Інтеграція Web3 та AI: створення інфраструктури наступного покоління Інтернету
Web3, як нова парадигма Інтернету, що є децентралізованою, відкритою та прозорою, має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та дані контролюються жорстко, існують численні виклики, такі як обмеження обчислювальної потужності, витоки конфіденційності, алгоритмічна "чорна скриня" тощо. Однак Web3, базуючись на розподілених технологіях, може надати нові можливості для розвитку AI через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас AI може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, сприяючи його екосистемному розвитку. Вивчення поєднання Web3 та AI є вкрай важливим для створення інфраструктури наступного покоління Інтернету, а також для реалізації цінності даних та обчислювальної потужності.
Дані, що керують: міцна основа AI та Web3
Дані є основним рушійним фактором розвитку ШІ, як паливо для двигуна. Моделі ШІ потребують перетворення великої кількості якісних даних, щоб отримати глибоке розуміння та потужні аналітичні можливості. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі збору та використання даних AI мають такі основні проблеми:
Витрати на отримання даних високі, і малим та середнім підприємствам важко їх понести
Ресурси даних монополізовані технологічними гігантами, що призводить до утворення ізольованих даних.
Особисті дані піддаються ризику витоку та зловживання.
Web3 може вирішити проблеми традиційних моделей завдяки новій децентралізованій парадигмі даних:
Користувачі можуть продавати невикористані мережі компаніям ШІ, децентралізовано збираючи мережеві дані, очищені та перетворені для забезпечення реальних, високоякісних даних для навчання моделей ШІ.
Використання моделі "label to earn" для стимулювання глобальних працівників до участі в маркуванні даних через токенізовані винагороди, об'єднуючи світову експертизу та підвищуючи можливості аналізу даних.
Платформа торгівлі даними на базі блокчейн забезпечує відкритий та прозорий торговельний середовище для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Проте реальний світ також стикається з деякими проблемами в отриманні даних, такими як різна якість даних, великі труднощі в обробці, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього в області даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.
Захист конфіденційності: роль FHE у Web3
У епоху даних захист приватності став глобальною темою для обговорення. Прийняття таких регуляцій, як Загальний регламент захисту даних (GDPR) в Європейському Союзі, відображає суворе дотримання особистої приватності. Однак це також призвело до викликів: деякі чутливі дані не можуть бути повністю використані через ризики приватності, що обмежує потенціал та здатність до міркування AI-моделей.
FHE, або повністю гомоморфне шифрування, дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних, не розшифровуючи їх, і при цьому результати обчислень збігаються з результатами, отриманими при виконанні тих самих обчислень на відкритих даних.
FHE надає надійний захист для обчислень конфіденційності ШІ, що дозволяє обчислювальній потужності GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям ШІ. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом всього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює необхідність обробки зашифрованих даних для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання потреби в обчислювальних потужностях, що значно перевищує наявні ресурси. Наприклад, для навчання великої мовної моделі однієї компанії штучного інтелекту потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальної потужності не тільки обмежує прогрес технологій штучного інтелекту, але й робить ці висококласні моделі недоступними для більшості дослідників та розробників.
Водночас, використання глобальних GPU становить менше 40%, а також сповільнення підвищення продуктивності мікропроцесорів і нестача чіпів через ланцюги постачання та геополітичні фактори роблять проблему постачання обчислювальної потужності ще більш гострою. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень на вимогу.
Децентралізована мережа обчислювальної потужності на базі штучного інтелекту, агрегуючи невикористані ресурси GPU з усього світу, забезпечує для AI-компаній економічний та доступний ринок обчислювальної потужності. Сторони, які потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, а смарт-контракти розподіляють завдання між майнерами, які надають обчислювальну потужність. Майнер виконує завдання та подає результати, які, після верифікації, приносять бали винагороди. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблеми з обчислювальною потужністю у сферах, таких як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальної потужності, існують платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.
Децентралізована мережа обчислювальних потужностей забезпечує справедливий та прозорий ринок обчислювальних потужностей, розриває монополію, знижує бар'єри для застосування та підвищує ефективність використання обчислювальних потужностей. У екосистемі web3 децентралізована мережа обчислювальних потужностей відіграватиме ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, розумні годинники та навіть смарт-пристрої в вашому домі мають можливість виконувати AI — саме в цьому полягає привабливість Edge AI. Це дозволяє обробці даних відбуватися на місці їх виникнення, що забезпечує низьку затримку, обробку в реальному часі, а також захищає конфіденційність користувачів. Технологія Edge AI вже застосовується в таких ключових сферах, як автономне водіння.
У сфері Web3 ми маємо більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN, обробляючи дані локально, може посилити захист приватності користувачів і зменшити ризик витоку даних; нативний токеномічний механізм Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, щоб побудувати стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з найпоширеніших платформ для розгортання проектів. Висока TPS, низькі торгові витрати та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку для проектів DePIN. На даний момент ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, і кілька відомих проектів досягли значного прогресу.
IMO: Випуск нової парадигми AI моделей
Концепцію IMO вперше запропонувала певна угода, що передбачає токенізацію AI-моделей.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI-модель буде розроблено та виведено на ринок, розробники часто не можуть отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання доходів. Крім того, продуктивність і ефективність AI-моделей часто не є прозорими, що ускладнює оцінку їхньої справжньої вартості для потенційних інвесторів і користувачів, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO забезпечує новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб поділитися прибутками, які генеруються моделлю в майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракул і технологію OPML, щоб забезпечити справжність AI моделей та можливість токенодержателів ділитися прибутком.
Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючись до тенденцій криптового ринку та надаючи імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на початковому етапі, але з підвищенням прийнятності на ринку та розширенням участі, її інноваційність та потенційна цінність заслуговують на нашу увагу.
AI Агент: нова ера інтерактивного досвіду
AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. За підтримки великих мовних моделей AI Agent не тільки може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть слугувати віртуальними помічниками, вивчаючи переваги користувачів через взаємодію та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деяка відкрита платформа AI-native пропонує всебічний та зручний набір інструментів для творчості, підтримуючи користувачів у налаштуванні функцій, зовнішнього вигляду, голосу роботів та підключення зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему AI-контенту, використовуючи технології генеративного AI, надаючи можливість особам стати супер-творцями. Ця платформа тренує спеціалізовану велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, зменшуючи витрати на синтез голосу на 99%, а клонування голосу може бути реалізовано всього за 1 хвилину. Використовуючи спеціально налаштованого AI агента на цій платформі, наразі його можна застосовувати в багатьох сферах, таких як відео-чат, вивчення мов, генерування зображень.
У злитті Web3 та AI наразі більше уваги приділяється дослідженням на рівні інфраструктури: як отримувати високоякісні дані, захищати конфіденційність даних, як розгорнути моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим удосконаленням цих інфраструктур у нас є підстави вірити, що злиття Web3 та AI призведе до виникнення ряду інноваційних бізнес-моделей та послуг.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
14 лайків
Нагородити
14
2
Репост
Поділіться
Прокоментувати
0/400
rekt_but_resilient
· 08-02 04:20
Залийте гаманці братва на наступну хвилю лонгів.
Переглянути оригіналвідповісти на0
SelfMadeRuggee
· 08-02 04:13
Вбивчий комбінація, об'єднання для спільного виграшу
Web3 та AI в інтеграції: побудова децентралізованого інтернету майбутнього з даними, обчислювальною потужністю та приватністю
Інтеграція Web3 та AI: створення інфраструктури наступного покоління Інтернету
Web3, як нова парадигма Інтернету, що є децентралізованою, відкритою та прозорою, має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та дані контролюються жорстко, існують численні виклики, такі як обмеження обчислювальної потужності, витоки конфіденційності, алгоритмічна "чорна скриня" тощо. Однак Web3, базуючись на розподілених технологіях, може надати нові можливості для розвитку AI через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас AI може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, сприяючи його екосистемному розвитку. Вивчення поєднання Web3 та AI є вкрай важливим для створення інфраструктури наступного покоління Інтернету, а також для реалізації цінності даних та обчислювальної потужності.
Дані, що керують: міцна основа AI та Web3
Дані є основним рушійним фактором розвитку ШІ, як паливо для двигуна. Моделі ШІ потребують перетворення великої кількості якісних даних, щоб отримати глибоке розуміння та потужні аналітичні можливості. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі збору та використання даних AI мають такі основні проблеми:
Web3 може вирішити проблеми традиційних моделей завдяки новій децентралізованій парадигмі даних:
Проте реальний світ також стикається з деякими проблемами в отриманні даних, такими як різна якість даних, великі труднощі в обробці, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього в області даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.
Захист конфіденційності: роль FHE у Web3
У епоху даних захист приватності став глобальною темою для обговорення. Прийняття таких регуляцій, як Загальний регламент захисту даних (GDPR) в Європейському Союзі, відображає суворе дотримання особистої приватності. Однак це також призвело до викликів: деякі чутливі дані не можуть бути повністю використані через ризики приватності, що обмежує потенціал та здатність до міркування AI-моделей.
FHE, або повністю гомоморфне шифрування, дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних, не розшифровуючи їх, і при цьому результати обчислень збігаються з результатами, отриманими при виконанні тих самих обчислень на відкритих даних.
FHE надає надійний захист для обчислень конфіденційності ШІ, що дозволяє обчислювальній потужності GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям ШІ. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом всього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює необхідність обробки зашифрованих даних для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання потреби в обчислювальних потужностях, що значно перевищує наявні ресурси. Наприклад, для навчання великої мовної моделі однієї компанії штучного інтелекту потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальної потужності не тільки обмежує прогрес технологій штучного інтелекту, але й робить ці висококласні моделі недоступними для більшості дослідників та розробників.
Водночас, використання глобальних GPU становить менше 40%, а також сповільнення підвищення продуктивності мікропроцесорів і нестача чіпів через ланцюги постачання та геополітичні фактори роблять проблему постачання обчислювальної потужності ще більш гострою. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень на вимогу.
Децентралізована мережа обчислювальної потужності на базі штучного інтелекту, агрегуючи невикористані ресурси GPU з усього світу, забезпечує для AI-компаній економічний та доступний ринок обчислювальної потужності. Сторони, які потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, а смарт-контракти розподіляють завдання між майнерами, які надають обчислювальну потужність. Майнер виконує завдання та подає результати, які, після верифікації, приносять бали винагороди. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблеми з обчислювальною потужністю у сферах, таких як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальної потужності, існують платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.
Децентралізована мережа обчислювальних потужностей забезпечує справедливий та прозорий ринок обчислювальних потужностей, розриває монополію, знижує бар'єри для застосування та підвищує ефективність використання обчислювальних потужностей. У екосистемі web3 децентралізована мережа обчислювальних потужностей відіграватиме ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій ШІ.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, розумні годинники та навіть смарт-пристрої в вашому домі мають можливість виконувати AI — саме в цьому полягає привабливість Edge AI. Це дозволяє обробці даних відбуватися на місці їх виникнення, що забезпечує низьку затримку, обробку в реальному часі, а також захищає конфіденційність користувачів. Технологія Edge AI вже застосовується в таких ключових сферах, як автономне водіння.
У сфері Web3 ми маємо більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN, обробляючи дані локально, може посилити захист приватності користувачів і зменшити ризик витоку даних; нативний токеномічний механізм Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, щоб побудувати стійку екосистему.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з найпоширеніших платформ для розгортання проектів. Висока TPS, низькі торгові витрати та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку для проектів DePIN. На даний момент ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, і кілька відомих проектів досягли значного прогресу.
IMO: Випуск нової парадигми AI моделей
Концепцію IMO вперше запропонувала певна угода, що передбачає токенізацію AI-моделей.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI-модель буде розроблено та виведено на ринок, розробники часто не можуть отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання доходів. Крім того, продуктивність і ефективність AI-моделей часто не є прозорими, що ускладнює оцінку їхньої справжньої вартості для потенційних інвесторів і користувачів, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO забезпечує новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб поділитися прибутками, які генеруються моделлю в майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракул і технологію OPML, щоб забезпечити справжність AI моделей та можливість токенодержателів ділитися прибутком.
Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючись до тенденцій криптового ринку та надаючи імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на початковому етапі, але з підвищенням прийнятності на ринку та розширенням участі, її інноваційність та потенційна цінність заслуговують на нашу увагу.
AI Агент: нова ера інтерактивного досвіду
AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. За підтримки великих мовних моделей AI Agent не тільки може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть слугувати віртуальними помічниками, вивчаючи переваги користувачів через взаємодію та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деяка відкрита платформа AI-native пропонує всебічний та зручний набір інструментів для творчості, підтримуючи користувачів у налаштуванні функцій, зовнішнього вигляду, голосу роботів та підключення зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему AI-контенту, використовуючи технології генеративного AI, надаючи можливість особам стати супер-творцями. Ця платформа тренує спеціалізовану велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, зменшуючи витрати на синтез голосу на 99%, а клонування голосу може бути реалізовано всього за 1 хвилину. Використовуючи спеціально налаштованого AI агента на цій платформі, наразі його можна застосовувати в багатьох сферах, таких як відео-чат, вивчення мов, генерування зображень.
У злитті Web3 та AI наразі більше уваги приділяється дослідженням на рівні інфраструктури: як отримувати високоякісні дані, захищати конфіденційність даних, як розгорнути моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим удосконаленням цих інфраструктур у нас є підстави вірити, що злиття Web3 та AI призведе до виникнення ряду інноваційних бізнес-моделей та послуг.