Exploración de la fusión de AI y Web3: Construyendo la infraestructura de Internet de próxima generación
Web3, como un nuevo paradigma de Internet descentralizado, abierto y transparente, tiene un potencial de fusión inherente con la tecnología AI. Bajo la arquitectura centralizada tradicional, los recursos de cálculo y datos de AI están estrictamente limitados, enfrentándose a múltiples desafíos como cuellos de botella en la capacidad de cálculo, filtraciones de privacidad y cajas negras algorítmicas. En cambio, Web3, basado en tecnología distribuida, puede proporcionar un nuevo impulso al desarrollo de AI a través de redes de cálculo compartido, mercados de datos abiertos y computación en privacidad. Al mismo tiempo, AI también puede aportar numerosos beneficios al ecosistema Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa. Por lo tanto, explorar la combinación de Web3 y AI es de gran importancia para construir la infraestructura de Internet de nueva generación y liberar el valor de los datos y la capacidad de cálculo.
Datos impulsados: la piedra angular de la IA y Web3
Los datos son el motor impulsor del desarrollo de la IA. Los modelos de IA necesitan absorber 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 principales problemas de los modelos tradicionales de adquisición y uso de datos de IA centralizados son los siguientes:
El costo de obtención de datos es elevado, lo que dificulta a las pequeñas y medianas empresas asumirlo.
Los recursos de datos están monopolizados por gigantes tecnológicos, formando islas de datos.
Los datos personales enfrentan riesgos de filtración y abuso.
Web3 ofrece un nuevo paradigma de datos descentralizados para abordar estos puntos críticos:
Los usuarios pueden vender recursos de red no utilizados a empresas de IA para recopilar datos de la red de manera descentralizada, que, tras ser limpiados y transformados, proporcionan datos reales y de alta calidad para el entrenamiento de modelos de IA.
Adoptar el modelo de "obtener al marcar", incentivando a trabajadores globales a participar en la anotación de datos a través de tokens, reuniendo conocimientos profesionales de todo el mundo y mejorando la capacidad de análisis de datos.
La plataforma de intercambio de datos en blockchain proporciona un entorno de transacción público y transparente para ambas partes de la oferta y la demanda de datos, incentivando la innovación y el intercambio de datos.
Sin embargo, la obtención de datos del mundo real todavía enfrenta algunos problemas, como la calidad de los datos que varía, la dificultad de procesamiento, la falta de diversidad y representatividad, entre otros. Los datos sintéticos podrían convertirse en la estrella futura del campo de datos de Web3. Basados en la tecnología de IA generativa y simulaciones, los datos sintéticos pueden simular las propiedades de los datos reales, sirviendo como un complemento efectivo para mejorar la eficiencia del uso de datos. En campos como la conducción autónoma, el comercio en los mercados financieros y el desarrollo de juegos, los datos sintéticos han demostrado un potencial de aplicación maduro.
Protección de la privacidad: el papel de la criptografía homomórfica completa
En la era impulsada por los 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 UE refleja una estricta protección de la privacidad personal. Sin embargo, esto también ha traído desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.
La criptografía homomórfica total (FHE) permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrarlos, y los resultados de los cálculos son consistentes con los resultados de los datos en texto claro. FHE proporciona una sólida protección para el cálculo de privacidad en IA, lo que permite que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos en un entorno sin contacto con los datos originales. Esto representa una gran ventaja para las empresas de IA, ya que pueden ofrecer servicios API de manera segura mientras protegen 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 filtración de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de cálculo seguro para 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 cómputo: Computación AI en redes descentralizadas
La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento exponencial en la demanda de potencia de cálculo, superando con creces la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un gran modelo de lenguaje 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 progreso de la tecnología de IA, sino que también hace que los modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la tasa de utilización global de GPU es inferior al 40%, junto con la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en 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 económica.
La red de potencia computacional de IA descentralizada agrega recursos de GPU inactivos a nivel mundial, proporcionando a las empresas de IA un mercado de potencia computacional económico y de fácil acceso. Los demandantes de potencia computacional pueden publicar tareas de cálculo en la red, los contratos inteligentes asignan las tareas a los nodos que contribuyen con potencia computacional, los nodos ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver el problema del cuello de botella en la potencia computacional en campos como la IA.
Además de las redes de potencia de cálculo descentralizadas generales, también hay plataformas centradas en el entrenamiento de IA y redes de potencia de cálculo dedicadas a la inferencia de IA. Las redes de potencia de cálculo descentralizadas ofrecen un mercado de potencia de cálculo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia de cálculo. En el ecosistema Web3, las redes de potencia de cálculo descentralizadas jugarán un papel clave, atrayendo más aplicaciones innovadoras para unirse y promoviendo conjuntamente el desarrollo y la aplicación de la tecnología de IA.
DePIN: Web3 empoderando la IA en el borde
La inteligencia artificial en el borde permite que el cálculo ocurra en el origen de la generación de datos, logrando una baja latencia y procesamiento en tiempo real, al mismo tiempo que protege la privacidad del usuario. La tecnología de IA en el borde 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, y DePIN puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos al procesar datos de forma local; el mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de cálculo y construir un ecosistema sostenible.
Actualmente, DePIN está desarrollándose rápidamente en el ecosistema de cierta cadena pública, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública brindan un gran apoyo a los proyectos DePIN. En la actualidad, la capitalización de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y varios proyectos conocidos han logrado avances significativos.
IMO: Nuevo paradigma de lanzamiento 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 reparto de beneficios, los desarrolladores de modelos de IA a menudo tienen dificultades para obtener ingresos continuos de la utilización posterior del modelo, especialmente cuando el modelo se integra en otros productos y servicios. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los inversores y usuarios potenciales evalúen su verdadero valor, limitando el reconocimiento en el mercado y el potencial comercial del modelo.
IMO proporciona un nuevo método de apoyo financiero y compartición de valor para modelos de IA de código abierto, donde los inversores pueden comprar tokens IMO y compartir los ingresos generados por el modelo en el futuro. Un protocolo utiliza un estándar ERC específico, combinando tecnología de oráculos de IA y 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 proporcionando impulso para el desarrollo sostenible de la tecnología de IA. Actualmente, el IMO se encuentra en una etapa inicial de prueba, pero a medida que aumenta la aceptación del mercado y se amplía el alcance de la participación, su innovación y valor potencial son dignos de esperar.
Agente de IA: Una nueva era de experiencia interactiva
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones adecuadas para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje de gran tamaño, 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 sobre las preferencias del usuario a través de la interacción y ofreciendo soluciones personalizadas. Incluso sin instrucciones explícitas, el Agente de IA puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.
Una plataforma nativa de aplicaciones de IA abierta ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones, apariencia, sonido de robots y conectar bases de datos externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto, empoderando a las personas para convertirse en creadores superpoderosos mediante tecnología de IA generativa. La plataforma ha entrenado modelos de lenguaje de gran tamaño específicos, haciendo que la interpretación de personajes sea más humanizada; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo el costo de síntesis de voz en un 99%, y la clonación de voz se puede realizar en solo 1 minuto. Los agentes de IA personalizados de esta plataforma se pueden aplicar actualmente en múltiples campos como video chat, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 y AI, actualmente se está explorando más la capa 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 potencia de cálculo descentralizada, cómo validar modelos de lenguaje grandes y otros problemas clave. A medida que estas infraestructuras se vayan perfeccionando gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio 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.
19 me gusta
Recompensa
19
6
Republicar
Compartir
Comentar
0/400
OnlyOnMainnet
· hace23h
introducir una posición y comprar, si no, te perderás la oportunidad
Ver originalesResponder0
rugpull_survivor
· 08-09 05:10
¿Este concepto vuelve a estar de moda? El año pasado tomaron a la gente por tonta con esta ola y este año sigue.
Ver originalesResponder0
BearMarketSage
· 08-09 05:09
Realmente me cuesta un poco soportar esta ola de hype de web3...
Ver originalesResponder0
SchrodingerGas
· 08-09 04:54
¿Otra vez un montón de oportunidades de arbitraje en la caché de datos de segunda capa?
Ver originalesResponder0
AirdropDreamBreaker
· 08-09 04:53
Otra vez hablando, ¿no es el capital que toma a la gente por tonta?
Fusión de Web3 y AI: exploración clave para construir la infraestructura de Internet de nueva generación
Exploración de la fusión de AI y Web3: Construyendo la infraestructura de Internet de próxima generación
Web3, como un nuevo paradigma de Internet descentralizado, abierto y transparente, tiene un potencial de fusión inherente con la tecnología AI. Bajo la arquitectura centralizada tradicional, los recursos de cálculo y datos de AI están estrictamente limitados, enfrentándose a múltiples desafíos como cuellos de botella en la capacidad de cálculo, filtraciones de privacidad y cajas negras algorítmicas. En cambio, Web3, basado en tecnología distribuida, puede proporcionar un nuevo impulso al desarrollo de AI a través de redes de cálculo compartido, mercados de datos abiertos y computación en privacidad. Al mismo tiempo, AI también puede aportar numerosos beneficios al ecosistema Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa. Por lo tanto, explorar la combinación de Web3 y AI es de gran importancia para construir la infraestructura de Internet de nueva generación y liberar el valor de los datos y la capacidad de cálculo.
Datos impulsados: la piedra angular de la IA y Web3
Los datos son el motor impulsor del desarrollo de la IA. Los modelos de IA necesitan absorber 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 principales problemas de los modelos tradicionales de adquisición y uso de datos de IA centralizados son los siguientes:
Web3 ofrece un nuevo paradigma de datos descentralizados para abordar estos puntos críticos:
Sin embargo, la obtención de datos del mundo real todavía enfrenta algunos problemas, como la calidad de los datos que varía, la dificultad de procesamiento, la falta de diversidad y representatividad, entre otros. Los datos sintéticos podrían convertirse en la estrella futura del campo de datos de Web3. Basados en la tecnología de IA generativa y simulaciones, los datos sintéticos pueden simular las propiedades de los datos reales, sirviendo como un complemento efectivo para mejorar la eficiencia del uso de datos. En campos como la conducción autónoma, el comercio en los mercados financieros y el desarrollo de juegos, los datos sintéticos han demostrado un potencial de aplicación maduro.
Protección de la privacidad: el papel de la criptografía homomórfica completa
En la era impulsada por los 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 UE refleja una estricta protección de la privacidad personal. Sin embargo, esto también ha traído desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.
La criptografía homomórfica total (FHE) permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrarlos, y los resultados de los cálculos son consistentes con los resultados de los datos en texto claro. FHE proporciona una sólida protección para el cálculo de privacidad en IA, lo que permite que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos en un entorno sin contacto con los datos originales. Esto representa una gran ventaja para las empresas de IA, ya que pueden ofrecer servicios API de manera segura mientras protegen 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 filtración de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de cálculo seguro para 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 cómputo: Computación AI en redes descentralizadas
La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento exponencial en la demanda de potencia de cálculo, superando con creces la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un gran modelo de lenguaje 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 progreso de la tecnología de IA, sino que también hace que los modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la tasa de utilización global de GPU es inferior al 40%, junto con la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en 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 económica.
La red de potencia computacional de IA descentralizada agrega recursos de GPU inactivos a nivel mundial, proporcionando a las empresas de IA un mercado de potencia computacional económico y de fácil acceso. Los demandantes de potencia computacional pueden publicar tareas de cálculo en la red, los contratos inteligentes asignan las tareas a los nodos que contribuyen con potencia computacional, los nodos ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver el problema del cuello de botella en la potencia computacional en campos como la IA.
Además de las redes de potencia de cálculo descentralizadas generales, también hay plataformas centradas en el entrenamiento de IA y redes de potencia de cálculo dedicadas a la inferencia de IA. Las redes de potencia de cálculo descentralizadas ofrecen un mercado de potencia de cálculo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia de cálculo. En el ecosistema Web3, las redes de potencia de cálculo descentralizadas jugarán un papel clave, atrayendo más aplicaciones innovadoras para unirse y promoviendo conjuntamente el desarrollo y la aplicación de la tecnología de IA.
DePIN: Web3 empoderando la IA en el borde
La inteligencia artificial en el borde permite que el cálculo ocurra en el origen de la generación de datos, logrando una baja latencia y procesamiento en tiempo real, al mismo tiempo que protege la privacidad del usuario. La tecnología de IA en el borde 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, y DePIN puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos al procesar datos de forma local; el mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de cálculo y construir un ecosistema sostenible.
Actualmente, DePIN está desarrollándose rápidamente en el ecosistema de cierta cadena pública, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública brindan un gran apoyo a los proyectos DePIN. En la actualidad, la capitalización de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y varios proyectos conocidos han logrado avances significativos.
IMO: Nuevo paradigma de lanzamiento 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 reparto de beneficios, los desarrolladores de modelos de IA a menudo tienen dificultades para obtener ingresos continuos de la utilización posterior del modelo, especialmente cuando el modelo se integra en otros productos y servicios. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los inversores y usuarios potenciales evalúen su verdadero valor, limitando el reconocimiento en el mercado y el potencial comercial del modelo.
IMO proporciona un nuevo método de apoyo financiero y compartición de valor para modelos de IA de código abierto, donde los inversores pueden comprar tokens IMO y compartir los ingresos generados por el modelo en el futuro. Un protocolo utiliza un estándar ERC específico, combinando tecnología de oráculos de IA y 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 proporcionando impulso para el desarrollo sostenible de la tecnología de IA. Actualmente, el IMO se encuentra en una etapa inicial de prueba, pero a medida que aumenta la aceptación del mercado y se amplía el alcance de la participación, su innovación y valor potencial son dignos de esperar.
Agente de IA: Una nueva era de experiencia interactiva
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones adecuadas para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje de gran tamaño, 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 sobre las preferencias del usuario a través de la interacción y ofreciendo soluciones personalizadas. Incluso sin instrucciones explícitas, el Agente de IA puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.
Una plataforma nativa de aplicaciones de IA abierta ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones, apariencia, sonido de robots y conectar bases de datos externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto, empoderando a las personas para convertirse en creadores superpoderosos mediante tecnología de IA generativa. La plataforma ha entrenado modelos de lenguaje de gran tamaño específicos, haciendo que la interpretación de personajes sea más humanizada; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo el costo de síntesis de voz en un 99%, y la clonación de voz se puede realizar en solo 1 minuto. Los agentes de IA personalizados de esta plataforma se pueden aplicar actualmente en múltiples campos como video chat, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 y AI, actualmente se está explorando más la capa 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 potencia de cálculo descentralizada, cómo validar modelos de lenguaje grandes y otros problemas clave. A medida que estas infraestructuras se vayan perfeccionando gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.