İlk bakışta, AI x Web3'ün birbirinden bağımsız teknolojiler olduğu ve temelde farklı prensiplere dayandığı ve farklı işlevlere hizmet ettiği görünmektedir. Ancak derinlemesine bir inceleme, bu iki teknolojinin birbirlerinin dengelemesinde fırsatlar olduğunu ortaya koyar, birbirlerinin benzersiz avantajlarının birbirini tamamlayabileceğini ve birbirini geliştirebileceğini gösterir. Balaji Srinivasan, SuperAI konferansında bu karşılıklı yetenek kavramını açıkça ortaya koyarak, bu teknolojilerin birbirleriyle nasıl etkileşime girdiği konusunda detaylı bir karşılaştırma üzerinde düşünmemizi sağladı.
Token, anonim ağ punklerinin Merkeziyetsizlik çabalarından doğan alttan yukarıya bir yaklaşımı benimser ve 10 long yıl boyunca küresel birçok long bağımsız varlık tarafından sürekli olarak evrim geçirir. Bunun aksine, yapay zeka üstten alta doğru geliştirilir, az sayıda teknoloji devi tarafından yönlendirilir. Bu şirketler endüstrinin adımlarını ve dinamiklerini belirlerken, giriş eşiği daha çok kaynak yoğunluğuna göre belirlenir, teknik karmaşıklığa değil.
Bu iki teknolojinin de tamamen farklı bir doğası vardır. Temelde, Token belirli bir sistemdir, değiştirilemez sonuçlar üretir, örneğin hash fonksiyonları veya Sıfır Bilgi Kanıtı'nın öngörülebilirliği. Bu yapay zekanın olasılığı ve genellikle öngörülemezliğiyle keskin bir tezat oluşturur.
Benzer şekilde, şifreleme teknolojisi doğrulama konusunda başarılı bir performans sergilerken, işlemlerin gerçekliğini ve güvenliğini sağlar ve güvenilir olmayan süreç ve sistemler oluştururken yapay zeka dijital içerik üretme konusuna odaklanır. Ancak, zengin dijital içerik oluşturma sürecinde, içeriğin kaynağını sağlamak ve kimlik hırsızlığına karşı korumak bir zorluk haline gelir.
Neyse ki, Token, dijital bolluk kavramının karşıtını - dijital kıtlık - sunar. Bu, yapay zeka teknolojisine genişletilebilen, içerik kaynağının güvenilirliğini sağlamak ve kimlik hırsızlığı sorununu önlemek için nispeten olgun bir araç sunar.
Token'ın belirgin bir avantajı, belirli hedeflere hizmet etmek için büyük miktarda donanım ve sermayenin koordinasyon ağına çekilmesidir. Bu yetenek, yüksek miktarda hesaplama gücü tüketen yapay zeka için özellikle faydalıdır. Kullanılmayan kaynakları harekete geçirerek daha ucuz hesaplama gücü sağlamak, yapay zekanın verimliliğini önemli ölçüde artırabilir.
Bu iki büyük teknolojiyi karşılaştırarak, sadece kendi katkılarını takdir etmekle kalmayıp, aynı zamanda teknoloji ve ekonomi alanında nasıl yeni yollar açtıklarını da görebiliriz. Her teknoloji, diğer teknolojinin eksikliklerini gidererek daha bütünleşik, yenilikçi bir gelecek yaratır. Bu blog yazısında, yükselen AI x Web3 endüstri haritasını keşfetmeyi ve bu teknoloji kesişim noktalarında bazı yükselen dikey alanları odaklamayı amaçlıyoruz.
Kaynak: IOSG Ventures
2.1 Hesaplama Ağı
Endüstri haritası öncelikle hesaplama ağlarını tanıtır, sınırlı GPU arzı sorununu çözmeye çalışır ve farklı şekillerde maliyet düşüşü denemektedir. Özellikle takip etmeye değer olan şunlardır:
Heterojen GPU Uyumluluğu: Bu oldukça iddialı bir denemedir ve teknik risk ve belirsizlikler oldukça yüksektir, ancak başarılı olunması durumunda, büyük ölçekte ve etkide bir başarı yaratarak tüm hesaplama kaynaklarının değiştirilebilir hale gelmesini sağlayabilir. Temel olarak, bu fikir, tedarikçi tarafında herhangi bir donanım kaynağının takılabilmesini sağlayacak derleyici ve diğer önkoşulları oluşturarak talep tarafında ise tüm donanım heterojenliğinin tamamen soyutlanmasıdır, böylece hesaplama isteğiniz ağdaki herhangi bir kaynağa yönlendirilebilir. Bu vizyon başarılı olursa, şu anda AI geliştiricilerinin tamamen hakim olduğu CUDA yazılımına olan bağımlılık düşebilir. Teknik risk yüksek olsa da, birçok uzman bu yaklaşımın gerçekleştirilebilirliğine şüpheyle yaklaşmaktadır.
Yüksek performanslı GPU toplama: Dünya çapında en popüler GPU'ları birleştirerek, dağıtılmış ve izinsiz bir ağa entegre ederken farklı GPU kaynakları arasındaki uyumluluk sorunlarına endişe etmeden.
Ürün Tüketici Düzeyi GPU Birleşimi: Düşük performansa sahip olmakla birlikte tüketici cihazlarda kullanılabilir olabilecek GPU'ların birleşimini hedefler. Bu GPU'lar, tedarik tarafının en az kullanılan kaynaklarıdır. Performans ve hızı feda etmeye razı olan ve daha ucuz, daha uzun eğitim süreleri elde etmek isteyen kullanıcıları hedeflemektedir.
2.2 Eğitim ve Çıkarım
Hesaplama ağı genellikle iki ana işlev için kullanılır: eğitim ve çıkarım. Bu ağlara olan talep, Web 2.0 ve Web 3.0 projelerinden gelmektedir. Web 3.0 alanında, Bittensor gibi projeler, model fezileti için hesaplama kaynaklarını kullanmaktadır. Çıkarım açısından, Web 3.0 projeleri işlemin doğrulanabilirliğine vurgu yapmaktadır. Bu vurgu, doğrulanabilir çıkarımın bir pazar dikeyi olarak ortaya çıkmasına yol açmıştır; projeler, AI çıkarımını Akıllı Sözleşmelere nasıl entegre edeceklerini araştırmaktadır, aynı zamanda Merkeziyetsizlik ilkesini koruyarak.
2.3 Akıllı Aracı Platformu
Ardından, akıllı aracı platformu geliyor, harita, bu kategorideki girişimlerin çözmesi gereken temel sorunları özetliyor:
Aracılar arasında etkileşim ve keşif iletişim yeteneği: Aracılar birbirlerini keşfedebilir ve iletişim kurabilir.
Vekil kümesi oluşturma ve yönetme yeteneği: Vekil, küme oluşturabilir ve diğer vekilleri yönetebilir.
AI ajanının mülkiyeti ve pazarı: AI ajanlarına mülkiyet ve pazar sağlama.
Bu özellikler, esnek ve modüler sistemlerin önemini vurgulamaktadır, bu sistemler çeşitli blok zinciri ve yapay zeka uygulamalarına sorunsuz bir şekilde entegre edilebilir. AI ajanının, internetle olan etkileşim şeklimizi tamamen değiştirme potansiyeli vardır, ajanın işlemlerini desteklemek için altyapıyı kullanacağına inanıyoruz. AI ajanının altyapıya aşağıdaki alanlarda bağımlı olduğunu hayal ediyoruz:
Dağıtılmış ağ özelliği kullanarak gerçek zamanlı ağ verilerini çekme
DeFi kanallarını kullanarak aracı ödemeler
Ekonomik teminatın gerekliliği, yalnızca kötü davranışların cezalandırılması için değil, aynı zamanda acentenin keşfedilebilirliğini artırabilir (yani keşif sürecinde ekonomik bir sinyal olarak teminatın kullanılması)
Konsensüs kullanarak hangi olayların kesintiye neden olması gerektiğine karar verin
Açık arayüz standartları ve vekil çerçeveleri, birleştirilebilir kolektiflerin oluşturulmasını desteklemek için kullanılır.
Geçmiş performansı değerlendirmek için değişmez veri geçmişine dayanın ve uygun bir vekil topluluğunu gerçek zamanlı olarak seçin.
Kaynak: IOSG Ventures
2.4Veri Katmanı
AI x Web3'nin birleşiminde veri, temel bir bileşendir. Veri, AI rekabetinde stratejik bir varlık olup hesaplama kaynaklarıyla birlikte önemli bir kaynak oluşturur. Ancak, genellikle bu kategori göz ardı edilir çünkü endüstrinin çoğu dikkati hesaplama yönünde odaklanmıştır. Aslında, orijinal dil, veri elde etme sürecinde birçok ilginç değer yönü sağlar, bunlar başlıca iki yüksek düzeyli yöndür:
Genel internet verilerine erişin
Korunan verilere erişim
Genel internet verilerine erişim: Bu alan, dağıtılmış bir örümcek ağı inşa etmeyi amaçlamaktadır, birkaç gün içinde tüm interneti taramanıza izin verebilir, büyük miktarda veri kümesi alabilir veya çok belirli internet verilerine gerçek zamanlı erişim sağlayabilir. Bununla birlikte, internetten büyük miktarda veri kümesi almak için ağ talebi çok yüksektir, en azından anlamlı bir çalışmaya başlamak için birkaç yüz Düğüm gereklidir. Neyse ki, Grass, dağıtılmış bir örümcek ağı Düğüm ağı olan, zaten 2 milyondan fazla Düğümün internet bant genişliğini paylaşmak için aktif olduğu, tüm interneti taramayı hedefleyen bir ağdır. Bu, ekonomik teşvikin değerli kaynakları çekmede büyük potansiyele sahip olduğunu göstermektedir.
Grass, although providing a fair competitive environment in public data, still faces the challenge of utilizing potential proprietary data - access to proprietary datasets. Specifically, a large amount of data is still preserved in a privacy-protected manner due to its sensitive nature. Many startups are using cryptographic tools to enable AI developers to build and fine-tune large language models based on proprietary datasets while keeping sensitive information private.
Federated öğrenme, farklılaştırılmış gizlilik, güvenli yürütme ortamı, tam homomorfik ve çok taraflı hesaplama gibi teknolojiler, farklı seviyelerde gizlilik koruması ve dengeleme sağlar. Bagel'in araştırma makalesi () bu teknolojilerin mükemmel bir özetini sunar. Bu teknolojiler, sadece makine öğrenmesi sürecinde değil, aynı zamanda hesaplama seviyesinde kapsamlı bir gizlilik koruma AI çözümü sağlar.
2.5 Veri ve Model Kaynağı
Veri ve model kaynak teknolojisi, kullanıcılara beklendiği gibi model ve verilerle etkileşimde bulunduklarından emin olmayı amaçlar. Ayrıca, bu teknolojiler gerçeklik ve kaynak güvencesi sağlar. Bir örnek olarak, filigran teknolojisi, model kaynak teknolojisinin bir parçasıdır ve imzayı doğrudan makine öğrenme algoritmasına, daha spesifik olarak model ağırlıklarına gömerek, çıkarımın beklenen modele ait olup olmadığını doğrulayabilir.
2.6 Uygulama
Uygulama açısından, tasarımın olasılıkları sınırsızdır. Yukarıdaki endüstri haritasında, AI teknolojisinin Web 3.0 alanında özellikle heyecan verici gelişme örnekleriyle birlikte nasıl kullanılabileceğini listeledik. Bu kullanım durumlarının çoğu kendini açıklar niteliktedir, bu nedenle ekstra yorum yapmıyoruz. Bununla birlikte, dikkat edilmesi gereken bir şey, AI'nın Web 3.0 ile kesişimi sayesinde alanların dikey alanlarını yeniden şekillendirebileceğidir, çünkü bu yeni argümanlar geliştiricilere yenilikçi kullanım durumları oluşturma ve mevcut kullanım durumlarını optimize etme konusunda daha fazla özgürlük sunar.
Özet
AI x Web3 entegrasyonu yenilik dolu ve potansiyel dolu bir gelecek getiriyor. Her teknolojinin benzersiz avantajlarını kullanarak çeşitli zorlukları çözebilir ve yeni teknoloji yolları açabiliriz. Bu yükselen endüstriyi keşfederken, AI x Web3 arasındaki işbirliği ilerlemeyi teşvik edebilir, geleceğimizi dijital deneyimlerimizi ve internet üzerindeki etkileşim şeklimizi yeniden şekillendirebilir.
Sayıların azlığı ve bolluğunun birleşimi, kaynakları tam olarak kullanmadan hesaplama verimliliği, güvenlik, gizlilik koruması için veri uygulamasının kurulması, bir sonraki nesil teknoloji evrimini tanımlayacaktır. 01928374656574839201
Ancak, bu endüstrinin hala ilk aşamalarda olduğunu ve mevcut endüstri haritasının kısa sürede eskimiş olabileceğini fark etmemiz gerekiyor. Hızlı inovasyon temposu, bugünün öncü çözümlerinin yeni bir atılım tarafından hızla değiştirilebileceği anlamına gelir. Bununla birlikte, tartışılan temel kavramlar - hesaplama ağları, aracı platformlar ve veri protokolleri - yapay zeka ve Web 3.0'ın birleştiği büyük potansiyeli ortaya koyuyor.
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
IOSG: AI ve Web3'ün entegrasyonunun görsel açıklaması
İlk bakışta, AI x Web3'ün birbirinden bağımsız teknolojiler olduğu ve temelde farklı prensiplere dayandığı ve farklı işlevlere hizmet ettiği görünmektedir. Ancak derinlemesine bir inceleme, bu iki teknolojinin birbirlerinin dengelemesinde fırsatlar olduğunu ortaya koyar, birbirlerinin benzersiz avantajlarının birbirini tamamlayabileceğini ve birbirini geliştirebileceğini gösterir. Balaji Srinivasan, SuperAI konferansında bu karşılıklı yetenek kavramını açıkça ortaya koyarak, bu teknolojilerin birbirleriyle nasıl etkileşime girdiği konusunda detaylı bir karşılaştırma üzerinde düşünmemizi sağladı.
Token, anonim ağ punklerinin Merkeziyetsizlik çabalarından doğan alttan yukarıya bir yaklaşımı benimser ve 10 long yıl boyunca küresel birçok long bağımsız varlık tarafından sürekli olarak evrim geçirir. Bunun aksine, yapay zeka üstten alta doğru geliştirilir, az sayıda teknoloji devi tarafından yönlendirilir. Bu şirketler endüstrinin adımlarını ve dinamiklerini belirlerken, giriş eşiği daha çok kaynak yoğunluğuna göre belirlenir, teknik karmaşıklığa değil.
Bu iki teknolojinin de tamamen farklı bir doğası vardır. Temelde, Token belirli bir sistemdir, değiştirilemez sonuçlar üretir, örneğin hash fonksiyonları veya Sıfır Bilgi Kanıtı'nın öngörülebilirliği. Bu yapay zekanın olasılığı ve genellikle öngörülemezliğiyle keskin bir tezat oluşturur.
Benzer şekilde, şifreleme teknolojisi doğrulama konusunda başarılı bir performans sergilerken, işlemlerin gerçekliğini ve güvenliğini sağlar ve güvenilir olmayan süreç ve sistemler oluştururken yapay zeka dijital içerik üretme konusuna odaklanır. Ancak, zengin dijital içerik oluşturma sürecinde, içeriğin kaynağını sağlamak ve kimlik hırsızlığına karşı korumak bir zorluk haline gelir.
Neyse ki, Token, dijital bolluk kavramının karşıtını - dijital kıtlık - sunar. Bu, yapay zeka teknolojisine genişletilebilen, içerik kaynağının güvenilirliğini sağlamak ve kimlik hırsızlığı sorununu önlemek için nispeten olgun bir araç sunar.
Token'ın belirgin bir avantajı, belirli hedeflere hizmet etmek için büyük miktarda donanım ve sermayenin koordinasyon ağına çekilmesidir. Bu yetenek, yüksek miktarda hesaplama gücü tüketen yapay zeka için özellikle faydalıdır. Kullanılmayan kaynakları harekete geçirerek daha ucuz hesaplama gücü sağlamak, yapay zekanın verimliliğini önemli ölçüde artırabilir.
Bu iki büyük teknolojiyi karşılaştırarak, sadece kendi katkılarını takdir etmekle kalmayıp, aynı zamanda teknoloji ve ekonomi alanında nasıl yeni yollar açtıklarını da görebiliriz. Her teknoloji, diğer teknolojinin eksikliklerini gidererek daha bütünleşik, yenilikçi bir gelecek yaratır. Bu blog yazısında, yükselen AI x Web3 endüstri haritasını keşfetmeyi ve bu teknoloji kesişim noktalarında bazı yükselen dikey alanları odaklamayı amaçlıyoruz.
Kaynak: IOSG Ventures
2.1 Hesaplama Ağı
Endüstri haritası öncelikle hesaplama ağlarını tanıtır, sınırlı GPU arzı sorununu çözmeye çalışır ve farklı şekillerde maliyet düşüşü denemektedir. Özellikle takip etmeye değer olan şunlardır:
2.2 Eğitim ve Çıkarım
Hesaplama ağı genellikle iki ana işlev için kullanılır: eğitim ve çıkarım. Bu ağlara olan talep, Web 2.0 ve Web 3.0 projelerinden gelmektedir. Web 3.0 alanında, Bittensor gibi projeler, model fezileti için hesaplama kaynaklarını kullanmaktadır. Çıkarım açısından, Web 3.0 projeleri işlemin doğrulanabilirliğine vurgu yapmaktadır. Bu vurgu, doğrulanabilir çıkarımın bir pazar dikeyi olarak ortaya çıkmasına yol açmıştır; projeler, AI çıkarımını Akıllı Sözleşmelere nasıl entegre edeceklerini araştırmaktadır, aynı zamanda Merkeziyetsizlik ilkesini koruyarak.
2.3 Akıllı Aracı Platformu
Ardından, akıllı aracı platformu geliyor, harita, bu kategorideki girişimlerin çözmesi gereken temel sorunları özetliyor:
Bu özellikler, esnek ve modüler sistemlerin önemini vurgulamaktadır, bu sistemler çeşitli blok zinciri ve yapay zeka uygulamalarına sorunsuz bir şekilde entegre edilebilir. AI ajanının, internetle olan etkileşim şeklimizi tamamen değiştirme potansiyeli vardır, ajanın işlemlerini desteklemek için altyapıyı kullanacağına inanıyoruz. AI ajanının altyapıya aşağıdaki alanlarda bağımlı olduğunu hayal ediyoruz:
Kaynak: IOSG Ventures
2.4Veri Katmanı
AI x Web3'nin birleşiminde veri, temel bir bileşendir. Veri, AI rekabetinde stratejik bir varlık olup hesaplama kaynaklarıyla birlikte önemli bir kaynak oluşturur. Ancak, genellikle bu kategori göz ardı edilir çünkü endüstrinin çoğu dikkati hesaplama yönünde odaklanmıştır. Aslında, orijinal dil, veri elde etme sürecinde birçok ilginç değer yönü sağlar, bunlar başlıca iki yüksek düzeyli yöndür:
Genel internet verilerine erişim: Bu alan, dağıtılmış bir örümcek ağı inşa etmeyi amaçlamaktadır, birkaç gün içinde tüm interneti taramanıza izin verebilir, büyük miktarda veri kümesi alabilir veya çok belirli internet verilerine gerçek zamanlı erişim sağlayabilir. Bununla birlikte, internetten büyük miktarda veri kümesi almak için ağ talebi çok yüksektir, en azından anlamlı bir çalışmaya başlamak için birkaç yüz Düğüm gereklidir. Neyse ki, Grass, dağıtılmış bir örümcek ağı Düğüm ağı olan, zaten 2 milyondan fazla Düğümün internet bant genişliğini paylaşmak için aktif olduğu, tüm interneti taramayı hedefleyen bir ağdır. Bu, ekonomik teşvikin değerli kaynakları çekmede büyük potansiyele sahip olduğunu göstermektedir.
Grass, although providing a fair competitive environment in public data, still faces the challenge of utilizing potential proprietary data - access to proprietary datasets. Specifically, a large amount of data is still preserved in a privacy-protected manner due to its sensitive nature. Many startups are using cryptographic tools to enable AI developers to build and fine-tune large language models based on proprietary datasets while keeping sensitive information private.
Federated öğrenme, farklılaştırılmış gizlilik, güvenli yürütme ortamı, tam homomorfik ve çok taraflı hesaplama gibi teknolojiler, farklı seviyelerde gizlilik koruması ve dengeleme sağlar. Bagel'in araştırma makalesi () bu teknolojilerin mükemmel bir özetini sunar. Bu teknolojiler, sadece makine öğrenmesi sürecinde değil, aynı zamanda hesaplama seviyesinde kapsamlı bir gizlilik koruma AI çözümü sağlar.
2.5 Veri ve Model Kaynağı
Veri ve model kaynak teknolojisi, kullanıcılara beklendiği gibi model ve verilerle etkileşimde bulunduklarından emin olmayı amaçlar. Ayrıca, bu teknolojiler gerçeklik ve kaynak güvencesi sağlar. Bir örnek olarak, filigran teknolojisi, model kaynak teknolojisinin bir parçasıdır ve imzayı doğrudan makine öğrenme algoritmasına, daha spesifik olarak model ağırlıklarına gömerek, çıkarımın beklenen modele ait olup olmadığını doğrulayabilir.
2.6 Uygulama
Uygulama açısından, tasarımın olasılıkları sınırsızdır. Yukarıdaki endüstri haritasında, AI teknolojisinin Web 3.0 alanında özellikle heyecan verici gelişme örnekleriyle birlikte nasıl kullanılabileceğini listeledik. Bu kullanım durumlarının çoğu kendini açıklar niteliktedir, bu nedenle ekstra yorum yapmıyoruz. Bununla birlikte, dikkat edilmesi gereken bir şey, AI'nın Web 3.0 ile kesişimi sayesinde alanların dikey alanlarını yeniden şekillendirebileceğidir, çünkü bu yeni argümanlar geliştiricilere yenilikçi kullanım durumları oluşturma ve mevcut kullanım durumlarını optimize etme konusunda daha fazla özgürlük sunar.
Özet
AI x Web3 entegrasyonu yenilik dolu ve potansiyel dolu bir gelecek getiriyor. Her teknolojinin benzersiz avantajlarını kullanarak çeşitli zorlukları çözebilir ve yeni teknoloji yolları açabiliriz. Bu yükselen endüstriyi keşfederken, AI x Web3 arasındaki işbirliği ilerlemeyi teşvik edebilir, geleceğimizi dijital deneyimlerimizi ve internet üzerindeki etkileşim şeklimizi yeniden şekillendirebilir.
Sayıların azlığı ve bolluğunun birleşimi, kaynakları tam olarak kullanmadan hesaplama verimliliği, güvenlik, gizlilik koruması için veri uygulamasının kurulması, bir sonraki nesil teknoloji evrimini tanımlayacaktır. 01928374656574839201
Ancak, bu endüstrinin hala ilk aşamalarda olduğunu ve mevcut endüstri haritasının kısa sürede eskimiş olabileceğini fark etmemiz gerekiyor. Hızlı inovasyon temposu, bugünün öncü çözümlerinin yeni bir atılım tarafından hızla değiştirilebileceği anlamına gelir. Bununla birlikte, tartışılan temel kavramlar - hesaplama ağları, aracı platformlar ve veri protokolleri - yapay zeka ve Web 3.0'ın birleştiği büyük potansiyeli ortaya koyuyor.