La fusión de Web3 e inteligencia artificial: construyendo la infraestructura de Internet de próxima generación
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, presenta oportunidades de fusión natural con la inteligencia artificial. En la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA están estrictamente controlados, enfrentando numerosos desafíos como cuellos de botella en la potencia de cálculo, filtraciones de privacidad y algoritmos de caja negra. En cambio, Web3, basado en tecnologías distribuidas, puede inyectar nueva energía al desarrollo de la IA a través de redes de potencia compartida, mercados de datos abiertos y cálculos de privacidad. Al mismo tiempo, la IA también puede proporcionar muchas capacidades para Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, ayudando en la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y la IA es de gran importancia para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la potencia de cálculo.
Impulsado por datos: La sólida base de la IA y Web3
Los datos son el motor principal que impulsa el desarrollo de la IA. Los modelos de IA necesitan procesar grandes cantidades de datos de alta calidad para obtener una comprensión profunda y una capacidad de razonamiento sólida. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.
Los modelos tradicionales de obtención y utilización de datos de IA centralizados presentan los siguientes problemas:
El costo de obtención de datos es alto, y las pequeñas y medianas empresas tienen dificultades para soportarlo.
Los recursos de datos están monopolizados por gigantes tecnológicos, creando islas de datos.
Los datos personales enfrentan el riesgo de filtración y abuso.
Web3 ha propuesto un nuevo paradigma de datos descentralizados para abordar estos puntos críticos:
Los usuarios pueden vender recursos de red no utilizados a empresas de IA, capturando datos de red de manera descentralizada, proporcionando datos reales y de alta calidad para el entrenamiento de modelos de IA.
Adoptar el modelo de "minería por etiquetado", incentivando a trabajadores de todo el mundo a participar en la anotación de datos mediante tokens, reuniendo conocimientos profesionales a nivel 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.
A pesar de ello, la obtención de datos del mundo real todavía presenta problemas como la calidad inconsistente, la dificultad de procesamiento, la diversidad y la falta de representatividad. Los datos sintéticos podrían ser la estrella del futuro en el campo de los datos de Web3. Basados en 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 en el uso de datos. En campos como la conducción autónoma, el comercio en los mercados financieros y el desarrollo de juegos, los datos sintéticos ya han mostrado un potencial de aplicación maduro.
Protección de la privacidad: el papel de la encriptación homomórfica completa 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 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 de totalmente homomórfica ( FHE ) permite realizar operaciones de cálculo directamente sobre datos cifrados, sin necesidad de descifrar los datos, y los resultados de los cálculos son consistentes con los resultados de realizar el mismo cálculo sobre los 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 e inferencia de modelos sin tocar los datos originales. Esto trae enormes ventajas a las empresas de IA, permitiendo abrir servicios API de manera segura mientras se protege el secreto comercial.
El aprendizaje automático de cifrado homomórfico ( FHEML ) admite el procesamiento encriptado de datos y modelos durante todo el ciclo de aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. FHEML es un complemento del aprendizaje automático de conocimiento cero ( ZKML ), donde ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo en datos encriptados para mantener la privacidad de los datos.
Revolución del poder de cálculo: IA 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 el suministro actual de recursos computacionales. Por ejemplo, el entrenamiento del modelo GPT-3 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 los modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la utilización global de GPU es inferior al 40%, sumado a la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips causada por factores de la cadena de suministro y geopolíticos, lo que agrava el problema del suministro de capacidad de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware, o alquilan recursos en la nube; necesitan urgentemente una forma de servicio de cálculo que sea bajo demanda y económicamente eficiente.
Algunas redes de computación descentralizada de IA agregan recursos de GPU inactivos de todo el mundo, proporcionando un mercado de computación económico y fácil de usar para las empresas de IA. Los solicitantes de computación pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con su poder de cómputo. Los mineros ejecutan las tareas y envían los resultados, y después de la verificación, reciben recompensas en forma de puntos. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver los cuellos de botella en el poder de cómputo en campos como la IA.
Además de las redes de potencia de cómputo descentralizadas generales, existen redes de potencia de cómputo especializadas enfocadas en el entrenamiento e inferencia de IA. Las redes de potencia de cómputo descentralizadas ofrecen un mercado de potencia de cómputo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia de cómputo. En el ecosistema Web3, las redes de potencia de cómputo descentralizadas desempeñarán un papel clave, atrayendo más aplicaciones descentralizadas innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.
Red de Infraestructura Física Distribuida: Web3 potencia la IA en el borde
La inteligencia artificial de borde permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real y de baja latencia, al mismo tiempo que protege la privacidad del usuario. Esta tecnología se ha aplicado en campos críticos como la conducción autónoma. En el ámbito de Web3, la red de infraestructura física distribuida ( DePIN ) es un concepto más familiar. Web3 enfatiza la descentralización y la soberanía de los datos del usuario; DePIN, al procesar datos localmente, puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtración de datos. El mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos DePIN a proporcionar recursos de cálculo y construir un ecosistema sostenible.
Actualmente, DePIN se está desarrollando rápidamente en ciertos ecosistemas de cadenas públicas, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. Su alta TPS, bajos costos de transacción e innovación tecnológica brindan un fuerte apoyo a los proyectos DePIN. Algunos de los proyectos DePIN más conocidos han logrado avances significativos en estos ecosistemas.
Emisión del modelo inicial: Nueva paradigma de publicación de modelos de IA
El concepto de emisión del modelo inicial ( IMO ) tokeniza modelos de IA. En el modelo tradicional, debido a la falta de un mecanismo de reparto de beneficios, es difícil para los desarrolladores obtener ingresos sostenidos de los usos posteriores del modelo, especialmente cuando el modelo se integra en otros productos y servicios. Además, el rendimiento y los efectos de los modelos de IA a menudo carecen de transparencia, lo que dificulta a los inversores y usuarios potenciales evaluar su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.
IMO ofrece una nueva forma de financiamiento y de compartir el 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. Algunos proyectos utilizan estándares específicos de blockchain, combinando oráculos de IA y tecnologías de aprendizaje automático en la cadena 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 aportando impulso al desarrollo sostenible de la tecnología AI. Actualmente, el IMO aún se encuentra en una fase 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 expectativa.
Agentes de IA: Una nueva era de experiencias interactivas
Los agentes de IA pueden percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, los agentes de IA no solo pueden entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden funcionar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y proporcionando soluciones personalizadas. Incluso sin instrucciones explícitas, los agentes de IA pueden resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.
Algunas plataformas de aplicaciones nativas de IA abiertas ofrecen un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar funciones de robots, apariencia, sonido y conexión a bibliotecas de conocimiento externas, dedicándose a crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, estas plataformas empoderan a las personas para convertirse en supercreadores. Algunas plataformas han entrenado modelos de lenguaje específicos, haciendo que el juego de roles sea más humano; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA y reducir significativamente los costos de síntesis de voz. Los agentes inteligentes de IA personalizados utilizando estas plataformas pueden aplicarse actualmente en múltiples campos como chat de video, aprendizaje de idiomas, generación de imágenes, entre otros.
Actualmente, la fusión de Web3 con la IA se centra más en la exploración de la infraestructura, incluyendo 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, y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que se vayan mejorando gradualmente estas infraestructuras, tenemos razones para creer que la fusión de Web3 y la IA dará lugar a una serie de modelos comerciales y servicios innovadores.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
18 me gusta
Recompensa
18
7
Compartir
Comentar
0/400
BrokenYield
· hace20h
Fusionar para detonar una nueva oportunidad de negocio
Ver originalesResponder0
BlockchainThinkTank
· hace20h
La prioridad urgente es mejorar la seguridad
Ver originalesResponder0
ContractTester
· 07-02 02:42
¿Quién proporcionará la potencia computacional?
Ver originalesResponder0
GateUser-cff9c776
· 07-02 02:41
La verdad se ve en la burbuja.
Ver originalesResponder0
RektHunter
· 07-02 02:28
El futuro tiene mucho potencial.
Ver originalesResponder0
pvt_key_collector
· 07-02 02:16
La primavera de los frikis tecnológicos ha llegado.
Fusión de Web3 y AI: Construyendo la infraestructura de internet de próxima generación
La fusión de Web3 e inteligencia artificial: construyendo la infraestructura de Internet de próxima generación
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, presenta oportunidades de fusión natural con la inteligencia artificial. En la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA están estrictamente controlados, enfrentando numerosos desafíos como cuellos de botella en la potencia de cálculo, filtraciones de privacidad y algoritmos de caja negra. En cambio, Web3, basado en tecnologías distribuidas, puede inyectar nueva energía al desarrollo de la IA a través de redes de potencia compartida, mercados de datos abiertos y cálculos de privacidad. Al mismo tiempo, la IA también puede proporcionar muchas capacidades para Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, ayudando en la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y la IA es de gran importancia para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la potencia de cálculo.
Impulsado por datos: La sólida base de la IA y Web3
Los datos son el motor principal que impulsa el desarrollo de la IA. Los modelos de IA necesitan procesar grandes cantidades de datos de alta calidad para obtener una comprensión profunda y una capacidad de razonamiento sólida. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.
Los modelos tradicionales de obtención y utilización de datos de IA centralizados presentan los siguientes problemas:
Web3 ha propuesto un nuevo paradigma de datos descentralizados para abordar estos puntos críticos:
A pesar de ello, la obtención de datos del mundo real todavía presenta problemas como la calidad inconsistente, la dificultad de procesamiento, la diversidad y la falta de representatividad. Los datos sintéticos podrían ser la estrella del futuro en el campo de los datos de Web3. Basados en 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 en el uso de datos. En campos como la conducción autónoma, el comercio en los mercados financieros y el desarrollo de juegos, los datos sintéticos ya han mostrado un potencial de aplicación maduro.
Protección de la privacidad: el papel de la encriptación homomórfica completa 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 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 de totalmente homomórfica ( FHE ) permite realizar operaciones de cálculo directamente sobre datos cifrados, sin necesidad de descifrar los datos, y los resultados de los cálculos son consistentes con los resultados de realizar el mismo cálculo sobre los 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 e inferencia de modelos sin tocar los datos originales. Esto trae enormes ventajas a las empresas de IA, permitiendo abrir servicios API de manera segura mientras se protege el secreto comercial.
El aprendizaje automático de cifrado homomórfico ( FHEML ) admite el procesamiento encriptado de datos y modelos durante todo el ciclo de aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. FHEML es un complemento del aprendizaje automático de conocimiento cero ( ZKML ), donde ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo en datos encriptados para mantener la privacidad de los datos.
Revolución del poder de cálculo: IA 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 el suministro actual de recursos computacionales. Por ejemplo, el entrenamiento del modelo GPT-3 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 los modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la utilización global de GPU es inferior al 40%, sumado a la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips causada por factores de la cadena de suministro y geopolíticos, lo que agrava el problema del suministro de capacidad de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware, o alquilan recursos en la nube; necesitan urgentemente una forma de servicio de cálculo que sea bajo demanda y económicamente eficiente.
Algunas redes de computación descentralizada de IA agregan recursos de GPU inactivos de todo el mundo, proporcionando un mercado de computación económico y fácil de usar para las empresas de IA. Los solicitantes de computación pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con su poder de cómputo. Los mineros ejecutan las tareas y envían los resultados, y después de la verificación, reciben recompensas en forma de puntos. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver los cuellos de botella en el poder de cómputo en campos como la IA.
Además de las redes de potencia de cómputo descentralizadas generales, existen redes de potencia de cómputo especializadas enfocadas en el entrenamiento e inferencia de IA. Las redes de potencia de cómputo descentralizadas ofrecen un mercado de potencia de cómputo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia de cómputo. En el ecosistema Web3, las redes de potencia de cómputo descentralizadas desempeñarán un papel clave, atrayendo más aplicaciones descentralizadas innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.
Red de Infraestructura Física Distribuida: Web3 potencia la IA en el borde
La inteligencia artificial de borde permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real y de baja latencia, al mismo tiempo que protege la privacidad del usuario. Esta tecnología se ha aplicado en campos críticos como la conducción autónoma. En el ámbito de Web3, la red de infraestructura física distribuida ( DePIN ) es un concepto más familiar. Web3 enfatiza la descentralización y la soberanía de los datos del usuario; DePIN, al procesar datos localmente, puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtración de datos. El mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos DePIN a proporcionar recursos de cálculo y construir un ecosistema sostenible.
Actualmente, DePIN se está desarrollando rápidamente en ciertos ecosistemas de cadenas públicas, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. Su alta TPS, bajos costos de transacción e innovación tecnológica brindan un fuerte apoyo a los proyectos DePIN. Algunos de los proyectos DePIN más conocidos han logrado avances significativos en estos ecosistemas.
Emisión del modelo inicial: Nueva paradigma de publicación de modelos de IA
El concepto de emisión del modelo inicial ( IMO ) tokeniza modelos de IA. En el modelo tradicional, debido a la falta de un mecanismo de reparto de beneficios, es difícil para los desarrolladores obtener ingresos sostenidos de los usos posteriores del modelo, especialmente cuando el modelo se integra en otros productos y servicios. Además, el rendimiento y los efectos de los modelos de IA a menudo carecen de transparencia, lo que dificulta a los inversores y usuarios potenciales evaluar su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.
IMO ofrece una nueva forma de financiamiento y de compartir el 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. Algunos proyectos utilizan estándares específicos de blockchain, combinando oráculos de IA y tecnologías de aprendizaje automático en la cadena 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 aportando impulso al desarrollo sostenible de la tecnología AI. Actualmente, el IMO aún se encuentra en una fase 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 expectativa.
Agentes de IA: Una nueva era de experiencias interactivas
Los agentes de IA pueden percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, los agentes de IA no solo pueden entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden funcionar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y proporcionando soluciones personalizadas. Incluso sin instrucciones explícitas, los agentes de IA pueden resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.
Algunas plataformas de aplicaciones nativas de IA abiertas ofrecen un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar funciones de robots, apariencia, sonido y conexión a bibliotecas de conocimiento externas, dedicándose a crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, estas plataformas empoderan a las personas para convertirse en supercreadores. Algunas plataformas han entrenado modelos de lenguaje específicos, haciendo que el juego de roles sea más humano; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA y reducir significativamente los costos de síntesis de voz. Los agentes inteligentes de IA personalizados utilizando estas plataformas pueden aplicarse actualmente en múltiples campos como chat de video, aprendizaje de idiomas, generación de imágenes, entre otros.
Actualmente, la fusión de Web3 con la IA se centra más en la exploración de la infraestructura, incluyendo 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, y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que se vayan mejorando gradualmente estas infraestructuras, tenemos razones para creer que la fusión de Web3 y la IA dará lugar a una serie de modelos comerciales y servicios innovadores.