Слияние Web3 и ИИ: построение инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная парадигма Интернета имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем и сталкиваются с многочисленными проблемами, такими как узкие места вычислительной способности, утечка конфиденциальных данных, черные ящики алгоритмов и т. д. В то же время Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие методы, как сеть совместного использования вычислительных мощностей, открытые рынки данных и вычисления с учетом конфиденциальности. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т. д., способствуя его экосистемному строительству. Исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения Интернета и раскрытия ценности данных и вычислительных мощностей.
Данные как основа: ИИ и Web3
Данные являются основным двигателем развития ИИ, так же как топливо для двигателя. Модели ИИ нуждаются в переработке большого количества качественных данных, чтобы достичь глубокого понимания и мощных способностей к рассуждению. Данные не только предоставляют основу для обучения машинных моделей, но и определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных AI существуют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям сложно их понести
Ресурсы данных монополизируются технологическими гигантами, что приводит к образованию изолированных данных.
Личным данным угрожает риск утечки и злоупотребления.
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемую сеть компаниям ИИ, которые децентрализованно собирают сетевые данные, очищают и преобразуют их, чтобы предоставить реальные и высококачественные данные для обучения моделей ИИ.
Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных через токены, собираем мировые профессиональные знания и усиливаем аналитические способности данных.
Платформа торговли данными на блокчейне предоставляет сторонам спроса и предложения открытой и прозрачной торговой среды, стимулируя инновации и обмен данными.
Тем не менее, в реальном мире существуют некоторые проблемы с получением данных, такие как непостоянное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать характеристики реальных данных, выступая в качестве эффективного дополнения к реальным данным и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала центром внимания во всем мире. Принятие таких регуляций, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности моделям ИИ.
FHE, или полностью однородное шифрование, позволяет выполнять вычисления непосредственно над зашифрованными данными, не требуя их расшифровки, и результаты вычислений совпадают с результатами, полученными при выполнении таких же вычислений над открытыми данными.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью AI, позволяя GPU вычислительной мощности выполнять задачи обучения и вывода моделей в среде, не касаясь исходных данных. Это приносит огромные преимущества компаниям в области AI. Они могут безопасно открывать API-сервисы, защищая при этом коммерческие тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечки данных. Таким образом, FHEML усиливает защиту конфиденциальности данных и предоставляет безопасную вычислительную платформу для приложений ИИ.
FHEML является дополнением к ZKML, ZKML доказывает правильное выполнение машинного обучения, в то время как FHEML подчеркивает вычисления над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительную мощность, значительно превышающей предложение существующих вычислительных ресурсов. Например, для обучения одной крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает эти продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, мировая загрузка GPU составляет менее 40%, плюс замедление повышения производительности микропроцессоров и нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблему поставок вычислительных мощностей. Работники в области ИИ оказались в затруднительном положении: им нужно либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно требуется экономически эффективный способ предоставления вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительных мощностей на основе ИИ объединяет неиспользуемые ресурсы GPU по всему миру, предоставляя ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Запрашивающие вычислительные мощности могут размещать вычислительные задачи в сети, а смарт-контракты распределяют задачи между майнерами, предоставляющими вычислительные мощности. Майнеры выполняют задачи и отправляют результаты, после проверки которых получают бонусы в виде баллов. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо общего децентрализованного вычислительного сети, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная сеть вычислительной мощности предлагает честный и прозрачный рынок вычислительной мощности, разрушая монополию, снижая пороги входа и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp, совместно способствуя развитию и применению технологий ИИ.
DePIN: Web3, наделяющий Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью выполнять AI — именно в этом заключается魅力 Edge AI. Это позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку, обработку в реальном времени и одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечек данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN стремительно развивается в экосистеме одной из публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокий TPS, низкие транзакционные издержки и технологические инновации этой публичной блокчейна оказывают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейне превышает 10 миллиардов долларов, и несколько известных проектов уже достигли значительного прогресса.
IMO：Публикация нового парадигмы AI моделей
Концепция IMO была впервые предложена некоторым протоколом, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчики, как правило, испытывают трудности с получением постоянного дохода от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям становится сложно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность AI-моделей часто не имеют прозрачности, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, что ограничивает признание модели на рынке и коммерческий потенциал.
IMO предлагает новый способ финансирования и распределения ценности для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, которые будут получены от модели в будущем. Один из протоколов использует два стандарта ERC, объединяя AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности токенодержателей делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на стадии первоначальных испытаний, но с ростом принятия на рынке и расширением участия, ее инновационность и потенциальная ценность вызывают у нас ожидания.
AI Agent: Новый век интерактивного опыта
AI-агент может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и может планировать решения, выполнять сложные задачи. Они могут служить виртуальными помощниками, обучаясь на предпочтениях пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI-агент может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая платформа приложений на базе ИИ предлагает полный и удобный набор инструментов для создания, позволяя пользователям настраивать функции роботов, внешний вид, звук и подключать внешние базы данных знаний, стремясь создать справедливую и открытую экосистему контента на базе ИИ, используя технологии генеративного ИИ, предоставляя возможность индивидуумам стать супер-креаторами. Платформа обучила специализированные большие языковые модели, что делает ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие с ИИ-продуктами, снизив стоимость синтеза голоса на 99%, клонирование голоса может быть выполнено всего за 1 минуту. С помощью индивидуального AI Agent на этой платформе в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и других.
В интеграции Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С постепенным совершенствованием этой инфраструктуры у нас есть все основания полагать, что интеграция Web3 и AI приведет к возникновению ряда инновационных бизнес-моделей и услуг.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
21 Лайков
Награда
21
5
Репост
Поделиться
комментарий
0/400
EyeOfTheTokenStorm
· 07-08 09:16
底部开始筑底了 市场周期到了 Подъем期 建议现在 войти в позицию囤货
Посмотреть ОригиналОтветить0
ProxyCollector
· 07-06 07:16
Похоже, снова говорят о тех концептуальных спекуляциях.
Посмотреть ОригиналОтветить0
BlockchainRetirementHome
· 07-06 07:13
Пришли те, кто обманывает инвесторов, разогревая старую еду.
Посмотреть ОригиналОтветить0
ForkYouPayMe
· 07-06 07:13
Снова вижу обычные мечты об AI web3.
Посмотреть ОригиналОтветить0
staking_gramps
· 07-06 06:48
Эта вещь может обмануть людей? Даже собаки не играют.
Слияние Web3 и ИИ: пять главных трендов для построения инфраструктуры следующего поколения интернета
Слияние Web3 и ИИ: построение инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная парадигма Интернета имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем и сталкиваются с многочисленными проблемами, такими как узкие места вычислительной способности, утечка конфиденциальных данных, черные ящики алгоритмов и т. д. В то же время Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие методы, как сеть совместного использования вычислительных мощностей, открытые рынки данных и вычисления с учетом конфиденциальности. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т. д., способствуя его экосистемному строительству. Исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения Интернета и раскрытия ценности данных и вычислительных мощностей.
Данные как основа: ИИ и Web3
Данные являются основным двигателем развития ИИ, так же как топливо для двигателя. Модели ИИ нуждаются в переработке большого количества качественных данных, чтобы достичь глубокого понимания и мощных способностей к рассуждению. Данные не только предоставляют основу для обучения машинных моделей, но и определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных AI существуют следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, в реальном мире существуют некоторые проблемы с получением данных, такие как непостоянное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать характеристики реальных данных, выступая в качестве эффективного дополнения к реальным данным и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху данных защита конфиденциальности стала центром внимания во всем мире. Принятие таких регуляций, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности моделям ИИ.
FHE, или полностью однородное шифрование, позволяет выполнять вычисления непосредственно над зашифрованными данными, не требуя их расшифровки, и результаты вычислений совпадают с результатами, полученными при выполнении таких же вычислений над открытыми данными.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью AI, позволяя GPU вычислительной мощности выполнять задачи обучения и вывода моделей в среде, не касаясь исходных данных. Это приносит огромные преимущества компаниям в области AI. Они могут безопасно открывать API-сервисы, защищая при этом коммерческие тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечки данных. Таким образом, FHEML усиливает защиту конфиденциальности данных и предоставляет безопасную вычислительную платформу для приложений ИИ.
FHEML является дополнением к ZKML, ZKML доказывает правильное выполнение машинного обучения, в то время как FHEML подчеркивает вычисления над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительную мощность, значительно превышающей предложение существующих вычислительных ресурсов. Например, для обучения одной крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает эти продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, мировая загрузка GPU составляет менее 40%, плюс замедление повышения производительности микропроцессоров и нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблему поставок вычислительных мощностей. Работники в области ИИ оказались в затруднительном положении: им нужно либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно требуется экономически эффективный способ предоставления вычислительных услуг по мере необходимости.
Децентрализованная сеть вычислительных мощностей на основе ИИ объединяет неиспользуемые ресурсы GPU по всему миру, предоставляя ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Запрашивающие вычислительные мощности могут размещать вычислительные задачи в сети, а смарт-контракты распределяют задачи между майнерами, предоставляющими вычислительные мощности. Майнеры выполняют задачи и отправляют результаты, после проверки которых получают бонусы в виде баллов. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо общего децентрализованного вычислительного сети, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная сеть вычислительной мощности предлагает честный и прозрачный рынок вычислительной мощности, разрушая монополию, снижая пороги входа и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp, совместно способствуя развитию и применению технологий ИИ.
DePIN: Web3, наделяющий Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью выполнять AI — именно в этом заключается魅力 Edge AI. Это позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку, обработку в реальном времени и одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечек данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN стремительно развивается в экосистеме одной из публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокий TPS, низкие транзакционные издержки и технологические инновации этой публичной блокчейна оказывают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейне превышает 10 миллиардов долларов, и несколько известных проектов уже достигли значительного прогресса.
IMO：Публикация нового парадигмы AI моделей
Концепция IMO была впервые предложена некоторым протоколом, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчики, как правило, испытывают трудности с получением постоянного дохода от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям становится сложно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность AI-моделей часто не имеют прозрачности, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, что ограничивает признание модели на рынке и коммерческий потенциал.
IMO предлагает новый способ финансирования и распределения ценности для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, которые будут получены от модели в будущем. Один из протоколов использует два стандарта ERC, объединяя AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности токенодержателей делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на стадии первоначальных испытаний, но с ростом принятия на рынке и расширением участия, ее инновационность и потенциальная ценность вызывают у нас ожидания.
AI Agent: Новый век интерактивного опыта
AI-агент может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и может планировать решения, выполнять сложные задачи. Они могут служить виртуальными помощниками, обучаясь на предпочтениях пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI-агент может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая платформа приложений на базе ИИ предлагает полный и удобный набор инструментов для создания, позволяя пользователям настраивать функции роботов, внешний вид, звук и подключать внешние базы данных знаний, стремясь создать справедливую и открытую экосистему контента на базе ИИ, используя технологии генеративного ИИ, предоставляя возможность индивидуумам стать супер-креаторами. Платформа обучила специализированные большие языковые модели, что делает ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие с ИИ-продуктами, снизив стоимость синтеза голоса на 99%, клонирование голоса может быть выполнено всего за 1 минуту. С помощью индивидуального AI Agent на этой платформе в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и других.
В интеграции Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С постепенным совершенствованием этой инфраструктуры у нас есть все основания полагать, что интеграция Web3 и AI приведет к возникновению ряда инновационных бизнес-моделей и услуг.