Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычислительные мощности ИИ и ресурсы данных находятся под строгим контролем, и существуют многочисленные проблемы, такие как узкие места в вычислительных мощностях, утечка конфиденциальной информации, черные ящики алгоритмов и другие. Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие способы, как совместное использование вычислительных сетей, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, алгоритмы борьбы с мошенничеством и другие, способствуя его экосистемному строительству. Изучение сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета, а также для раскрытия ценности данных и вычислительных мощностей.
Данные в основе: крепкая основа AI и Web3
Данные являются основным двигателем развития ИИ, подобно тому, как топливо необходимо для двигателя. Модели ИИ должны обрабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:
Высокая стоимость получения данных, малым и средним предприятиям трудно это вынести.
Данные ресурсы монополизированы технологическими гигантами, образуя острова данных
Личная информация подвергается риску утечки и злоупотребления
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемую сеть AI-компаниям, децентрализованно извлекая сетевые данные, которые очищаются и преобразуются для предоставления реальных, высококачественных данных для обучения моделей ИИ.
Использование модели "label to earn" для стимулирования глобальных работников участвовать в аннотировании данных через токенизацию, объединение мировых профессиональных знаний и повышение аналитических способностей данных.
Платформа торговли данными на блокчейне предоставляет открытую и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и совместное использование данных.
Тем не менее, в реальном мире есть некоторые проблемы с получением данных, такие как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность их использования. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным объектом внимания. Принятие таких регуляций, как Общий регламент по защите данных (GDPR) Европейским Союзом, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть использованы в полной мере из-за рисков конфиденциальности, что ограничивает потенциал и способности моделирования ИИ.
FHE, или полностью гомоморфное шифрование, позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.
FHE предоставляет надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI. Они могут безопасно открывать API-сервисы, защищая коммерческие тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, где ZKML доказывает корректное выполнение машинного обучения, а FHEML подчеркивает вычисления с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему предложение существующих вычислительных ресурсов. Например, обучение большого языкового модели одной AI-компании требует огромных вычислительных мощностей, эквивалентных 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает эти продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, использование глобальных GPU составляет менее 40%, наряду с замедлением повышения производительности микропроцессоров и нехваткой чипов, вызванной факторами цепочки поставок и геополитики, что еще больше усугубляет проблему поставок вычислительной мощности. Специалисты по ИИ оказались в дилемме: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ предоставления вычислительных услуг по требованию.
Децентрализованная сеть вычислительных мощностей ИИ, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, умные контракты распределяют задачи среди майнеров, предоставляющих вычислительную мощность, которые выполняют задачи и отправляют результаты. После проверки они получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальной децентрализованной сети вычислительных мощностей, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушает монополии, снижает порог входа для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности будет играть ключевую роль, привлекая больше инновационных dapp и совместно способствуя развитию и применению технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — именно в этом и заключается魅力 Edge AI. Он позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку, обработку в реальном времени и защищая при этом конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная экономическая модель токенов Web3 может побудить узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные издержки и технологические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, несколько известных проектов достигли значительного прогресса.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена некоторым соглашением для токенизации моделей ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только модель ИИ разрабатывается и выводится на рынок, разработчикам часто бывает сложно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Первоначальным создателям трудно отслеживать использование, не говоря уже о получении прибыли. Кроме того, производительность и эффективность моделей ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и совместного использования ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, которые будут генерироваться моделью в будущем. Протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML, чтобы обеспечить подлинность AI моделей и возможность держателей токенов делиться доходами.
Модель IMO повысила прозрачность и доверие, способствовала открытому сотрудничеству, адаптировалась к тенденциям крипторынка и дала импульс устойчивому развитию технологий ИИ. В настоящее время IMO находится на стадии начальных попыток, но с повышением уровня принятия на рынке и расширением диапазона участия его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эра интерактивного опыта
AI Agent может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой крупных языковых моделей AI Agent не только понимает естественный язык, но и может планировать решения и выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая индивидуализированные решения. Даже без четких указаний AI Agent может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая платформа приложений на основе ИИ предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций, внешнего вида и звучания роботов, а также в подключении внешних баз знаний. Платформа стремится создать честную и открытую экосистему ИИ-контента, используя технологии генеративного ИИ, чтобы наделить индивидуумов возможностями стать суперсоздателями. Эта платформа обучила специализированную языковую модель, что сделало ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие продуктов ИИ, снизив стоимость синтеза голоса на 99%, а клонирование голоса может быть выполнено всего за 1 минуту. Используя кастомизированный AI Agent на этой платформе, в настоящее время можно применять его в различных областях, таких как видеочат, изучение языков, генерация изображений и т.д.
В слиянии Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, такие как получение качественных данных, защита конфиденциальности данных, развертывание моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и валидация больших языковых моделей. С постепенным улучшением этой инфраструктуры у нас есть все основания полагать, что слияние Web3 и ИИ приведет к возникновению ряда инновационных бизнес-моделей и услуг.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
14 Лайков
Награда
14
2
Репост
Поделиться
комментарий
0/400
rekt_but_resilient
· 08-02 04:20
Давайте, братья, зарядим Кошелек для следующей волны лонгов.
Web3 и AI: создание будущего интернета с Децентрализацией данных, Вычислительной мощностью и конфиденциальностью
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычислительные мощности ИИ и ресурсы данных находятся под строгим контролем, и существуют многочисленные проблемы, такие как узкие места в вычислительных мощностях, утечка конфиденциальной информации, черные ящики алгоритмов и другие. Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие способы, как совместное использование вычислительных сетей, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, алгоритмы борьбы с мошенничеством и другие, способствуя его экосистемному строительству. Изучение сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета, а также для раскрытия ценности данных и вычислительных мощностей.
Данные в основе: крепкая основа AI и Web3
Данные являются основным двигателем развития ИИ, подобно тому, как топливо необходимо для двигателя. Модели ИИ должны обрабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Тем не менее, в реальном мире есть некоторые проблемы с получением данных, такие как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность и т. д. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность их использования. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным объектом внимания. Принятие таких регуляций, как Общий регламент по защите данных (GDPR) Европейским Союзом, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть использованы в полной мере из-за рисков конфиденциальности, что ограничивает потенциал и способности моделирования ИИ.
FHE, или полностью гомоморфное шифрование, позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.
FHE предоставляет надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI. Они могут безопасно открывать API-сервисы, защищая коммерческие тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, где ZKML доказывает корректное выполнение машинного обучения, а FHEML подчеркивает вычисления с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: AI-вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему предложение существующих вычислительных ресурсов. Например, обучение большого языкового модели одной AI-компании требует огромных вычислительных мощностей, эквивалентных 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает эти продвинутые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, использование глобальных GPU составляет менее 40%, наряду с замедлением повышения производительности микропроцессоров и нехваткой чипов, вызванной факторами цепочки поставок и геополитики, что еще больше усугубляет проблему поставок вычислительной мощности. Специалисты по ИИ оказались в дилемме: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ предоставления вычислительных услуг по требованию.
Децентрализованная сеть вычислительных мощностей ИИ, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, умные контракты распределяют задачи среди майнеров, предоставляющих вычислительную мощность, которые выполняют задачи и отправляют результаты. После проверки они получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.
Помимо универсальной децентрализованной сети вычислительных мощностей, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.
Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушает монополии, снижает порог входа для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности будет играть ключевую роль, привлекая больше инновационных dapp и совместно способствуя развитию и применению технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — именно в этом и заключается魅力 Edge AI. Он позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку, обработку в реальном времени и защищая при этом конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная экономическая модель токенов Web3 может побудить узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные издержки и технологические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, несколько известных проектов достигли значительного прогресса.
IMO: Новый парадигма выпуска AI моделей
Концепция IMO была впервые предложена некоторым соглашением для токенизации моделей ИИ.
В традиционной модели, из-за отсутствия механизма распределения доходов, как только модель ИИ разрабатывается и выводится на рынок, разработчикам часто бывает сложно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Первоначальным создателям трудно отслеживать использование, не говоря уже о получении прибыли. Кроме того, производительность и эффективность моделей ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.
IMO предоставляет новый способ финансирования и совместного использования ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, которые будут генерироваться моделью в будущем. Протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML, чтобы обеспечить подлинность AI моделей и возможность держателей токенов делиться доходами.
Модель IMO повысила прозрачность и доверие, способствовала открытому сотрудничеству, адаптировалась к тенденциям крипторынка и дала импульс устойчивому развитию технологий ИИ. В настоящее время IMO находится на стадии начальных попыток, но с повышением уровня принятия на рынке и расширением диапазона участия его инновационность и потенциальная ценность вызывают у нас ожидания.
AI Агент: новая эра интерактивного опыта
AI Agent может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой крупных языковых моделей AI Agent не только понимает естественный язык, но и может планировать решения и выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая индивидуализированные решения. Даже без четких указаний AI Agent может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая открытая платформа приложений на основе ИИ предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций, внешнего вида и звучания роботов, а также в подключении внешних баз знаний. Платформа стремится создать честную и открытую экосистему ИИ-контента, используя технологии генеративного ИИ, чтобы наделить индивидуумов возможностями стать суперсоздателями. Эта платформа обучила специализированную языковую модель, что сделало ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие продуктов ИИ, снизив стоимость синтеза голоса на 99%, а клонирование голоса может быть выполнено всего за 1 минуту. Используя кастомизированный AI Agent на этой платформе, в настоящее время можно применять его в различных областях, таких как видеочат, изучение языков, генерация изображений и т.д.
В слиянии Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, такие как получение качественных данных, защита конфиденциальности данных, развертывание моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и валидация больших языковых моделей. С постепенным улучшением этой инфраструктуры у нас есть все основания полагать, что слияние Web3 и ИИ приведет к возникновению ряда инновационных бизнес-моделей и услуг.