Інтеграція Web3 та ШІ: побудова інфраструктури наступного покоління Інтернету
Web3 як нова модель Інтернету, що є децентралізованою, відкритою та прозорою, природно поєднується з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають суворому контролю, стикаючись з викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, чорна скринька алгоритмів тощо. Однак Web3, заснований на розподілених технологіях, може надати новий імпульс розвитку AI через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи. У той же час AI може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, сприяючи його екосистемному розвитку. Дослідження поєднання цих двох аспектів є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету, а також для розкриття вартості даних і обчислювальної потужності.
Дані як основа: міцний фундамент AI та Web3
Дані є основним двигуном розвитку ШІ. Моделі ШІ потребують обробки величезних обсягів якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише надають навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі збору та використання даних AI мають такі проблеми:
Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх понести.
Ресурси даних монополізуються технологічними гігантами, формуючи ізольовані дані
Особисті дані піддаються ризику витоку та зловживання
Web3 пропонує нову децентралізовану парадигму даних для вирішення цих проблем:
Користувачі можуть продавати невикористовувану мережу AI-компаніям, щоб децентралізовано збирати мережеві дані та надавати реальні, високоякісні дані для навчання AI-моделей.
Використання моделі "мітка для заробітку" для стимулювання глобальних працівників брати участь у маркуванні даних за допомогою токенів, об'єднуючи глобальні професійні знання та підвищуючи можливості аналізу даних.
Платформа торгівлі даними на блокчейні забезпечує відкриту та прозору торговельну середу для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Незважаючи на це, отримання даних з реального світу все ще стикається з проблемами якості, складності обробки, недостатньої різноманітності та репрезентативності. Синтетичні дані можуть стати зіркою майбутнього в сфері даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, виступаючи як ефективне доповнення, що підвищує ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: Роль FHE у Web3
У епоху, що керується даними, захист приватності став глобальною темою для обговорення. Введення таких регуляцій, як GDPR ЄС, відображає суворе збереження особистої конфіденційності. Проте це також створює виклики: частина чутливих даних не може бути повністю використана через ризики для приватності, що обмежує потенціал і здатність моделювання ШІ.
FHE (гомоморфне шифрування) дозволяє безпосередньо виконувати обчислювальні операції на зашифрованих даних без необхідності їх розшифровки, причому результати обчислень відповідають результатам обчислень з відкритими даними. FHE забезпечує надійний захист для приватних обчислень в AI, дозволяючи потужностям GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається оригінальних даних. Це приносить величезні переваги компаніям в AI, оскільки вони можуть захищати комерційні таємниці, одночасно безпечно відкриваючи API-сервіси.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. FHEML є доповненням до ZKML, який підтверджує правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для збереження конфіденційності даних.
Революція обчислювальних потужностей: AI-обчислення в децентралізованих мережах
Поточна складність обчислень системи AI подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, навчання великої мовної моделі вимагає величезних обчислювальних потужностей, еквівалентних 355 рокам навчання на одному пристрої. Нестача обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить передові моделі AI недоступними для більшості дослідників і розробників.
Водночас глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів та нестача чіпів, викликана фактором постачання та геополітикою, роблять проблему постачання обчислювальної потужності ще більш серйозною. Працівники в сфері ШІ опинилися у ситуації, коли потрібно або купувати апаратуру, або орендувати ресурси в хмарі, і терміново потрібен економічно ефективний спосіб обчислювальних послуг за запитом.
Децентралізована AI обчислювальна мережа об'єднує незайняті ресурси GPU по всьому світу, забезпечуючи економічно вигідний та зручний ринок обчислювальної потужності для AI компаній. Замовники обчислювальних потужностей можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність. Майнер виконує завдання та подає результати, які перевіряються, після чого він отримує винагороду. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблему обчислювальних вузьких місць у таких галузях, як AI.
Окрім загальної децентралізованої обчислювальної мережі, існують також спеціалізовані обчислювальні мережі, що зосереджені на навчанні та інференції ШІ. Децентралізована обчислювальна мережа забезпечує чесний та прозорий ринок обчислювальної потужності, розбиває монополії, знижує бар'єри для застосування та підвищує ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані обчислювальні мережі відіграватимуть ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Edge AI дозволяє обробку даних на місці їх виникнення, забезпечуючи низьку затримку та реальний час обробки, при цьому захищаючи конфіденційність користувачів. Технології Edge AI вже застосовуються в ключових сферах, таких як автономне водіння. У сфері Web3 ми називаємо це DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, посилює захист конфіденційності користувачів і зменшує ризик витоку даних; економічний механізм токенів, властивий Web3, може стимулювати вузли DePIN надання обчислювальних ресурсів, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного блокчейну, ставши однією з провідних платформ для розгортання проектів. Висока пропускна спроможність (TPS), низькі комісії за транзакції та технологічні інновації цього блокчейну забезпечують потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів, а кілька відомих проектів досягли значного прогресу.
IMO: Випуск нової парадигми AI моделей
Концепція IMO (Initial Model Offering) дозволяє токенізувати AI моделі. У традиційній моделі розробникам AI моделей важко отримувати постійний дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги. Крім того, продуктивність і ефективність AI моделей часто не є прозорими, потенційні інвестори та користувачі мають труднощі в оцінці їхньої справжньої вартості, що обмежує визнання моделей на ринку та їх комерційний потенціал.
IMO надає нову фінансову підтримку та спосіб розподілу вартості для відкритих AI моделей. Інвестори можуть купувати токени IMO, щоб ділитися прибутками, отриманими від подальшої діяльності моделей. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML для забезпечення достовірності AI моделей і можливості власників токенів ділитися прибутками.
Модель IMO посилила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючи тенденції крипторинку та надаючи імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на етапі початкових спроб, але з підвищенням прийнятності на ринку та розширенням участі її інноваційність і потенційна цінність заслуговують на очікування.
AI Agent: Нова ера взаємодії
AI Agent може сприймати навколишнє середовище, здійснювати самостійне мислення та вживати відповідні дії для досягнення визначених цілей. Під підтримкою великих мовних моделей AI Agent не лише розуміє природну мову, але й може планувати рішення та виконувати складні завдання. Вони можуть виступати як віртуальні асистенти, навчаючись вподобанням через взаємодію з користувачами, надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.
Деяка платформа для відкритих AI-додатків надає повний набір зручних інструментів для створення, що дозволяє користувачам налаштовувати функції роботів, зовнішній вигляд, голос, а також підключати зовнішні бази знань, прагнучи створити справедливу і відкриту екосистему контенту штучного інтелекту. Використовуючи технології генеративного AI, вона надає можливість особам стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольові ігри більш людяними; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу можна реалізувати всього за 1 хвилину. Використовуючи налаштованого AI-агента цієї платформи, його можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.
Сучасна інтеграція Web3 та ШІ більше зосереджена на дослідженнях на рівні інфраструктури, таких як отримання якісних даних, захист конфіденційності даних, управління моделями на блокчейні, ефективне використання децентралізованих обчислювальних потужностей, перевірка великих мовних моделей та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури інтеграція Web3 та ШІ стане джерелом ряду інноваційних бізнес-моделей та послуг.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
12 лайків
Нагородити
12
6
Поділіться
Прокоментувати
0/400
FarmHopper
· 12год тому
Грати з монетою до смерті, завтра буде зростання?
Переглянути оригіналвідповісти на0
ThreeHornBlasts
· 07-13 14:56
Наступний великий тренд? Я це дуже добре розумію!
Переглянути оригіналвідповісти на0
NftDataDetective
· 07-13 14:52
чесно кажучи, здається, що це ще один гіпецький цикл криптовалют і штучного інтелекту...
Переглянути оригіналвідповісти на0
ruggedNotShrugged
· 07-13 14:50
盲目炒作的 невдахи 罢了
Переглянути оригіналвідповісти на0
TaxEvader
· 07-13 14:47
Тож хто може дати мені трохи Обчислювальної потужності для видобутку?
Переглянути оригіналвідповісти на0
ImpermanentPhilosopher
· 07-13 14:44
Кажу чесно, що з web3 більше нічого не потрібно для приватності
Web3 та AI в поєднанні: побудова нового покоління децентралізованої інтернет-інфраструктури
Інтеграція Web3 та ШІ: побудова інфраструктури наступного покоління Інтернету
Web3 як нова модель Інтернету, що є децентралізованою, відкритою та прозорою, природно поєднується з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають суворому контролю, стикаючись з викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, чорна скринька алгоритмів тощо. Однак Web3, заснований на розподілених технологіях, може надати новий імпульс розвитку AI через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи. У той же час AI може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, сприяючи його екосистемному розвитку. Дослідження поєднання цих двох аспектів є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету, а також для розкриття вартості даних і обчислювальної потужності.
Дані як основа: міцний фундамент AI та Web3
Дані є основним двигуном розвитку ШІ. Моделі ШІ потребують обробки величезних обсягів якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише надають навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі збору та використання даних AI мають такі проблеми:
Web3 пропонує нову децентралізовану парадигму даних для вирішення цих проблем:
Незважаючи на це, отримання даних з реального світу все ще стикається з проблемами якості, складності обробки, недостатньої різноманітності та репрезентативності. Синтетичні дані можуть стати зіркою майбутнього в сфері даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, виступаючи як ефективне доповнення, що підвищує ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: Роль FHE у Web3
У епоху, що керується даними, захист приватності став глобальною темою для обговорення. Введення таких регуляцій, як GDPR ЄС, відображає суворе збереження особистої конфіденційності. Проте це також створює виклики: частина чутливих даних не може бути повністю використана через ризики для приватності, що обмежує потенціал і здатність моделювання ШІ.
FHE (гомоморфне шифрування) дозволяє безпосередньо виконувати обчислювальні операції на зашифрованих даних без необхідності їх розшифровки, причому результати обчислень відповідають результатам обчислень з відкритими даними. FHE забезпечує надійний захист для приватних обчислень в AI, дозволяючи потужностям GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається оригінальних даних. Це приносить величезні переваги компаніям в AI, оскільки вони можуть захищати комерційні таємниці, одночасно безпечно відкриваючи API-сервіси.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. FHEML є доповненням до ZKML, який підтверджує правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для збереження конфіденційності даних.
Революція обчислювальних потужностей: AI-обчислення в децентралізованих мережах
Поточна складність обчислень системи AI подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, навчання великої мовної моделі вимагає величезних обчислювальних потужностей, еквівалентних 355 рокам навчання на одному пристрої. Нестача обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить передові моделі AI недоступними для більшості дослідників і розробників.
Водночас глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів та нестача чіпів, викликана фактором постачання та геополітикою, роблять проблему постачання обчислювальної потужності ще більш серйозною. Працівники в сфері ШІ опинилися у ситуації, коли потрібно або купувати апаратуру, або орендувати ресурси в хмарі, і терміново потрібен економічно ефективний спосіб обчислювальних послуг за запитом.
Децентралізована AI обчислювальна мережа об'єднує незайняті ресурси GPU по всьому світу, забезпечуючи економічно вигідний та зручний ринок обчислювальної потужності для AI компаній. Замовники обчислювальних потужностей можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність. Майнер виконує завдання та подає результати, які перевіряються, після чого він отримує винагороду. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблему обчислювальних вузьких місць у таких галузях, як AI.
Окрім загальної децентралізованої обчислювальної мережі, існують також спеціалізовані обчислювальні мережі, що зосереджені на навчанні та інференції ШІ. Децентралізована обчислювальна мережа забезпечує чесний та прозорий ринок обчислювальної потужності, розбиває монополії, знижує бар'єри для застосування та підвищує ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані обчислювальні мережі відіграватимуть ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Edge AI дозволяє обробку даних на місці їх виникнення, забезпечуючи низьку затримку та реальний час обробки, при цьому захищаючи конфіденційність користувачів. Технології Edge AI вже застосовуються в ключових сферах, таких як автономне водіння. У сфері Web3 ми називаємо це DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, посилює захист конфіденційності користувачів і зменшує ризик витоку даних; економічний механізм токенів, властивий Web3, може стимулювати вузли DePIN надання обчислювальних ресурсів, створюючи стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного блокчейну, ставши однією з провідних платформ для розгортання проектів. Висока пропускна спроможність (TPS), низькі комісії за транзакції та технологічні інновації цього блокчейну забезпечують потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів, а кілька відомих проектів досягли значного прогресу.
IMO: Випуск нової парадигми AI моделей
Концепція IMO (Initial Model Offering) дозволяє токенізувати AI моделі. У традиційній моделі розробникам AI моделей важко отримувати постійний дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги. Крім того, продуктивність і ефективність AI моделей часто не є прозорими, потенційні інвестори та користувачі мають труднощі в оцінці їхньої справжньої вартості, що обмежує визнання моделей на ринку та їх комерційний потенціал.
IMO надає нову фінансову підтримку та спосіб розподілу вартості для відкритих AI моделей. Інвестори можуть купувати токени IMO, щоб ділитися прибутками, отриманими від подальшої діяльності моделей. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML для забезпечення достовірності AI моделей і можливості власників токенів ділитися прибутками.
Модель IMO посилила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючи тенденції крипторинку та надаючи імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на етапі початкових спроб, але з підвищенням прийнятності на ринку та розширенням участі її інноваційність і потенційна цінність заслуговують на очікування.
AI Agent: Нова ера взаємодії
AI Agent може сприймати навколишнє середовище, здійснювати самостійне мислення та вживати відповідні дії для досягнення визначених цілей. Під підтримкою великих мовних моделей AI Agent не лише розуміє природну мову, але й може планувати рішення та виконувати складні завдання. Вони можуть виступати як віртуальні асистенти, навчаючись вподобанням через взаємодію з користувачами, надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.
Деяка платформа для відкритих AI-додатків надає повний набір зручних інструментів для створення, що дозволяє користувачам налаштовувати функції роботів, зовнішній вигляд, голос, а також підключати зовнішні бази знань, прагнучи створити справедливу і відкриту екосистему контенту штучного інтелекту. Використовуючи технології генеративного AI, вона надає можливість особам стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольові ігри більш людяними; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу можна реалізувати всього за 1 хвилину. Використовуючи налаштованого AI-агента цієї платформи, його можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.
Сучасна інтеграція Web3 та ШІ більше зосереджена на дослідженнях на рівні інфраструктури, таких як отримання якісних даних, захист конфіденційності даних, управління моделями на блокчейні, ефективне використання децентралізованих обчислювальних потужностей, перевірка великих мовних моделей та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури інтеграція Web3 та ШІ стане джерелом ряду інноваційних бізнес-моделей та послуг.