Un marché de l'IA décentralisé réussi doit combiner étroitement les avantages de l'IA et du Web3, tirer parti de la valeur ajoutée de la distribution, de la confirmation des droits des actifs, de la répartition des revenus et de la puissance de calcul décentralisée, abaisser le seuil des applications d'IA et encourager les développeurs à télécharger et Partagez des modèles tout en protégeant les droits de confidentialité des données des utilisateurs et créez une plateforme d'échange et de partage de ressources d'IA conviviale pour les développeurs qui répond aux besoins des utilisateurs.
Le marché de l'IA basé sur les données a un plus grand potentiel. Le marché du modèle mort a besoin du support d'un grand nombre de modèles de haute qualité, mais le manque de base d'utilisateurs et de ressources de haute qualité sur la première plate-forme rend difficile pour les excellents fournisseurs de modèles d'attirer des modèles de haute qualité ; alors que le Le marché basé sur les données est décentralisé et distribué La collecte, la conception de la couche incitative et la garantie de propriété des données peuvent accumuler une grande quantité de données et de ressources précieuses, en particulier les données du domaine privé. Cependant, les marchés de données doivent également relever le défi de la protection de la confidentialité des données, et les solutions incluent la conception de politiques plus flexibles qui permettent aux utilisateurs de personnaliser les paramètres des niveaux de confidentialité.
Le succès du marché décentralisé de l'IA repose sur l'accumulation de ressources d'utilisateurs et de forts effets de réseau. Les utilisateurs et les développeurs peuvent obtenir plus de valeur du marché qu'ils ne peuvent en obtenir en dehors du marché. Au début du marché, l'accent est mis sur l'accumulation de modèles de haute qualité pour attirer et fidéliser les utilisateurs, puis après avoir établi une bibliothèque de modèles de haute qualité et des barrières de données, il s'agit d'attirer et de fidéliser davantage d'utilisateurs finaux. De plus, un excellent marché de l'IA doit trouver un équilibre entre les intérêts de toutes les parties et gérer correctement des facteurs tels que la propriété des données, la qualité du modèle, la confidentialité des utilisateurs, la puissance de calcul et les algorithmes d'incitation.
1. Marché de l'IA de Web3
1.1 Bilan de la piste IA dans le domaine web3
Tout d'abord, passez en revue les deux directions générales de la combinaison de l'IA et de la cryptographie que j'ai mentionnées plus tôt, ZKML et le réseau de puissance de calcul décentralisé 👇
ZKML
ZKML rend le modèle d'IA transparent + vérifiable, ce qui signifie qu'il garantit que les trois facteurs de l'architecture du modèle, des paramètres et des poids du modèle et de l'entrée du modèle peuvent être vérifiés sur l'ensemble du réseau. L'importance de ZKML est de créer la prochaine étape de valeur pour le monde du web3 sans sacrifier la décentralisation et sans confiance, et de fournir la capacité d'entreprendre des applications plus larges et de créer de plus grandes possibilités.
Foresight Ventures : IA + Web3 = ？
Réseau de puissance de calcul
Les ressources informatiques seront un champ de bataille majeur au cours de la prochaine décennie, et les investissements futurs dans l'infrastructure informatique haute performance augmenteront de façon exponentielle. Les scénarios d'application de la puissance de calcul décentralisée sont divisés en deux directions : le raisonnement de modèle et la formation de modèle. La demande de formation de grands modèles d'IA est la plus grande, mais elle fait également face aux plus grands défis et goulots d'étranglement techniques. Y compris la nécessité de problèmes complexes de synchronisation des données et d'optimisation du réseau. Il y a plus d'opportunités pour mettre en œuvre le raisonnement du modèle, et l'espace incrémentiel futur qui peut être prédit est également suffisamment grand.
**1.2 Qu'est-ce qu'AI Marketplace ? **
Les marchés de l'IA ne sont pas un concept très nouveau, et Hugging Face est sans doute le marché de l'IA le plus réussi (à l'exception de l'absence de transactions et de mécanismes de tarification). Dans le domaine de la PNL, Hugging Face fournit une plate-forme communautaire extrêmement importante et active où les développeurs et les utilisateurs peuvent partager et utiliser divers modèles pré-formés.
D'après le succès de Hugging Face, on peut voir qu'un marché de l'IA doit avoir :
a. Ressources du modèle
Hugging Face fournit un grand nombre de modèles pré-formés qui couvrent une variété de tâches NLP. Cette richesse de ressources a attiré un grand nombre d'utilisateurs, c'est donc la base pour former une communauté active et accumuler les utilisateurs.
b. Esprit open source + diffuser et partager
Hugging Face encourage les développeurs à télécharger et partager leurs modèles. Cet esprit d'ouverture et de partage favorise la vitalité de la communauté et permet une exploitation rapide des derniers résultats de recherche par un grand nombre d'utilisateurs. Ceci est basé sur l'accumulation d'excellents développeurs et modèles, accélérant l'efficacité des résultats de recherche vérifiés et promus.
c. Convivial pour les développeurs et facile à utiliser
Hugging Face fournit une API et une documentation faciles à utiliser, permettant aux développeurs de comprendre et d'utiliser rapidement les modèles qu'il fournit. Cela abaisse le seuil d'utilisation, améliore l'expérience utilisateur et attire davantage de développeurs.
Bien que Hugging Face ne dispose pas d'un mécanisme de transaction, il fournit toujours une plate-forme importante pour le partage et l'utilisation de modèles d'IA. Par conséquent, on peut également voir que le marché de l'IA a la possibilité de devenir une ressource précieuse pour l'ensemble de l'industrie.
Marché de l'IA décentralisé en bref :
Sur la base des éléments ci-dessus, le marché décentralisé de l'IA est basé sur la technologie blockchain, permettant aux utilisateurs d'avoir la propriété de leurs propres données et actifs de modèle. La valeur apportée par Web3 se reflète également dans le mécanisme d'incitation et de transaction.Les utilisateurs peuvent librement choisir ou faire correspondre le modèle approprié via le système, et en même temps, ils peuvent également mettre leurs propres modèles formés sur les étagères pour obtenir des avantages.
Les utilisateurs sont propriétaires de leurs propres actifs d'IA, et le marché de l'IA lui-même n'a aucun contrôle sur les données et les modèles. Au lieu de cela, le développement du marché dépend de la base d'utilisateurs et de l'accumulation conséquente de modèles et de données. Cette accumulation est un processus de longue haleine, mais c'est aussi un processus d'établissement progressif de barrières de produits.Le développement du marché est soutenu par le nombre d'utilisateurs et la quantité/qualité des modèles et des données téléchargées par les utilisateurs.
**1.3 Pourquoi prêter attention à la place de marché de l'IA de Web3 ? **
1.3.1 Compatible avec la direction générale d'application de la puissance de calcul
En raison de la pression de la communication et d'autres raisons, il peut être difficile de mettre en œuvre une puissance de calcul décentralisée sur le modèle de base de formation, mais la pression sur le réglage fin sera beaucoup plus faible, il a donc la possibilité de devenir l'un des meilleurs scénarios pour la mise en œuvre d'un système centralisé. réseau de puissance de calcul.
Un peu de connaissances de base : pourquoi l'étape de réglage fin est plus facile à atteindre
Foresight Ventures : une vision rationnelle du réseau de puissance de calcul décentralisé
La formation au modèle d'IA est divisée en pré-formation et mise au point. La pré-formation implique une grande quantité de données et un grand nombre de calculs.Pour plus de détails, veuillez vous référer à l'analyse dans mon article ci-dessus. Le réglage fin est basé sur le modèle de base, en utilisant des données spécifiques à la tâche pour ajuster les paramètres du modèle afin que le modèle ait de meilleures performances pour des tâches spécifiques. phase de formation, pour deux raisons principales :
Volume de données : dans la phase de pré-formation, le modèle doit être formé sur un ensemble de données à grande échelle pour apprendre une représentation générale du langage. Par exemple, la pré-formation du modèle BERT est réalisée sur Wikipédia et BookCorpus, qui contiennent des milliards de mots. Dans la phase de réglage fin, le modèle n'a généralement besoin d'être entraîné que sur un ensemble de données à petite échelle pour une tâche spécifique. Par exemple, un ensemble de données affiné pour une tâche d'analyse des sentiments peut n'avoir que quelques milliers à des dizaines de milliers d'avis.
Nombre d'étapes d'entraînement : l'étape de pré-entraînement nécessite généralement des millions, voire des milliards d'étapes d'entraînement, tandis que l'étape de réglage fin ne nécessite généralement que des milliers, voire des dizaines de milliers d'étapes. En effet, l'étape de pré-formation doit apprendre la structure et la sémantique de base du langage, tandis que l'étape de mise au point n'a besoin que d'ajuster une partie des paramètres du modèle pour s'adapter à une tâche spécifique.
Par exemple, en prenant GPT3 comme exemple, la phase de pré-formation utilise 45 To de données textuelles pour la formation, tandis que la phase de réglage fin ne nécessite que ~ 5 Go de données. Le temps de formation pour la phase de pré-formation prend des semaines à des mois, tandis que la phase de mise au point ne prend que des heures à des jours.
1.3.2 Le point de départ de l'intersection de l'IA et de la crypto
Pour juger si un projet web3 est raisonnable, l'un des points les plus importants est de savoir s'il est crypto pour crypto, si le projet maximise la valeur apportée par web3, et si l'ajout de web3 apporte une différenciation. De toute évidence, la valeur ajoutée que le web3 apporte à cette place de marché de l'IA ne peut remplacer la confirmation des droits, la répartition des revenus et la puissance de calcul.
Je pense qu'un excellent marché Web3 AI peut intégrer étroitement l'IA et la cryptographie. La combinaison la plus parfaite n'est pas ce que les applications ou l'infra que le marché de l'IA peut apporter au web3, mais ce que le web3 peut apporter au marché de l'IA. Évidemment, par exemple, chaque utilisateur peut avoir la propriété de son propre modèle d'IA et de ses propres données (comme l'encapsulation du modèle d'IA et des données en tant que NFT), et il peut également les échanger en tant que marchandises, ce qui fait bon usage de web3 peut jouer valeur. Cela motive non seulement les développeurs d'IA et les fournisseurs de données, mais rend également l'application de l'IA plus étendue. Si un modèle est assez bon, le propriétaire est plus incité à le télécharger à d'autres pour le partager.
Dans le même temps, le marché décentralisé de l'IA peut introduire de nouveaux modèles commerciaux, tels que des modèles, la vente et la location de données, le crowdsourcing de tâches, etc.
1.3.3 Abaisser le seuil d'application de l'IA
Chacun devrait et pourra former ses propres modèles d'intelligence artificielle, ce qui nécessite une plate-forme avec un seuil suffisamment bas pour fournir un support de ressources, y compris des modèles de base, des outils, des données, une puissance de calcul, etc.
1.3.4 Demande et offre
Bien que les grands modèles aient de puissantes capacités de raisonnement, ils ne sont pas omnipotents. Souvent, un réglage fin pour des tâches et des scénarios spécifiques donnera de meilleurs résultats et sera plus pratique. Par conséquent, du côté de la demande, les utilisateurs ont besoin d'un marché de modèles d'IA pour obtenir des modèles utiles dans différents scénarios ; pour les développeurs, ils ont besoin d'une plate-forme qui peut fournir une grande commodité de ressources pour développer des modèles et obtenir des avantages grâce à leurs propres connaissances professionnelles.
** Deuxièmement, basé sur un modèle ou basé sur des données **
2.1 Marché des modèles
modèle
Avec l'outillage comme argument de vente, comme premier maillon du lien, le projet doit attirer suffisamment de développeurs de modèles à un stade précoce pour déployer des modèles de haute qualité, afin d'établir l'offre pour le marché.
Dans ce mode, les principaux points qui attirent les développeurs sont l'infra et les outils pratiques et faciles à utiliser. Les données dépendent de la propre capacité du développeur et de la raison pour laquelle certaines personnes expérimentées dans un certain domaine peuvent créer de la valeur. Les données de ce domaine doivent Les développeurs collectent et affinent les modèles avec de meilleures performances.
penser
Récemment, j'ai vu beaucoup de projets sur la combinaison du marché de l'IA et du web3, mais ce que je pense est : la création d'un marché de modèles d'IA décentralisé est-elle une fausse proposition ?
Tout d'abord, nous devons réfléchir à une question, quelle valeur le web3 peut-il apporter ?
C'est loin d'être suffisant si ce n'est que l'incitation du jeton, ou le récit de la propriété du modèle. D'un point de vue pratique, les modèles de haute qualité sur la plate-forme sont au cœur de l'ensemble du produit, et d'excellents modèles signifient généralement une valeur économique extrêmement élevée. Du point de vue des fournisseurs de modèles, ils ont besoin d'une motivation suffisante pour déployer leurs modèles de haute qualité sur le marché de l'IA, mais les incitations apportées par le jeton et la propriété peuvent-elles répondre à leurs attentes quant à la valeur du modèle ? Pour une plate-forme qui manquait de base d'utilisateurs au début, c'est évidemment loin d'être atteint. Sans un modèle extrêmement bon, l'ensemble du modèle d'affaires ne sera pas établi. La question est donc de savoir comment générer suffisamment de revenus pour les fournisseurs de modèles en l'absence d'utilisateurs finaux au stade initial.
2.2 Marché des données
modèle
Basé sur la collecte de données décentralisée, à travers la conception de la couche incitative et le récit de la propriété des données à bord d'un plus grand nombre de fournisseurs de données, ainsi que d'utilisateurs qui étiquettent les données. Avec la bénédiction de la cryptographie, la plate-forme a la possibilité d'accumuler une grande quantité de données précieuses dans un certain laps de temps, en particulier les données du domaine privé qui font actuellement défaut.
Ce qui m'excite le plus, c'est que ce modèle de développement ascendant ressemble plus à un jeu de financement participatif. Peu importe l'expérience des personnes, il est impossible d'avoir des données complètes dans un domaine, et l'une des valeurs que le web3 peut fournir est la collecte de données sans autorisation et décentralisée. Ce modèle peut non seulement concentrer l'expertise et les données dans divers domaines, mais également fournir des services d'IA à un groupe d'utilisateurs plus large. Par rapport aux données propres à un seul utilisateur, ces données de financement participatif sont collectées à partir d'un grand nombre de scénarios réels d'utilisateurs réels, de sorte qu'elles peuvent mieux refléter la complexité et la diversité du monde réel que les données collectées à partir d'une source unique, ce qui peut grandement améliorer La capacité de généralisation et la robustesse du modèle permettent au modèle d'IA de bien fonctionner dans de nombreux environnements différents.
Par exemple, une personne peut avoir beaucoup d'expérience en nutrition et avoir accumulé beaucoup de données, mais les données personnelles à elles seules sont loin d'être suffisantes pour former un excellent modèle. Alors que les utilisateurs partagent des données, ils peuvent également accéder et utiliser des données précieuses fournies par d'autres utilisateurs dans le même domaine et à travers le réseau sur la plate-forme, afin d'obtenir de meilleurs effets de réglage fin.
penser
De ce point de vue, cela peut également être une bonne tentative de construire un marché des données décentralisé. En tant que "marchandise" avec des seuils plus bas, des liens de production plus courts et une densité de fournisseurs plus large, les données peuvent mieux utiliser la valeur que le web3 peut fournir. Un algorithme incitatif et un mécanisme de confirmation des données peuvent motiver les utilisateurs à télécharger des données. Selon le modèle actuel, les données ressemblent davantage à une marchandise unique, ce qui signifie qu'elles ont peu de valeur après avoir été utilisées une seule fois. Sur le marché des modèles d'IA décentralisés, les données des utilisateurs peuvent être utilisées à plusieurs reprises et en bénéficier, et la valeur des données sera réalisée sur une plus longue période.
Il semble être un bon choix d'utiliser les données comme point d'entrée pour accumuler des utilisateurs. L'un des éléments centraux et des obstacles du grand modèle est la qualité des données multidimensionnelles. Une fois qu'un grand nombre de fournisseurs de données sont à bord, ces personnes ont la possibilité de se transformer davantage en utilisateurs finaux ou en fournisseur de modèles. Le marché de l'IA basé sur cela peut en effet fournir la valeur sous-jacente pour d'excellents modèles et donner aux ingénieurs en algorithmes la motivation pour contribuer aux modèles sur la plate-forme du point de vue des modèles de formation.
Cette dynamique est un changement de 0 à 1. Maintenant que les grandes entreprises disposent d'énormes quantités de données, elles peuvent former des modèles plus précis, ce qui rend difficile la concurrence pour les petites entreprises et les développeurs individuels. Même si un utilisateur dispose de données très précieuses dans un certain domaine, il est difficile pour cette petite partie de données d'avoir de la valeur sans la coopération de données sur un ensemble plus large. Cependant, dans un marché décentralisé, tout le monde a la possibilité d'obtenir et d'utiliser des données, et ces experts rejoignent la plate-forme avec des données incrémentales précieuses.Par conséquent, la qualité et la quantité des données de la plate-forme ont été encore améliorées, ce qui permet de tout le monde pour former d'excellents modèles et même promouvoir l'innovation en IA.
Les données elles-mêmes sont en effet bien adaptées pour constituer un obstacle à la concurrence sur ce type de marché de l'IA. Tout d'abord, une excellente couche incitative et des garanties de confidentialité sécurisées permettent à davantage d'investisseurs de détail de participer à l'ensemble du protocole et de fournir des données. Et, à mesure que le nombre d'utilisateurs augmente, la qualité et la quantité des données augmentent également. Cela générera des effets de communauté et de réseau, rendant le marché capable de fournir une plus grande valeur et des dimensions plus larges, de sorte qu'il sera plus attractif pour les nouveaux utilisateurs.C'est le processus d'établissement de barrières pour le marché.
Donc, fondamentalement, pour créer un marché de l'IA axé sur les données, le plus important est les 4 points suivants :
Couche incitative : concevoir un algorithme qui peut motiver efficacement les utilisateurs à fournir des données de haute qualité, et il est nécessaire d'équilibrer la force des incitations et la durabilité du marché.
Confidentialité : protéger la confidentialité des données et garantir une utilisation efficace des données.
Utilisateurs : accumulez rapidement des utilisateurs et collectez des données plus précieuses au début.
Qualité des données : Les données proviennent de diverses sources et des mécanismes efficaces de contrôle de la qualité doivent être conçus.
**Pourquoi le fournisseur du modèle n'est-il pas répertorié comme un facteur clé par moi dans ce scénario ? **
La raison principale est basée sur les quatre points ci-dessus, et il est logique d'avoir un excellent fournisseur de modèles à rejoindre.
2.3 La valeur et les enjeux du marché des données
Données de domaine privé
La valeur des données du domaine privé réside dans ses informations uniques et difficiles à obtenir dans un domaine spécifique, ce qui est particulièrement important pour affiner les modèles d'IA. L'utilisation de données de domaine privé peut créer des modèles plus précis et personnalisés qui surpassent les modèles formés sur des ensembles de données publics dans des scénarios spécifiques.
Désormais, le processus de construction du modèle de base peut obtenir une grande quantité de données publiques. Par conséquent, le marché des données Web3 ne se concentre pas sur ces données. Comment obtenir et ajouter des données de domaine privé pendant la formation est actuellement un goulot d'étranglement En combinant des données de domaine privé avec des ensembles de données publiques, l'adaptabilité du modèle à divers problèmes et besoins des utilisateurs et la précision du modèle peuvent être augmentées.
Par exemple, en prenant comme exemple des scénarios médicaux et de santé, les modèles d'IA utilisant des données de domaine privé peuvent généralement augmenter la précision de la prédiction de 10 % à 30 %. Selon les recherches de Stanford, le modèle d'apprentissage en profondeur utilisant des données médicales du domaine privé est 15 % plus précis pour prédire le cancer du poumon que le modèle utilisant des données publiques
Confidentialité des données
La confidentialité deviendra-t-elle le goulot d'étranglement limitant AI + Web3 ? À en juger par le développement actuel, la direction d'atterrissage de l'IA dans le web3 est progressivement devenue claire, mais il semble que chaque application ne peut pas éviter le sujet de la vie privée. La puissance de calcul décentralisée doit garantir l'intégrité des données et des modèles à la fois dans la formation des modèles et dans le raisonnement des modèles. Confidentialité ; une condition pour que zkml soit établi est de s'assurer que le modèle ne sera pas abusé par des nœuds malveillants.
Le marché de l'IA est construit sur la base de la garantie que les utilisateurs contrôlent leurs propres données.Par conséquent, bien que les données des utilisateurs soient collectées de manière décentralisée et distribuée, tous les nœuds ne doivent pas directement collecter, traiter, stocker, utiliser, etc. données. Les méthodes de cryptage actuelles sont confrontées à des goulots d'étranglement dans l'utilisation, en prenant comme exemple le cryptage totalement homomorphe :
1. Complexité de calcul : FHE est plus complexe que les méthodes de cryptage traditionnelles, ce qui augmente considérablement la charge de calcul de la formation de modèles d'IA sous un cryptage entièrement homomorphe, ce qui rend la formation de modèles extrêmement inefficace, voire impossible. Par conséquent, le chiffrement entièrement homomorphe n'est pas idéal pour les tâches qui nécessitent beaucoup de ressources informatiques, telles que la formation de modèles d'apprentissage en profondeur.
2. Erreur de calcul : pendant le processus de calcul de FHE, les erreurs s'accumuleront progressivement au fur et à mesure du calcul, ce qui finira par affecter les résultats du calcul et affecter les performances du modèle AI.
** La confidentialité est également divisée en niveaux, pas besoin de trop s'inquiéter **
Différents types de données ont différents niveaux d'exigences de confidentialité. Seuls, par exemple, les dossiers médicaux, les informations financières, les informations personnelles sensibles, etc. nécessitent un niveau élevé de protection de la vie privée.
Par conséquent, la diversité des données doit être prise en compte dans la discussion sur le marché décentralisé de l'IA, *** la chose la plus importante est l'équilibre ***. Afin de maximiser la participation des utilisateurs et la richesse des ressources de la plate-forme, il est nécessaire de concevoir une stratégie plus flexible qui permet aux utilisateurs de personnaliser les paramètres de niveau de confidentialité, ** toutes les données ne nécessitent pas le plus haut niveau de confidentialité **.
3. Réflexions sur le marché décentralisé de l'IA
**3.1 Les utilisateurs ont le droit de contrôler les actifs, le retrait des utilisateurs entraînera-t-il l'effondrement de la plateforme ? **
L'avantage de la place de marché décentralisée de l'IA réside dans la propriété des ressources par l'utilisateur. Les utilisateurs peuvent en effet retirer leurs ressources à tout moment, mais une fois que les utilisateurs et les ressources (modèles, données) s'accumulent dans une certaine mesure, je pense que la plate-forme ne sera pas affectée* * . Bien sûr, cela signifie également que beaucoup d'argent sera dépensé pour stabiliser les utilisateurs et les ressources dans la phase initiale du projet, ce qui sera très difficile pour une équipe de démarrage.
Consensus communautaire
Une fois que le marché décentralisé de l'IA formera un fort effet de réseau, davantage d'utilisateurs et de développeurs deviendront collants. Et parce qu'une augmentation du nombre d'utilisateurs entraîne une augmentation de la qualité et de la quantité des données et des modèles, rendant le marché plus mature. Les utilisateurs motivés par des intérêts différents tirent plus de valeur du marché. Bien qu'un petit nombre d'utilisateurs puissent choisir de partir, le taux de croissance des nouveaux utilisateurs dans ce cas ne ralentira pas théoriquement, et le marché peut continuer à se développer et à offrir une plus grande valeur.
Des incitations
Si la couche incitative est correctement conçue, à mesure que le nombre de participants augmente et que diverses ressources s'accumulent, les avantages obtenus par toutes les parties augmenteront en conséquence. Un marché décentralisé de l'IA fournit non seulement une plate-forme permettant aux utilisateurs d'échanger des données et des modèles, mais peut également fournir un mécanisme permettant aux utilisateurs de tirer profit de leurs propres données et modèles. Par exemple, les utilisateurs sont payés en vendant leurs propres données ou en laissant d'autres utiliser leurs propres modèles.
Pour les développeurs de modèles : Le déploiement sur d'autres plates-formes peut ne pas disposer de suffisamment de données pour permettre d'affiner un modèle avec de meilleures performances ;
Pour les fournisseurs de données : Une autre plate-forme peut ne pas disposer d'une base de données aussi complète, et un petit élément de données pour les utilisateurs ne peut à lui seul exercer une valeur et obtenir une utilisation et des avantages suffisants ;
résumé
Si dans la place de marché décentralisée de l'IA, le porteur de projet ne joue qu'un rôle d'appariement et de mise à disposition d'une plateforme, la véritable barrière réside dans l'accumulation de données et de modèles apportés par l'accumulation du nombre d'utilisateurs***. Les utilisateurs ont la liberté de se retirer du marché, mais un AI Marketplace mature leur fera souvent tirer plus de valeur du marché qu'ils ne peuvent en obtenir en dehors du marché, de sorte que les utilisateurs n'ont aucune incitation à se retirer du marché.
Cependant, si la plupart des utilisateurs ou certains fournisseurs de modèles/données de haute qualité choisissent de se retirer, le marché peut être affecté. Cela est également cohérent avec l'existence de changements et d'ajustements dynamiques dans l'entrée et la sortie des utilisateurs dans divers systèmes économiques.
3.2 Qui est venu en premier, la poule ou l'œuf
À en juger par les deux voies ci-dessus, il est difficile de dire laquelle finira par sortir, mais il est clair que le marché de l'IA basé sur les données a plus de sens et que le plafond est beaucoup plus élevé que le premier. La plus grande différence est que le marché basé sur les données enrichit constamment les barrières, et le processus d'accumulation d'utilisateurs est également le processus d'accumulation de données. Au final, la valeur conférée par le web3 est d'enrichir une énorme base de données décentralisée. C'est un point positif. cycle. . Dans le même temps, essentiellement, ce type de plate-forme n'a pas besoin de conserver les données, mais offre un marché plus léger pour la contribution des données. En fin de compte, il s'agit d'un grand data mart, et ce type de barrière est difficile à remplacer.
Du point de vue de l'offre et de la demande, un marché de l'IA doit avoir deux points en même temps :
Beaucoup d'excellents modèles
UTILISATEUR FINAL
D'un certain point de vue, ces deux conditions semblent interdépendantes. D'une part, la plate-forme doit avoir suffisamment d'utilisateurs pour motiver les fournisseurs de modèles et de données. Ce n'est que lorsqu'il y a suffisamment d'utilisateurs accumulés que la couche incitative peut jouer. Pour la plus grande valeur, le volant d'inertie des données peut également être tourné, afin que davantage de fournisseurs de modèles puissent déployer des modèles. D'un autre côté, suffisamment d'utilisateurs finaux doivent venir pour un modèle utile, et le choix de la plate-forme par l'utilisateur est en grande partie un choix de la qualité et des capacités du modèle de plate-forme. Donc, sans accumuler un certain nombre d'excellents modèles, cette demande n'existe pas.Aussi avancé que soit l'algorithme de routage, le routage sans bons modèles est un vain mot. C'est comme si la prémisse de l'Apple Store était que Apple
Par conséquent, une meilleure idée de développement est :
Stratégie initiale
** Accumulez des modèles de haute qualité, ** La chose la plus remarquable dans la phase initiale est de créer une bibliothèque de modèles de haute qualité. La raison en est que, quel que soit le nombre d'utilisateurs finaux, sans modèles de haute qualité à choisir et à utiliser, la plate-forme ne sera pas attrayante et les utilisateurs n'auront ni adhérence ni rétention. En se concentrant sur la création d'une bibliothèque de modèles de haute qualité, la plate-forme peut garantir que les premiers utilisateurs peuvent trouver les modèles dont ils ont besoin, renforçant ainsi la réputation de la marque et la confiance des utilisateurs, et créant progressivement des effets de communauté et de réseau.
Politique d'expansion
Attirez les utilisateurs finaux Après avoir créé une bibliothèque de modèles de haute qualité, tournez-vous vers l'attraction et la fidélisation d'un plus grand nombre d'utilisateurs finaux. Un grand nombre d'utilisateurs fournira une motivation et un intérêt suffisants pour que les développeurs de modèles continuent à fournir et à améliorer le modèle. De plus, un grand nombre d'utilisateurs générera également une grande quantité de données, ce qui améliorera encore la formation et l'optimisation du modèle.
résumé
Quelle est la meilleure tentative de marché de l'IA ? *** En un mot, la plate-forme peut fournir suffisamment de modèles de haute qualité et peut associer efficacement les utilisateurs aux modèles appropriés pour résoudre les problèmes ***. Cette phrase résout deux contradictions : premièrement, la plate-forme peut fournir suffisamment de valeur aux développeurs (y compris les développeurs de modèles et les utilisateurs), pour qu'il y ait suffisamment de modèles de haute qualité sur la plate-forme ; deuxièmement, ces "commodités" peuvent fournir aux utilisateurs des solutions locales efficaces , accumulant ainsi plus d'utilisateurs et assurant la protection des intérêts de toutes les parties.
Le marché décentralisé de l'IA est une direction facile pour AI + web3, mais un projet doit déterminer quelle est la valeur réelle que cette plate-forme peut fournir et comment intégrer un grand nombre d'utilisateurs à un stade précoce. Parmi eux, la clé est de trouver un point d'équilibre des intérêts de toutes les parties, et en même temps de gérer plusieurs éléments tels que la propriété des données, la qualité du modèle, la confidentialité des utilisateurs, la puissance de calcul et les algorithmes d'incitation, et enfin de devenir un partage et plate-forme d'échange de données, de modèles et de puissance de calcul.
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Foresight Ventures : Meilleure tentative sur un marché décentralisé de l'IA
TL;DR
1. Marché de l'IA de Web3
1.1 Bilan de la piste IA dans le domaine web3
Tout d'abord, passez en revue les deux directions générales de la combinaison de l'IA et de la cryptographie que j'ai mentionnées plus tôt, ZKML et le réseau de puissance de calcul décentralisé 👇
ZKML
ZKML rend le modèle d'IA transparent + vérifiable, ce qui signifie qu'il garantit que les trois facteurs de l'architecture du modèle, des paramètres et des poids du modèle et de l'entrée du modèle peuvent être vérifiés sur l'ensemble du réseau. L'importance de ZKML est de créer la prochaine étape de valeur pour le monde du web3 sans sacrifier la décentralisation et sans confiance, et de fournir la capacité d'entreprendre des applications plus larges et de créer de plus grandes possibilités.
Foresight Ventures : IA + Web3 = ？
Réseau de puissance de calcul
Les ressources informatiques seront un champ de bataille majeur au cours de la prochaine décennie, et les investissements futurs dans l'infrastructure informatique haute performance augmenteront de façon exponentielle. Les scénarios d'application de la puissance de calcul décentralisée sont divisés en deux directions : le raisonnement de modèle et la formation de modèle. La demande de formation de grands modèles d'IA est la plus grande, mais elle fait également face aux plus grands défis et goulots d'étranglement techniques. Y compris la nécessité de problèmes complexes de synchronisation des données et d'optimisation du réseau. Il y a plus d'opportunités pour mettre en œuvre le raisonnement du modèle, et l'espace incrémentiel futur qui peut être prédit est également suffisamment grand.
**1.2 Qu'est-ce qu'AI Marketplace ? **
Les marchés de l'IA ne sont pas un concept très nouveau, et Hugging Face est sans doute le marché de l'IA le plus réussi (à l'exception de l'absence de transactions et de mécanismes de tarification). Dans le domaine de la PNL, Hugging Face fournit une plate-forme communautaire extrêmement importante et active où les développeurs et les utilisateurs peuvent partager et utiliser divers modèles pré-formés.
a. Ressources du modèle
Hugging Face fournit un grand nombre de modèles pré-formés qui couvrent une variété de tâches NLP. Cette richesse de ressources a attiré un grand nombre d'utilisateurs, c'est donc la base pour former une communauté active et accumuler les utilisateurs.
b. Esprit open source + diffuser et partager
Hugging Face encourage les développeurs à télécharger et partager leurs modèles. Cet esprit d'ouverture et de partage favorise la vitalité de la communauté et permet une exploitation rapide des derniers résultats de recherche par un grand nombre d'utilisateurs. Ceci est basé sur l'accumulation d'excellents développeurs et modèles, accélérant l'efficacité des résultats de recherche vérifiés et promus.
c. Convivial pour les développeurs et facile à utiliser
Hugging Face fournit une API et une documentation faciles à utiliser, permettant aux développeurs de comprendre et d'utiliser rapidement les modèles qu'il fournit. Cela abaisse le seuil d'utilisation, améliore l'expérience utilisateur et attire davantage de développeurs.
Bien que Hugging Face ne dispose pas d'un mécanisme de transaction, il fournit toujours une plate-forme importante pour le partage et l'utilisation de modèles d'IA. Par conséquent, on peut également voir que le marché de l'IA a la possibilité de devenir une ressource précieuse pour l'ensemble de l'industrie.
Marché de l'IA décentralisé en bref :
Sur la base des éléments ci-dessus, le marché décentralisé de l'IA est basé sur la technologie blockchain, permettant aux utilisateurs d'avoir la propriété de leurs propres données et actifs de modèle. La valeur apportée par Web3 se reflète également dans le mécanisme d'incitation et de transaction.Les utilisateurs peuvent librement choisir ou faire correspondre le modèle approprié via le système, et en même temps, ils peuvent également mettre leurs propres modèles formés sur les étagères pour obtenir des avantages.
Les utilisateurs sont propriétaires de leurs propres actifs d'IA, et le marché de l'IA lui-même n'a aucun contrôle sur les données et les modèles. Au lieu de cela, le développement du marché dépend de la base d'utilisateurs et de l'accumulation conséquente de modèles et de données. Cette accumulation est un processus de longue haleine, mais c'est aussi un processus d'établissement progressif de barrières de produits.Le développement du marché est soutenu par le nombre d'utilisateurs et la quantité/qualité des modèles et des données téléchargées par les utilisateurs.
**1.3 Pourquoi prêter attention à la place de marché de l'IA de Web3 ? **
1.3.1 Compatible avec la direction générale d'application de la puissance de calcul
En raison de la pression de la communication et d'autres raisons, il peut être difficile de mettre en œuvre une puissance de calcul décentralisée sur le modèle de base de formation, mais la pression sur le réglage fin sera beaucoup plus faible, il a donc la possibilité de devenir l'un des meilleurs scénarios pour la mise en œuvre d'un système centralisé. réseau de puissance de calcul.
Un peu de connaissances de base : pourquoi l'étape de réglage fin est plus facile à atteindre
Foresight Ventures : une vision rationnelle du réseau de puissance de calcul décentralisé
La formation au modèle d'IA est divisée en pré-formation et mise au point. La pré-formation implique une grande quantité de données et un grand nombre de calculs.Pour plus de détails, veuillez vous référer à l'analyse dans mon article ci-dessus. Le réglage fin est basé sur le modèle de base, en utilisant des données spécifiques à la tâche pour ajuster les paramètres du modèle afin que le modèle ait de meilleures performances pour des tâches spécifiques. phase de formation, pour deux raisons principales :
Par exemple, en prenant GPT3 comme exemple, la phase de pré-formation utilise 45 To de données textuelles pour la formation, tandis que la phase de réglage fin ne nécessite que ~ 5 Go de données. Le temps de formation pour la phase de pré-formation prend des semaines à des mois, tandis que la phase de mise au point ne prend que des heures à des jours.
1.3.2 Le point de départ de l'intersection de l'IA et de la crypto
Pour juger si un projet web3 est raisonnable, l'un des points les plus importants est de savoir s'il est crypto pour crypto, si le projet maximise la valeur apportée par web3, et si l'ajout de web3 apporte une différenciation. De toute évidence, la valeur ajoutée que le web3 apporte à cette place de marché de l'IA ne peut remplacer la confirmation des droits, la répartition des revenus et la puissance de calcul.
Je pense qu'un excellent marché Web3 AI peut intégrer étroitement l'IA et la cryptographie. La combinaison la plus parfaite n'est pas ce que les applications ou l'infra que le marché de l'IA peut apporter au web3, mais ce que le web3 peut apporter au marché de l'IA. Évidemment, par exemple, chaque utilisateur peut avoir la propriété de son propre modèle d'IA et de ses propres données (comme l'encapsulation du modèle d'IA et des données en tant que NFT), et il peut également les échanger en tant que marchandises, ce qui fait bon usage de web3 peut jouer valeur. Cela motive non seulement les développeurs d'IA et les fournisseurs de données, mais rend également l'application de l'IA plus étendue. Si un modèle est assez bon, le propriétaire est plus incité à le télécharger à d'autres pour le partager.
Dans le même temps, le marché décentralisé de l'IA peut introduire de nouveaux modèles commerciaux, tels que des modèles, la vente et la location de données, le crowdsourcing de tâches, etc.
1.3.3 Abaisser le seuil d'application de l'IA
Chacun devrait et pourra former ses propres modèles d'intelligence artificielle, ce qui nécessite une plate-forme avec un seuil suffisamment bas pour fournir un support de ressources, y compris des modèles de base, des outils, des données, une puissance de calcul, etc.
1.3.4 Demande et offre
Bien que les grands modèles aient de puissantes capacités de raisonnement, ils ne sont pas omnipotents. Souvent, un réglage fin pour des tâches et des scénarios spécifiques donnera de meilleurs résultats et sera plus pratique. Par conséquent, du côté de la demande, les utilisateurs ont besoin d'un marché de modèles d'IA pour obtenir des modèles utiles dans différents scénarios ; pour les développeurs, ils ont besoin d'une plate-forme qui peut fournir une grande commodité de ressources pour développer des modèles et obtenir des avantages grâce à leurs propres connaissances professionnelles.
** Deuxièmement, basé sur un modèle ou basé sur des données **
2.1 Marché des modèles
modèle
Avec l'outillage comme argument de vente, comme premier maillon du lien, le projet doit attirer suffisamment de développeurs de modèles à un stade précoce pour déployer des modèles de haute qualité, afin d'établir l'offre pour le marché.
Dans ce mode, les principaux points qui attirent les développeurs sont l'infra et les outils pratiques et faciles à utiliser. Les données dépendent de la propre capacité du développeur et de la raison pour laquelle certaines personnes expérimentées dans un certain domaine peuvent créer de la valeur. Les données de ce domaine doivent Les développeurs collectent et affinent les modèles avec de meilleures performances.
penser
Récemment, j'ai vu beaucoup de projets sur la combinaison du marché de l'IA et du web3, mais ce que je pense est : la création d'un marché de modèles d'IA décentralisé est-elle une fausse proposition ?
Tout d'abord, nous devons réfléchir à une question, quelle valeur le web3 peut-il apporter ?
C'est loin d'être suffisant si ce n'est que l'incitation du jeton, ou le récit de la propriété du modèle. D'un point de vue pratique, les modèles de haute qualité sur la plate-forme sont au cœur de l'ensemble du produit, et d'excellents modèles signifient généralement une valeur économique extrêmement élevée. Du point de vue des fournisseurs de modèles, ils ont besoin d'une motivation suffisante pour déployer leurs modèles de haute qualité sur le marché de l'IA, mais les incitations apportées par le jeton et la propriété peuvent-elles répondre à leurs attentes quant à la valeur du modèle ? Pour une plate-forme qui manquait de base d'utilisateurs au début, c'est évidemment loin d'être atteint. Sans un modèle extrêmement bon, l'ensemble du modèle d'affaires ne sera pas établi. La question est donc de savoir comment générer suffisamment de revenus pour les fournisseurs de modèles en l'absence d'utilisateurs finaux au stade initial.
2.2 Marché des données
Basé sur la collecte de données décentralisée, à travers la conception de la couche incitative et le récit de la propriété des données à bord d'un plus grand nombre de fournisseurs de données, ainsi que d'utilisateurs qui étiquettent les données. Avec la bénédiction de la cryptographie, la plate-forme a la possibilité d'accumuler une grande quantité de données précieuses dans un certain laps de temps, en particulier les données du domaine privé qui font actuellement défaut.
Ce qui m'excite le plus, c'est que ce modèle de développement ascendant ressemble plus à un jeu de financement participatif. Peu importe l'expérience des personnes, il est impossible d'avoir des données complètes dans un domaine, et l'une des valeurs que le web3 peut fournir est la collecte de données sans autorisation et décentralisée. Ce modèle peut non seulement concentrer l'expertise et les données dans divers domaines, mais également fournir des services d'IA à un groupe d'utilisateurs plus large. Par rapport aux données propres à un seul utilisateur, ces données de financement participatif sont collectées à partir d'un grand nombre de scénarios réels d'utilisateurs réels, de sorte qu'elles peuvent mieux refléter la complexité et la diversité du monde réel que les données collectées à partir d'une source unique, ce qui peut grandement améliorer La capacité de généralisation et la robustesse du modèle permettent au modèle d'IA de bien fonctionner dans de nombreux environnements différents.
Par exemple, une personne peut avoir beaucoup d'expérience en nutrition et avoir accumulé beaucoup de données, mais les données personnelles à elles seules sont loin d'être suffisantes pour former un excellent modèle. Alors que les utilisateurs partagent des données, ils peuvent également accéder et utiliser des données précieuses fournies par d'autres utilisateurs dans le même domaine et à travers le réseau sur la plate-forme, afin d'obtenir de meilleurs effets de réglage fin.
penser
De ce point de vue, cela peut également être une bonne tentative de construire un marché des données décentralisé. En tant que "marchandise" avec des seuils plus bas, des liens de production plus courts et une densité de fournisseurs plus large, les données peuvent mieux utiliser la valeur que le web3 peut fournir. Un algorithme incitatif et un mécanisme de confirmation des données peuvent motiver les utilisateurs à télécharger des données. Selon le modèle actuel, les données ressemblent davantage à une marchandise unique, ce qui signifie qu'elles ont peu de valeur après avoir été utilisées une seule fois. Sur le marché des modèles d'IA décentralisés, les données des utilisateurs peuvent être utilisées à plusieurs reprises et en bénéficier, et la valeur des données sera réalisée sur une plus longue période.
Il semble être un bon choix d'utiliser les données comme point d'entrée pour accumuler des utilisateurs. L'un des éléments centraux et des obstacles du grand modèle est la qualité des données multidimensionnelles. Une fois qu'un grand nombre de fournisseurs de données sont à bord, ces personnes ont la possibilité de se transformer davantage en utilisateurs finaux ou en fournisseur de modèles. Le marché de l'IA basé sur cela peut en effet fournir la valeur sous-jacente pour d'excellents modèles et donner aux ingénieurs en algorithmes la motivation pour contribuer aux modèles sur la plate-forme du point de vue des modèles de formation.
Cette dynamique est un changement de 0 à 1. Maintenant que les grandes entreprises disposent d'énormes quantités de données, elles peuvent former des modèles plus précis, ce qui rend difficile la concurrence pour les petites entreprises et les développeurs individuels. Même si un utilisateur dispose de données très précieuses dans un certain domaine, il est difficile pour cette petite partie de données d'avoir de la valeur sans la coopération de données sur un ensemble plus large. Cependant, dans un marché décentralisé, tout le monde a la possibilité d'obtenir et d'utiliser des données, et ces experts rejoignent la plate-forme avec des données incrémentales précieuses.Par conséquent, la qualité et la quantité des données de la plate-forme ont été encore améliorées, ce qui permet de tout le monde pour former d'excellents modèles et même promouvoir l'innovation en IA.
Les données elles-mêmes sont en effet bien adaptées pour constituer un obstacle à la concurrence sur ce type de marché de l'IA. Tout d'abord, une excellente couche incitative et des garanties de confidentialité sécurisées permettent à davantage d'investisseurs de détail de participer à l'ensemble du protocole et de fournir des données. Et, à mesure que le nombre d'utilisateurs augmente, la qualité et la quantité des données augmentent également. Cela générera des effets de communauté et de réseau, rendant le marché capable de fournir une plus grande valeur et des dimensions plus larges, de sorte qu'il sera plus attractif pour les nouveaux utilisateurs.C'est le processus d'établissement de barrières pour le marché.
Donc, fondamentalement, pour créer un marché de l'IA axé sur les données, le plus important est les 4 points suivants :
**Pourquoi le fournisseur du modèle n'est-il pas répertorié comme un facteur clé par moi dans ce scénario ? **
La raison principale est basée sur les quatre points ci-dessus, et il est logique d'avoir un excellent fournisseur de modèles à rejoindre.
2.3 La valeur et les enjeux du marché des données
Données de domaine privé
La valeur des données du domaine privé réside dans ses informations uniques et difficiles à obtenir dans un domaine spécifique, ce qui est particulièrement important pour affiner les modèles d'IA. L'utilisation de données de domaine privé peut créer des modèles plus précis et personnalisés qui surpassent les modèles formés sur des ensembles de données publics dans des scénarios spécifiques.
Désormais, le processus de construction du modèle de base peut obtenir une grande quantité de données publiques. Par conséquent, le marché des données Web3 ne se concentre pas sur ces données. Comment obtenir et ajouter des données de domaine privé pendant la formation est actuellement un goulot d'étranglement En combinant des données de domaine privé avec des ensembles de données publiques, l'adaptabilité du modèle à divers problèmes et besoins des utilisateurs et la précision du modèle peuvent être augmentées.
Par exemple, en prenant comme exemple des scénarios médicaux et de santé, les modèles d'IA utilisant des données de domaine privé peuvent généralement augmenter la précision de la prédiction de 10 % à 30 %. Selon les recherches de Stanford, le modèle d'apprentissage en profondeur utilisant des données médicales du domaine privé est 15 % plus précis pour prédire le cancer du poumon que le modèle utilisant des données publiques
Confidentialité des données
La confidentialité deviendra-t-elle le goulot d'étranglement limitant AI + Web3 ? À en juger par le développement actuel, la direction d'atterrissage de l'IA dans le web3 est progressivement devenue claire, mais il semble que chaque application ne peut pas éviter le sujet de la vie privée. La puissance de calcul décentralisée doit garantir l'intégrité des données et des modèles à la fois dans la formation des modèles et dans le raisonnement des modèles. Confidentialité ; une condition pour que zkml soit établi est de s'assurer que le modèle ne sera pas abusé par des nœuds malveillants.
Le marché de l'IA est construit sur la base de la garantie que les utilisateurs contrôlent leurs propres données.Par conséquent, bien que les données des utilisateurs soient collectées de manière décentralisée et distribuée, tous les nœuds ne doivent pas directement collecter, traiter, stocker, utiliser, etc. données. Les méthodes de cryptage actuelles sont confrontées à des goulots d'étranglement dans l'utilisation, en prenant comme exemple le cryptage totalement homomorphe :
1. Complexité de calcul : FHE est plus complexe que les méthodes de cryptage traditionnelles, ce qui augmente considérablement la charge de calcul de la formation de modèles d'IA sous un cryptage entièrement homomorphe, ce qui rend la formation de modèles extrêmement inefficace, voire impossible. Par conséquent, le chiffrement entièrement homomorphe n'est pas idéal pour les tâches qui nécessitent beaucoup de ressources informatiques, telles que la formation de modèles d'apprentissage en profondeur. 2. Erreur de calcul : pendant le processus de calcul de FHE, les erreurs s'accumuleront progressivement au fur et à mesure du calcul, ce qui finira par affecter les résultats du calcul et affecter les performances du modèle AI.
** La confidentialité est également divisée en niveaux, pas besoin de trop s'inquiéter **
Différents types de données ont différents niveaux d'exigences de confidentialité. Seuls, par exemple, les dossiers médicaux, les informations financières, les informations personnelles sensibles, etc. nécessitent un niveau élevé de protection de la vie privée.
Par conséquent, la diversité des données doit être prise en compte dans la discussion sur le marché décentralisé de l'IA, *** la chose la plus importante est l'équilibre ***. Afin de maximiser la participation des utilisateurs et la richesse des ressources de la plate-forme, il est nécessaire de concevoir une stratégie plus flexible qui permet aux utilisateurs de personnaliser les paramètres de niveau de confidentialité, ** toutes les données ne nécessitent pas le plus haut niveau de confidentialité **.
3. Réflexions sur le marché décentralisé de l'IA
**3.1 Les utilisateurs ont le droit de contrôler les actifs, le retrait des utilisateurs entraînera-t-il l'effondrement de la plateforme ? **
L'avantage de la place de marché décentralisée de l'IA réside dans la propriété des ressources par l'utilisateur. Les utilisateurs peuvent en effet retirer leurs ressources à tout moment, mais une fois que les utilisateurs et les ressources (modèles, données) s'accumulent dans une certaine mesure, je pense que la plate-forme ne sera pas affectée* * . Bien sûr, cela signifie également que beaucoup d'argent sera dépensé pour stabiliser les utilisateurs et les ressources dans la phase initiale du projet, ce qui sera très difficile pour une équipe de démarrage.
Consensus communautaire
Une fois que le marché décentralisé de l'IA formera un fort effet de réseau, davantage d'utilisateurs et de développeurs deviendront collants. Et parce qu'une augmentation du nombre d'utilisateurs entraîne une augmentation de la qualité et de la quantité des données et des modèles, rendant le marché plus mature. Les utilisateurs motivés par des intérêts différents tirent plus de valeur du marché. Bien qu'un petit nombre d'utilisateurs puissent choisir de partir, le taux de croissance des nouveaux utilisateurs dans ce cas ne ralentira pas théoriquement, et le marché peut continuer à se développer et à offrir une plus grande valeur.
Des incitations
Si la couche incitative est correctement conçue, à mesure que le nombre de participants augmente et que diverses ressources s'accumulent, les avantages obtenus par toutes les parties augmenteront en conséquence. Un marché décentralisé de l'IA fournit non seulement une plate-forme permettant aux utilisateurs d'échanger des données et des modèles, mais peut également fournir un mécanisme permettant aux utilisateurs de tirer profit de leurs propres données et modèles. Par exemple, les utilisateurs sont payés en vendant leurs propres données ou en laissant d'autres utiliser leurs propres modèles.
Pour les développeurs de modèles : Le déploiement sur d'autres plates-formes peut ne pas disposer de suffisamment de données pour permettre d'affiner un modèle avec de meilleures performances ;
Pour les fournisseurs de données : Une autre plate-forme peut ne pas disposer d'une base de données aussi complète, et un petit élément de données pour les utilisateurs ne peut à lui seul exercer une valeur et obtenir une utilisation et des avantages suffisants ;
résumé
Si dans la place de marché décentralisée de l'IA, le porteur de projet ne joue qu'un rôle d'appariement et de mise à disposition d'une plateforme, la véritable barrière réside dans l'accumulation de données et de modèles apportés par l'accumulation du nombre d'utilisateurs***. Les utilisateurs ont la liberté de se retirer du marché, mais un AI Marketplace mature leur fera souvent tirer plus de valeur du marché qu'ils ne peuvent en obtenir en dehors du marché, de sorte que les utilisateurs n'ont aucune incitation à se retirer du marché.
Cependant, si la plupart des utilisateurs ou certains fournisseurs de modèles/données de haute qualité choisissent de se retirer, le marché peut être affecté. Cela est également cohérent avec l'existence de changements et d'ajustements dynamiques dans l'entrée et la sortie des utilisateurs dans divers systèmes économiques.
3.2 Qui est venu en premier, la poule ou l'œuf
À en juger par les deux voies ci-dessus, il est difficile de dire laquelle finira par sortir, mais il est clair que le marché de l'IA basé sur les données a plus de sens et que le plafond est beaucoup plus élevé que le premier. La plus grande différence est que le marché basé sur les données enrichit constamment les barrières, et le processus d'accumulation d'utilisateurs est également le processus d'accumulation de données. Au final, la valeur conférée par le web3 est d'enrichir une énorme base de données décentralisée. C'est un point positif. cycle. . Dans le même temps, essentiellement, ce type de plate-forme n'a pas besoin de conserver les données, mais offre un marché plus léger pour la contribution des données. En fin de compte, il s'agit d'un grand data mart, et ce type de barrière est difficile à remplacer.
Du point de vue de l'offre et de la demande, un marché de l'IA doit avoir deux points en même temps :
D'un certain point de vue, ces deux conditions semblent interdépendantes. D'une part, la plate-forme doit avoir suffisamment d'utilisateurs pour motiver les fournisseurs de modèles et de données. Ce n'est que lorsqu'il y a suffisamment d'utilisateurs accumulés que la couche incitative peut jouer. Pour la plus grande valeur, le volant d'inertie des données peut également être tourné, afin que davantage de fournisseurs de modèles puissent déployer des modèles. D'un autre côté, suffisamment d'utilisateurs finaux doivent venir pour un modèle utile, et le choix de la plate-forme par l'utilisateur est en grande partie un choix de la qualité et des capacités du modèle de plate-forme. Donc, sans accumuler un certain nombre d'excellents modèles, cette demande n'existe pas.Aussi avancé que soit l'algorithme de routage, le routage sans bons modèles est un vain mot. C'est comme si la prémisse de l'Apple Store était que Apple
Par conséquent, une meilleure idée de développement est :
Stratégie initiale
Politique d'expansion
résumé
Quelle est la meilleure tentative de marché de l'IA ? *** En un mot, la plate-forme peut fournir suffisamment de modèles de haute qualité et peut associer efficacement les utilisateurs aux modèles appropriés pour résoudre les problèmes ***. Cette phrase résout deux contradictions : premièrement, la plate-forme peut fournir suffisamment de valeur aux développeurs (y compris les développeurs de modèles et les utilisateurs), pour qu'il y ait suffisamment de modèles de haute qualité sur la plate-forme ; deuxièmement, ces "commodités" peuvent fournir aux utilisateurs des solutions locales efficaces , accumulant ainsi plus d'utilisateurs et assurant la protection des intérêts de toutes les parties.
Le marché décentralisé de l'IA est une direction facile pour AI + web3, mais un projet doit déterminer quelle est la valeur réelle que cette plate-forme peut fournir et comment intégrer un grand nombre d'utilisateurs à un stade précoce. Parmi eux, la clé est de trouver un point d'équilibre des intérêts de toutes les parties, et en même temps de gérer plusieurs éléments tels que la propriété des données, la qualité du modèle, la confidentialité des utilisateurs, la puissance de calcul et les algorithmes d'incitation, et enfin de devenir un partage et plate-forme d'échange de données, de modèles et de puissance de calcul.