- Tema
89k Popularidad
43k Popularidad
14k Popularidad
4k Popularidad
5k Popularidad
29k Popularidad
16k Popularidad
23k Popularidad
13k Popularidad
3k Popularidad
- Anclado
89k Popularidad
43k Popularidad
14k Popularidad
4k Popularidad
5k Popularidad
29k Popularidad
16k Popularidad
23k Popularidad
13k Popularidad
3k Popularidad
Web3 y AI combinados: construir la nueva generación de infraestructura de internet Descentralización
La fusión de Web3 y AI: Construyendo la infraestructura de la próxima generación de Internet
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, se integra naturalmente con la IA. En una arquitectura tradicional centralizada, los recursos de cálculo y datos de la IA están estrictamente controlados, enfrentando desafíos como cuellos de botella en la capacidad de cálculo, filtración de privacidad y cajas negras algorítmicas. Web3, basado en tecnología distribuida, puede inyectar nueva energía en el desarrollo de la IA a través de redes de computación compartida, mercados de datos abiertos y computación privada. Al mismo tiempo, la IA también puede proporcionar muchas capacidades a Web3, como la optimización de contratos inteligentes y algoritmos de prevención de trampas, ayudando a su construcción ecológica. Explorar la combinación de ambos es de gran importancia para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la capacidad de cálculo.
Impulsado por datos: La sólida base de la IA y Web3
Los datos son el motor principal que impulsa el desarrollo de la IA. Los modelos de IA necesitan procesar una gran cantidad de datos de alta calidad para obtener una comprensión profunda y una potente capacidad de razonamiento. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.
Los modelos tradicionales de obtención y uso de datos de IA centralizados presentan los siguientes problemas:
Web3 ofrece un nuevo paradigma de datos descentralizados para abordar estos puntos críticos:
A pesar de esto, la obtención de datos del mundo real todavía enfrenta problemas como la calidad inconsistente, la dificultad de procesamiento, la diversidad y la insuficiencia de representatividad. Los datos sintéticos podrían ser la estrella del futuro en la pista de datos de Web3. Basados en tecnología de IA generativa y simulaciones, los datos sintéticos pueden simular las propiedades de los datos reales, como un complemento efectivo, aumentando la eficiencia del uso de datos. En áreas como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos han mostrado un potencial de aplicación maduro.
Protección de la privacidad: el papel de FHE en Web3
En la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención global. La promulgación de regulaciones como el GDPR de la UE refleja una estricta protección de la privacidad personal. Sin embargo, esto también ha traído desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE (encriptación homomórfica total) permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrarlos, y los resultados de los cálculos son consistentes con los resultados de los datos en texto claro. FHE proporciona una sólida protección para el cálculo privado de IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos en un entorno sin tocar los datos originales. Esto brinda a las empresas de IA una gran ventaja, ya que pueden proteger secretos comerciales mientras ofrecen de manera segura servicios de API.
FHEML admite el procesamiento de datos y modelos cifrados durante todo el ciclo de aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. FHEML es un complemento de ZKML, que prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo sobre datos cifrados para mantener la privacidad de los datos.
Revolución del poder de cálculo: Computación AI en redes descentralizadas
La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento explosivo en la demanda de potencia de cálculo, superando con creces la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un modelo de lenguaje grande requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. La escasez de potencia de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que los modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la utilización global de GPU es inferior al 40%, junto con la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en una encrucijada: o compran hardware por su cuenta o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación bajo demanda y económica.
La red de poder de cómputo de IA descentralizada proporciona un mercado de cómputo económico y fácil de usar para las empresas de IA al agregar recursos de GPU inactivos a nivel mundial. Los demandantes de poder de cómputo pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con poder de cómputo. Los mineros ejecutan las tareas y envían los resultados, y después de la verificación, reciben recompensas. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver el problema del cuello de botella en el poder de cómputo en campos como la IA.
Además de las redes de computación descentralizadas generales, existen redes de computación especializadas enfocadas en el entrenamiento e inferencia de IA. Las redes de computación descentralizadas ofrecen un mercado de computación justo y transparente, rompen los monopolios, reducen las barreras de entrada y mejoran la eficiencia en la utilización de la computación. En el ecosistema Web3, las redes de computación descentralizadas jugarán un papel clave, atrayendo a más dapps innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.
DePIN: Web3 empoderando Edge AI
Edge AI permite que la computación ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real con baja latencia, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI ya se ha aplicado en campos clave como la conducción autónoma. En el ámbito de Web3, lo llamamos DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario; DePIN, al procesar datos localmente, refuerza la protección de la privacidad del usuario y reduce el riesgo de filtraciones de datos. El mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.
Actualmente, DePIN se está desarrollando rápidamente en el ecosistema de una determinada cadena pública, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública ofrecen un fuerte apoyo a los proyectos DePIN. Actualmente, el valor de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y varios proyectos reconocidos han logrado avances significativos.
IMO: Nueva Parálisis de Publicación de Modelos de IA
El concepto de IMO (Initial Model Offering) tokeniza los modelos de IA. En el modelo tradicional, los desarrolladores de modelos de IA tienen dificultades para obtener ingresos continuos del uso posterior del modelo, especialmente cuando el modelo se integra en otros productos y servicios. Además, el rendimiento y la eficacia de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los posibles inversores y usuarios evalúen su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.
IMO proporciona una nueva forma de financiación y compartición de valor para modelos de IA de código abierto, permitiendo a los inversores comprar tokens IMO y compartir las ganancias generadas posteriormente por el modelo. Un protocolo utiliza un estándar ERC específico, combinando oráculos de IA y tecnología OPML para garantizar la autenticidad del modelo de IA y que los titulares de tokens puedan compartir las ganancias.
El modo IMO ha aumentado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas e impulsando el desarrollo sostenible de la tecnología AI. El IMO se encuentra actualmente en una fase de prueba inicial, pero a medida que aumenta la aceptación del mercado y se expande el ámbito de participación, su innovación y valor potencial son dignos de ser esperados.
Agente de IA: Una nueva era de experiencia interactiva
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo preferencias a través de la interacción con los usuarios y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.
Una plataforma nativa de aplicaciones de AI abierta ofrece un conjunto completo y fácil de usar de herramientas de creación, que permite a los usuarios configurar funciones de robots, apariencia, sonido y conectar bases de datos externas, dedicada a construir un ecosistema de contenido de AI justo y abierto, utilizando tecnología de AI generativa para empoderar a individuos a convertirse en creadores superdotados. La plataforma ha entrenado un modelo de lenguaje grande especializado, haciendo que el juego de roles sea más humanizado; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de AI, reduciendo el costo de síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Utilizando el AI Agent personalizado de esta plataforma, actualmente se puede aplicar en múltiples campos como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.
La fusión actual de Web3 y AI se centra más en la exploración a nivel de infraestructura, como la obtención de datos de alta calidad, la protección de la privacidad de los datos, la custodia de modelos en la cadena, el uso eficiente de la potencia de cálculo descentralizada y la verificación de grandes modelos de lenguaje, entre otros problemas clave. A medida que estas infraestructuras se perfeccionen gradualmente, la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.