Un mercado de IA descentralizado exitoso debe combinar estrechamente las ventajas de IA y Web3, aprovechar el valor agregado de la distribución, la confirmación de derechos de activos, la distribución de ingresos y el poder de cómputo descentralizado, reducir el umbral para las aplicaciones de IA y alentar a los desarrolladores a cargar y Comparta modelos mientras protege los derechos de privacidad de los datos de los usuarios y cree una plataforma de intercambio e intercambio de recursos de IA fácil de usar para desarrolladores que satisfaga las necesidades de los usuarios.
El mercado de IA basado en datos tiene un mayor potencial. El mercado del modelo muerto necesita el apoyo de una gran cantidad de modelos de alta calidad, pero la falta de una base de usuarios y recursos de alta calidad en la plataforma inicial dificulta que los proveedores de modelos excelentes atraigan modelos de alta calidad; mientras que el El mercado basado en datos está descentralizado y distribuido La recopilación, el diseño de la capa de incentivos y la garantía de propiedad de los datos pueden acumular una gran cantidad de datos y recursos valiosos, especialmente datos de dominio privado. Sin embargo, los mercados de datos también deben abordar el desafío de la protección de la privacidad de los datos, y las soluciones incluyen el diseño de políticas más flexibles que permitan a los usuarios personalizar la configuración de los niveles de privacidad.
El éxito del mercado de IA descentralizado se basa en la acumulación de recursos de usuario y fuertes efectos de red. Los usuarios y desarrolladores pueden obtener más valor del mercado del que pueden obtener fuera del mercado. En los primeros días del mercado, la atención se centra en acumular modelos de alta calidad para atraer y retener a los usuarios, y luego, después de establecer una biblioteca de modelos de alta calidad y barreras de datos, se convierte en atraer y retener a más usuarios finales. Además, un excelente mercado de IA debe encontrar un equilibrio entre los intereses de todas las partes y manejar adecuadamente factores como la propiedad de los datos, la calidad del modelo, la privacidad del usuario, la potencia informática y los algoritmos de incentivos.
1. Mercado de IA de Web3
1.1 Revisión de la pista de IA en el campo web3
Primero, revise las dos direcciones generales de la combinación de IA y criptografía que mencioné anteriormente, ZKML y red de potencia informática descentralizada👇
ZKML
ZKML hace que el modelo de IA sea transparente y verificable, lo que significa garantizar que los tres factores de la arquitectura del modelo, los parámetros y pesos del modelo y la entrada del modelo se puedan verificar en toda la red. La importancia de ZKML es crear la próxima etapa de valor para el mundo web3 sin sacrificar la descentralización y sin confianza, y brindar la capacidad de emprender aplicaciones más amplias y crear mayores posibilidades.
Empresas prospectivas: IA + Web3 = ？
Red de energía informática
Los recursos informáticos serán un importante campo de batalla en la próxima década, y la inversión futura en infraestructura informática de alto rendimiento aumentará exponencialmente. Los escenarios de aplicación de la potencia informática descentralizada se dividen en dos direcciones: razonamiento de modelos y entrenamiento de modelos.La demanda de entrenamiento de modelos grandes de IA es la mayor, pero también enfrenta los mayores desafíos y cuellos de botella técnicos. Incluyendo la necesidad de problemas complejos de sincronización de datos y optimización de red. Hay más oportunidades para implementar el razonamiento del modelo y el espacio incremental futuro que se puede predecir también es lo suficientemente grande.
**1.2 ¿Qué es AI Marketplace? **
Los mercados de IA no son un concepto muy nuevo, y Hugging Face es posiblemente el mercado de IA más exitoso (excepto por la ausencia de transacciones y mecanismos de fijación de precios). En el campo de la PNL, Hugging Face proporciona una plataforma comunitaria extremadamente importante y activa donde los desarrolladores y usuarios pueden compartir y utilizar varios modelos previamente entrenados.
Del éxito de Hugging Face, se puede ver que un mercado de IA necesita tener:
a. Recursos modelo
Hugging Face proporciona una gran cantidad de modelos preentrenados que cubren una variedad de tareas de PNL. Esta riqueza de recursos ha atraído a un gran número de usuarios, por lo que es la base para formar una comunidad activa y acumular usuarios.
b. Espíritu de código abierto + difundir y compartir
Hugging Face alienta a los desarrolladores a cargar y compartir sus modelos. Este espíritu de apertura e intercambio mejora la vitalidad de la comunidad y permite que un gran número de usuarios utilice rápidamente los últimos resultados de la investigación. Esto se basa en la acumulación de excelentes desarrolladores y modelos, lo que acelera la eficiencia de los resultados de investigación que se verifican y promueven.
c. Compatible con desarrolladores + fácil de usar
Hugging Face proporciona API y documentación fáciles de usar, lo que permite a los desarrolladores comprender y utilizar rápidamente los modelos que proporciona. Esto reduce el umbral de uso, mejora la experiencia del usuario y atrae a más desarrolladores.
Aunque Hugging Face no tiene un mecanismo de transacción, aún proporciona una plataforma importante para compartir y usar modelos de IA. Por lo tanto, también se puede ver que el mercado de IA tiene la oportunidad de convertirse en un recurso valioso para toda la industria.
Mercado de IA descentralizado en resumen:
Basado en los elementos anteriores, el mercado de IA descentralizado se basa en la tecnología blockchain, lo que permite a los usuarios tener la propiedad de sus propios datos y modelos de activos. El valor que aporta Web3 también se refleja en el mecanismo de incentivos y transacciones, los usuarios pueden elegir libremente o emparejar el modelo apropiado a través del sistema y, al mismo tiempo, también pueden poner sus propios modelos entrenados en los estantes para obtener beneficios.
Los usuarios tienen la propiedad de sus propios activos de IA, y el propio mercado de IA no tiene control sobre los datos y modelos. En cambio, el desarrollo del mercado depende de la base de usuarios y la consiguiente acumulación de modelos y datos. Esta acumulación es un proceso a largo plazo, pero también es un proceso de establecimiento gradual de barreras de productos. El desarrollo del mercado está respaldado por la cantidad de usuarios y la cantidad/calidad de modelos y datos cargados por los usuarios.
**1.3 ¿Por qué prestar atención al AI Marketplace de Web3? **
1.3.1 Compatible con la dirección general de la aplicación de potencia informática
Debido a la presión de la comunicación y otras razones, puede ser difícil implementar el poder de cómputo descentralizado en el modelo base de entrenamiento, pero la presión sobre el ajuste fino será mucho menor, por lo que tiene la oportunidad de convertirse en uno de los mejores escenarios para la implementación de sistemas centralizados. red de potencia de cómputo.
Un poco de conocimiento previo: por qué la etapa de ajuste fino es más fácil de aterrizar
Foresight Ventures: una visión racional de la red de energía informática descentralizada
El entrenamiento del modelo de IA se divide en preentrenamiento y ajuste. El entrenamiento previo implica una gran cantidad de datos y una gran cantidad de cálculos. Para obtener más detalles, consulte el análisis en mi artículo anterior. El ajuste fino se basa en el modelo base, utilizando datos específicos de la tarea para ajustar los parámetros del modelo de modo que el modelo tenga un mejor rendimiento para tareas específicas. Los recursos informáticos necesarios en la etapa de ajuste fino del modelo son mucho menores que los de la etapa previa etapa de entrenamiento Hay dos razones principales:
Volumen de datos: en la fase previa al entrenamiento, el modelo debe entrenarse en un conjunto de datos a gran escala para aprender una representación de lenguaje general. Por ejemplo, el preentrenamiento del modelo BERT se realiza sobre Wikipedia y BookCorpus, que contienen miles de millones de palabras. En la etapa de ajuste fino, el modelo generalmente solo necesita ser entrenado en un conjunto de datos a pequeña escala para una tarea específica. Por ejemplo, un conjunto de datos ajustado para una tarea de análisis de opiniones puede tener solo entre unos miles y decenas de miles de reseñas.
Número de pasos de entrenamiento: la etapa de preentrenamiento generalmente requiere millones o incluso miles de millones de pasos de entrenamiento, mientras que la etapa de ajuste fino generalmente solo necesita de miles a decenas de miles de pasos. Esto se debe a que la etapa de preentrenamiento necesita aprender la estructura básica y la semántica del lenguaje, mientras que la etapa de puesta a punto solo necesita ajustar una parte de los parámetros del modelo para adaptarse a una tarea específica.
Por ejemplo, si tomamos como ejemplo GPT3, la fase de preentrenamiento utiliza 45 TB de datos de texto para el entrenamiento, mientras que la fase de ajuste fino solo necesita ~5 GB de datos. El tiempo de entrenamiento para la fase de pre-entrenamiento toma de semanas a meses, mientras que la fase de puesta a punto solo toma de horas a días.
1.3.2 El punto de partida de la intersección de IA y criptografía
Para juzgar si un proyecto web3 es razonable, uno de los puntos más importantes es si es cripto por cripto, si el proyecto maximiza el valor que aporta web3 y si la adición de web3 aporta diferenciación. Obviamente, el valor agregado que web3 aporta a este mercado de IA no puede reemplazar la confirmación de derechos, la distribución de ingresos y el poder de cómputo.
Creo que un excelente mercado de IA de Web3 puede integrar estrechamente la IA y la criptografía. La combinación más perfecta no es lo que las aplicaciones o la infraestructura que el mercado de IA puede aportar a web3, sino lo que web3 puede proporcionar al mercado de IA. Obviamente, por ejemplo, cada usuario puede tener la propiedad de su propio modelo y datos de IA (como encapsular el modelo y los datos de IA como NFT), y también puede comercializarlos como productos básicos, lo que hace un buen uso de web3 can play valor. No solo motiva a los desarrolladores de IA y a los proveedores de datos, sino que también hace que la aplicación de la IA sea más amplia. Si un modelo es lo suficientemente bueno, el propietario tiene un incentivo más fuerte para subirlo a otros para compartirlo.
Al mismo tiempo, el mercado de IA descentralizado puede introducir algunos modelos comerciales nuevos, como modelos, venta y arrendamiento de datos, crowdsourcing de tareas, etc.
1.3.3 Reducir el umbral de aplicación de IA
Todos deberían y podrán entrenar sus propios modelos de inteligencia artificial, lo que requiere una plataforma con un umbral lo suficientemente bajo para proporcionar soporte de recursos, incluidos modelos base, herramientas, datos, potencia informática, etc.
1.3.4 Demanda y oferta
Aunque los modelos grandes tienen poderosas capacidades de razonamiento, no son omnipotentes. A menudo, el ajuste fino para tareas y escenarios específicos logrará mejores resultados y tendrá una viabilidad más sólida. Por lo tanto, desde el lado de la demanda, los usuarios necesitan un mercado de modelos de IA para obtener modelos útiles en diferentes escenarios; para los desarrolladores, necesitan una plataforma que pueda proporcionar una gran conveniencia de recursos para desarrollar modelos y obtener beneficios a través de su propio conocimiento profesional.
Segundo, basado en modelos versus basado en datos
2.1 Mercado modelo
modelo
Con las herramientas como punto de venta, como el primer eslabón del eslabón, el proyecto necesita atraer suficientes desarrolladores de modelos en la etapa inicial para implementar modelos de alta calidad, a fin de establecer la oferta para el mercado.
En este modo, los puntos principales que atraen a los desarrolladores son la infraestructura y las herramientas convenientes y fáciles de usar. Los datos dependen de la propia capacidad del desarrollador y de por qué algunas personas con experiencia en un campo determinado pueden crear valor. Los datos en este campo necesitan Los desarrolladores recopilan y ajustan modelos con un mejor rendimiento.
pensar
Recientemente, he visto muchos proyectos sobre la combinación del mercado de IA y web3, pero lo que pienso es: ¿Crear un modelo de mercado de IA descentralizado es una propuesta falsa?
En primer lugar, debemos pensar en una pregunta, ¿qué valor puede proporcionar web3?
Está lejos de ser suficiente si es solo el incentivo del token o la narrativa de la propiedad del modelo. Desde un punto de vista práctico, los modelos de alta calidad en la plataforma son el núcleo de todo el producto, y los modelos excelentes generalmente significan un valor económico extremadamente alto. Desde la perspectiva de los proveedores de modelos, necesitan suficiente motivación para implementar sus modelos de alta calidad en el mercado de IA, pero ¿pueden los incentivos que brindan el token y la propiedad cumplir con sus expectativas sobre el valor del modelo? Para una plataforma que carecía de una base de usuarios en los primeros días, obviamente está lejos de alcanzarse. Sin un modelo extremadamente bueno, no se establecerá todo el modelo de negocio. Entonces, la pregunta es cómo generar suficientes ingresos para los proveedores de modelos en ausencia de usuarios finales en la etapa inicial.
2.2 Mercado de datos
modelo
Basado en la recopilación descentralizada de datos, a través del diseño de la capa de incentivos y la narrativa de la propiedad de los datos a bordo de más proveedores de datos, así como de los usuarios que etiquetan los datos. Con la bendición de crypto, la plataforma tiene la oportunidad de acumular una gran cantidad de datos valiosos dentro de un cierto período de tiempo, especialmente los datos de dominio privado que faltan actualmente.
Lo que más me emociona es que este modelo de desarrollo de abajo hacia arriba se parece más a un juego de financiación colectiva. No importa cuán experimentadas sean las personas, es imposible tener datos completos en un campo, y uno de los valores que puede proporcionar web3 es la recopilación de datos sin permisos y descentralizada. Este modelo no solo puede concentrar experiencia y datos en varios campos, sino también proporcionar servicios de inteligencia artificial a un grupo de usuarios más grande. En comparación con los datos propios de un solo usuario, estos datos de crowdfunding se recopilan de una gran cantidad de escenarios reales de usuarios reales, por lo que pueden reflejar mejor la complejidad y diversidad del mundo real que los datos recopilados de una sola fuente, lo que puede mejorar en gran medida. La capacidad de generalización y la solidez del modelo permiten que el modelo de IA funcione bien en muchos entornos diferentes.
Por ejemplo, una persona puede tener mucha experiencia en nutrición y ha acumulado muchos datos, pero los datos personales por sí solos están lejos de ser suficientes para formar un modelo excelente. Si bien los usuarios comparten datos, también pueden acceder y utilizar datos valiosos aportados por otros usuarios en el mismo campo y en toda la red en la plataforma, para lograr mejores efectos de ajuste.
pensar
Desde esta perspectiva, también puede ser un buen intento de construir un mercado de datos descentralizado. Como un "producto básico" con umbrales más bajos, enlaces de producción más cortos y una densidad de proveedores más amplia, los datos pueden hacer un mejor uso del valor que puede proporcionar web3. El algoritmo de incentivo y el mecanismo de confirmación de datos pueden motivar a los usuarios a cargar datos. Según el modelo actual, los datos se parecen más a un producto de una sola vez, lo que significa que tienen poco valor después de usarse una vez. En el mercado del modelo de IA descentralizado, los datos de los usuarios se pueden usar repetidamente y se pueden beneficiar, y el valor de los datos se realizará en un período de tiempo más largo.
Parece ser una buena opción utilizar los datos como un punto de entrada para acumular usuarios. Uno de los núcleos y barreras del gran modelo son los datos multidimensionales y de alta calidad. Después de que una gran cantidad de proveedores de datos están a bordo, estas personas tienen la oportunidad de transformarse aún más en usuarios finales o proveedores modelo. El mercado de IA basado en esto puede proporcionar el valor subyacente para modelos excelentes y dar a los ingenieros de algoritmos la motivación para contribuir con modelos en la plataforma desde la perspectiva de los modelos de entrenamiento.
Esta dinámica es un cambio de 0 a 1. Ahora que las grandes empresas tienen grandes cantidades de datos, pueden entrenar modelos más precisos, lo que dificulta la competencia para las pequeñas empresas y los desarrolladores individuales. Incluso si un usuario tiene datos muy valiosos en un campo determinado, es difícil que esta pequeña parte de los datos tenga valor sin la cooperación de datos en un conjunto más grande. Sin embargo, en un mercado descentralizado, todos tienen la oportunidad de obtener y utilizar datos, y estos expertos se incorporan a la plataforma con valiosos datos incrementales, por lo que se ha mejorado aún más la calidad y cantidad de datos de la plataforma, lo que hace posible que todos para entrenar modelos excelentes e incluso promover la innovación en IA.
De hecho, los datos en sí están bien preparados para ser una barrera para la competencia en este tipo de mercado de IA. En primer lugar, una excelente capa de incentivos y garantías de privacidad seguras permiten que más inversores minoristas participen en todo el protocolo y contribuyan con datos. Y, a medida que aumenta el número de usuarios, también aumenta la calidad y la cantidad de datos. Esto generará efectos de comunidad y de red, haciendo que el mercado sea capaz de proporcionar mayor valor y dimensiones más amplias, por lo que será más atractivo para los nuevos usuarios.Este es el proceso de establecimiento de barreras para el mercado.
Básicamente, para crear un mercado de IA basado en datos, lo más importante son los siguientes 4 puntos:
Capa de incentivos: diseñe un algoritmo que pueda motivar de manera efectiva a los usuarios para que proporcionen datos de alta calidad, y es necesario equilibrar la fuerza de los incentivos y la sostenibilidad del mercado.
Privacidad: proteja la privacidad de los datos y garantice un uso eficiente de los mismos.
Usuarios: acumule usuarios rápidamente y recopile datos más valiosos en la etapa inicial.
Calidad de los datos: los datos provienen de diversas fuentes y es necesario diseñar mecanismos efectivos de control de calidad.
**¿Por qué el proveedor del modelo no aparece como un factor clave para mí en este escenario? **
La razón principal se basa en los cuatro puntos anteriores, y es lógico tener un excelente proveedor de modelos para unirse.
2.3 El valor y los desafíos del mercado de datos
Datos de dominio privado
El valor de los datos de dominio privado radica en su información única y difícil de obtener en un dominio específico, lo cual es especialmente importante para ajustar los modelos de IA. El uso de datos de dominio privado puede crear modelos más precisos y personalizados que superan a los modelos entrenados en conjuntos de datos públicos en escenarios específicos.
Ahora el proceso de construcción del modelo básico puede obtener una gran cantidad de datos públicos, por lo que el foco del mercado de datos web3 no está en estos datos. Cómo obtener y agregar datos de dominio privado durante el entrenamiento es actualmente un cuello de botella Al combinar datos de dominio privado con conjuntos de datos públicos, se puede aumentar la adaptabilidad del modelo a diversos problemas y necesidades del usuario y la precisión del modelo.
Por ejemplo, tomando como ejemplo los escenarios médicos y de salud, los modelos de IA que utilizan datos de dominio privado generalmente pueden aumentar la precisión de la predicción entre un 10 % y un 30 %. En referencia a la investigación de Stanford, el modelo de aprendizaje profundo que utiliza datos médicos de dominio privado es un 15 % más preciso para predecir el cáncer de pulmón que el modelo que utiliza datos públicos.
Privacidad de datos
¿Se convertirá la privacidad en el cuello de botella que restringe la IA + Web3? A juzgar por el desarrollo actual, la dirección de aterrizaje de la IA en web3 se ha ido aclarando gradualmente, pero parece que todas las aplicaciones no pueden evitar el tema de la privacidad. La potencia informática descentralizada necesita garantizar la integridad de los datos y los modelos tanto en el entrenamiento como en el razonamiento del modelo. Privacidad: una condición para que se establezca zkml es asegurar que el modelo no sea abusado por nodos maliciosos.
El mercado de IA se construye sobre la base de garantizar que los usuarios controlen sus propios datos. Por lo tanto, aunque los datos de los usuarios se recopilan de manera descentralizada y distribuida, todos los nodos no deben recopilar, procesar, almacenar, usar, etc. datos. Los métodos de cifrado actuales se enfrentan a cuellos de botella en el uso, tomando como ejemplo el cifrado totalmente homomórfico:
Complejidad computacional: FHE es más complejo que los métodos de encriptación tradicionales, lo que aumenta en gran medida la sobrecarga computacional del entrenamiento del modelo de IA bajo el cifrado completamente homomórfico, lo que hace que el entrenamiento del modelo sea extremadamente ineficiente, incluso no factible. Por lo tanto, el cifrado totalmente homomórfico no es ideal para tareas que requieren una gran cantidad de recursos informáticos, como el entrenamiento de modelos de aprendizaje profundo.
Error de cálculo: durante el proceso de cálculo de FHE, los errores se acumularán gradualmente a medida que avanza el cálculo, lo que eventualmente afectará los resultados del cálculo y afectará el rendimiento del modelo de IA.
La privacidad también se divide en niveles, no hay necesidad de preocuparse demasiado
Los diferentes tipos de datos tienen diferentes niveles de requisitos de privacidad. Solo, por ejemplo, los registros médicos, la información financiera, la información personal confidencial, etc. requieren un alto nivel de protección de la privacidad.
Por lo tanto, se debe considerar la diversidad de datos en la discusión del mercado de IA descentralizado, lo más importante es el equilibrio. Para maximizar la participación de los usuarios y la riqueza de recursos de la plataforma, es necesario diseñar una estrategia más flexible que permita a los usuarios personalizar la configuración del nivel de privacidad, no todos los datos requieren el nivel más alto de privacidad.
3. Reflexiones sobre el AI Marketplace descentralizado
**3.1 Los usuarios tienen derecho a controlar los activos, ¿el retiro de los usuarios provocará el colapso de la plataforma? **
La ventaja del mercado de IA descentralizado radica en la propiedad de los recursos por parte del usuario. De hecho, los usuarios pueden retirar sus recursos en cualquier momento, pero una vez que los usuarios y los recursos (modelos, datos) se acumulen hasta cierto punto, creo que la plataforma no se verá afectada* * . Por supuesto, esto también significa que se gastará mucho dinero en estabilizar usuarios y recursos en la etapa inicial del proyecto, lo que será muy difícil para un equipo de puesta en marcha.
Consenso comunitario
Una vez que el mercado de IA descentralizado forme un fuerte efecto de red, más usuarios y desarrolladores se volverán pegajosos. Y porque un aumento en el número de usuarios conduce a un aumento en la calidad y cantidad de datos y modelos, lo que hace que el mercado sea más maduro. Los usuarios impulsados por diferentes intereses obtienen más valor del mercado. Aunque un pequeño número de usuarios puede optar por irse, la tasa de crecimiento de nuevos usuarios en este caso no se desacelerará teóricamente y el mercado puede continuar desarrollándose y proporcionando un mayor valor.
Incentivos
Si la capa de incentivos está bien diseñada, a medida que aumente el número de participantes y se acumulen diversos recursos, los beneficios obtenidos por todas las partes aumentarán en consecuencia. Un mercado de IA descentralizado no solo proporciona una plataforma para que los usuarios intercambien datos y modelos, sino que también puede proporcionar un mecanismo para que los usuarios se beneficien de sus propios datos y modelos. Por ejemplo, a los usuarios se les paga vendiendo sus propios datos o permitiendo que otros usen sus propios modelos.
Para desarrolladores de modelos: Es posible que la implementación en otras plataformas no tenga suficientes datos para admitir el ajuste fino de un modelo con un mejor rendimiento;
Para proveedores de datos: Es posible que otra plataforma no tenga una base de datos tan completa, y una pequeña porción de datos para los usuarios por sí sola no puede ejercer valor y obtener suficiente uso y beneficios;
resumen
Aunque en el mercado de IA descentralizado, la parte del proyecto solo desempeña el papel de emparejar y proporcionar una plataforma, la barrera real radica en la acumulación de datos y modelos que genera la acumulación de la cantidad de usuarios***. Los usuarios tienen la libertad de retirarse del mercado, pero un AI Marketplace maduro a menudo hará que obtengan más valor del mercado del que pueden obtener fuera del mercado, por lo que los usuarios no tienen ningún incentivo para retirarse del mercado.
Sin embargo, si la mayoría de los usuarios o algunos proveedores de datos/modelos de alta calidad optan por retirarse, el mercado puede verse afectado. Esto también es consistente con la existencia de cambios y ajustes dinámicos en la entrada y salida de usuarios en los diversos sistemas económicos.
3.2 ¿Qué fue primero, el huevo o la gallina
A juzgar por los dos caminos anteriores, es difícil decir cuál saldrá finalmente, pero está claro que el mercado de IA basado en datos tiene más sentido y el techo es mucho más alto que el primero. La mayor diferencia es que el mercado basado en datos está constantemente enriqueciendo las barreras, y el proceso de acumulación de usuarios es también el proceso de acumulación de datos. Al final, el valor que otorga web3 es enriquecer una enorme base de datos descentralizada. Esto es positivo. ciclo. . Al mismo tiempo, en esencia, este tipo de plataforma no necesita retener datos, sino que proporciona un mercado más ligero para la contribución de datos. Al final, este es un gran data mart y este tipo de barrera es difícil de reemplazar.
Desde la perspectiva de la oferta y la demanda, un mercado de IA debe tener dos puntos al mismo tiempo:
Muchos modelos excelentes
USUARIO FINAL
Desde cierto punto de vista, estas dos condiciones parecen ser interdependientes. Por un lado, la plataforma necesita tener suficientes usuarios para motivar a los proveedores de modelos y datos. Solo cuando hay suficientes usuarios acumulados, la capa de incentivos puede jugar. un rol Para obtener el mayor valor, el volante de datos también se puede girar, de modo que más proveedores de modelos puedan implementar modelos. Por otro lado, suficientes usuarios finales deben acudir a un modelo útil, y la elección de la plataforma por parte del usuario depende en gran medida de la calidad y las capacidades del modelo de plataforma. Por lo tanto, sin acumular una cierta cantidad de modelos excelentes, esta demanda no existe. No importa cuán avanzado sea el algoritmo de enrutamiento, el enrutamiento sin buenos modelos es una charla vacía. Esto es como la premisa de la tienda de Apple es que Apple
Por lo tanto, una mejor idea de desarrollo es:
Estrategia inicial
**Acumular modelos de alta calidad, **Lo más destacable en la etapa inicial es construir una biblioteca de modelos de alta calidad. La razón es que no importa cuántos usuarios finales haya, sin modelos de alta calidad para elegir y usar, la plataforma no será atractiva y los usuarios no tendrán adherencia ni retención. Al centrarse en la creación de una biblioteca de modelos de alta calidad, la plataforma puede garantizar que los primeros usuarios puedan encontrar los modelos que necesitan, lo que genera reputación de marca y confianza de los usuarios, y genera gradualmente efectos en la comunidad y la red.
Política de Expansión
Atraiga a los usuarios finales, después de crear una biblioteca de modelos de alta calidad, atraiga y retenga a más usuarios finales. Un gran número de usuarios proporcionará suficiente motivación e interés para que los desarrolladores de modelos continúen proporcionando y mejorando el modelo. Además, una gran cantidad de usuarios también generará una gran cantidad de datos, lo que mejorará aún más el entrenamiento y la optimización del modelo.
resumen
¿Cuál es el mejor intento en un mercado de IA? *** En una palabra, la plataforma puede proporcionar suficientes modelos de alta calidad y puede emparejar de manera eficiente a los usuarios con modelos adecuados para resolver problemas ***. Esta frase resuelve dos contradicciones. En primer lugar, la plataforma puede proporcionar suficiente valor a los desarrolladores (incluidos los desarrolladores de modelos y los usuarios), de modo que haya suficientes modelos de alta calidad en la plataforma; en segundo lugar, estos "productos básicos" pueden proporcionar a los usuarios soluciones locales eficientes. , acumulando así más usuarios y brindando protección a los intereses de todas las partes.
El AI Marketplace descentralizado es una dirección fácil para que AI + web3 aterrice, pero un proyecto debe descubrir cuál es el valor real que esta plataforma puede proporcionar y cómo incorporar una gran cantidad de usuarios en la etapa inicial. Entre ellos, la clave es encontrar un punto de equilibrio de los intereses de todas las partes y, al mismo tiempo, manejar múltiples elementos, como la propiedad de los datos, la calidad del modelo, la privacidad del usuario, el poder de cómputo y los algoritmos de incentivos, y finalmente convertirse en un intercambio y plataforma de comercio de datos, modelos y poder de cómputo.
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Foresight Ventures: el mejor intento en un mercado de IA descentralizado
TL;DR
1. Mercado de IA de Web3
1.1 Revisión de la pista de IA en el campo web3
Primero, revise las dos direcciones generales de la combinación de IA y criptografía que mencioné anteriormente, ZKML y red de potencia informática descentralizada👇
ZKML
ZKML hace que el modelo de IA sea transparente y verificable, lo que significa garantizar que los tres factores de la arquitectura del modelo, los parámetros y pesos del modelo y la entrada del modelo se puedan verificar en toda la red. La importancia de ZKML es crear la próxima etapa de valor para el mundo web3 sin sacrificar la descentralización y sin confianza, y brindar la capacidad de emprender aplicaciones más amplias y crear mayores posibilidades.
Empresas prospectivas: IA + Web3 = ？
Red de energía informática
Los recursos informáticos serán un importante campo de batalla en la próxima década, y la inversión futura en infraestructura informática de alto rendimiento aumentará exponencialmente. Los escenarios de aplicación de la potencia informática descentralizada se dividen en dos direcciones: razonamiento de modelos y entrenamiento de modelos.La demanda de entrenamiento de modelos grandes de IA es la mayor, pero también enfrenta los mayores desafíos y cuellos de botella técnicos. Incluyendo la necesidad de problemas complejos de sincronización de datos y optimización de red. Hay más oportunidades para implementar el razonamiento del modelo y el espacio incremental futuro que se puede predecir también es lo suficientemente grande.
**1.2 ¿Qué es AI Marketplace? **
Los mercados de IA no son un concepto muy nuevo, y Hugging Face es posiblemente el mercado de IA más exitoso (excepto por la ausencia de transacciones y mecanismos de fijación de precios). En el campo de la PNL, Hugging Face proporciona una plataforma comunitaria extremadamente importante y activa donde los desarrolladores y usuarios pueden compartir y utilizar varios modelos previamente entrenados.
a. Recursos modelo
Hugging Face proporciona una gran cantidad de modelos preentrenados que cubren una variedad de tareas de PNL. Esta riqueza de recursos ha atraído a un gran número de usuarios, por lo que es la base para formar una comunidad activa y acumular usuarios.
b. Espíritu de código abierto + difundir y compartir
Hugging Face alienta a los desarrolladores a cargar y compartir sus modelos. Este espíritu de apertura e intercambio mejora la vitalidad de la comunidad y permite que un gran número de usuarios utilice rápidamente los últimos resultados de la investigación. Esto se basa en la acumulación de excelentes desarrolladores y modelos, lo que acelera la eficiencia de los resultados de investigación que se verifican y promueven.
c. Compatible con desarrolladores + fácil de usar
Hugging Face proporciona API y documentación fáciles de usar, lo que permite a los desarrolladores comprender y utilizar rápidamente los modelos que proporciona. Esto reduce el umbral de uso, mejora la experiencia del usuario y atrae a más desarrolladores.
Aunque Hugging Face no tiene un mecanismo de transacción, aún proporciona una plataforma importante para compartir y usar modelos de IA. Por lo tanto, también se puede ver que el mercado de IA tiene la oportunidad de convertirse en un recurso valioso para toda la industria.
Mercado de IA descentralizado en resumen:
Basado en los elementos anteriores, el mercado de IA descentralizado se basa en la tecnología blockchain, lo que permite a los usuarios tener la propiedad de sus propios datos y modelos de activos. El valor que aporta Web3 también se refleja en el mecanismo de incentivos y transacciones, los usuarios pueden elegir libremente o emparejar el modelo apropiado a través del sistema y, al mismo tiempo, también pueden poner sus propios modelos entrenados en los estantes para obtener beneficios.
Los usuarios tienen la propiedad de sus propios activos de IA, y el propio mercado de IA no tiene control sobre los datos y modelos. En cambio, el desarrollo del mercado depende de la base de usuarios y la consiguiente acumulación de modelos y datos. Esta acumulación es un proceso a largo plazo, pero también es un proceso de establecimiento gradual de barreras de productos. El desarrollo del mercado está respaldado por la cantidad de usuarios y la cantidad/calidad de modelos y datos cargados por los usuarios.
**1.3 ¿Por qué prestar atención al AI Marketplace de Web3? **
1.3.1 Compatible con la dirección general de la aplicación de potencia informática
Debido a la presión de la comunicación y otras razones, puede ser difícil implementar el poder de cómputo descentralizado en el modelo base de entrenamiento, pero la presión sobre el ajuste fino será mucho menor, por lo que tiene la oportunidad de convertirse en uno de los mejores escenarios para la implementación de sistemas centralizados. red de potencia de cómputo.
Un poco de conocimiento previo: por qué la etapa de ajuste fino es más fácil de aterrizar
Foresight Ventures: una visión racional de la red de energía informática descentralizada
El entrenamiento del modelo de IA se divide en preentrenamiento y ajuste. El entrenamiento previo implica una gran cantidad de datos y una gran cantidad de cálculos. Para obtener más detalles, consulte el análisis en mi artículo anterior. El ajuste fino se basa en el modelo base, utilizando datos específicos de la tarea para ajustar los parámetros del modelo de modo que el modelo tenga un mejor rendimiento para tareas específicas. Los recursos informáticos necesarios en la etapa de ajuste fino del modelo son mucho menores que los de la etapa previa etapa de entrenamiento Hay dos razones principales:
Por ejemplo, si tomamos como ejemplo GPT3, la fase de preentrenamiento utiliza 45 TB de datos de texto para el entrenamiento, mientras que la fase de ajuste fino solo necesita ~5 GB de datos. El tiempo de entrenamiento para la fase de pre-entrenamiento toma de semanas a meses, mientras que la fase de puesta a punto solo toma de horas a días.
1.3.2 El punto de partida de la intersección de IA y criptografía
Para juzgar si un proyecto web3 es razonable, uno de los puntos más importantes es si es cripto por cripto, si el proyecto maximiza el valor que aporta web3 y si la adición de web3 aporta diferenciación. Obviamente, el valor agregado que web3 aporta a este mercado de IA no puede reemplazar la confirmación de derechos, la distribución de ingresos y el poder de cómputo.
Creo que un excelente mercado de IA de Web3 puede integrar estrechamente la IA y la criptografía. La combinación más perfecta no es lo que las aplicaciones o la infraestructura que el mercado de IA puede aportar a web3, sino lo que web3 puede proporcionar al mercado de IA. Obviamente, por ejemplo, cada usuario puede tener la propiedad de su propio modelo y datos de IA (como encapsular el modelo y los datos de IA como NFT), y también puede comercializarlos como productos básicos, lo que hace un buen uso de web3 can play valor. No solo motiva a los desarrolladores de IA y a los proveedores de datos, sino que también hace que la aplicación de la IA sea más amplia. Si un modelo es lo suficientemente bueno, el propietario tiene un incentivo más fuerte para subirlo a otros para compartirlo.
Al mismo tiempo, el mercado de IA descentralizado puede introducir algunos modelos comerciales nuevos, como modelos, venta y arrendamiento de datos, crowdsourcing de tareas, etc.
1.3.3 Reducir el umbral de aplicación de IA
Todos deberían y podrán entrenar sus propios modelos de inteligencia artificial, lo que requiere una plataforma con un umbral lo suficientemente bajo para proporcionar soporte de recursos, incluidos modelos base, herramientas, datos, potencia informática, etc.
1.3.4 Demanda y oferta
Aunque los modelos grandes tienen poderosas capacidades de razonamiento, no son omnipotentes. A menudo, el ajuste fino para tareas y escenarios específicos logrará mejores resultados y tendrá una viabilidad más sólida. Por lo tanto, desde el lado de la demanda, los usuarios necesitan un mercado de modelos de IA para obtener modelos útiles en diferentes escenarios; para los desarrolladores, necesitan una plataforma que pueda proporcionar una gran conveniencia de recursos para desarrollar modelos y obtener beneficios a través de su propio conocimiento profesional.
Segundo, basado en modelos versus basado en datos
2.1 Mercado modelo
modelo
Con las herramientas como punto de venta, como el primer eslabón del eslabón, el proyecto necesita atraer suficientes desarrolladores de modelos en la etapa inicial para implementar modelos de alta calidad, a fin de establecer la oferta para el mercado.
En este modo, los puntos principales que atraen a los desarrolladores son la infraestructura y las herramientas convenientes y fáciles de usar. Los datos dependen de la propia capacidad del desarrollador y de por qué algunas personas con experiencia en un campo determinado pueden crear valor. Los datos en este campo necesitan Los desarrolladores recopilan y ajustan modelos con un mejor rendimiento.
pensar
Recientemente, he visto muchos proyectos sobre la combinación del mercado de IA y web3, pero lo que pienso es: ¿Crear un modelo de mercado de IA descentralizado es una propuesta falsa?
En primer lugar, debemos pensar en una pregunta, ¿qué valor puede proporcionar web3?
Está lejos de ser suficiente si es solo el incentivo del token o la narrativa de la propiedad del modelo. Desde un punto de vista práctico, los modelos de alta calidad en la plataforma son el núcleo de todo el producto, y los modelos excelentes generalmente significan un valor económico extremadamente alto. Desde la perspectiva de los proveedores de modelos, necesitan suficiente motivación para implementar sus modelos de alta calidad en el mercado de IA, pero ¿pueden los incentivos que brindan el token y la propiedad cumplir con sus expectativas sobre el valor del modelo? Para una plataforma que carecía de una base de usuarios en los primeros días, obviamente está lejos de alcanzarse. Sin un modelo extremadamente bueno, no se establecerá todo el modelo de negocio. Entonces, la pregunta es cómo generar suficientes ingresos para los proveedores de modelos en ausencia de usuarios finales en la etapa inicial.
2.2 Mercado de datos
Basado en la recopilación descentralizada de datos, a través del diseño de la capa de incentivos y la narrativa de la propiedad de los datos a bordo de más proveedores de datos, así como de los usuarios que etiquetan los datos. Con la bendición de crypto, la plataforma tiene la oportunidad de acumular una gran cantidad de datos valiosos dentro de un cierto período de tiempo, especialmente los datos de dominio privado que faltan actualmente.
Lo que más me emociona es que este modelo de desarrollo de abajo hacia arriba se parece más a un juego de financiación colectiva. No importa cuán experimentadas sean las personas, es imposible tener datos completos en un campo, y uno de los valores que puede proporcionar web3 es la recopilación de datos sin permisos y descentralizada. Este modelo no solo puede concentrar experiencia y datos en varios campos, sino también proporcionar servicios de inteligencia artificial a un grupo de usuarios más grande. En comparación con los datos propios de un solo usuario, estos datos de crowdfunding se recopilan de una gran cantidad de escenarios reales de usuarios reales, por lo que pueden reflejar mejor la complejidad y diversidad del mundo real que los datos recopilados de una sola fuente, lo que puede mejorar en gran medida. La capacidad de generalización y la solidez del modelo permiten que el modelo de IA funcione bien en muchos entornos diferentes.
Por ejemplo, una persona puede tener mucha experiencia en nutrición y ha acumulado muchos datos, pero los datos personales por sí solos están lejos de ser suficientes para formar un modelo excelente. Si bien los usuarios comparten datos, también pueden acceder y utilizar datos valiosos aportados por otros usuarios en el mismo campo y en toda la red en la plataforma, para lograr mejores efectos de ajuste.
pensar
Desde esta perspectiva, también puede ser un buen intento de construir un mercado de datos descentralizado. Como un "producto básico" con umbrales más bajos, enlaces de producción más cortos y una densidad de proveedores más amplia, los datos pueden hacer un mejor uso del valor que puede proporcionar web3. El algoritmo de incentivo y el mecanismo de confirmación de datos pueden motivar a los usuarios a cargar datos. Según el modelo actual, los datos se parecen más a un producto de una sola vez, lo que significa que tienen poco valor después de usarse una vez. En el mercado del modelo de IA descentralizado, los datos de los usuarios se pueden usar repetidamente y se pueden beneficiar, y el valor de los datos se realizará en un período de tiempo más largo.
Parece ser una buena opción utilizar los datos como un punto de entrada para acumular usuarios. Uno de los núcleos y barreras del gran modelo son los datos multidimensionales y de alta calidad. Después de que una gran cantidad de proveedores de datos están a bordo, estas personas tienen la oportunidad de transformarse aún más en usuarios finales o proveedores modelo. El mercado de IA basado en esto puede proporcionar el valor subyacente para modelos excelentes y dar a los ingenieros de algoritmos la motivación para contribuir con modelos en la plataforma desde la perspectiva de los modelos de entrenamiento.
Esta dinámica es un cambio de 0 a 1. Ahora que las grandes empresas tienen grandes cantidades de datos, pueden entrenar modelos más precisos, lo que dificulta la competencia para las pequeñas empresas y los desarrolladores individuales. Incluso si un usuario tiene datos muy valiosos en un campo determinado, es difícil que esta pequeña parte de los datos tenga valor sin la cooperación de datos en un conjunto más grande. Sin embargo, en un mercado descentralizado, todos tienen la oportunidad de obtener y utilizar datos, y estos expertos se incorporan a la plataforma con valiosos datos incrementales, por lo que se ha mejorado aún más la calidad y cantidad de datos de la plataforma, lo que hace posible que todos para entrenar modelos excelentes e incluso promover la innovación en IA.
De hecho, los datos en sí están bien preparados para ser una barrera para la competencia en este tipo de mercado de IA. En primer lugar, una excelente capa de incentivos y garantías de privacidad seguras permiten que más inversores minoristas participen en todo el protocolo y contribuyan con datos. Y, a medida que aumenta el número de usuarios, también aumenta la calidad y la cantidad de datos. Esto generará efectos de comunidad y de red, haciendo que el mercado sea capaz de proporcionar mayor valor y dimensiones más amplias, por lo que será más atractivo para los nuevos usuarios.Este es el proceso de establecimiento de barreras para el mercado.
Básicamente, para crear un mercado de IA basado en datos, lo más importante son los siguientes 4 puntos:
**¿Por qué el proveedor del modelo no aparece como un factor clave para mí en este escenario? **
La razón principal se basa en los cuatro puntos anteriores, y es lógico tener un excelente proveedor de modelos para unirse.
2.3 El valor y los desafíos del mercado de datos
Datos de dominio privado
El valor de los datos de dominio privado radica en su información única y difícil de obtener en un dominio específico, lo cual es especialmente importante para ajustar los modelos de IA. El uso de datos de dominio privado puede crear modelos más precisos y personalizados que superan a los modelos entrenados en conjuntos de datos públicos en escenarios específicos.
Ahora el proceso de construcción del modelo básico puede obtener una gran cantidad de datos públicos, por lo que el foco del mercado de datos web3 no está en estos datos. Cómo obtener y agregar datos de dominio privado durante el entrenamiento es actualmente un cuello de botella Al combinar datos de dominio privado con conjuntos de datos públicos, se puede aumentar la adaptabilidad del modelo a diversos problemas y necesidades del usuario y la precisión del modelo.
Por ejemplo, tomando como ejemplo los escenarios médicos y de salud, los modelos de IA que utilizan datos de dominio privado generalmente pueden aumentar la precisión de la predicción entre un 10 % y un 30 %. En referencia a la investigación de Stanford, el modelo de aprendizaje profundo que utiliza datos médicos de dominio privado es un 15 % más preciso para predecir el cáncer de pulmón que el modelo que utiliza datos públicos.
Privacidad de datos
¿Se convertirá la privacidad en el cuello de botella que restringe la IA + Web3? A juzgar por el desarrollo actual, la dirección de aterrizaje de la IA en web3 se ha ido aclarando gradualmente, pero parece que todas las aplicaciones no pueden evitar el tema de la privacidad. La potencia informática descentralizada necesita garantizar la integridad de los datos y los modelos tanto en el entrenamiento como en el razonamiento del modelo. Privacidad: una condición para que se establezca zkml es asegurar que el modelo no sea abusado por nodos maliciosos.
El mercado de IA se construye sobre la base de garantizar que los usuarios controlen sus propios datos. Por lo tanto, aunque los datos de los usuarios se recopilan de manera descentralizada y distribuida, todos los nodos no deben recopilar, procesar, almacenar, usar, etc. datos. Los métodos de cifrado actuales se enfrentan a cuellos de botella en el uso, tomando como ejemplo el cifrado totalmente homomórfico:
La privacidad también se divide en niveles, no hay necesidad de preocuparse demasiado
Los diferentes tipos de datos tienen diferentes niveles de requisitos de privacidad. Solo, por ejemplo, los registros médicos, la información financiera, la información personal confidencial, etc. requieren un alto nivel de protección de la privacidad.
Por lo tanto, se debe considerar la diversidad de datos en la discusión del mercado de IA descentralizado, lo más importante es el equilibrio. Para maximizar la participación de los usuarios y la riqueza de recursos de la plataforma, es necesario diseñar una estrategia más flexible que permita a los usuarios personalizar la configuración del nivel de privacidad, no todos los datos requieren el nivel más alto de privacidad.
3. Reflexiones sobre el AI Marketplace descentralizado
**3.1 Los usuarios tienen derecho a controlar los activos, ¿el retiro de los usuarios provocará el colapso de la plataforma? **
La ventaja del mercado de IA descentralizado radica en la propiedad de los recursos por parte del usuario. De hecho, los usuarios pueden retirar sus recursos en cualquier momento, pero una vez que los usuarios y los recursos (modelos, datos) se acumulen hasta cierto punto, creo que la plataforma no se verá afectada* * . Por supuesto, esto también significa que se gastará mucho dinero en estabilizar usuarios y recursos en la etapa inicial del proyecto, lo que será muy difícil para un equipo de puesta en marcha.
Consenso comunitario
Una vez que el mercado de IA descentralizado forme un fuerte efecto de red, más usuarios y desarrolladores se volverán pegajosos. Y porque un aumento en el número de usuarios conduce a un aumento en la calidad y cantidad de datos y modelos, lo que hace que el mercado sea más maduro. Los usuarios impulsados por diferentes intereses obtienen más valor del mercado. Aunque un pequeño número de usuarios puede optar por irse, la tasa de crecimiento de nuevos usuarios en este caso no se desacelerará teóricamente y el mercado puede continuar desarrollándose y proporcionando un mayor valor.
Incentivos
Si la capa de incentivos está bien diseñada, a medida que aumente el número de participantes y se acumulen diversos recursos, los beneficios obtenidos por todas las partes aumentarán en consecuencia. Un mercado de IA descentralizado no solo proporciona una plataforma para que los usuarios intercambien datos y modelos, sino que también puede proporcionar un mecanismo para que los usuarios se beneficien de sus propios datos y modelos. Por ejemplo, a los usuarios se les paga vendiendo sus propios datos o permitiendo que otros usen sus propios modelos.
Para desarrolladores de modelos: Es posible que la implementación en otras plataformas no tenga suficientes datos para admitir el ajuste fino de un modelo con un mejor rendimiento;
Para proveedores de datos: Es posible que otra plataforma no tenga una base de datos tan completa, y una pequeña porción de datos para los usuarios por sí sola no puede ejercer valor y obtener suficiente uso y beneficios;
resumen
Aunque en el mercado de IA descentralizado, la parte del proyecto solo desempeña el papel de emparejar y proporcionar una plataforma, la barrera real radica en la acumulación de datos y modelos que genera la acumulación de la cantidad de usuarios***. Los usuarios tienen la libertad de retirarse del mercado, pero un AI Marketplace maduro a menudo hará que obtengan más valor del mercado del que pueden obtener fuera del mercado, por lo que los usuarios no tienen ningún incentivo para retirarse del mercado.
Sin embargo, si la mayoría de los usuarios o algunos proveedores de datos/modelos de alta calidad optan por retirarse, el mercado puede verse afectado. Esto también es consistente con la existencia de cambios y ajustes dinámicos en la entrada y salida de usuarios en los diversos sistemas económicos.
3.2 ¿Qué fue primero, el huevo o la gallina
A juzgar por los dos caminos anteriores, es difícil decir cuál saldrá finalmente, pero está claro que el mercado de IA basado en datos tiene más sentido y el techo es mucho más alto que el primero. La mayor diferencia es que el mercado basado en datos está constantemente enriqueciendo las barreras, y el proceso de acumulación de usuarios es también el proceso de acumulación de datos. Al final, el valor que otorga web3 es enriquecer una enorme base de datos descentralizada. Esto es positivo. ciclo. . Al mismo tiempo, en esencia, este tipo de plataforma no necesita retener datos, sino que proporciona un mercado más ligero para la contribución de datos. Al final, este es un gran data mart y este tipo de barrera es difícil de reemplazar.
Desde la perspectiva de la oferta y la demanda, un mercado de IA debe tener dos puntos al mismo tiempo:
Desde cierto punto de vista, estas dos condiciones parecen ser interdependientes. Por un lado, la plataforma necesita tener suficientes usuarios para motivar a los proveedores de modelos y datos. Solo cuando hay suficientes usuarios acumulados, la capa de incentivos puede jugar. un rol Para obtener el mayor valor, el volante de datos también se puede girar, de modo que más proveedores de modelos puedan implementar modelos. Por otro lado, suficientes usuarios finales deben acudir a un modelo útil, y la elección de la plataforma por parte del usuario depende en gran medida de la calidad y las capacidades del modelo de plataforma. Por lo tanto, sin acumular una cierta cantidad de modelos excelentes, esta demanda no existe. No importa cuán avanzado sea el algoritmo de enrutamiento, el enrutamiento sin buenos modelos es una charla vacía. Esto es como la premisa de la tienda de Apple es que Apple
Por lo tanto, una mejor idea de desarrollo es:
Estrategia inicial
Política de Expansión
resumen
¿Cuál es el mejor intento en un mercado de IA? *** En una palabra, la plataforma puede proporcionar suficientes modelos de alta calidad y puede emparejar de manera eficiente a los usuarios con modelos adecuados para resolver problemas ***. Esta frase resuelve dos contradicciones. En primer lugar, la plataforma puede proporcionar suficiente valor a los desarrolladores (incluidos los desarrolladores de modelos y los usuarios), de modo que haya suficientes modelos de alta calidad en la plataforma; en segundo lugar, estos "productos básicos" pueden proporcionar a los usuarios soluciones locales eficientes. , acumulando así más usuarios y brindando protección a los intereses de todas las partes.
El AI Marketplace descentralizado es una dirección fácil para que AI + web3 aterrice, pero un proyecto debe descubrir cuál es el valor real que esta plataforma puede proporcionar y cómo incorporar una gran cantidad de usuarios en la etapa inicial. Entre ellos, la clave es encontrar un punto de equilibrio de los intereses de todas las partes y, al mismo tiempo, manejar múltiples elementos, como la propiedad de los datos, la calidad del modelo, la privacidad del usuario, el poder de cómputo y los algoritmos de incentivos, y finalmente convertirse en un intercambio y plataforma de comercio de datos, modelos y poder de cómputo.