Глубина интеграции AI и Web3: построение инфраструктуры нового поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, сталкиваясь со многими проблемами, такими как узкие места в вычислительной мощности, утечки конфиденциальной информации, черные ящики алгоритмов и т.д. Web3, основанный на распределенных технологиях, через сеть совместного использования вычислительной мощности, открытые рынки данных, вычисления с соблюдением конфиденциальности и другие методы, вносит новый импульс в развитие ИИ. 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, освобождения ценности данных и вычислительной мощности.
Данные, управляемые: надежная основа AI и Web3
Данные являются核心动力 для развития ИИ, как топливо для двигателя. Модель ИИ нуждается в переработке большого объема качественных данных, чтобы достичь глубокого понимания и мощных возможностей рассуждения. Данные не только предоставляют базу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционные централизованные модели получения и использования данных AI имеют следующие основные проблемы:
Высокие затраты на получение данных делают это непосильным для малых и средних предприятий.
Ресурсы данных монополизируются технологическими гигантами, формируя изолированные данные.
Личная информация подвержена риску утечки и злоупотребления.
Web3 решает проблемы традиционной модели с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемую сеть AI-компаниям для децентрализованного сбора сетевых данных, предоставляя реальные и высококачественные данные для обучения AI-моделей.
Используя модель "label to earn", мы стимулируем работников по всему миру участвовать в аннотировании данных с помощью токенов, собирая глобальные профессиональные знания и усиливая возможности анализа данных.
Платформа обмена данными на основе блокчейн предоставляет обеим сторонам спроса и предложения открыенную и прозрачную торговую среду, стимулируя инновации и совместное использование данных.
Однако в реальном мире существуют и некоторые проблемы с получением данных, такие как разное качество данных, высокая сложность обработки, недостаток разнообразия и репрезентативности и т.д. Синтетические данные могут стать звездой в будущем сегменте данных Web3. Основанные на генеративных AI-технологиях и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания, и такие законы, как Общий регламент по защите данных (GDPR) Европейского Союза, отражают строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности рассуждения ИИ-моделей.
FHE — это полностью однородное шифрование, которое позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью в AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это дает значительное преимущество компаниям AI, позволяя им безопасно открывать API-сервисы, защищая при этом коммерческие тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность чувствительной информации и предотвращая риски утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, где ZKML доказывает правильность выполнения машинного обучения, а FHEML подчеркивает необходимость вычислений над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительной мощности, значительно превышающей доступные вычислительные ресурсы. Например, для обучения одной известной модели AI требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных ресурсов не только ограничивает прогресс технологий AI, но и делает продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, еще больше усугубляют проблему поставки вычислительной мощности. Специалисты в области ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен способ вычислительных услуг по запросу, экономически эффективный.
Некоторая децентрализованная сеть вычислительных мощностей ИИ, агрегируя неиспользуемые ресурсы GPU по всему миру, предлагает ИИ-компаниям экономически доступный рынок вычислительной мощности. Сторона, нуждающаяся в вычислительной мощности, может публиковать вычислительные задачи в сети, смарт-контракт распределяет задачи между майнерами, вносящими вычислительную мощность, которые выполняют задачи и отправляют результаты, и после проверки получают баллы в качестве вознаграждения. Это решение повышает эффективность использования ресурсов и помогает решать проблемы узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальной децентрализованной сети вычислительных мощностей, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная сеть вычислительной мощности предоставляет公平 и прозрачный рынок вычислительной мощности, разрушает монополию, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности будет играть ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — вот в чем魅力 Edge AI. Он позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепочек, став одной из предпочитаемых платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепочки предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепочке превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительного прогресса.
IMO：Новая парадигма выпуска моделей ИИ
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выводится на рынок, разработчикам часто трудно получать постоянный доход от дальнейшего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность AI-моделей часто недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценить их истинную ценность, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и распределения ценности для открытых AI моделей; инвесторы могут приобретать токены IMO и делиться доходами, полученными от моделей в дальнейшем. Некий протокол использует два стандарта ERC, сочетая AI оракулы и технологии OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит импульс в устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальном этапе испытаний, но с увеличением уровня принятия на рынке и расширением круга участников его инновационность и потенциальная ценность заслуживают нашего ожидания.
AI Агент: новая эра взаимодействия
AI-агент способен воспринимать окружающую среду, проводить независимое мышление и принимать соответствующие меры для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI-агент может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая платформа для оригинальных приложений на базе ИИ предлагает полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций роботов, внешнего вида, голоса, а также в подключении внешних баз знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного ИИ, позволяя людям стать супер-креативщиками. Платформа обучила специализированную языковую модель, что делает ролевое взаимодействие более человечным; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза речи на 99%, клонирование голоса занимает всего 1 минуту. С помощью настроенного AI-агента на этой платформе в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и в других областях.
В интеграции Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, такие как получение высококачественных 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 основания полагать, что интеграция Web3 и ИИ 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» .
Искусственный интеллект и Web3: создание новой базы для децентрализованного интернета
Глубина интеграции AI и Web3: построение инфраструктуры нового поколения интернета
Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, сталкиваясь со многими проблемами, такими как узкие места в вычислительной мощности, утечки конфиденциальной информации, черные ящики алгоритмов и т.д. Web3, основанный на распределенных технологиях, через сеть совместного использования вычислительной мощности, открытые рынки данных, вычисления с соблюдением конфиденциальности и другие методы, вносит новый импульс в развитие ИИ. 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, освобождения ценности данных и вычислительной мощности.
Данные, управляемые: надежная основа AI и Web3
Данные являются核心动力 для развития ИИ, как топливо для двигателя. Модель ИИ нуждается в переработке большого объема качественных данных, чтобы достичь глубокого понимания и мощных возможностей рассуждения. Данные не только предоставляют базу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционные централизованные модели получения и использования данных AI имеют следующие основные проблемы:
Web3 решает проблемы традиционной модели с помощью новой децентрализованной парадигмы данных:
Однако в реальном мире существуют и некоторые проблемы с получением данных, такие как разное качество данных, высокая сложность обработки, недостаток разнообразия и репрезентативности и т.д. Синтетические данные могут стать звездой в будущем сегменте данных Web3. Основанные на генеративных AI-технологиях и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания, и такие законы, как Общий регламент по защите данных (GDPR) Европейского Союза, отражают строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности рассуждения ИИ-моделей.
FHE — это полностью однородное шифрование, которое позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений на открытых данных.
FHE обеспечивает надежную защиту для вычислений с конфиденциальностью в AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это дает значительное преимущество компаниям AI, позволяя им безопасно открывать API-сервисы, защищая при этом коммерческие тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность чувствительной информации и предотвращая риски утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, где ZKML доказывает правильность выполнения машинного обучения, а FHEML подчеркивает необходимость вычислений над зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительной мощности, значительно превышающей доступные вычислительные ресурсы. Например, для обучения одной известной модели AI требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных ресурсов не только ограничивает прогресс технологий AI, но и делает продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, еще больше усугубляют проблему поставки вычислительной мощности. Специалисты в области ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен способ вычислительных услуг по запросу, экономически эффективный.
Некоторая децентрализованная сеть вычислительных мощностей ИИ, агрегируя неиспользуемые ресурсы GPU по всему миру, предлагает ИИ-компаниям экономически доступный рынок вычислительной мощности. Сторона, нуждающаяся в вычислительной мощности, может публиковать вычислительные задачи в сети, смарт-контракт распределяет задачи между майнерами, вносящими вычислительную мощность, которые выполняют задачи и отправляют результаты, и после проверки получают баллы в качестве вознаграждения. Это решение повышает эффективность использования ресурсов и помогает решать проблемы узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальной децентрализованной сети вычислительных мощностей, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная сеть вычислительной мощности предоставляет公平 и прозрачный рынок вычислительной мощности, разрушает монополию, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности будет играть ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — вот в чем魅力 Edge AI. Он позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепочек, став одной из предпочитаемых платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепочки предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепочке превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительного прогресса.
IMO：Новая парадигма выпуска моделей ИИ
Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выводится на рынок, разработчикам часто трудно получать постоянный доход от дальнейшего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность AI-моделей часто недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценить их истинную ценность, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и распределения ценности для открытых AI моделей; инвесторы могут приобретать токены IMO и делиться доходами, полученными от моделей в дальнейшем. Некий протокол использует два стандарта ERC, сочетая AI оракулы и технологии OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит импульс в устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальном этапе испытаний, но с увеличением уровня принятия на рынке и расширением круга участников его инновационность и потенциальная ценность заслуживают нашего ожидания.
AI Агент: новая эра взаимодействия
AI-агент способен воспринимать окружающую среду, проводить независимое мышление и принимать соответствующие меры для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI-агент может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая платформа для оригинальных приложений на базе ИИ предлагает полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций роботов, внешнего вида, голоса, а также в подключении внешних баз знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного ИИ, позволяя людям стать супер-креативщиками. Платформа обучила специализированную языковую модель, что делает ролевое взаимодействие более человечным; технологии клонирования голоса могут ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза речи на 99%, клонирование голоса занимает всего 1 минуту. С помощью настроенного AI-агента на этой платформе в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и в других областях.
В интеграции Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, такие как получение высококачественных 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 основания полагать, что интеграция Web3 и ИИ приведет к возникновению ряда инновационных бизнес-моделей и услуг.