Fusión de IA y Web3: Construyendo la infraestructura de internet de próxima generación
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, tiene oportunidades de fusión naturales con la IA. En la arquitectura tradicional centralizada, los recursos de computación y datos de la IA están estrictamente controlados, lo que presenta numerosos desafíos como cuellos de botella en la capacidad de cómputo, filtraciones de privacidad y algoritmos de caja negra. Por otro lado, Web3, basado en tecnologías distribuidas, puede inyectar nueva energía al desarrollo de la IA a través de redes de computación compartida, mercados de datos abiertos y computación en privacidad. Al mismo tiempo, la IA puede aportar numerosas capacidades a Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, apoyando así la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y IA es crucial para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la capacidad de cómputo.
Impulsado por datos: La piedra angular de la IA y Web3
Los datos son el motor principal que impulsa el desarrollo de la IA, así como el combustible lo es para un motor. Los modelos de IA necesitan digerir una gran cantidad de datos de alta calidad para obtener una comprensión profunda y una poderosa 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 fiabilidad del modelo.
Los siguientes son los principales problemas del modelo tradicional de obtención y utilización de datos de IA centralizada:
El costo de adquisición de datos es elevado, lo que dificulta la carga para las pequeñas y medianas empresas.
Los recursos de datos están monopolizados por gigantes tecnológicos, formando islas de datos.
Los datos personales enfrentan el riesgo de filtración y abuso
Web3 puede resolver los puntos críticos del modelo tradicional con un nuevo paradigma de datos descentralizados:
Capturar datos de la red de manera descentralizada para proporcionar datos reales y de alta calidad para el entrenamiento de modelos de IA.
Adoptar un modelo de "label to earn", incentivando a trabajadores de todo el mundo a participar en la anotación de datos, reuniendo el conocimiento profesional global.
La plataforma de intercambio de datos en blockchain proporciona un entorno de transacción público y transparente para ambas partes en la oferta y demanda de datos, incentivando la innovación y el intercambio de datos.
Sin embargo, la obtención de datos del mundo real también presenta algunos problemas, como la calidad de los datos variable, la dificultad de procesamiento, la diversidad y la falta de representatividad. Los datos sintéticos podrían ser un punto destacado en el futuro de la pista de datos de Web3. Basados en tecnologías de inteligencia artificial generativa y simulación, los datos sintéticos pueden simular las propiedades de los datos reales, actuando como un complemento efectivo de los datos reales, mejorando la eficiencia del uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han demostrado su potencial de aplicación madura.
Protección de la privacidad: Aplicaciones 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 implementación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja la estricta salvaguarda 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 sin duda limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE o cifrado homomórfico completo permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado de los cálculos es consistente con el resultado de realizar el mismo cálculo sobre datos en texto claro.
FHE proporciona una sólida protección para el cálculo de privacidad en IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento y razonamiento de modelos en un entorno sin acceso a los datos originales. Esto ofrece una gran ventaja a las empresas de IA. Pueden abrir servicios API de manera segura mientras protegen sus secretos comerciales.
FHEML admite el procesamiento encriptado de datos y modelos a lo largo de todo el ciclo de vida del aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos, proporcionando un marco de computación seguro para las aplicaciones de IA.
FHEML es un complemento de ZKML; ZKML 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 los recursos computacionales existentes. Por ejemplo, el entrenamiento de modelos de lenguaje a gran escala de una conocida empresa de IA requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que esos modelos avanzados de IA sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la tasa de utilización global de GPU es inferior al 40%, sumado a la desaceleración en el aumento del rendimiento de los microprocesadores, así como la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, todo esto ha agravado el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por su cuenta o alquilan recursos en la nube, necesitan urgentemente una forma de servicio de computación bajo demanda y costo-efectiva.
La red de computación de IA descentralizada agrega recursos de GPU inactivos de todo el mundo, proporcionando a las empresas de IA un mercado de computación que es tanto económico como accesible. Los demandantes de capacidad de computación pueden publicar tareas de cálculo en la red, los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con capacidad de computación, los mineros ejecutan las tareas y envían los resultados, y tras la verificación reciben recompensas en puntos. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver el problema del cuello de botella en la capacidad de computación en campos como la IA.
Además de la red de potencia descentralizada general, también hay plataformas enfocadas en el entrenamiento de IA y redes de potencia dedicadas para la inferencia de IA.
Las redes de potencia de computación descentralizadas ofrecen un mercado de potencia de computación justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia de computación. En el ecosistema web3, las redes de potencia de computación descentralizadas desempeñarán un papel clave, atrayendo la participación de más dapps innovadoras y fomentando conjuntamente el desarrollo y la aplicación de la tecnología AI.
DePIN: Web3 empoderando la IA en el borde
Imagina que tu teléfono, reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar IA: esa es la fascinación de Edge AI. Permite que el cálculo ocurra en la fuente de generación de datos, logrando baja latencia y procesamiento en tiempo real, 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, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario. DePIN puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos al procesar datos localmente; el mecanismo económico de Token nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de cálculo, construyendo un ecosistema sostenible.
Actualmente, DePIN está desarrollándose rápidamente en el ecosistema de una determinada cadena pública, convirtiéndose en una de las plataformas de cadena pública preferidas para el despliegue de proyectos. La alta TPS, las bajas tarifas de transacción y la innovación tecnológica de esta cadena pública brindan un fuerte apoyo a los proyectos DePIN. Actualmente, la capitalización de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y algunos proyectos conocidos han logrado avances significativos.
IMO: Nuevo paradigma de publicación de modelos de IA
El concepto de IMO fue propuesto por un protocolo que tokeniza modelos de IA.
En el modelo tradicional, debido a la falta de un mecanismo de compartición de ingresos, una vez que se desarrolla un modelo de IA y se lanza al mercado, a menudo es difícil para los desarrolladores obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios, resulta complicado para los creadores originales rastrear el uso, y mucho menos obtener ingresos de ello. Además, el rendimiento y los efectos del modelo de IA a menudo carecen de transparencia, lo que dificulta a los inversores y usuarios potenciales evaluar su verdadero valor, limitando así el reconocimiento del 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; los inversores pueden comprar tokens IMO y compartir los ingresos generados por el modelo en el futuro. Un protocolo utiliza dos estándares ERC, combinando oráculos de IA y tecnología OPML para garantizar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir los ingresos.
El modo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y dando impulso al desarrollo sostenible de la tecnología AI. Actualmente, el IMO aún se encuentra en una fase inicial de prueba, pero a medida que aumente la aceptación del mercado y se amplíe el alcance de la participación, su innovación y valor potencial merecen nuestra expectativa.
Agente de IA: Una nueva era de experiencias interactivas
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar las acciones correspondientes para alcanzar objetivos establecidos. Con el apoyo de grandes modelos de lenguaje, 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 las preferencias de los usuarios a través de la interacción 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 de aplicación nativa de IA ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones de robot, apariencia, sonido y conectar a bases de datos externas, dedicada a construir un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empodera a los individuos para convertirse en supercreadores. La plataforma ha entrenado modelos de lenguaje grandes especializados, haciendo que el juego de roles sea más humanizado; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo los costos de síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Con el AI Agent personalizado en esta plataforma, actualmente se puede aplicar en múltiples áreas como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 y AI, actualmente se exploran más las capas de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la computación descentralizada, cómo validar modelos de lenguaje grandes y otros problemas clave. A medida que estas infraestructuras se perfeccionen gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos comerciales y servicios innovadores.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
24 me gusta
Recompensa
24
8
Compartir
Comentar
0/400
BlockchainGriller
· 07-13 05:13
Me gusta la fusión de estilos de juego~
Ver originalesResponder0
SerumSquirter
· 07-12 02:26
¿Ya no puedes manejar la centralización?
Ver originalesResponder0
ForeverBuyingDips
· 07-11 12:15
Tienes razón. Primero tomaré nota.
Ver originalesResponder0
CodeZeroBasis
· 07-10 15:50
Tienes razón, es caro.
Ver originalesResponder0
DefiPlaybook
· 07-10 15:50
Esta ola de perspectivas valiosas es más concreta que las ganancias de un flashloan.
Ver originalesResponder0
NeverVoteOnDAO
· 07-10 15:44
¿Eso es todo? Es un tema común, ¿verdad?
Ver originalesResponder0
ChainPoet
· 07-10 15:25
Ya se dijo que la Cadena de bloques se casaría con la IA tarde o temprano~
Ver originalesResponder0
SolidityNewbie
· 07-10 15:24
Si realmente se pudiera Descentralización... ¡delicioso!
IA y Web3 fusionados: construyendo una infraestructura de red inteligente descentralizada
Fusión de IA y Web3: Construyendo la infraestructura de internet de próxima generación
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, tiene oportunidades de fusión naturales con la IA. En la arquitectura tradicional centralizada, los recursos de computación y datos de la IA están estrictamente controlados, lo que presenta numerosos desafíos como cuellos de botella en la capacidad de cómputo, filtraciones de privacidad y algoritmos de caja negra. Por otro lado, Web3, basado en tecnologías distribuidas, puede inyectar nueva energía al desarrollo de la IA a través de redes de computación compartida, mercados de datos abiertos y computación en privacidad. Al mismo tiempo, la IA puede aportar numerosas capacidades a Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, apoyando así la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y IA es crucial para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la capacidad de cómputo.
Impulsado por datos: La piedra angular de la IA y Web3
Los datos son el motor principal que impulsa el desarrollo de la IA, así como el combustible lo es para un motor. Los modelos de IA necesitan digerir una gran cantidad de datos de alta calidad para obtener una comprensión profunda y una poderosa 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 fiabilidad del modelo.
Los siguientes son los principales problemas del modelo tradicional de obtención y utilización de datos de IA centralizada:
Web3 puede resolver los puntos críticos del modelo tradicional con un nuevo paradigma de datos descentralizados:
Sin embargo, la obtención de datos del mundo real también presenta algunos problemas, como la calidad de los datos variable, la dificultad de procesamiento, la diversidad y la falta de representatividad. Los datos sintéticos podrían ser un punto destacado en el futuro de la pista de datos de Web3. Basados en tecnologías de inteligencia artificial generativa y simulación, los datos sintéticos pueden simular las propiedades de los datos reales, actuando como un complemento efectivo de los datos reales, mejorando la eficiencia del uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han demostrado su potencial de aplicación madura.
Protección de la privacidad: Aplicaciones 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 implementación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja la estricta salvaguarda 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 sin duda limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE o cifrado homomórfico completo permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado de los cálculos es consistente con el resultado de realizar el mismo cálculo sobre datos en texto claro.
FHE proporciona una sólida protección para el cálculo de privacidad en IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento y razonamiento de modelos en un entorno sin acceso a los datos originales. Esto ofrece una gran ventaja a las empresas de IA. Pueden abrir servicios API de manera segura mientras protegen sus secretos comerciales.
FHEML admite el procesamiento encriptado de datos y modelos a lo largo de todo el ciclo de vida del aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos, proporcionando un marco de computación seguro para las aplicaciones de IA.
FHEML es un complemento de ZKML; ZKML 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 los recursos computacionales existentes. Por ejemplo, el entrenamiento de modelos de lenguaje a gran escala de una conocida empresa de IA requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que esos modelos avanzados de IA sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la tasa de utilización global de GPU es inferior al 40%, sumado a la desaceleración en el aumento del rendimiento de los microprocesadores, así como la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, todo esto ha agravado el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por su cuenta o alquilan recursos en la nube, necesitan urgentemente una forma de servicio de computación bajo demanda y costo-efectiva.
La red de computación de IA descentralizada agrega recursos de GPU inactivos de todo el mundo, proporcionando a las empresas de IA un mercado de computación que es tanto económico como accesible. Los demandantes de capacidad de computación pueden publicar tareas de cálculo en la red, los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con capacidad de computación, los mineros ejecutan las tareas y envían los resultados, y tras la verificación reciben recompensas en puntos. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver el problema del cuello de botella en la capacidad de computación en campos como la IA.
Además de la red de potencia descentralizada general, también hay plataformas enfocadas en el entrenamiento de IA y redes de potencia dedicadas para la inferencia de IA.
Las redes de potencia de computación descentralizadas ofrecen un mercado de potencia de computación justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia de computación. En el ecosistema web3, las redes de potencia de computación descentralizadas desempeñarán un papel clave, atrayendo la participación de más dapps innovadoras y fomentando conjuntamente el desarrollo y la aplicación de la tecnología AI.
DePIN: Web3 empoderando la IA en el borde
Imagina que tu teléfono, reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar IA: esa es la fascinación de Edge AI. Permite que el cálculo ocurra en la fuente de generación de datos, logrando baja latencia y procesamiento en tiempo real, 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, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario. DePIN puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos al procesar datos localmente; el mecanismo económico de Token nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de cálculo, construyendo un ecosistema sostenible.
Actualmente, DePIN está desarrollándose rápidamente en el ecosistema de una determinada cadena pública, convirtiéndose en una de las plataformas de cadena pública preferidas para el despliegue de proyectos. La alta TPS, las bajas tarifas de transacción y la innovación tecnológica de esta cadena pública brindan un fuerte apoyo a los proyectos DePIN. Actualmente, la capitalización de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y algunos proyectos conocidos han logrado avances significativos.
IMO: Nuevo paradigma de publicación de modelos de IA
El concepto de IMO fue propuesto por un protocolo que tokeniza modelos de IA.
En el modelo tradicional, debido a la falta de un mecanismo de compartición de ingresos, una vez que se desarrolla un modelo de IA y se lanza al mercado, a menudo es difícil para los desarrolladores obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios, resulta complicado para los creadores originales rastrear el uso, y mucho menos obtener ingresos de ello. Además, el rendimiento y los efectos del modelo de IA a menudo carecen de transparencia, lo que dificulta a los inversores y usuarios potenciales evaluar su verdadero valor, limitando así el reconocimiento del 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; los inversores pueden comprar tokens IMO y compartir los ingresos generados por el modelo en el futuro. Un protocolo utiliza dos estándares ERC, combinando oráculos de IA y tecnología OPML para garantizar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir los ingresos.
El modo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y dando impulso al desarrollo sostenible de la tecnología AI. Actualmente, el IMO aún se encuentra en una fase inicial de prueba, pero a medida que aumente la aceptación del mercado y se amplíe el alcance de la participación, su innovación y valor potencial merecen nuestra expectativa.
Agente de IA: Una nueva era de experiencias interactivas
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar las acciones correspondientes para alcanzar objetivos establecidos. Con el apoyo de grandes modelos de lenguaje, 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 las preferencias de los usuarios a través de la interacción 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 de aplicación nativa de IA ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones de robot, apariencia, sonido y conectar a bases de datos externas, dedicada a construir un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empodera a los individuos para convertirse en supercreadores. La plataforma ha entrenado modelos de lenguaje grandes especializados, haciendo que el juego de roles sea más humanizado; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo los costos de síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Con el AI Agent personalizado en esta plataforma, actualmente se puede aplicar en múltiples áreas como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 y AI, actualmente se exploran más las capas de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la computación descentralizada, cómo validar modelos de lenguaje grandes y otros problemas clave. A medida que estas infraestructuras se perfeccionen gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos comerciales y servicios innovadores.