Web3 как новая парадигма интернета, основанная на децентрализации, открытости и прозрачности, имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существуют множество проблем, таких как瓶颈 вычислительной мощности, утечка конфиденциальности и черные ящики алгоритмов. В то время как Web3, основанный на распределенных технологиях, может предоставить новые возможности для развития ИИ через совместные сети вычислительных мощностей, открытые рынки данных и вычисления с защитой конфиденциальности. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному развитию. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются核心动力, который推动ит развитие ИИ, как топливо для двигателя. Модели ИИ нуждаются в переработке большого объема качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают базу для обучения моделей машинного обучения, но также определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их понести
Данные ресурсы монополизированы технологическими гигантами, формируя изолированные данные.
Личное данные подвергаются риску утечки и злоупотребления
Web3 может решить болевые точки традиционных моделей с помощью новой Децентрализации данных.
Сбор сетевых данных децентрализованным способом, очистка и преобразование их для предоставления реальных и высококачественных данных для обучения моделей ИИ.
Используя модель "label to earn", мы стимулируем работников по всему миру участвовать в аннотировании данных с помощью токенов, собирая мировые профессиональные знания и усиливая аналитические возможности данных.
Платформа для торговли данными на блокчейне предоставляет сторонам спроса и предложения открытое и прозрачное торговое окружение, стимулируя инновации и обмен данными.
Тем не менее, в реальном мире существуют некоторые проблемы с получением данных, такие как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т. д. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе технологий генеративного ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность их использования. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже показали свой зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху, управляемую данными, защита личной информации стала предметом глобального внимания. Введение таких нормативных актов, как Общий регламент по защите данных (GDPR) Европейского Союза, отражает строгую охрану личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности рассуждения AI-моделей.
FHE, то есть полностью гомоморфное шифрование, позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при тех же вычислениях на открытых данных.
FHE предоставляет надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода модели в среде, не касаясь исходных данных. Это приносит огромные преимущества компаниям AI. Они могут безопасно открывать API-сервисы, защищая коммерческую тайну.
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 конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML подтверждает правильность выполнения машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Вычислительная мощность революция: Децентрализация сети с AI вычислениями
Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительной мощности, значительно превышающей доступные вычислительные ресурсы. Например, для обучения известной модели ИИ требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительной мощности не только ограничивает прогресс технологий ИИ, но и делает высококлассные модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитической обстановкой, усугубляют проблему поставок вычислительной мощности. Специалисты в области ИИ оказались в затруднительном положении: либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно требуется способ получения вычислительных услуг по требованию и экономически эффективный.
Некоторые сети вычислительной мощности на основе децентрализации AI объединяют неиспользуемые ресурсы GPU по всему миру, предоставляя AI-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнинговыми узлами, которые вносят вычислительную мощность. Майнеры выполняют задачи и отправляют результаты, получая баллы в качестве вознаграждения после проверки. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест вычислительной мощности в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной мощности сети, существуют платформы, специализированные на обучении ИИ, а также специализированные вычислительные сети для вывода ИИ.
Децентрализованная вычислительная мощность предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог входа для приложений и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная мощность сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий AI.
DePIN: Web3 предоставляет возможности Edge AI
Представьте себе, что ваш телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — в этом и заключается привлекательность 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 имя — DePIN. Web3 акцентирует внимание на Децентрализации и суверенитете пользовательских данных, DePIN может усилить защиту конфиденциальности пользователей и снизить риск утечки данных, обрабатывая данные локально; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистемах некоторых публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие комиссии за транзакции и технологические инновации этих публичных блокчейнов обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация некоторых проектов DePIN на публичных блокчейнах уже превышает 10 миллиардов долларов, и несколько известных проектов добились значительного прогресса.
IMO：Новая парадигма выпуска AI моделей
Концепция IMO была впервые предложена некоторым протоколом для токенизации AI-моделей.
В традиционной модели из-за отсутствия механизма разделения доходов, как только модель ИИ разрабатывается и выходит на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Исходным создателям сложно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность моделей ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и совместного использования ценностей для открытых AI моделей. Инвесторы могут приобретать токены IMO, чтобы делиться доходами, полученными от модели в будущем. Некоторые протоколы используют определенные стандарты ERC, сочетая AI оракулы и технологии OPML, чтобы обеспечить подлинность AI моделей и возможность держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. В настоящее время IMO 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 Agent: Новая эра взаимодействия
AI Агент может воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения установленных целей. При поддержке больших языковых моделей, AI Агент не только может понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких указаний, AI Агент может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторые открытые платформы для нативных приложений AI предлагают полный и удобный набор инструментов для создания, позволяя пользователям настраивать функции, внешний вид и звук роботов, а также подключать внешние базы знаний, стремясь создать справедливую и открытую экосистему контента AI и используя технологии генеративного AI, чтобы наделить людей возможностями становиться супер-креативщиками. Эти платформы обучили специальные большие языковые модели, что сделало ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие продуктов AI, значительно снизив стоимость синтеза речи, при этом клонирование голоса занимает всего 1 минуту. AI-агенты, настроенные с использованием этих платформ, в настоящее время могут быть применены в таких областях, как видеозвонки, изучение языков, создание изображений и многих других.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованиям на уровне инфраструктуры, таким как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованной вычислительной мощности, а также верификация больших языковых моделей и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и AI приведет к появлению 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» .
14 Лайков
Награда
14
9
Поделиться
комментарий
0/400
WenMoon
· 07-21 17:28
А это ощущение, что web3.0 все еще продается хуже, чем торги акциями!
Посмотреть ОригиналОтветить0
GateUser-c799715c
· 07-21 16:47
Снова говорят о реальных приложениях web3.
Посмотреть ОригиналОтветить0
AirdropChaser
· 07-20 22:17
бык в Web3 с AI вместе - вот что важно
Посмотреть ОригиналОтветить0
PensionDestroyer
· 07-20 03:47
Невозможно заработать.
Посмотреть ОригиналОтветить0
SchrodingersPaper
· 07-18 17:58
Снова приходит волна налога на IQ... бумажные руки ждут, чтобы покупать падения
Посмотреть ОригиналОтветить0
FunGibleTom
· 07-18 17:53
войти в позицию не обращай внимания на столько много web3+ai это будущее
Посмотреть ОригиналОтветить0
DAOplomacy
· 07-18 17:52
возможно, это элегантная теория, но зависимости от пути здесь создают нетривиальные внешние эффекты...
Посмотреть ОригиналОтветить0
GasFeeLover
· 07-18 17:39
Эй, как насчет расходов на вычислительную мощность~
Посмотреть ОригиналОтветить0
staking_gramps
· 07-18 17:30
Приватные вычисления обсуждали целый день, но это только разговор
Слияние Web3 и ИИ: переосмысление данных, конфиденциальности и вычислительной мощности
Web3 как новая парадигма интернета, основанная на децентрализации, открытости и прозрачности, имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существуют множество проблем, таких как瓶颈 вычислительной мощности, утечка конфиденциальности и черные ящики алгоритмов. В то время как Web3, основанный на распределенных технологиях, может предоставить новые возможности для развития ИИ через совместные сети вычислительных мощностей, открытые рынки данных и вычисления с защитой конфиденциальности. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному развитию. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: Искусственный интеллект и Web3
Данные являются核心动力, который推动ит развитие ИИ, как топливо для двигателя. Модели ИИ нуждаются в переработке большого объема качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают базу для обучения моделей машинного обучения, но также определяют точность и надежность модели.
В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:
Web3 может решить болевые точки традиционных моделей с помощью новой Децентрализации данных.
Тем не менее, в реальном мире существуют некоторые проблемы с получением данных, такие как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т. д. Синтетические данные могут стать звездой будущего сектора данных Web3. На основе технологий генеративного ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность их использования. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже показали свой зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху, управляемую данными, защита личной информации стала предметом глобального внимания. Введение таких нормативных актов, как Общий регламент по защите данных (GDPR) Европейского Союза, отражает строгую охрану личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности рассуждения AI-моделей.
FHE, то есть полностью гомоморфное шифрование, позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при тех же вычислениях на открытых данных.
FHE предоставляет надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода модели в среде, не касаясь исходных данных. Это приносит огромные преимущества компаниям AI. Они могут безопасно открывать API-сервисы, защищая коммерческую тайну.
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 конфиденциальность данных и предоставляет безопасную вычислительную среду для AI-приложений.
FHEML является дополнением к ZKML, ZKML подтверждает правильность выполнения машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Вычислительная мощность революция: Децентрализация сети с AI вычислениями
Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительной мощности, значительно превышающей доступные вычислительные ресурсы. Например, для обучения известной модели ИИ требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительной мощности не только ограничивает прогресс технологий ИИ, но и делает высококлассные модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитической обстановкой, усугубляют проблему поставок вычислительной мощности. Специалисты в области ИИ оказались в затруднительном положении: либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно требуется способ получения вычислительных услуг по требованию и экономически эффективный.
Некоторые сети вычислительной мощности на основе децентрализации AI объединяют неиспользуемые ресурсы GPU по всему миру, предоставляя AI-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнинговыми узлами, которые вносят вычислительную мощность. Майнеры выполняют задачи и отправляют результаты, получая баллы в качестве вознаграждения после проверки. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест вычислительной мощности в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной мощности сети, существуют платформы, специализированные на обучении ИИ, а также специализированные вычислительные сети для вывода ИИ.
Децентрализованная вычислительная мощность предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог входа для приложений и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная мощность сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий AI.
DePIN: Web3 предоставляет возможности Edge AI
Представьте себе, что ваш телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — в этом и заключается привлекательность 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 имя — DePIN. Web3 акцентирует внимание на Децентрализации и суверенитете пользовательских данных, DePIN может усилить защиту конфиденциальности пользователей и снизить риск утечки данных, обрабатывая данные локально; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистемах некоторых публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие комиссии за транзакции и технологические инновации этих публичных блокчейнов обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация некоторых проектов DePIN на публичных блокчейнах уже превышает 10 миллиардов долларов, и несколько известных проектов добились значительного прогресса.
IMO：Новая парадигма выпуска AI моделей
Концепция IMO была впервые предложена некоторым протоколом для токенизации AI-моделей.
В традиционной модели из-за отсутствия механизма разделения доходов, как только модель ИИ разрабатывается и выходит на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Исходным создателям сложно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность моделей ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и совместного использования ценностей для открытых AI моделей. Инвесторы могут приобретать токены IMO, чтобы делиться доходами, полученными от модели в будущем. Некоторые протоколы используют определенные стандарты ERC, сочетая AI оракулы и технологии OPML, чтобы обеспечить подлинность AI моделей и возможность держателей токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. В настоящее время IMO 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 Agent: Новая эра взаимодействия
AI Агент может воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения установленных целей. При поддержке больших языковых моделей, AI Агент не только может понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких указаний, AI Агент может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторые открытые платформы для нативных приложений AI предлагают полный и удобный набор инструментов для создания, позволяя пользователям настраивать функции, внешний вид и звук роботов, а также подключать внешние базы знаний, стремясь создать справедливую и открытую экосистему контента AI и используя технологии генеративного AI, чтобы наделить людей возможностями становиться супер-креативщиками. Эти платформы обучили специальные большие языковые модели, что сделало ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие продуктов AI, значительно снизив стоимость синтеза речи, при этом клонирование голоса занимает всего 1 минуту. AI-агенты, настроенные с использованием этих платформ, в настоящее время могут быть применены в таких областях, как видеозвонки, изучение языков, создание изображений и многих других.
В融合 Web3 и AI в настоящее время больше внимания уделяется исследованиям на уровне инфраструктуры, таким как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованной вычислительной мощности, а также верификация больших языковых моделей и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и AI приведет к появлению ряда инновационных бизнес-моделей и услуг.