Інтеграція Web3 та AI: Створення інфраструктури наступного покоління Інтернету
Як нова децентралізована, відкрита та прозора інтернет-парадигма, Web3 має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислювальні та дані ресурси AI суворо контролюються, стикаючись з багатьма викликами, такими як обмеження обчислювальної потужності, витоки конфіденційності, алгоритми чорної скриньки тощо. Web3, базуючись на розподілених технологіях, через мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо, вводить нову енергію в розвиток AI. Водночас AI також може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління інтернету, звільнення цінності даних та обчислювальної потужності.
Дані, що керують: надійна основа AI та Web3
Дані є основним двигуном розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібно перетравлювати велику кількість якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не тільки забезпечують навчальну основу для моделей машинного навчання, але й визначають точність і надійність моделей.
Традиційні централізовані моделі збору та використання даних штучного інтелекту мають такі основні проблеми:
Вартість отримання даних висока, малим і середнім підприємствам важко її витримати
Ресурси даних монополізовані технологічними гігантами, що призводить до утворення островів даних.
Особисті дані піддаються ризику витоку та зловживання
Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:
Користувачі можуть продавати невикористані мережі компаніям ШІ, децентралізовано збираючи мережеві дані для навчання моделей ШІ, надаючи реальні, високоякісні дані.
Використовуючи модель "label to earn", заохочуючи глобальних працівників брати участь у маркуванні даних через токени, об'єднуємо глобальні професійні знання, посилюємо здатність до аналізу даних.
Платформа торгівлі даними на основі блокчейн забезпечує відкритий і прозорий торговий середовище для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Однак, отримання даних з реального світу також має свої проблеми, такі як нерівномірна якість даних, значна складність обробки, недостатня різноманітність і репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього у галузі даних Web3. На основі технології 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, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: Роль FHE у Web3
У епоху, коли дані відіграють провідну роль, захист приватності став глобальною темою для обговорення. Прийняття таких регламентів, як Загальний регламент захисту даних ЄС (GDPR), відображає суворий захист особистої конфіденційності. Однак це також створює виклики: частина чутливих даних не може бути використана в повній мірі через ризики приватності, що обмежує потенціал і можливості моделювання ШІ.
FHE — це повна гомоморфна криптографія, яка дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних без необхідності їх розшифровки, і результати обчислень збігаються з результатами тих самих обчислень на відкритих даних.
FHE забезпечує надійний захист для приватних обчислень AI, дозволяючи обчислювальній потужності GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям AI, оскільки дозволяє безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей на всіх етапах циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику 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 обробку зашифрованих даних для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує існуючі ресурси обчислювальної потужності. Наприклад, для навчання великої AI-моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить просунуті AI-моделі недоступними для більшості дослідників та розробників.
Водночас, глобальний рівень використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів і нестача чіпів через фактори постачання та геополітики роблять проблему постачання обчислювальних потужностей ще більш серйозною. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратне забезпечення, або орендувати хмарні ресурси, і їм терміново потрібен спосіб обчислювальних послуг на вимогу, економічно вигідний.
Децентралізована мережа обчислювальної потужності на базі штучного інтелекту об'єднує неробочі ресурси GPU по всьому світу, пропонуючи економічний та доступний ринок обчислювальної потужності для компаній, що займаються штучним інтелектом. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, отримуючи бали за їх перевірку. Цей підхід підвищує ефективність використання ресурсів і допомагає вирішити проблеми з обчислювальною потужністю у таких сферах, як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальних потужностей, є також платформи, що спеціалізуються на навчанні штучного інтелекту, а також спеціалізовані обчислювальні мережі для інференції штучного інтелекту.
Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, руйнує монополії, знижує бар'єри для доступу до застосувань і підвищує ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp, щоб спільно сприяти розвитку та застосуванню технологій штучного інтелекту.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник і навіть розумні пристрої у вашому домі мають можливість виконувати AI — ось у чому полягає魅力 Edge AI. Це дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується в критично важливих сферах, таких як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN може покращити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризик витоку даних; рідна токен-економіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи сталі екосистеми.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши одним із вибраних платформ для розгортання проєктів. Високий TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну надають потужну підтримку проєктам DePIN. Наразі ринкова вартість проєктів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, а кілька відомих проєктів досягли значного прогресу.
IMO: Новий парадигма випуску AI моделей
Концепція IMO була вперше запропонована певним протоколом для токенізації AI моделей.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI-модель була розроблена та виведена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не говорячи вже про отримання прибутку. Крім того, продуктивність і ефективність AI-моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO надає нову фінансову підтримку та спосіб розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, отриманим від моделей у подальшому. Один протокол використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення автентичності AI моделей та можливості токен тримачів ділитися прибутком.
Модель IMO підвищила прозорість та довіру, заохочуючи відкриту співпрацю, адаптуючись до трендів крипторинку та надаючи імпульс сталому розвитку технологій ШІ. IMO наразі все ще перебуває на початковій стадії випробувань, але з підвищенням прийняття на ринку та розширенням участі, її інноваційність та потенційна цінність заслуговують на нашу увагу.
AI Agent: нова ера інтерактивного досвіду
AI Агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. За підтримки великих мовних моделей AI Агент не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні помічники, навчаючись у взаємодії з користувачами їхніми уподобаннями та надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Агент може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Платформа AI, що базується на додатках, пропонує всебічний та простий у використанні набір інструментів для створення, підтримуючи користувачів у налаштуванні функцій, зовнішнього вигляду, голосу роботів, а також підключенні зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему AI-контенту. Використовуючи технології генеративного AI, платформа надає можливість особам стати супер-креаторами. Ця платформа навчила спеціальну велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, зменшуючи вартість синтезу голосу на 99%, при цьому клонування голосу займає всього 1 хвилину. Використовуючи налаштованого AI-агента цієї платформи, наразі можна застосовувати у відео-чатах, вивченні мов, генерації зображень та в інших сферах.
У злитті Web3 та AI наразі більше уваги приділяється дослідженню інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур ми маємо підстави вірити, що злиття Web3 та AI сприятиме виникненню ряду інноваційних бізнес-моделей і 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.
9 лайків
Нагородити
9
2
Поділіться
Прокоментувати
0/400
rug_connoisseur
· 6год тому
Увесь день балакаю, вже втомився.
Переглянути оригіналвідповісти на0
SorryRugPulled
· 6год тому
Ну й справжній ти шахрай! Ти вже й rugpull зробив, а тепер ще й ai.
Web3 та AI: п'ять основних технологій для побудови інфраструктури наступного покоління Інтернету
Інтеграція Web3 та AI: Створення інфраструктури наступного покоління Інтернету
Як нова децентралізована, відкрита та прозора інтернет-парадигма, Web3 має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислювальні та дані ресурси AI суворо контролюються, стикаючись з багатьма викликами, такими як обмеження обчислювальної потужності, витоки конфіденційності, алгоритми чорної скриньки тощо. Web3, базуючись на розподілених технологіях, через мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо, вводить нову енергію в розвиток AI. Водночас AI також може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління інтернету, звільнення цінності даних та обчислювальної потужності.
Дані, що керують: надійна основа AI та Web3
Дані є основним двигуном розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібно перетравлювати велику кількість якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не тільки забезпечують навчальну основу для моделей машинного навчання, але й визначають точність і надійність моделей.
Традиційні централізовані моделі збору та використання даних штучного інтелекту мають такі основні проблеми:
Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:
Однак, отримання даних з реального світу також має свої проблеми, такі як нерівномірна якість даних, значна складність обробки, недостатня різноманітність і репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього у галузі даних Web3. На основі технології 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, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист конфіденційності: Роль FHE у Web3
У епоху, коли дані відіграють провідну роль, захист приватності став глобальною темою для обговорення. Прийняття таких регламентів, як Загальний регламент захисту даних ЄС (GDPR), відображає суворий захист особистої конфіденційності. Однак це також створює виклики: частина чутливих даних не може бути використана в повній мірі через ризики приватності, що обмежує потенціал і можливості моделювання ШІ.
FHE — це повна гомоморфна криптографія, яка дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних без необхідності їх розшифровки, і результати обчислень збігаються з результатами тих самих обчислень на відкритих даних.
FHE забезпечує надійний захист для приватних обчислень AI, дозволяючи обчислювальній потужності GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям AI, оскільки дозволяє безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей на всіх етапах циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику 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 обробку зашифрованих даних для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах
Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує існуючі ресурси обчислювальної потужності. Наприклад, для навчання великої AI-моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить просунуті AI-моделі недоступними для більшості дослідників та розробників.
Водночас, глобальний рівень використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів і нестача чіпів через фактори постачання та геополітики роблять проблему постачання обчислювальних потужностей ще більш серйозною. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратне забезпечення, або орендувати хмарні ресурси, і їм терміново потрібен спосіб обчислювальних послуг на вимогу, економічно вигідний.
Децентралізована мережа обчислювальної потужності на базі штучного інтелекту об'єднує неробочі ресурси GPU по всьому світу, пропонуючи економічний та доступний ринок обчислювальної потужності для компаній, що займаються штучним інтелектом. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, отримуючи бали за їх перевірку. Цей підхід підвищує ефективність використання ресурсів і допомагає вирішити проблеми з обчислювальною потужністю у таких сферах, як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальних потужностей, є також платформи, що спеціалізуються на навчанні штучного інтелекту, а також спеціалізовані обчислювальні мережі для інференції штучного інтелекту.
Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, руйнує монополії, знижує бар'єри для доступу до застосувань і підвищує ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp, щоб спільно сприяти розвитку та застосуванню технологій штучного інтелекту.
DePIN: Web3 надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник і навіть розумні пристрої у вашому домі мають можливість виконувати AI — ось у чому полягає魅力 Edge AI. Це дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується в критично важливих сферах, таких як автономне водіння.
У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN може покращити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризик витоку даних; рідна токен-економіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи сталі екосистеми.
Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши одним із вибраних платформ для розгортання проєктів. Високий TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну надають потужну підтримку проєктам DePIN. Наразі ринкова вартість проєктів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, а кілька відомих проєктів досягли значного прогресу.
IMO: Новий парадигма випуску AI моделей
Концепція IMO була вперше запропонована певним протоколом для токенізації AI моделей.
У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI-модель була розроблена та виведена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не говорячи вже про отримання прибутку. Крім того, продуктивність і ефективність AI-моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO надає нову фінансову підтримку та спосіб розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, отриманим від моделей у подальшому. Один протокол використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення автентичності AI моделей та можливості токен тримачів ділитися прибутком.
Модель IMO підвищила прозорість та довіру, заохочуючи відкриту співпрацю, адаптуючись до трендів крипторинку та надаючи імпульс сталому розвитку технологій ШІ. IMO наразі все ще перебуває на початковій стадії випробувань, але з підвищенням прийняття на ринку та розширенням участі, її інноваційність та потенційна цінність заслуговують на нашу увагу.
AI Agent: нова ера інтерактивного досвіду
AI Агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. За підтримки великих мовних моделей AI Агент не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні помічники, навчаючись у взаємодії з користувачами їхніми уподобаннями та надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Агент може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Платформа AI, що базується на додатках, пропонує всебічний та простий у використанні набір інструментів для створення, підтримуючи користувачів у налаштуванні функцій, зовнішнього вигляду, голосу роботів, а також підключенні зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему AI-контенту. Використовуючи технології генеративного AI, платформа надає можливість особам стати супер-креаторами. Ця платформа навчила спеціальну велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, зменшуючи вартість синтезу голосу на 99%, при цьому клонування голосу займає всього 1 хвилину. Використовуючи налаштованого AI-агента цієї платформи, наразі можна застосовувати у відео-чатах, вивченні мов, генерації зображень та в інших сферах.
У злитті Web3 та AI наразі більше уваги приділяється дослідженню інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур ми маємо підстави вірити, що злиття Web3 та AI сприятиме виникненню ряду інноваційних бізнес-моделей і послуг.