Інтеграція Web3 та AI: відкриття нової ери Інтернету
Web3 як нова інтернет-парадигма з децентралізованим, відкритим та прозорим підходом має природну можливість для інтеграції з AI. В умовах традиційної централізованої архітектури обчислювальні та дані ресурси AI знаходяться під суворим контролем, а також стикаються з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, алгоритмічні «чорні ящики» тощо. Тим часом Web3 на основі розподілених технологій може надати нову енергію розвитку AI через спільні обчислювальні мережі, відкриті ринки даних, обчислення конфіденційності та інші способи. Водночас AI може надати Web3 численні можливості, такі як оптимізація смарт-контрактів, алгоритми проти шахрайства тощо, сприяючи його екосистемному розвитку. Отже, дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету та реалізації цінності даних і обчислювальної потужності.
Дані, що керують: міцна основа AI та Web3
Дані є основним двигуном розвитку ШІ, так само як паливо для двигуна. Моделям ШІ потрібно обробляти величезні обсяги якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування; дані не лише забезпечують навчальну базу для моделей машинного навчання, але й визначають точність і надійність моделей.
У традиційній централізованій моделі отримання та використання даних ШІ існує кілька основних проблем:
Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх понести
Ресурси даних монополізуються технологічними гігантами, утворюючи острови даних
Персональні дані піддаються ризику витоку та зловживання.
Web3 може вирішити болісні точки традиційних моделей за допомогою нової децентралізованої парадигми даних:
Збираючи мережеві дані децентралізованим способом, очищуючи та перетворюючи їх, ми забезпечуємо справжні та високо якісні дані для навчання AI моделей.
Використовуючи модель "label to earn", залучаючи глобальних працівників до маркування даних через стимулювання токенами, об'єднуючи професійні знання з усього світу, підвищуючи аналітичні можливості даних.
Блокчейн платформа для торгівлі даними надає обом сторонам попиту і пропозиції прозоре та відкритое середовище для торгівлі, заохочуючи інновації та обмін даними.
Попри це, отримання даних з реального світу також має деякі проблеми, такі як нерівна якість даних, складність обробки, недостатня різноманітність та представництво тощо. Синтетичні дані можуть стати зіркою майбутнього сектора Web3. На основі технології генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, служачи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.
Захист конфіденційності: роль FHE у Web3
У епоху, керовану даними, захист конфіденційності став глобальною темою, і прийняття таких нормативних актів, як Загальний регламент захисту даних (GDPR) Європейським Союзом, відображає сувору охорону особистої конфіденційності. Проте це також створює виклики: деякі чутливі дані через ризики конфіденційності не можуть бути в повній мірі використані, що безумовно обмежує потенціал і можливості розуміння моделей ШІ.
FHE — це повністю гомоморфне шифрування, яке дозволяє виконувати обчислення безпосередньо на зашифрованих даних, не розшифровуючи їх, і результати обчислень збігаються з результатами тих же обчислень на відкритих даних.
FHE забезпечує надійний захист для обчислень конфіденційності AI, дозволяючи потужності GPU виконувати навчання моделей і завдання висновку в середовищі, що не торкається вихідних даних. Це приносить величезні переваги компаніям, що займаються AI. Вони можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну структуру для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обчислення з зашифрованими даними для підтримки конфіденційності даних.
Революція обчислювальної потужності: Штучний інтелект у децентралізованих мережах
Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання потреби в обчислювальних потужностях, що значно перевищує постачання наявних обчислювальних ресурсів. Наприклад, для навчання певної великої моделі штучного інтелекту потрібні величезні обчислювальні потужності, еквівалентні 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій штучного інтелекту, але й робить ці складні моделі недоступними для більшості дослідників та розробників.
Водночас глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також брак чіпів, викликаний факторами постачання та геополітики, роблять проблему постачання обчислювальних потужностей ще більш серйозною. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень за запитом.
Децентралізована мережа обчислювальної потужності AI шляхом агрегування невикористовуваних GPU-ресурсів по всьому світу забезпечила для AI-компаній економічний та легкодоступний ринок обчислювальної потужності. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між шахтарськими вузлами, які вносять обчислювальну потужність. Шахтарі виконують завдання та подають результати, після перевірки отримують бали як винагороду. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як AI.
Окрім загальної децентралізованої обчислювальної мережі, існують платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані обчислювальні мережі для інференції ШІ.
Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, розриваючи монополії, знижуючи бар'єри для застосування і підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp до спільного просування розвитку та застосування технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, розумні годинники та навіть розумні пристрої вдома мають можливість виконувати штучний інтелект — ось у чому魅力 Edge AI. Це дозволяє обробці відбуватися в місці виникнення даних, забезпечуючи низьку затримку, обробку в реальному часі та захищаючи конфіденційність користувача. Технологія Edge AI вже застосовується у ключових сферах, таких як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN, обробляючи дані локально, може підвищити захист конфіденційності користувачів та зменшити ризик витоку даних; корінна токеноміка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, стаючи одним з найбільш обраних публічних блокчейн-платформ для розгортання проєктів. Висока TPS, низькі транзакційні витрати та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку для проєктів DePIN. Наразі ринкова капіталізація проєктів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, а деякі відомі проєкти вже досягли значного прогресу.
IMO: Новий парадигма випуску AI моделей
Концепцію IMO вперше було запропоновано певним протоколом, щоб токенізувати моделі ШІ.
У традиційній моделі, через відсутність механізму розподілу прибутків, після розробки та виходу на ринок AI-моделі, розробникам часто важко отримувати постійний прибуток від подальшого використання моделі, особливо коли модель інтегрована в інші продукти та послуги, первинним творцям важко відстежувати використання, не кажучи вже про отримання прибутку. Крім того, продуктивність та ефективність AI-моделей часто не мають прозорості, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи ринкове визнання та комерційний потенціал моделей.
IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO та ділитися доходами, які генеруються моделлю в подальшому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракул (Onchain AI Oracle) та технологію OPML, щоб забезпечити автентичність AI моделі та можливість утримувачам токенів ділитися доходами.
IMO-модель підвищує прозорість і довіру, заохочує до відкритої співпраці, адаптується до тенденцій крипто-ринку та надає імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням кола учасників її інноваційність і потенційна цінність заслуговують на нашу увагу.
AI Агента: нова ера взаємодії
AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення визначених цілей. За підтримки великих мовних моделей AI Agent не тільки розуміє природну мову, але й може планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні помічники, навчаючись уподобанням користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.
Деяка відкрита платформа для нативних AI-додатків пропонує всебічний і зручний набір інструментів для творчості, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключення зовнішніх баз знань тощо. Платформа прагне створити справедливу та відкриту екосистему AI-контенту, використовуючи технології генеративного AI, надаючи можливості особам стати супер-творцями. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію продуктів AI, знизивши витрати на синтез голосу на 99%, а клонування голосу можна реалізувати всього за 1 хвилину. Завдяки AI-агенту, налаштованому на цій платформі, наразі можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, створення зображень тощо.
У злитті Web3 та ШІ наразі більше уваги приділяється вивченню інфраструктурного рівня, зокрема, як отримувати якісні дані, захищати конфіденційність даних, як розміщувати моделі в блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур у нас є підстави вірити, що злиття Web3 та ШІ породить цілу низку інноваційних бізнес-моделей і послуг.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Web3 та AI злиття веде до нової ери Інтернету Децентралізація технології веде до майбутніх інновацій
Інтеграція Web3 та AI: відкриття нової ери Інтернету
Web3 як нова інтернет-парадигма з децентралізованим, відкритим та прозорим підходом має природну можливість для інтеграції з AI. В умовах традиційної централізованої архітектури обчислювальні та дані ресурси AI знаходяться під суворим контролем, а також стикаються з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, алгоритмічні «чорні ящики» тощо. Тим часом Web3 на основі розподілених технологій може надати нову енергію розвитку AI через спільні обчислювальні мережі, відкриті ринки даних, обчислення конфіденційності та інші способи. Водночас AI може надати Web3 численні можливості, такі як оптимізація смарт-контрактів, алгоритми проти шахрайства тощо, сприяючи його екосистемному розвитку. Отже, дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету та реалізації цінності даних і обчислювальної потужності.
Дані, що керують: міцна основа AI та Web3
Дані є основним двигуном розвитку ШІ, так само як паливо для двигуна. Моделям ШІ потрібно обробляти величезні обсяги якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування; дані не лише забезпечують навчальну базу для моделей машинного навчання, але й визначають точність і надійність моделей.
У традиційній централізованій моделі отримання та використання даних ШІ існує кілька основних проблем:
Web3 може вирішити болісні точки традиційних моделей за допомогою нової децентралізованої парадигми даних:
Попри це, отримання даних з реального світу також має деякі проблеми, такі як нерівна якість даних, складність обробки, недостатня різноманітність та представництво тощо. Синтетичні дані можуть стати зіркою майбутнього сектора Web3. На основі технології генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, служачи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.
Захист конфіденційності: роль FHE у Web3
У епоху, керовану даними, захист конфіденційності став глобальною темою, і прийняття таких нормативних актів, як Загальний регламент захисту даних (GDPR) Європейським Союзом, відображає сувору охорону особистої конфіденційності. Проте це також створює виклики: деякі чутливі дані через ризики конфіденційності не можуть бути в повній мірі використані, що безумовно обмежує потенціал і можливості розуміння моделей ШІ.
FHE — це повністю гомоморфне шифрування, яке дозволяє виконувати обчислення безпосередньо на зашифрованих даних, не розшифровуючи їх, і результати обчислень збігаються з результатами тих же обчислень на відкритих даних.
FHE забезпечує надійний захист для обчислень конфіденційності AI, дозволяючи потужності GPU виконувати навчання моделей і завдання висновку в середовищі, що не торкається вихідних даних. Це приносить величезні переваги компаніям, що займаються AI. Вони можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну структуру для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обчислення з зашифрованими даними для підтримки конфіденційності даних.
Революція обчислювальної потужності: Штучний інтелект у децентралізованих мережах
Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання потреби в обчислювальних потужностях, що значно перевищує постачання наявних обчислювальних ресурсів. Наприклад, для навчання певної великої моделі штучного інтелекту потрібні величезні обчислювальні потужності, еквівалентні 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій штучного інтелекту, але й робить ці складні моделі недоступними для більшості дослідників та розробників.
Водночас глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також брак чіпів, викликаний факторами постачання та геополітики, роблять проблему постачання обчислювальних потужностей ще більш серйозною. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень за запитом.
Децентралізована мережа обчислювальної потужності AI шляхом агрегування невикористовуваних GPU-ресурсів по всьому світу забезпечила для AI-компаній економічний та легкодоступний ринок обчислювальної потужності. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між шахтарськими вузлами, які вносять обчислювальну потужність. Шахтарі виконують завдання та подають результати, після перевірки отримують бали як винагороду. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як AI.
Окрім загальної децентралізованої обчислювальної мережі, існують платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані обчислювальні мережі для інференції ШІ.
Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, розриваючи монополії, знижуючи бар'єри для застосування і підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp до спільного просування розвитку та застосування технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, розумні годинники та навіть розумні пристрої вдома мають можливість виконувати штучний інтелект — ось у чому魅力 Edge AI. Це дозволяє обробці відбуватися в місці виникнення даних, забезпечуючи низьку затримку, обробку в реальному часі та захищаючи конфіденційність користувача. Технологія Edge AI вже застосовується у ключових сферах, таких як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN, обробляючи дані локально, може підвищити захист конфіденційності користувачів та зменшити ризик витоку даних; корінна токеноміка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, стаючи одним з найбільш обраних публічних блокчейн-платформ для розгортання проєктів. Висока TPS, низькі транзакційні витрати та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку для проєктів DePIN. Наразі ринкова капіталізація проєктів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, а деякі відомі проєкти вже досягли значного прогресу.
IMO: Новий парадигма випуску AI моделей
Концепцію IMO вперше було запропоновано певним протоколом, щоб токенізувати моделі ШІ.
У традиційній моделі, через відсутність механізму розподілу прибутків, після розробки та виходу на ринок AI-моделі, розробникам часто важко отримувати постійний прибуток від подальшого використання моделі, особливо коли модель інтегрована в інші продукти та послуги, первинним творцям важко відстежувати використання, не кажучи вже про отримання прибутку. Крім того, продуктивність та ефективність AI-моделей часто не мають прозорості, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи ринкове визнання та комерційний потенціал моделей.
IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO та ділитися доходами, які генеруються моделлю в подальшому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракул (Onchain AI Oracle) та технологію OPML, щоб забезпечити автентичність AI моделі та можливість утримувачам токенів ділитися доходами.
IMO-модель підвищує прозорість і довіру, заохочує до відкритої співпраці, адаптується до тенденцій крипто-ринку та надає імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням кола учасників її інноваційність і потенційна цінність заслуговують на нашу увагу.
AI Агента: нова ера взаємодії
AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення визначених цілей. За підтримки великих мовних моделей AI Agent не тільки розуміє природну мову, але й може планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні помічники, навчаючись уподобанням користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.
Деяка відкрита платформа для нативних AI-додатків пропонує всебічний і зручний набір інструментів для творчості, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключення зовнішніх баз знань тощо. Платформа прагне створити справедливу та відкриту екосистему AI-контенту, використовуючи технології генеративного AI, надаючи можливості особам стати супер-творцями. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію продуктів AI, знизивши витрати на синтез голосу на 99%, а клонування голосу можна реалізувати всього за 1 хвилину. Завдяки AI-агенту, налаштованому на цій платформі, наразі можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, створення зображень тощо.
У злитті Web3 та ШІ наразі більше уваги приділяється вивченню інфраструктурного рівня, зокрема, як отримувати якісні дані, захищати конфіденційність даних, як розміщувати моделі в блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур у нас є підстави вірити, що злиття Web3 та ШІ породить цілу низку інноваційних бізнес-моделей і послуг.