Слияние Web3 и искусственного интеллекта: создание инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная парадигма интернета имеет естественную возможность интеграции с искусственным интеллектом. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных строго контролируются, сталкиваясь с многочисленными проблемами, такими как узкие места в вычислительной мощности, утечка конфиденциальности и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может предоставить новые стимулы для развития ИИ за счет сетей распределенной вычислительной мощности, открытых рынков данных и вычислений с конфиденциальностью. Кроме того, ИИ также может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет важное значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные в движении: Надежная основа AI и Web3
Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо обрабатывать большие объемы высококачественных данных, чтобы достичь глубокого понимания и мощных аналитических возможностей. Данные не только обеспечивают базу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных ИИ имеют следующие проблемы:
Высокая стоимость получения данных, малым и средним предприятиям трудно это понести.
Данные ресурсы монополизируются технологическими гигантами, формируя острова данных
Личная информация подвержена рискам утечки и злоупотребления.
Web3 предложил новую децентрализованную парадигму данных для решения этих проблем:
Пользователи могут продавать неиспользуемые сетевые ресурсы компаниям ИИ, децентрализованно собирать сетевые данные, чтобы предоставить реальные и высококачественные данные для обучения моделей ИИ.
Используя модель "разметка как майнинг", с помощью токенов стимулируются глобальные работники для участия в разметке данных, собирая глобальные профессиональные знания.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и совместное использование данных.
Тем не менее, получение данных из реального мира по-прежнему сталкивается с проблемами неоднородного качества, сложностью обработки, недостаточной разнообразностью и представительностью. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологии генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: роль полностью однородного шифрования в Web3
В эпоху, движимую данными, защита конфиденциальности стала глобальным центром внимания. Принятие таких законов, как GDPR в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Тем не менее, это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделей ИИ.
Полностью гомоморфное шифрование ( FHE ) позволяет выполнять вычислительные операции непосредственно над зашифрованными данными, не требуя их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений, выполненных над открытыми данными. FHE предоставляет надежную защиту для приватных вычислений ИИ, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это предоставляет компаниям в области ИИ огромное преимущество, позволяя безопасно открывать API-сервисы, защищая при этом коммерческую тайну.
Полностью гомоморфное шифрование машинного обучения ( FHEML ) поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечки данных. FHEML является дополнением к нулевому знанию машинного обучения ( ZKML ), где ZKML подтверждает правильное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для поддержания конфиденциальности данных.
Революция вычислительных мощностей: AI вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающим существующие ресурсы. Например, для обучения модели GPT-3 требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает передовые модели AI недоступными для большинства исследователей и разработчиков.
В то же время, уровень использования GPU в мире составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказываются в сложной ситуации: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен доступный и экономичный способ вычислительных услуг по мере необходимости.
Некоторые децентрализованные сети вычислительной мощности AI, агрегируя неиспользуемые GPU-ресурсы по всему миру, предоставляют экономически выгодный и удобный рынок вычислительной мощности для компаний AI. Стороны, нуждающиеся в вычислительной мощности, могут публиковать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерскими узлами, которые вносят вычислительную мощность, майнеры выполняют задачи и отправляют результаты, а после проверки получают вознаграждение в виде баллов. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узкого места вычислительной мощности в таких областях, как AI.
Помимо общего децентрализованного вычислительного сети, существуют специализированные вычислительные сети, сосредоточенные на обучении и выводе ИИ. Децентрализованные вычислительные сети обеспечивают справедливый и прозрачный рынок вычислительных мощностей, разрывают монополию, снижают порог доступа к приложениям и повышают эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованные вычислительные сети будут играть ключевую роль, привлекая больше инновационных децентрализованных приложений, которые совместно будут способствовать развитию и применению технологий ИИ.
Распределенная физическая инфраструктурная сеть: Web3, дающая возможность крайним ИИ
Пограничный ИИ позволяет проводить вычисления на месте возникновения данных, обеспечивая низкие задержки и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Эта технология уже применяется в ключевых областях, таких как автономное вождение. В области Web3 распределённая сеть физических инфраструктур (DePIN) является более знакомым понятием. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных. Встроенный в Web3 механизм экономической токенизации может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность транзакций, низкие комиссии и технологические инновации предоставляют DePIN проектам мощную поддержку. Некоторые известные проекты DePIN уже достигли значительного прогресса в этих экосистемах.
Начальная модель выпуска: Новый парадигма выпуска AI моделей
Концепция первоначального выпуска модели ( IMO ) заключается в токенизации AI моделей. В традиционной модели, из-за отсутствия механизма распределения доходов, разработчикам трудно получать постоянный доход от дальнейшего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Кроме того, производительность и эффективность AI моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новые финансовые средства и способы совместного использования ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, получаемыми от модели в будущем. Некоторые проекты используют определенные стандарты блокчейна, сочетая AI оракулы и технологии машинного обучения на блокчейне для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.
Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальной стадии проб и экспериментов, но с увеличением уровня принятия на рынке и расширением сферы участия его инновационность и потенциальная ценность вызывают ожидания.
ИИ-агенты: новая эра взаимодействия
Искусственные интеллектуальные агенты могут воспринимать окружающую среду, мыслить самостоятельно и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей искусственные интеллектуальные агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие с ними и предоставляя персонализированные решения. Даже без явных инструкций искусственные интеллектуальные агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторые открытые платформы для создания приложений на основе ИИ предлагают полный и удобный набор инструментов для творчества, поддерживая пользователей в настройке функций, внешнего вида, голоса роботов и подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему контента на основе ИИ. Используя технологии генеративного ИИ, эти платформы наделяют индивидуумов супер-креативностью. Некоторые платформы обучили специализированные большие языковые модели, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с продуктами ИИ и значительно снизить затраты на синтез речи. С помощью этих платформ настраиваемые ИИ-агенты в настоящее время могут применяться в таких областях, как видеосвязь, изучение языков, генерация изображений и др.
В настоящее время слияние Web3 и ИИ больше сосредоточено на исследовании инфраструктурного уровня, включая вопросы получения качественных данных, защиты конфиденциальности данных, размещения моделей в цепочке, повышения эффективного использования децентрализованных вычислительных мощностей, а также проверки больших языковых моделей и другие ключевые вопросы. С учетом последовательного совершенствования этой инфраструктуры, у нас есть основания полагать, что слияние Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.
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.
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Слияние Web3 и искусственного интеллекта: создание инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная парадигма интернета имеет естественную возможность интеграции с искусственным интеллектом. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных строго контролируются, сталкиваясь с многочисленными проблемами, такими как узкие места в вычислительной мощности, утечка конфиденциальности и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может предоставить новые стимулы для развития ИИ за счет сетей распределенной вычислительной мощности, открытых рынков данных и вычислений с конфиденциальностью. Кроме того, ИИ также может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет важное значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные в движении: Надежная основа AI и Web3
Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо обрабатывать большие объемы высококачественных данных, чтобы достичь глубокого понимания и мощных аналитических возможностей. Данные не только обеспечивают базу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных ИИ имеют следующие проблемы:
Web3 предложил новую децентрализованную парадигму данных для решения этих проблем:
Тем не менее, получение данных из реального мира по-прежнему сталкивается с проблемами неоднородного качества, сложностью обработки, недостаточной разнообразностью и представительностью. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологии генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: роль полностью однородного шифрования в Web3
В эпоху, движимую данными, защита конфиденциальности стала глобальным центром внимания. Принятие таких законов, как GDPR в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Тем не менее, это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделей ИИ.
Полностью гомоморфное шифрование ( FHE ) позволяет выполнять вычислительные операции непосредственно над зашифрованными данными, не требуя их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений, выполненных над открытыми данными. FHE предоставляет надежную защиту для приватных вычислений ИИ, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это предоставляет компаниям в области ИИ огромное преимущество, позволяя безопасно открывать API-сервисы, защищая при этом коммерческую тайну.
Полностью гомоморфное шифрование машинного обучения ( FHEML ) поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечки данных. FHEML является дополнением к нулевому знанию машинного обучения ( ZKML ), где ZKML подтверждает правильное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для поддержания конфиденциальности данных.
Революция вычислительных мощностей: AI вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающим существующие ресурсы. Например, для обучения модели GPT-3 требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает передовые модели AI недоступными для большинства исследователей и разработчиков.
В то же время, уровень использования GPU в мире составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказываются в сложной ситуации: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен доступный и экономичный способ вычислительных услуг по мере необходимости.
Некоторые децентрализованные сети вычислительной мощности AI, агрегируя неиспользуемые GPU-ресурсы по всему миру, предоставляют экономически выгодный и удобный рынок вычислительной мощности для компаний AI. Стороны, нуждающиеся в вычислительной мощности, могут публиковать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерскими узлами, которые вносят вычислительную мощность, майнеры выполняют задачи и отправляют результаты, а после проверки получают вознаграждение в виде баллов. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узкого места вычислительной мощности в таких областях, как AI.
Помимо общего децентрализованного вычислительного сети, существуют специализированные вычислительные сети, сосредоточенные на обучении и выводе ИИ. Децентрализованные вычислительные сети обеспечивают справедливый и прозрачный рынок вычислительных мощностей, разрывают монополию, снижают порог доступа к приложениям и повышают эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованные вычислительные сети будут играть ключевую роль, привлекая больше инновационных децентрализованных приложений, которые совместно будут способствовать развитию и применению технологий ИИ.
Распределенная физическая инфраструктурная сеть: Web3, дающая возможность крайним ИИ
Пограничный ИИ позволяет проводить вычисления на месте возникновения данных, обеспечивая низкие задержки и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Эта технология уже применяется в ключевых областях, таких как автономное вождение. В области Web3 распределённая сеть физических инфраструктур (DePIN) является более знакомым понятием. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных. Встроенный в Web3 механизм экономической токенизации может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность транзакций, низкие комиссии и технологические инновации предоставляют DePIN проектам мощную поддержку. Некоторые известные проекты DePIN уже достигли значительного прогресса в этих экосистемах.
Начальная модель выпуска: Новый парадигма выпуска AI моделей
Концепция первоначального выпуска модели ( IMO ) заключается в токенизации AI моделей. В традиционной модели, из-за отсутствия механизма распределения доходов, разработчикам трудно получать постоянный доход от дальнейшего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Кроме того, производительность и эффективность AI моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новые финансовые средства и способы совместного использования ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, получаемыми от модели в будущем. Некоторые проекты используют определенные стандарты блокчейна, сочетая AI оракулы и технологии машинного обучения на блокчейне для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.
Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальной стадии проб и экспериментов, но с увеличением уровня принятия на рынке и расширением сферы участия его инновационность и потенциальная ценность вызывают ожидания.
ИИ-агенты: новая эра взаимодействия
Искусственные интеллектуальные агенты могут воспринимать окружающую среду, мыслить самостоятельно и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей искусственные интеллектуальные агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие с ними и предоставляя персонализированные решения. Даже без явных инструкций искусственные интеллектуальные агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторые открытые платформы для создания приложений на основе ИИ предлагают полный и удобный набор инструментов для творчества, поддерживая пользователей в настройке функций, внешнего вида, голоса роботов и подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему контента на основе ИИ. Используя технологии генеративного ИИ, эти платформы наделяют индивидуумов супер-креативностью. Некоторые платформы обучили специализированные большие языковые модели, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с продуктами ИИ и значительно снизить затраты на синтез речи. С помощью этих платформ настраиваемые ИИ-агенты в настоящее время могут применяться в таких областях, как видеосвязь, изучение языков, генерация изображений и др.
В настоящее время слияние Web3 и ИИ больше сосредоточено на исследовании инфраструктурного уровня, включая вопросы получения качественных данных, защиты конфиденциальности данных, размещения моделей в цепочке, повышения эффективного использования децентрализованных вычислительных мощностей, а также проверки больших языковых моделей и другие ключевые вопросы. С учетом последовательного совершенствования этой инфраструктуры, у нас есть основания полагать, что слияние Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.