфиденциальности пользователей. ** Согласно сообщению в блоге Лилиан Венг, руководителя отдела исследований ИИ в OpenAI, ИИ-агент можно разделить на четыре компонента, а именно: Агент = LLM + Планирование + Память + Использование инструмента. Являясь ядром ИИ-агента, LLM отвечает за взаимодействие с внешним миром, изучение огромных объемов данных и логическое выражение их на естественном языке. Часть «Планирование + память» похожа на концепции действия, политики и вознаграждения в обучении технике обучения с подкреплением в AlphaGo. Цель задачи разбирается на каждую маленькую цель, и оптимизированное решение задачи пошагово усваивается из результатов и обратной связи многократного повторного обучения, а полученная информация сохраняется в разных типах памяти для разных функций. Что касается использования инструментов, то это относится к использованию таких инструментов, как вызов модульных инструментов, получение информации из Интернета, подключение к проприетарным источникам информации или API и т. д., и стоит отметить, что большую часть этой информации будет трудно изменить после предварительного обучения.

Глобальная диаграмма ИИ-агента

Источник: LLM Powered Autonomous Agents

В сочетании со специфической логикой реализации AI Agent мы можем смело представить, что комбинация Web3 + AI Agent принесет безграничную фантазию, такую как:

1. Режим агента AI может быть добавлен к текущему торговому приложению, который может предоставить клиентам интерактивный интерфейс на уровне естественного языка, включая, помимо прочего, прогнозирование цены, стратегию транзакций, стратегию стоп-лосса, динамическую регулировку кредитного плеча, интеллектуальное копирование KOL, кредитование и т. д.
2. При выполнении количественной стратегии стратегия может быть дополнительно разложена на каждую подзадачу и передана разным агентам ИИ для реализации, и каждый агент ИИ сотрудничает друг с другом, что может не только повысить безопасность защиты конфиденциальности, но и отслеживать в режиме реального времени, чтобы контрагент не использовал уязвимости для реверса робота.
3. Большое количество NPC в цепных играх также естественно подходит для AI Agent, и теперь есть проект по применению GPT для динамической генерации контента диалогов игровых персонажей, и в будущем ожидается, что он не будет ограничен предустановленным текстом, а будет обновлен до более реалистичного игрового взаимодействия NPC (или даже цифрового человека) в реальном времени, которое может реализовать самовзаимодействие без участия игрока. «Виртуальный город» Стэнфордского университета — отличный тому пример.

Хотя текущий центр проектов Web3 + AI Agent по-прежнему сосредоточен на первичном рынке или на стороне инфраструктуры ИИ, и до сих пор нет убойного применения To C, считается, что проекты Web3 + AI, меняющие правила игры в будущем, стоит с нетерпением ждать, сочетая в себе различные характеристики блокчейна, такие как распределенное управление в сети, вывод доказательства с нулевым разглашением, распределение моделей, улучшение интерпретируемости и т. д.

2.3.3 Потенциальное вертикальное применение Web3 + AI

А. Приложения в сфере образования

Сочетание Web3 и искусственного интеллекта произвело революцию в образовании, где генеративные классы виртуальной реальности являются привлекательным нововведением. Встраивая технологию искусственного интеллекта в платформу онлайн-обучения, учащиеся могут получить персонализированный опыт обучения, который генерирует персонализированный образовательный контент на основе их истории обучения и интересов. Ожидается, что такой персонализированный подход повысит мотивацию и эффективность учащихся в обучении, приблизив образование к индивидуальным потребностям.

Учащиеся участвуют в занятиях виртуальной реальности с помощью иммерсивных VR устройств

Источник: Команда V-SENSE

Кроме того, токен-модель кредитного стимулирования также является инновационной практикой в сфере образования. С помощью технологии блокчейн кредиты и достижения студентов могут быть закодированы в токены для формирования цифровой кредитной системы. Такие стимулы побуждают учащихся активно участвовать в учебной деятельности, создавая более активную и мотивирующую учебную среду.

** В то же время, вдохновленная недавно популярным в последнее время проектом SocialFi FriendTech, аналогичная ключевая логика ценообразования, привязанная к идентификаторам, также может быть использована для создания системы взаимной оценки**, которая также привносит больше социальных элементов в образование. С помощью неизменности блокчейна оценка среди студентов становится более справедливой и прозрачной. Такой механизм взаимного оценивания не только способствует развитию у учащихся навыков командной работы и социальных навыков, но и обеспечивает более всестороннюю и разностороннюю оценку успеваемости учащихся, внедряя в систему образования более разнообразные и комплексные методы оценивания.

B. Применение в медицине

В здравоохранении сочетание Web3 и искусственного интеллекта стимулирует развитие федеративного обучения и распределенного вывода. Объединяя распределенные вычисления и машинное обучение, медицинские работники могут обмениваться данными в больших масштабах для более глубокого и всестороннего группового обучения. Такой подход коллективного разума может ускорить разработку методов диагностики и лечения заболеваний, а также продвинуть вперед область медицины.

Защита конфиденциальности является ключевым вопросом, который нельзя игнорировать в медицинских приложениях. Благодаря децентрализации Web3 и неизменности блокчейна медицинские данные пациентов могут храниться и передаваться более безопасно. Смарт-контракты могут обеспечить точный контроль и управление медицинскими данными, гарантируя, что только уполномоченный персонал может получить доступ к конфиденциальной информации пациентов, тем самым сохраняя конфиденциальность медицинских данных.

В. Применение в сфере страхования

Ожидается, что в страховом секторе интеграция Web3 и искусственного интеллекта принесет более эффективные и интеллектуальные решения традиционному бизнесу. Например, в автостраховании и страховании жилья использование технологии компьютерного зрения позволяет страховщикам более эффективно оценивать стоимость и уровень риска имущества с помощью анализа изображений и оценки. Это предоставляет страховым компаниям более совершенные и персонализированные стратегии ценообразования, а также повышает уровень управления рисками в страховой отрасли.

Использование технологии искусственного интеллекта для оценки претензий

Источник: Tractable Inc

В то же время автоматизированное урегулирование претензий в сети также является инновацией в страховой отрасли. Основанный на смарт-контрактах и технологии блокчейн, процесс рассмотрения претензий может быть более прозрачным и эффективным, снижая возможность громоздких процедур и вмешательства человека. Это не только увеличивает скорость урегулирования претензий, но и снижает операционные расходы, что приводит к улучшению качества обслуживания страховщиков и клиентов.

Динамическая корректировка премий — еще одна инновационная практика, благодаря анализу данных в режиме реального времени и алгоритмам машинного обучения страховые компании могут более точно и своевременно корректировать премии, а также персонализировать ценообразование в соответствии с фактическим профилем риска страхователя. Это не только делает страховые взносы более справедливыми, но и стимулирует застрахованных людей к более здоровому и безопасному поведению, способствуя управлению рисками и превентивным мерам для общества в целом.

D. Приложения в области авторского права

В области авторского права сочетание Web3 и искусственного интеллекта привнесло совершенно новую парадигму в создание цифрового контента, предложения по курированию и разработку кода. Благодаря смарт-контрактам и децентрализованному хранению информация об авторских правах на цифровой контент может быть лучше защищена, а создатели произведений могут легче отслеживать свою интеллектуальную собственность и управлять ею. В то же время с помощью технологии блокчейн могут быть созданы прозрачные и защищенные от несанкционированного доступа творческие записи, обеспечивающие более надежные средства для отслеживания и аутентификации произведений.

Инновация рабочей модели также является важным изменением в сфере авторского права. Совместная работа, стимулируемая токенами, поощряет создателей, планировщиков и разработчиков участвовать в проекте, сочетая вклад в работу с символическими поощрениями. Это не только способствует сотрудничеству между творческими командами, но и дает участникам возможность получить прямую выгоду от успеха проекта, что приводит к более качественной работе.

С другой стороны, применение токена в качестве доказательства авторского права меняет модель распределения выгоды. Благодаря механизму дивидендов, автоматически исполняемому смарт-контрактами, каждый участник работы может получать соответствующую долю прибыли в режиме реального времени при использовании, продаже или передаче произведения. Эта децентрализованная модель выплаты дивидендов эффективно решает проблемы непрозрачности и запаздывания в традиционной модели авторского права и обеспечивает более справедливый и эффективный механизм распределения выгод для авторов.

E. Приложения метавселенной

В сфере метавселенной интеграция Web3 и ИИ дает новые возможности для создания недорогого контента цепных игр, наполненного AIGC. Виртуальная среда и персонажи, сгенерированные алгоритмами ИИ, могут обогатить контент цепной игры, предоставить пользователям более яркий и разнообразный игровой опыт, а также сократить трудозатраты и временные затраты в процессе производства.

Цифровое производство человека — это инновация в приложениях метавселенной. В сочетании с генерацией внешности вплоть до волос и построением мышления на основе больших языковых моделей сгенерированные цифровые люди могут играть различные роли в метавселенной, взаимодействовать с пользователями и даже участвовать в цифровых двойниках сценариев реального мира. Это обеспечивает более реалистичный и глубокий опыт развития виртуальной реальности и способствует широкому применению цифровых технологий виртуального человека в развлечениях, образовании и других областях.

Автоматически генерируйте рекламный контент в соответствии с ончейн-портретами пользователей Это интеллектуальное рекламное креативное приложение в области метавселенной. Анализируя поведение и предпочтения пользователей в метавселенной, алгоритмы искусственного интеллекта могут создавать более персонализированный и привлекательный рекламный контент, улучшая кликабельность и вовлеченность пользователей в рекламу. Такой способ генерации рекламы не только больше соответствует интересам пользователей, но и предоставляет рекламодателям более эффективный способ продвижения.

Генеративные интерактивные NFT — это привлекательная технология в пространстве метавселенной. Комбинируя NFT с генеративным дизайном, пользователи могут участвовать в создании собственного NFT-произведения искусства в метавселенной, придавая ему интерактивность и уникальность. Это открывает новые возможности для создания и торговли цифровыми активами, стимулируя развитие цифрового искусства и виртуальной экономики в метавселенной.

III. Цели, связанные с Web3

Здесь автор выбрал пять проектов: Render Network и Akash Network как ветеранов-лидеров общей инфраструктуры ИИ и трека ИИ, Bittensor как популярный проект в категории моделей, Alethea.ai как сильный прикладной проект генеративного ИИ, Fetch.ai как знаковый проект в области ИИ-агентства, чтобы получить представление о текущем статусе проектов генеративного ИИ в области Web3.

3.1 Сеть рендеринга($RNDR)

Render Network была основана в 2017 году Жюлем Урбахом, основателем материнской компании OTOY. Основным бизнесом OTOY является графический рендеринг в облаке, и компания работала над оскароносными кино- и телевизионными проектами с соучредителями Google и Mozilla в качестве консультантов, а также работала над несколькими проектами с Apple. Цель Render Network, которая простирается от OTOY до сферы Web3, состоит в том, чтобы использовать распределенную природу технологии блокчейн для подключения менее масштабных потребностей и ресурсов рендеринга и искусственного интеллекта к децентрализованной платформе, тем самым экономя небольшим мастерским затраты на аренду дорогостоящих централизованных вычислительных ресурсов (таких как AWS, MS Azure и Alibaba Cloud), а также обеспечивая получение дохода для тех, у кого есть простаивающие вычислительные ресурсы.

Поскольку Render — это компания OTOY, которая самостоятельно разработала высокопроизводительный рендерер Octane Render вкупе с определенной бизнес-логикой, в начале своего запуска она считалась Web3-проектом со своими потребностями и фундаментальными принципами. В период, когда генеративный ИИ был в моде, спрос на задачи распределенной верификации и распределенного вывода идеально вписывался в техническую архитектуру Render и считался одним из перспективных направлений его развития в будущем. При этом Render уже много лет занимает лидирующие позиции в треке AI в сфере Web3 и в последние годы приобрел определенную степень мемного характера.

В феврале 2023 года Render Network объявила о предстоящем обновлении новых ценовых категорий и механизме стабилизации цены в размере RNDR долларов, за который проголосовало сообщество (однако пока не подтверждено, когда он будет запущен), и в то же время объявила, что проект будет переведен с Polygon на Solana (вместе с обновлением токенов на RNDR долларов до токенов $RENDER на основе стандарта Solana SPL, которое уже было завершено в ноябре 2023 года).

Новая система ценовой оценки, выпущенная Render Network, делит ончейн-сервисы на три уровня, от высокого до низкого, соответствующие различным ценовым категориям и качеству услуг рендеринга, которые могут быть выбраны потребителем рендеринга.

Три уровня новой ценовой категории Render Network

Механизм стабилизации цены в размере $RNDR, за который проголосовало сообщество, был изменен с предыдущего нерегулярного обратного выкупа на использование модели «Burn-and-Mint Equilibrium (BME)», что сделало более очевидным позиционирование $RNDR в качестве платежного токена для обеспечения стабильности цены, а не для хранения активов в течение длительного времени. Конкретный бизнес-процесс в эпоху BME показан на следующей схеме:

1. Создание продукта. «Создатели продукта» на Render, то есть поставщики ресурсов рендеринга, которые упаковывают простаивающие ресурсы рендеринга в продукты (узлы) и ожидают использования в сети.
2. «Покупка товара». Клиенты, нуждающиеся в рендеринге, будут напрямую сжигать токены в качестве оплаты за услуги, если у них есть токены на RNDR долларов, а если у них их нет, они сначала купят токены на RNDR долларов за фиатную валюту на DEX. Цена, уплаченная за услугу, публично записывается в блокчейне.
3. Чеканить токен “Mint Token”. По заданным правилам выделяется новый токен.

Примечание: Render Network взимает 5% от сборов, уплачиваемых покупателем продукта с каждой транзакции за работу проекта.

Эпоха равновесия Burn-and-Mint

Фото: Петар Атанасовский

Источник: Medium

Согласно предустановленным правилам, в каждую эпоху, выполняемую BME, будет выпущено заданное количество новых токенов (заданное количество будет постепенно уменьшаться со временем). Вновь отчеканенные токены будут распределены между тремя сторонами:

1. Создатель продукта. Создатель продукта получает двумя способами:

2. Награды за выполнение миссий. Легко понять, что каждый узел продукта вознаграждается в соответствии с количеством выполненных задач рендеринга.

3. Онлайн-вознаграждения. Вознаграждения будут предоставляться в соответствии с резервным онлайн-рынком каждого узла продукта, и будет поощряться больше онлайн-работы, чтобы ограничить ресурсы.

4. Покупатели продукции. Как и в случае со скидкой на продукцию в торговом центре, покупатели могут получить до 100% скидки на токены в размере RNDR долларов США, чтобы стимулировать дальнейшее использование Render Network в будущем.

5. Поставщик ликвидности DEX (Decentralized Exchange). Поставщики ликвидности в кооперативных DEX могут получать вознаграждение в соответствии с суммой в размере RNDR долларов США, поставленных в стейкинг, гарантируя, что они могут купить достаточное количество RNDR долларов США по разумной цене, когда им нужно сжечь RNDR долларов США.

** **

Источник: coingecko.com

Из ценового тренда в RNDR долларов в прошлом году видно, что, будучи ведущим проектом направления ИИ в Web3 на протяжении многих лет, RNDR долларов съели дивиденды волны бума ИИ, вызванного ChatGPT в конце 2022 и начале 2023 года, и в то же время с выпуском нового механизма токенов цена в RNDR долларов достигла высшей точки в первой половине 2023 года. После бокового второго полугодия цена $RNDR достигла высшей точки за последние годы благодаря восстановлению ИИ, вызванному новой пресс-конференцией OpenAI, миграцией Render Network на Solana и неизбежным внедрением нового механизма токенов. Поскольку фундаментальные изменения $RNDR минимальны, для инвесторов будущие инвестиции в $RNDR должны быть более осмотрительными в управлении позициями и риск-менеджменте.

Количество узлов Render Network в месяц

** **

Сеть рендеринга Количество сцен, визуализируемых в месяц

Источник: Dune.com

При этом, как видно из дашборда Dune, общее количество заданий рендеринга увеличилось с начала 2023 года, но количество узлов рендеринга не увеличилось. В сочетании с бумом генеративного ИИ в конце 2022 года разумно сделать вывод, что все дополнительные задачи рендеринга связаны с генеративным ИИ. В настоящее время трудно сказать, является ли эта часть спроса долгосрочным, и за ней нужно следить, чтобы наблюдать.

3.2 Сеть Акаш ($AKT)

Akash Network — это децентрализованная платформа облачных вычислений, целью которой является предоставление разработчикам и предприятиям более гибкого, эффективного и экономичного решения для облачных вычислений. «Супероблачная» платформа, построенная проектом, построена на технологии распределенного блокчейна, которая использует децентрализованную природу блокчейна, чтобы предоставить пользователям децентрализованную облачную инфраструктуру, которая может развертывать и запускать приложения в глобальном масштабе, включая различные вычислительные ресурсы, включая центральные процессоры, графические процессоры и хранилище.

Основатели Akash Network, Грег Осури и Адам Бозанич, являются серийными предпринимателями, которые работают вместе в течение многих лет, каждый из них имеет многолетний опыт работы в проектах, став соучредителями проекта Overclock Labs, который до сих пор является основным участником Akash Network. У команды основателей было четкое видение основной миссии Akash Network, которая заключалась в снижении затрат на облачные вычисления, повышении доступности и усилении контроля пользователей над вычислительными ресурсами. Благодаря открытым торгам, которые стимулируют поставщиков ресурсов открывать простаивающие вычислительные ресурсы в своих сетях, Akash Network обеспечивает более эффективное использование ресурсов, тем самым обеспечивая более конкурентоспособные цены для тех, кто требует ресурсов.

В январе 2023 года Akash Network Network Economics 2.0 запустила программу обновления Akash Network Economics 2.0 с целью устранения многих недостатков текущей экономики токенов, в том числе:

1. Рыночная цена токена $AKT колеблется, в результате чего цена долгосрочного контракта не соответствует стоимости
2. Стимулов для поставщиков ресурсов недостаточно для того, чтобы высвободить большое количество вычислительных мощностей в их руках
3. Недостаточные стимулы со стороны сообщества наносят ущерб долгосрочному развитию проекта Акаш
4. Недостаточный захват стоимости токена $AKT рискует повлиять на стабильность проекта

Согласно информации, представленной на официальном сайте, решения, предлагаемые планом Akash Network Economics 2.0, включают в себя введение платежей в стейблкоинах, добавление комиссий за заказы мейкеров и поедание яиц для увеличения доходов протокола, увеличение стимулов для поставщиков ресурсов и увеличение суммы стимулов сообщества и т. д., среди которых были запущены и внедрены функция оплаты стейблкоинов и функция комиссии мейкера.

Как нативный токен Akash Network, AKT долларов США имеет множество применений в протоколе, включая проверку стейкинга (безопасность), поощрения, управление сетью и оплату комиссий за транзакции. Согласно данным, представленным на официальном сайте, общее предложение в размере AKT долларов составляет 388 миллионов, а по состоянию на ноябрь 2023 года на данный момент разблокировано 229 миллионов, что составляет около 59%. Токены-основатели, распределенные при запуске проекта, будут полностью разблокированы в марте 2023 года и поступят в оборот вторичного рынка. Коэффициент распределения генезис-токенов следующий:

Примечательно, что с точки зрения получения ценности, одна функция, которую предлагает реализовать AKT долларов, но которая еще не была реализована, но упоминается в техническом документе, заключается в том, что Akash планирует взимать «плату за сборы» за каждую успешную аренду. Впоследствии он отправляет эти сборы в пул Take Income Pool, чтобы они могли быть распределены между держателями. Программа предусматривает комиссию в размере 10% за транзакции в размере AKT долларов США и комиссию в размере 20% за транзакции с использованием других криптовалют. Кроме того, Akash также планирует вознаграждать держателей, которые блокируют свои активы в размере AKT долларов на более длительный период времени. В результате инвесторы, которые держат акции в течение более длительного периода времени, будут иметь право на более щедрое вознаграждение. Если этот проект будет успешно запущен в будущем, он определенно станет основной движущей силой для цены валюты, а также поможет лучше оценить стоимость проекта.

** **

Источник: coingecko.com

Как видно из ценового тренда, показанного на coingecko.com, цена в $AKT также предвещала рост в середине августа и конце ноября 2023 года соответственно, но это все еще не так хорошо, как рост за тот же период у других проектов в треке AI, что может быть связано с текущей тенденцией настроений капитала. В целом, проект Akash, как один из нескольких высококачественных проектов в треке ИИ, имеет лучшие фундаментальные показатели, чем большинство конкурентов в треке ИИ. Считается, что с развитием индустрии искусственного интеллекта и интенсификацией ресурсов облачных вычислений Akash Network сможет взлететь в следующей волне ИИ в будущем.

3.3 Биттенсор ($TAO)

Если читатель знаком с технической архитектурой $BTC, ему будет очень легко разобраться в устройстве Bittensor. На самом деле, при разработке Bittensor его авторы позаимствовали множество характеристик криптоветерана за BTC долларов, в том числе: в общей сложности 21 миллион токенов, сокращение производства вдвое примерно каждые четыре года, механизм консенсуса с участием PoW и так далее. В частности, давайте представим себе первоначальный производственный процесс BTC, а затем заменим процесс «майнинга» для вычисления случайных чисел, которые не могут создать реальную ценность, обучением и проверкой моделей ИИ, а также стимулированием майнеров к работе на основе производительности и надежности моделей ИИ, что является простым резюме архитектуры проекта Bittensor (TAO долларов США).

Проект Bittensor был основан в 2019 году двумя исследователями ИИ, Джейкобом Стивзом и Аллой Шаабаной, а его основная структура основана на содержании белой книги, написанной таинственным автором Юмой Рао. Таким образом, он разрабатывает протокол с открытым исходным кодом, не требующий разрешения, и строит сетевую архитектуру, состоящую из множества подсетей, соединенных разными подсетями, отвечающими за различные задачи (машинный перевод, распознавание и генерация изображений, большие языковые модели и т. д.), и отличное выполнение задач будет стимулироваться, позволяя подсетям взаимодействовать и учиться друг у друга.

Оглядываясь назад на крупные модели ИИ, представленные в настоящее время на рынке, все без исключения они являются результатом огромного количества вычислительных ресурсов и данных, вложенных технологическими гигантами. Несмотря на то, что ИИ-продукты, обученные таким образом, работают впечатляюще, они также сопряжены с высоким риском того, что концентрация станет злом. Инфраструктура Bittensor спроектирована таким образом, чтобы позволить сети взаимодействующих экспертов общаться и учиться друг у друга, что закладывает основу для децентрализованного обучения больших моделей. Долгосрочное видение Bittensor состоит в том, чтобы конкурировать с моделями с закрытым исходным кодом таких гигантов, как OpenAI, Meta, Google и т. д., чтобы достичь производительности вывода при соответствии, сохраняя при этом децентрализованный характер модели.

Техническое ядро сети Bittensor исходит из уникально разработанного механизма консенсуса Yuma Rao, также известного как консенсус Yuma, который представляет собой механизм консенсуса, сочетающий PoW и PoS. Основные участники на стороне предложения делятся на «серверы» (т.е. майнеры) и «валидаторы», а участники на стороне спроса являются «клиентами» (т.е. покупателями), которые используют модели в сети. Майнеры отвечают за предоставление предварительно обученных моделей для текущей задачи подсети, а получаемые стимулы зависят от качества предоставленных моделей, в то время как валидаторы отвечают за проверку производительности моделей и выступают в качестве посредников перед майнерами и клиентами. Конкретный процесс выглядит следующим образом:

** **

1. Клиент отправляет валидатору требования к использованию модели в подсети и данные, которые необходимо вычислить
2. Валидатор выделяет данные каждому майнеру в подсети
3. Майнеры возвращают результаты после вывода модели, используя свои собственные модели и принятые данные
4. Валидатор сортирует полученные результаты вывода в соответствии с их качеством, и результаты сортировки сохраняются в цепочке
5. Пользователю возвращается оптимальный результат вывода, майнер сортируется в соответствии с порядком, а валидатор вознаграждается в соответствии с рабочей нагрузкой

Следует отметить, что в подавляющем большинстве подсетей сам Bittensor не обучает никаких моделей, а его роль больше похожа на связывание поставщиков моделей и требователей моделей, и на этой основе он в дальнейшем использует взаимодействие между небольшими моделями для повышения производительности в разных задачах. В настоящее время существует 30 подсетей, которые были (или были в сети), соответствующие различным моделям задач.

Как нативный токен Bittensor, $TAO играет ключевую роль в экосистеме, создавая подсети, регистрируясь в подсетях, оплачивая услуги, стейкинг валидаторов и многое другое. В то же время, из-за практики проекта Bittensor отдавать дань духу BTC, $TAO выбрали честный старт, то есть все токены будут генерироваться за счет вклада в сеть. В настоящее время ежедневная добыча $TAO составляет около 7200, которая делится поровну между майнерами и валидаторами. С момента запуска проекта было сгенерировано около 26,3% от общей суммы в 21 миллион, из которых 87,21% токенов были использованы для стейкинга и верификации. При этом проект рассчитан на сокращение производства вдвое (так же, как и BTC) каждые 4 года, последний из которых произойдет 20 сентября 2025 года, что также станет большим драйвером роста цен.

Источник: taostats.io

** **

Из ценового тренда мы видим, что цена $TAO резко выросла с конца октября 2023 года, и предполагается, что основной движущей силой является новый виток бума ИИ, вызванный пресс-конференцией OpenAI, которая заставила столичный сектор перейти в сектор ИИ. В то же время, $TAO Как развивающийся проект в треке Web3 + AI, его отличное качество проекта и долгосрочное видение проекта также являются основной причиной для привлечения средств. Однако, мы должны признать, что, как и другие AI-проекты, хотя комбинация Web3 + AI имеет большой потенциал, ее применения в реальном бизнесе недостаточно для поддержки долгосрочного прибыльного проекта.

3.4 Alethea.ai($ALI)

Основанный в 2020 году, Alethea.ai представляет собой проект, посвященный привнесению децентрализованной собственности и децентрализованного управления в генеративный контент с использованием технологии блокчейн. Основатели Alethea.ai считают, что генеративный ИИ перенесет нас в эпоху, когда генеративный контент приведет к информационной избыточности, где большие объемы электронного контента просто копируются и вставляются или генерируются одним щелчком мыши, и люди, создавшие ценность в первую очередь, не смогут извлечь из этого выгоду. Подключив ончейн-примитивы (например, NFT) к генеративному ИИ, можно обеспечить право собственности на генеративный ИИ и его контент, и на этой основе можно осуществлять управление сообществом.

Руководствуясь этой философией, компания Early Alethea.ai представила новый стандарт NFT iNFT, который использует Intelligence Pod для создания встроенной анимации ИИ, синтеза речи и даже генеративного ИИ в изображениях. Кроме того, Alethea.ai сотрудничал с художниками, чтобы превратить их работы в iNFT, которые принесли 478 000 долларов на аукционе Sotheby’s.

Вдохните душу в NFT

Источник: Alethea.ai

Позже Alethea.ai запустили протокол AI, который позволяет любому разработчику и создателю генеративного ИИ творить с помощью стандарта iNFT без разрешения. В то же время, чтобы сделать выборку для других проектов на собственном протоколе AI, Alethea.ai также позаимствовала теорию большой модели GPT для запуска CharacterGPT — инструмента для создания интерактивных NFT. Кроме того, Alethea.ai также недавно выпустили Open Fusion, который позволяет комбинировать любой NFT ERC-721 на рынке с Intelligence и выпускать в протокол AI.

Нативный токен Alethea.ai стоит ALI долларов США, и его основные области применения можно разделить на четыре части:

1. Заблокируйте определенную сумму в размере ALI долларов США для создания iNFT
2. Чем больше блокировка, тем выше уровень Intelligence Pod
3. Держатели $ALI участвуют в управлении сообществом
4. ALI доллара США можно использовать в качестве учетных данных для участия во взаимодействии между iNFT (реальных вариантов использования пока нет)

Источник: coingecko.com

Как видно из варианта использования ALI долларов, текущий захват стоимости этого токена все еще находится на повествовательном уровне, и этот вывод также может быть подтвержден изменением цены валюты в течение года: ALI долларов пожинает дивиденды от бума генеративного искусственного интеллекта во главе с ChatGPT с декабря 2022 года. В то же время, в июне этого года, когда Alethea.ai объявила о запуске своей последней функции Open Fusion, она также принесла волну роста. Вдобавок ко всему, цена в ALI долларов имеет тенденцию к снижению, и даже бум искусственного интеллекта в конце 2023 года не смог поднять цену до среднего уровня проектов в том же направлении.

Помимо нативного токена, давайте посмотрим на производительность NFT-проектов, iNFT Alethea.ai (включая официально выпущенные коллекции) на рынке NFT.

Ежедневные продажи Intelligence Pods на Opensea

** **

Ежедневные распродажи Revenants Collection на Opensea

Источник: Dune.com

Из статистики приборной панели Dune мы видим, что и Intelligence Pod, которая была продана третьей стороне, и коллекция Revenants, которая была выпущена Alethea.ai первой стороной, постепенно исчезли через некоторое время после первоначального релиза. Основная причина этого, по мнению автора, должна заключаться в том, что после того, как первоначальная новизна исчезнет, не будет реальной ценности или популярности сообщества для удержания пользователей.

3.5 Fetch.ai($FET)

Fetch.ai — это проект, посвященный содействию конвергенции искусственного интеллекта и технологии блокчейн. Целью компании является построение децентрализованной, интеллектуальной экономики, которая обеспечивает экономическую деятельность между интеллектуальными агентами с помощью комбинации машинного обучения, блокчейна и технологии распределенного реестра.

Fetch.ai была основана в 2019 году учеными из Великобритании Хумаюном Шейхом, Тоби Симпсоном и Томасом Хейном. Трое основателей имеют разный опыт, в том числе Хумаюн Шейх в качестве одного из первых инвесторов в Deepmind, Тоби Симпсон в качестве руководителя нескольких компаний и Томас Хейн в качестве профессора искусственного интеллекта в Университете Шеффилда. Fetch.ai Глубокий опыт команды основателей принес компании богатые отраслевые ресурсы, охватывающие традиционные ИТ-компании, звездные проекты блокчейна, медицинские и суперкомпьютерные проекты и другие области.

Миссия Fetch.ai состоит в том, чтобы создать децентрализованную веб-платформу, состоящую из автономных экономических агентов и приложений искусственного интеллекта, позволяющую разработчикам выполнять заранее поставленные целевые задачи путем создания автономных агентов. Основной технологией платформы является ее уникальная трехуровневая архитектура:

• Базовый: базовая сеть смарт-контрактов, основанная на PoS-uD (т. е. механизм консенсуса Proof-of-Stake без разрешения), который поддерживает сотрудничество между майнерами и базовое обучение машинного обучения и логические выводы.
• Средний уровень: OEF (Open Economic Framework) предоставляет общее пространство для взаимодействия AEA друг с другом, позволяя AEA взаимодействовать с базовым протоколом, а также поддерживая AEA для поиска, обнаружения и торговли друг с другом
• Верхний: AEA (Autonomous Economic Agent), который является основным компонентом Fetch.ai. Каждый AEA представляет собой интеллектуальное программное обеспечение для агентов, которое позволяет выполнять различные функции с помощью различных модулей навыков для выполнения заранее определенных задач от имени пользователя. Вместо того, чтобы работать непосредственно на блокчейне, программное обеспечение агента взаимодействует с блокчейном и смарт-контрактами через промежуточный уровень OEF. Этот вид интеллектуального программного обеспечения агента может быть чистым программным обеспечением или может быть привязан к реальному оборудованию, такому как мобильные телефоны, компьютеры, автомобили и т. д. Официально доступен комплект средств разработки на основе Python, фреймворк AEA, который является компонуемым, что позволяет разработчикам создавать с его помощью собственное интеллектуальное программное обеспечение для агентов.

Основываясь на этой архитектуре, Fetch.ai также запустила несколько последующих продуктов и услуг, таких как Co-Learn (общая модель машинного обучения между агентами) и Metaverse (облачный хостинг для интеллектуальных агентов), чтобы пользователи могли разрабатывать своих собственных интеллектуальных агентов на своей платформе.

Что касается токенов, то $FET, как нативный токен Fetch.ai, покрывает обычную роль оплаты газа, верификации стейкинга и покупки услуг внутри сети. На данный момент более 90% токенов разблокированы на $FET, которые распределяются следующим образом:

С момента запуска проекта Fetch.ai получил несколько раундов финансирования в виде разводненных токенов, последний раз 29 марта 2023 года, когда Fetch.ai получил финансирование в размере 30 миллионов долларов от DWF Lab. Поскольку токен в $FET не отражает стоимость проекта с точки зрения дохода, движущей силой роста цены в основном является обновление проекта и настроения рынка в отношении трека AI. Видно, что цена Fetch.ai взлетела более чем на 100% в начале 2023 года и в конце 2023 года.

Источник: coingecko.com

По сравнению с другими способами развития и привлечения внимания блокчейн-проектов, путь развития Fetch.ai больше похож на стартап-проект ИИ в Web2.0, сосредоточенный на шлифовке технического уровня, создании себе имени и поиске точек прибыли за счет постоянного финансирования и широкого сотрудничества. Такой подход оставляет много места для будущих приложений, которые будут разрабатываться на основе Fetch.ai, но модель разработки также делает ее менее привлекательной для других блокчейн-проектов для активации экосистемы (один из основателей Fetch.ai лично основал DEX-проект Mettalex DEX на базе Fetch.ai, который в итоге потерпел неудачу). Будучи инфраструктурно-ориентированным проектом, трудно повысить внутреннюю ценность Fetch.ai проекта из-за увядания экологии.

В-четвертых, у генеративного ИИ многообещающее будущее

Генеральный директор Nvidia Дженсен Хуанг называет выпуск генеративных моделей моментом «iPhone» ИИ, а дефицитным ресурсом для производства ИИ на данном этапе является инфраструктура, сосредоточенная на высокопроизводительных вычислительных чипах. Инфраструктурные проекты ИИ, как подтрек ИИ, который блокирует больше всего средств в Web3, всегда были в центре внимания долгосрочных инвестиций и исследований инвесторов. Можно предвидеть, что с постепенной модернизацией вычислительного оборудования чип-гигантами, постепенным улучшением вычислительной мощности ИИ и раскрытием возможностей ИИ можно предвидеть, что в будущем появится больше инфраструктурных проектов ИИ в разделенных областях в Web3, и даже можно ожидать, что в будущем появятся чипы, специально разработанные и произведенные для обучения ИИ в Web3. **

Несмотря на то, что разработка продуктов генеративного искусственного интеллекта ToC все еще находится на экспериментальной стадии, некоторые из ее продуктов промышленного уровня ToB показали большой потенциал. Одним из них является технология «цифрового двойника», которая переносит реальные сценарии в цифровую сферу, в сочетании с платформой научных вычислений цифрового двойника, выпущенной NVIDIA для видения метавселенной, учитывая, что в отрасли все еще существует огромное количество данных, которые еще не были выпущены, генеративный ИИ станет важным подспорьем для цифровых двойников в промышленных сценариях. Дальнейшее продвижение в область Web3, включая метавселенную, создание цифрового контента, активы реального мира и т. д., будет зависеть от технологии цифровых двойников на основе искусственного интеллекта.

Разработка нового интерактивного оборудования также является связующим звеном, которое нельзя игнорировать. Исторически сложилось так, что каждая аппаратная инновация в компьютерном мире приводила к сейсмическим изменениям и новым возможностям развития, таким как компьютерная мышь, которая сегодня является обычным явлением, или iPhone 4 с мультисенсорным емкостным экраном. Apple Vision Pro, запуск которого был объявлен в первом квартале 2024 года, уже привлек большое внимание во всем мире своей потрясающей демоверсией, которая должна принести неожиданные изменения и возможности в различные отрасли, когда она будет фактически запущена. Благодаря таким преимуществам, как быстрое производство контента, быстрое распространение и широкий ассортимент, индустрия развлечений часто получает выгоду в первую очередь после каждого обновления аппаратных технологий. Конечно, сюда же относятся и различные визуальные развлекательные треки, такие как метавселенная, блокчейн-игры и NFT в Web3, которые достойны долгосрочного внимания читателей и исследований в будущем.

В долгосрочной перспективе развитие генеративного ИИ — это процесс количественных изменений, приводящий к качественным изменениям. Суть ChatGPT заключается в решении проблемы рассуждений в вопросах и ответах, которая является проблемой, которая уже давно широко обсуждается и изучается в академических кругах. После длительной итерации данных и моделей он наконец достиг уровня GPT-4, который поразил мир. То же самое справедливо и для AI-приложений в Web3, которые все еще находятся на стадии внедрения моделей из Web2 в Web3, а модели, разработанные полностью на основе данных Web3, еще не появились. В будущем дальновидным участникам проекта и немало ресурсов нужно будет вкладывать в исследование практических проблем в Web3, чтобы собственное приложение-убийца уровня Web3 ChatGPT могло постепенно приближаться.

На данном этапе существует множество направлений, которые стоит исследовать под техническим бэкграундом генеративного ИИ, одним из которых является технология Chain-of-Thought, от которой зависит реализация логики. Проще говоря, благодаря технологии цепочки мыслей большие языковые модели смогли сделать качественный скачок в многоступенчатых рассуждениях. Однако использование цепи мыслей не было решено или в какой-то степени привело к проблеме недостаточной мыслительной способности больших моделей в сложной логике. Читателям, интересующимся этим аспектом, следует ознакомиться со статьей автора оригинальной цепочки мыслей.

Успех ChatGPT привел к появлению различных популярных цепочек GPT в Web3, но простое и грубое сочетание GPT и смарт-контрактов не может по-настоящему решить потребности пользователей. С момента выпуска ChatGPT прошло около года, и в долгосрочной перспективе это всего лишь щелчок пальцев, и будущие продукты также должны начинаться с реальных потребностей самих пользователей Web3, а с учетом все более зрелой технологии Web3 я считаю, что применение генеративного ИИ в Web3 имеет бесконечные возможности, которых стоит с нетерпением ждать.

Список литературы

Google Cloud Tech - Введение в генеративный ИИ

AWS – Что такое генеративный ИИ

Экономика больших языковых моделей

Как только диффузионная модель навязывается, GAN устаревает???

Иллюстрация обучения с подкреплением на основе обратной связи от человека (RLHF)

Генеративный ИИ и Web3

Кому принадлежит платформа генеративного ИИ?

Apple Vision Pro Full Moon переосмысливает: XR, RNDR и будущее пространственных вычислений

Как ИИ создается в виде NFT?

Эмерджентные рассуждения по аналогии в больших языковых моделях

График разблокировки токена сети Akash (AKT) Genesis и оценки поставок