Projetos Web3 com conceito de IA tornaram-se alvos atrativos para captação de recursos nos mercados primário e secundário.
As oportunidades do Web3 na indústria de IA manifestam-se principalmente em: utilizar incentivos distribuídos para coordenar o longo rabo de potenciais fornecedores ( através de dados, armazenamento e computação ); ao mesmo tempo, estabelecer um mercado descentralizado para modelos de código aberto e Agentes de IA.
A IA é principalmente aplicada na indústria Web3 em finanças on-chain ( pagamentos criptográficos, transações, análise de dados ) e assistência ao desenvolvimento.
O valor do AI+Web3 reside na complementaridade entre os dois: o Web3 promete enfrentar a centralização da IA, enquanto a IA promete ajudar o Web3 a superar as limitações de camadas.
Introdução
Nos últimos dois anos, o desenvolvimento da IA apresentou uma tendência de aceleração, a onda de IA generativa provocada pelo ChatGPT não apenas abriu um novo mundo, mas também agitou o campo do Web3.
Com o apoio do conceito de IA, o financiamento no mercado de criptomoedas está claramente a aquecer. De acordo com as estatísticas, apenas no primeiro semestre de 2024, 64 projetos Web3+IA completaram financiamento, dos quais o Zyber365 obteve o maior financiamento de 100 milhões de dólares na ronda A.
O mercado secundário está mais ativo. Dados da Coingecko mostram que o valor total de mercado da área de IA já atingiu 48,5 bilhões de dólares, com um volume de negociação de quase 8,6 bilhões de dólares nas últimas 24 horas; os avanços nas principais tecnologias de IA trouxeram boas notícias, como o lançamento do Sora pela OpenAI, que resultou em um aumento médio de 151% no setor de IA; o efeito da IA também afetou os setores populares de criptomoedas, como Meme, com o primeiro conceito de MemeCoin de Agente de IA – GOAT – que rapidamente se tornou popular, com uma avaliação de 1,4 bilhão de dólares, desencadeando uma onda de Memes de IA.
A pesquisa e os tópicos relacionados a AI+Web3 continuam a aquecer, desde AI+Depin até AI Memecoin e, atualmente, AI Agent e AI DAO, novas narrativas estão surgindo constantemente.
Esta combinação cheia de dinheiro fácil, oportunidades e imaginação futura, inevitavelmente é vista como um casamento arranjado impulsionado pelo capital, e é difícil determinar se é a festa dos especuladores ou a explosão antes do amanhecer.
A chave é se ambas as partes podem se beneficiar do modelo uma da outra? Este artigo irá explorar como o Web3 pode desempenhar um papel em várias etapas da tecnologia de IA, bem como quais novas oportunidades a IA pode trazer para o Web3.
Uma oportunidade do Web3 sob a pilha de IA
Antes de discutir este tópico, precisamos entender a pilha tecnológica dos grandes modelos de IA:
De forma simples, um "grande modelo" é semelhante ao cérebro humano, inicialmente, como um bebê, precisa observar e absorver uma quantidade massiva de informações para entender o mundo, esta é a fase de "coleta" de dados; como os computadores carecem de múltiplos sentidos humanos, antes do treinamento, é necessário converter informações não rotuladas em um formato compreensível para o computador através de "pré-processamento".
Após a inserção de dados, a IA constrói um modelo com capacidade de compreensão e previsão através do "treinamento", semelhante ao processo em que um bebê gradualmente compreende e aprende sobre o mundo exterior, com parâmetros do modelo ajustando-se como a capacidade linguística em constante evolução de um bebê. Quando o conteúdo de aprendizagem é dividido em disciplinas ou quando se comunica com pessoas para obter feedback e correções, entra na fase de "ajuste fino".
Quando as crianças crescem e começam a falar, conseguem entender e expressar ideias em novas conversas, semelhante ao "raciocínio" dos grandes modelos de IA, sendo capazes de realizar análises preditivas sobre novos textos em linguagem. Os bebês usam a linguagem para expressar sentimentos, descrever objetos e resolver problemas, semelhante à aplicação de grandes modelos de IA na fase de raciocínio após o treinamento em várias tarefas específicas, como classificação de imagens, reconhecimento de voz, entre outras.
O Agente de IA está mais próximo da próxima forma do grande modelo - capaz de executar tarefas de forma independente em busca de objetivos complexos, possessuindo habilidades de pensamento, memória e planejamento, e podendo utilizar ferramentas para interagir com o mundo.
Em resposta aos pontos problemáticos de cada camada da IA, o Web3 atualmente formou, de forma inicial, um ecossistema interconectado em múltiplos níveis que abrange todas as fases do processo dos modelos de IA.
1. Camada básica: Airbnb de poder de cálculo e dados
Poder de Cálculo
Um dos principais custos da IA é a potência computacional e a energia necessárias para treinar e inferir modelos.
Por exemplo, o LLAMA3 da Meta precisa de 16.000 GPUs NVIDIA H100 durante 30 dias para concluir o treinamento. A versão de 80 GB custa entre 30.000 e 40.000 dólares, exigindo um investimento em hardware de 400 a 700 milhões de dólares (GPU+chip de rede ), com um consumo mensal de eletricidade de 1,6 bilhões de kWh, resultando em despesas de energia próximas a 20 milhões de dólares.
Para a pressão da capacidade computacional de IA, a rede de infraestrutura física descentralizada DePin( é um dos primeiros campos de interseção entre Web3 e IA. A DePin Ninja listou mais de 1400 projetos, com representações de compartilhamento de capacidade de GPU como io.net, Aethir, Akash, Render Network, entre outros.
A lógica principal é: a plataforma permite que os detentores de recursos de GPU ociosos contribuam com poder de cálculo de forma descentralizada e sem licença, através de um mercado online para compradores e vendedores semelhante ao Uber/Airbnb, aumentando a utilização de GPU, onde os usuários obtêm recursos de computação de baixo custo e alta eficiência; ao mesmo tempo, um mecanismo de staking garante que violações do controle de qualidade ou interrupções da rede serão punidas.
Características:
Agrupamento de GPUs ociosas: o fornecimento vem principalmente de centros de dados pequenos e médios, fazendas de mineração de criptomoedas e hardware de mineração PoS como mineradoras de FileCoin/ETH. Projetos como exolab estão empenhados em utilizar dispositivos locais como MacBook, iPhone, iPad para estabelecer uma rede de computação para rodar inferências de grandes modelos.
Voltado para o mercado de longo prazo de poder computacional de IA:
A parte técnica é mais adequada para passos de inferência. O treinamento depende de um super cluster de GPU, enquanto a inferência tem requisitos de GPU mais baixos, como a Aethir que se concentra em renderização de baixa latência e inferência de IA.
Os demandantes de baixa capacidade computacional no lado da demanda não treinarão grandes modelos individualmente, mas otimizarão e ajustarão principalmente os modelos principais, adequando-se à capacidade computacional ociosa distribuída.
Propriedade descentralizada: A tecnologia blockchain garante que os proprietários de recursos mantenham o controle, ajustem de forma flexível e obtenham lucros.
Dados
Os dados são a base da IA. Sem dados, os cálculos são inúteis, a qualidade dos dados determina a qualidade da saída do modelo. No treinamento de modelos de IA, os dados determinam a capacidade linguística, a capacidade de compreensão, os valores e a expressividade humanizada. Atualmente, as principais dificuldades na demanda por dados para IA são:
Fome de dados: o treinamento de modelos de IA requer uma enorme quantidade de dados. O número de parâmetros do GPT-4 chega à casa dos trilhões.
Qualidade dos dados: A combinação da IA com várias indústrias traz novas exigências sobre a temporalidade, diversidade, especialização dos dados e novas fontes de dados, como as emoções nas redes sociais.
Conformidade de privacidade: as empresas de vários países estão gradualmente restringindo a coleta de conjuntos de dados.
Custos de processamento elevados: grande volume de dados, processamento complexo. Mais de 30% dos custos de pesquisa e desenvolvimento das empresas de IA são destinados à coleta e processamento de dados.
Soluções Web3:
Coleta de dados: a captura gratuita de dados do mundo real está se esgotando, os gastos com dados das empresas de IA aumentam ano após ano, mas não recompensam os verdadeiros contribuidores. A visão do Web3 é permitir que os usuários contribuam para a criação de valor, incentivando a obtenção de dados mais valiosos e privados a baixo custo por meio de uma rede distribuída.
Grass: rede de camada de dados descentralizada, os usuários executam nós que contribuem com largura de banda para capturar dados em tempo real e obter recompensas em tokens.
Vana: Introdução ao conceito de pool de liquidez de dados )DLP(, onde os usuários podem carregar dados privados e escolher autorizar terceiros a usá-los.
PublicAI: Os utilizadores usam a etiqueta )Web3 no X e @PublicAI para realizar a coleta de dados.
Pré-processamento de dados: O processamento de dados de IA requer limpeza e conversão para um formato utilizável, envolvendo tarefas repetitivas como normalização, filtragem e tratamento de valores ausentes. Este componente humano deu origem à indústria de rotuladores de dados, com o aumento dos requisitos elevando as barreiras de entrada, adequado para mecanismos de incentivo descentralizados do Web3.
Grass e OpenLayer estão considerando adicionar uma etapa de rotulagem de dados.
A Synesis propôs o conceito "Train2earn", enfatizando a qualidade dos dados, onde os usuários fornecem dados anotados e recebem recompensas.
O Sapien gamifica as tarefas de marcação, permitindo que os usuários apostem pontos para ganhar mais pontos.
Segurança da privacidade dos dados: A privacidade dos dados envolve o processamento de dados sensíveis, a proteção da segurança dos dados contra acessos não autorizados, destruição e roubo. As vantagens da tecnologia de privacidade do Web3 manifestam-se em: #AI或#1( treinamento de dados sensíveis; )2( colaboração de dados: múltiplos proprietários de dados participam conjuntamente no treinamento de IA sem necessidade de compartilhar dados originais.
Principais tecnologias de privacidade:
Ambiente de Execução Confiável ) TEE (, como o Super Protocol.
Tecnologia de conhecimento zero ) zk (, como o Reclaim Protocol que utiliza zkTLS para gerar provas de conhecimento zero para tráfego HTTPS, permitindo a importação segura de dados de sites externos.
Atualmente, estamos em uma fase inicial, e o principal desafio é o alto custo de computação:
EZKL leva 80 minutos para gerar a prova do modelo 1M-nanoGPT.
O custo de zkML é mais de 1000 vezes maior do que o cálculo puro.
Armazenamento de dados: é necessário armazenar dados na blockchain e o LLM gerado. A disponibilidade de dados )DA( é uma questão central, antes da atualização do Danksharding do Ethereum, a taxa de transferência era de 0,08 MB, enquanto o treinamento de modelos de IA geralmente requer de 50 a 100 GB por segundo.
0g.AI é uma solução de armazenamento centralizado projetada para atender às necessidades de IA, caracterizada por: escalabilidade de alto desempenho, suporte a upload e download rápidos de grandes conjuntos de dados através de fragmentação e códigos de correção, com velocidade de transmissão próxima a 5GB por segundo.
)# 2.Middleware: Treinamento e Inferência de Modelos
Mercado descentralizado de modelos de código aberto
A controvérsia sobre modelos de IA open source continua. A abertura traz inovação coletiva como uma vantagem, mas como aumentar a motivação dos desenvolvedores sem um modelo de lucro? Li Yanhong afirmou uma vez que "modelos open source ficarão cada vez mais atrás".
A Web3 propõe a possibilidade de um mercado de modelos descentralizados e de código aberto: tokenização de modelos, a equipe retém uma parte dos tokens, direcionando uma parte da receita futura para os detentores de tokens.
Bittensor cria um mercado de modelos P2P de código aberto, composto por várias "sub-redes", onde os provedores de recursos competem para atender aos objetivos da sub-rede, e as sub-redes interagem e aprendem para alcançar uma inteligência mais poderosa. As recompensas são distribuídas por votação da comunidade, com base no desempenho dentro da sub-rede.
A ORA introduz o conceito de emissão inicial de modelos ###IMO(, tokenizando modelos de IA, que podem ser comprados, vendidos e desenvolvidos através de uma rede descentralizada.
Sentient plataforma AGI descentralizada, incentiva a colaboração na construção de modelos de IA replicáveis e recompensa os contribuidores.
Spectral Nova foca na criação de aplicações de modelos de IA e ML.
Raciocínio verificável
Para o problema do "caixa preta" na inferência de IA, a solução padrão do Web3 é a comparação de resultados de operações repetidas por múltiplos validadores, mas a escassez de GPUs de alto desempenho resulta em custos elevados.
Uma solução mais promissora é executar a prova ZK para cálculos de inferência de IA off-chain, validando os cálculos do modelo de IA na blockchain. É necessário criptografar a prova no blockchain para garantir que o cálculo off-chain foi concluído corretamente ), desde que o conjunto de dados não tenha sido alterado (, enquanto garante a confidencialidade dos dados.
Principais vantagens:
Escalabilidade: As provas ZK podem confirmar rapidamente uma grande quantidade de cálculos fora da cadeia. Mesmo com o aumento das transações, uma única prova ZK pode validar todas as transações.
Proteção de privacidade: os detalhes dos dados e do modelo de IA são mantidos em sigilo, enquanto as partes podem verificar que não foram comprometidos.
Sem necessidade de confiança: não é necessário depender de uma entidade centralizada para verificar os cálculos.
Integração Web2: A essência do Web2 é a integração off-chain, a inferência verificável pode ajudar a trazer conjuntos de dados e cálculos de IA para a blockchain, aumentando a taxa de adoção do Web3.
Tecnologia de raciocínio verificável Web3 atual:
zkML: Combina provas de conhecimento zero e aprendizado de máquina, garantindo a privacidade do modelo de dados, permitindo cálculos verificáveis sem revelar atributos subjacentes. A Modulus Labs lançou um provedor de provas ZK construído com IA baseado em ZKML, verificando se os provedores de IA executam corretamente os algoritmos, sendo os principais clientes atualmente DApps na cadeia.
opML: Utiliza o princípio de agregação otimista para melhorar a eficiência da escalabilidade do cálculo de ML, verificando apenas uma pequena parte dos resultados dos "validadores" e estabelecendo altas penalidades de custo econômico para aumentar o custo da trapaça e economizar cálculos redundantes.
TeeML: Usa ambientes de execução confiáveis para executar cálculos de ML com segurança, protegendo modelos de dados contra alterações e acessos não autorizados.
)# 3. Camada de Aplicação: Agente de IA
O foco no desenvolvimento da IA está a mudar de capacidades de modelos para Agentes de IA. OpenAI, Anthropic, Microsoft e outros estão a desenvolver Agentes de IA, tentando superar a fase de plataforma tecnológica de LLM.
A OpenAI define o Agente de IA como: um sistema movido por LLM que possui compreensão autônoma, percepção, planejamento, memória e capacidade de usar ferramentas, capaz de executar automaticamente tarefas complexas. A IA transforma-se de ferramenta utilizada em sujeito que utiliza ferramentas, tornando-se o assistente inteligente ideal.
Web3 pode trazer para o Agente:
Descentralizado
As características descentralizadas do Web3 tornam os sistemas Agent mais autônomos e dispersos, estabelecendo mecanismos de incentivo e penalização para delegantes e validadores por meio de PoS, DPoS e outros mecanismos, promovendo a democratização dos sistemas Agent. GaiaNet, Theoriq e HajimeAI têm tentado.
Arranque Frio
O desenvolvimento e iteração de Agentes de IA requerem uma grande quantidade de fundos, e o Web3 pode ajudar projetos com potencial a obter financiamento inicial para um arranque frio.
O Virtual Protocol lançou a plataforma de emissão de tokens fun.virtuals com AI Agent, onde os usuários podem implantar o AI Agent com um clique, garantindo a emissão 100% justa de tokens.
Spectral propôs o conceito de suportar a emissão de produtos de ativos de Agentes de IA na blockchain: emitir tokens através da IAO###Initial Agent Offering(, permitindo que o Agente de IA receba fundos de investimento diretamente, tornando-se membro da governança DAO, e oferecendo aos investidores a oportunidade de participar no desenvolvimento do projeto e compartilhar os lucros.
) Dois, como a IA capacita o Web3
A IA tem um impacto significativo nos projetos Web3, otimizando operações em cadeia ### como a execução de contratos inteligentes e a liquidez.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
15 gostos
Recompensa
15
6
Republicar
Partilhar
Comentar
0/400
MEVHunterX
· 4h atrás
É um pouco difícil ultrapassar as limitações do círculo, cair.
Ver originalResponder0
HodlKumamon
· 4h atrás
De acordo com os dados, esta onda de Duas Cidades tem uma taxa de retorno de 73,5%, e o urso já começou o Auto-investimento~
Ver originalResponder0
MemeCoinSavant
· 4h atrás
não vou mentir família... fiz uma regressão estatística sobre este hype ai+web3 (n=420) e está a parecer estatisticamente degen af
Ver originalResponder0
GasFeeVictim
· 4h atrás
idiotas vão fazer revolução!
Ver originalResponder0
staking_gramps
· 4h atrás
fazer as pessoas de parvas uma ano idiotas ainda há algo que não está claro
Ver originalResponder0
LongTermDreamer
· 4h atrás
O dinheiro foi todo perdido, para que olhar para a AI? Volte a ver em três anos, desta vez realmente sinto que é diferente.
A fusão da IA com o Web3: inovações e oportunidades desde a infraestrutura até à camada de aplicação
AI+Web3: Torres e Praças
Pontos principais
Projetos Web3 com conceito de IA tornaram-se alvos atrativos para captação de recursos nos mercados primário e secundário.
As oportunidades do Web3 na indústria de IA manifestam-se principalmente em: utilizar incentivos distribuídos para coordenar o longo rabo de potenciais fornecedores ( através de dados, armazenamento e computação ); ao mesmo tempo, estabelecer um mercado descentralizado para modelos de código aberto e Agentes de IA.
A IA é principalmente aplicada na indústria Web3 em finanças on-chain ( pagamentos criptográficos, transações, análise de dados ) e assistência ao desenvolvimento.
O valor do AI+Web3 reside na complementaridade entre os dois: o Web3 promete enfrentar a centralização da IA, enquanto a IA promete ajudar o Web3 a superar as limitações de camadas.
Introdução
Nos últimos dois anos, o desenvolvimento da IA apresentou uma tendência de aceleração, a onda de IA generativa provocada pelo ChatGPT não apenas abriu um novo mundo, mas também agitou o campo do Web3.
Com o apoio do conceito de IA, o financiamento no mercado de criptomoedas está claramente a aquecer. De acordo com as estatísticas, apenas no primeiro semestre de 2024, 64 projetos Web3+IA completaram financiamento, dos quais o Zyber365 obteve o maior financiamento de 100 milhões de dólares na ronda A.
O mercado secundário está mais ativo. Dados da Coingecko mostram que o valor total de mercado da área de IA já atingiu 48,5 bilhões de dólares, com um volume de negociação de quase 8,6 bilhões de dólares nas últimas 24 horas; os avanços nas principais tecnologias de IA trouxeram boas notícias, como o lançamento do Sora pela OpenAI, que resultou em um aumento médio de 151% no setor de IA; o efeito da IA também afetou os setores populares de criptomoedas, como Meme, com o primeiro conceito de MemeCoin de Agente de IA – GOAT – que rapidamente se tornou popular, com uma avaliação de 1,4 bilhão de dólares, desencadeando uma onda de Memes de IA.
A pesquisa e os tópicos relacionados a AI+Web3 continuam a aquecer, desde AI+Depin até AI Memecoin e, atualmente, AI Agent e AI DAO, novas narrativas estão surgindo constantemente.
Esta combinação cheia de dinheiro fácil, oportunidades e imaginação futura, inevitavelmente é vista como um casamento arranjado impulsionado pelo capital, e é difícil determinar se é a festa dos especuladores ou a explosão antes do amanhecer.
A chave é se ambas as partes podem se beneficiar do modelo uma da outra? Este artigo irá explorar como o Web3 pode desempenhar um papel em várias etapas da tecnologia de IA, bem como quais novas oportunidades a IA pode trazer para o Web3.
Uma oportunidade do Web3 sob a pilha de IA
Antes de discutir este tópico, precisamos entender a pilha tecnológica dos grandes modelos de IA:
De forma simples, um "grande modelo" é semelhante ao cérebro humano, inicialmente, como um bebê, precisa observar e absorver uma quantidade massiva de informações para entender o mundo, esta é a fase de "coleta" de dados; como os computadores carecem de múltiplos sentidos humanos, antes do treinamento, é necessário converter informações não rotuladas em um formato compreensível para o computador através de "pré-processamento".
Após a inserção de dados, a IA constrói um modelo com capacidade de compreensão e previsão através do "treinamento", semelhante ao processo em que um bebê gradualmente compreende e aprende sobre o mundo exterior, com parâmetros do modelo ajustando-se como a capacidade linguística em constante evolução de um bebê. Quando o conteúdo de aprendizagem é dividido em disciplinas ou quando se comunica com pessoas para obter feedback e correções, entra na fase de "ajuste fino".
Quando as crianças crescem e começam a falar, conseguem entender e expressar ideias em novas conversas, semelhante ao "raciocínio" dos grandes modelos de IA, sendo capazes de realizar análises preditivas sobre novos textos em linguagem. Os bebês usam a linguagem para expressar sentimentos, descrever objetos e resolver problemas, semelhante à aplicação de grandes modelos de IA na fase de raciocínio após o treinamento em várias tarefas específicas, como classificação de imagens, reconhecimento de voz, entre outras.
O Agente de IA está mais próximo da próxima forma do grande modelo - capaz de executar tarefas de forma independente em busca de objetivos complexos, possessuindo habilidades de pensamento, memória e planejamento, e podendo utilizar ferramentas para interagir com o mundo.
Em resposta aos pontos problemáticos de cada camada da IA, o Web3 atualmente formou, de forma inicial, um ecossistema interconectado em múltiplos níveis que abrange todas as fases do processo dos modelos de IA.
1. Camada básica: Airbnb de poder de cálculo e dados
Poder de Cálculo
Um dos principais custos da IA é a potência computacional e a energia necessárias para treinar e inferir modelos.
Por exemplo, o LLAMA3 da Meta precisa de 16.000 GPUs NVIDIA H100 durante 30 dias para concluir o treinamento. A versão de 80 GB custa entre 30.000 e 40.000 dólares, exigindo um investimento em hardware de 400 a 700 milhões de dólares (GPU+chip de rede ), com um consumo mensal de eletricidade de 1,6 bilhões de kWh, resultando em despesas de energia próximas a 20 milhões de dólares.
Para a pressão da capacidade computacional de IA, a rede de infraestrutura física descentralizada DePin( é um dos primeiros campos de interseção entre Web3 e IA. A DePin Ninja listou mais de 1400 projetos, com representações de compartilhamento de capacidade de GPU como io.net, Aethir, Akash, Render Network, entre outros.
A lógica principal é: a plataforma permite que os detentores de recursos de GPU ociosos contribuam com poder de cálculo de forma descentralizada e sem licença, através de um mercado online para compradores e vendedores semelhante ao Uber/Airbnb, aumentando a utilização de GPU, onde os usuários obtêm recursos de computação de baixo custo e alta eficiência; ao mesmo tempo, um mecanismo de staking garante que violações do controle de qualidade ou interrupções da rede serão punidas.
Características:
Agrupamento de GPUs ociosas: o fornecimento vem principalmente de centros de dados pequenos e médios, fazendas de mineração de criptomoedas e hardware de mineração PoS como mineradoras de FileCoin/ETH. Projetos como exolab estão empenhados em utilizar dispositivos locais como MacBook, iPhone, iPad para estabelecer uma rede de computação para rodar inferências de grandes modelos.
Voltado para o mercado de longo prazo de poder computacional de IA: A parte técnica é mais adequada para passos de inferência. O treinamento depende de um super cluster de GPU, enquanto a inferência tem requisitos de GPU mais baixos, como a Aethir que se concentra em renderização de baixa latência e inferência de IA. Os demandantes de baixa capacidade computacional no lado da demanda não treinarão grandes modelos individualmente, mas otimizarão e ajustarão principalmente os modelos principais, adequando-se à capacidade computacional ociosa distribuída.
Propriedade descentralizada: A tecnologia blockchain garante que os proprietários de recursos mantenham o controle, ajustem de forma flexível e obtenham lucros.
Dados
Os dados são a base da IA. Sem dados, os cálculos são inúteis, a qualidade dos dados determina a qualidade da saída do modelo. No treinamento de modelos de IA, os dados determinam a capacidade linguística, a capacidade de compreensão, os valores e a expressividade humanizada. Atualmente, as principais dificuldades na demanda por dados para IA são:
Fome de dados: o treinamento de modelos de IA requer uma enorme quantidade de dados. O número de parâmetros do GPT-4 chega à casa dos trilhões.
Qualidade dos dados: A combinação da IA com várias indústrias traz novas exigências sobre a temporalidade, diversidade, especialização dos dados e novas fontes de dados, como as emoções nas redes sociais.
Conformidade de privacidade: as empresas de vários países estão gradualmente restringindo a coleta de conjuntos de dados.
Custos de processamento elevados: grande volume de dados, processamento complexo. Mais de 30% dos custos de pesquisa e desenvolvimento das empresas de IA são destinados à coleta e processamento de dados.
Soluções Web3:
Grass: rede de camada de dados descentralizada, os usuários executam nós que contribuem com largura de banda para capturar dados em tempo real e obter recompensas em tokens.
Vana: Introdução ao conceito de pool de liquidez de dados )DLP(, onde os usuários podem carregar dados privados e escolher autorizar terceiros a usá-los.
PublicAI: Os utilizadores usam a etiqueta )Web3 no X e @PublicAI para realizar a coleta de dados.
Grass e OpenLayer estão considerando adicionar uma etapa de rotulagem de dados.
A Synesis propôs o conceito "Train2earn", enfatizando a qualidade dos dados, onde os usuários fornecem dados anotados e recebem recompensas.
O Sapien gamifica as tarefas de marcação, permitindo que os usuários apostem pontos para ganhar mais pontos.
Principais tecnologias de privacidade:
Ambiente de Execução Confiável ) TEE (, como o Super Protocol.
Criptografia homomórfica completa ) FHE (, como BasedAI, Fhenix.io, Inco Network.
Tecnologia de conhecimento zero ) zk (, como o Reclaim Protocol que utiliza zkTLS para gerar provas de conhecimento zero para tráfego HTTPS, permitindo a importação segura de dados de sites externos.
Atualmente, estamos em uma fase inicial, e o principal desafio é o alto custo de computação:
EZKL leva 80 minutos para gerar a prova do modelo 1M-nanoGPT.
O custo de zkML é mais de 1000 vezes maior do que o cálculo puro.
)# 2.Middleware: Treinamento e Inferência de Modelos
Mercado descentralizado de modelos de código aberto
A controvérsia sobre modelos de IA open source continua. A abertura traz inovação coletiva como uma vantagem, mas como aumentar a motivação dos desenvolvedores sem um modelo de lucro? Li Yanhong afirmou uma vez que "modelos open source ficarão cada vez mais atrás".
A Web3 propõe a possibilidade de um mercado de modelos descentralizados e de código aberto: tokenização de modelos, a equipe retém uma parte dos tokens, direcionando uma parte da receita futura para os detentores de tokens.
Bittensor cria um mercado de modelos P2P de código aberto, composto por várias "sub-redes", onde os provedores de recursos competem para atender aos objetivos da sub-rede, e as sub-redes interagem e aprendem para alcançar uma inteligência mais poderosa. As recompensas são distribuídas por votação da comunidade, com base no desempenho dentro da sub-rede.
A ORA introduz o conceito de emissão inicial de modelos ###IMO(, tokenizando modelos de IA, que podem ser comprados, vendidos e desenvolvidos através de uma rede descentralizada.
Sentient plataforma AGI descentralizada, incentiva a colaboração na construção de modelos de IA replicáveis e recompensa os contribuidores.
Spectral Nova foca na criação de aplicações de modelos de IA e ML.
Raciocínio verificável
Para o problema do "caixa preta" na inferência de IA, a solução padrão do Web3 é a comparação de resultados de operações repetidas por múltiplos validadores, mas a escassez de GPUs de alto desempenho resulta em custos elevados.
Uma solução mais promissora é executar a prova ZK para cálculos de inferência de IA off-chain, validando os cálculos do modelo de IA na blockchain. É necessário criptografar a prova no blockchain para garantir que o cálculo off-chain foi concluído corretamente ), desde que o conjunto de dados não tenha sido alterado (, enquanto garante a confidencialidade dos dados.
Principais vantagens:
Escalabilidade: As provas ZK podem confirmar rapidamente uma grande quantidade de cálculos fora da cadeia. Mesmo com o aumento das transações, uma única prova ZK pode validar todas as transações.
Proteção de privacidade: os detalhes dos dados e do modelo de IA são mantidos em sigilo, enquanto as partes podem verificar que não foram comprometidos.
Sem necessidade de confiança: não é necessário depender de uma entidade centralizada para verificar os cálculos.
Integração Web2: A essência do Web2 é a integração off-chain, a inferência verificável pode ajudar a trazer conjuntos de dados e cálculos de IA para a blockchain, aumentando a taxa de adoção do Web3.
Tecnologia de raciocínio verificável Web3 atual:
zkML: Combina provas de conhecimento zero e aprendizado de máquina, garantindo a privacidade do modelo de dados, permitindo cálculos verificáveis sem revelar atributos subjacentes. A Modulus Labs lançou um provedor de provas ZK construído com IA baseado em ZKML, verificando se os provedores de IA executam corretamente os algoritmos, sendo os principais clientes atualmente DApps na cadeia.
opML: Utiliza o princípio de agregação otimista para melhorar a eficiência da escalabilidade do cálculo de ML, verificando apenas uma pequena parte dos resultados dos "validadores" e estabelecendo altas penalidades de custo econômico para aumentar o custo da trapaça e economizar cálculos redundantes.
TeeML: Usa ambientes de execução confiáveis para executar cálculos de ML com segurança, protegendo modelos de dados contra alterações e acessos não autorizados.
)# 3. Camada de Aplicação: Agente de IA
O foco no desenvolvimento da IA está a mudar de capacidades de modelos para Agentes de IA. OpenAI, Anthropic, Microsoft e outros estão a desenvolver Agentes de IA, tentando superar a fase de plataforma tecnológica de LLM.
A OpenAI define o Agente de IA como: um sistema movido por LLM que possui compreensão autônoma, percepção, planejamento, memória e capacidade de usar ferramentas, capaz de executar automaticamente tarefas complexas. A IA transforma-se de ferramenta utilizada em sujeito que utiliza ferramentas, tornando-se o assistente inteligente ideal.
Web3 pode trazer para o Agente:
Descentralizado
As características descentralizadas do Web3 tornam os sistemas Agent mais autônomos e dispersos, estabelecendo mecanismos de incentivo e penalização para delegantes e validadores por meio de PoS, DPoS e outros mecanismos, promovendo a democratização dos sistemas Agent. GaiaNet, Theoriq e HajimeAI têm tentado.
Arranque Frio
O desenvolvimento e iteração de Agentes de IA requerem uma grande quantidade de fundos, e o Web3 pode ajudar projetos com potencial a obter financiamento inicial para um arranque frio.
O Virtual Protocol lançou a plataforma de emissão de tokens fun.virtuals com AI Agent, onde os usuários podem implantar o AI Agent com um clique, garantindo a emissão 100% justa de tokens.
Spectral propôs o conceito de suportar a emissão de produtos de ativos de Agentes de IA na blockchain: emitir tokens através da IAO###Initial Agent Offering(, permitindo que o Agente de IA receba fundos de investimento diretamente, tornando-se membro da governança DAO, e oferecendo aos investidores a oportunidade de participar no desenvolvimento do projeto e compartilhar os lucros.
) Dois, como a IA capacita o Web3
A IA tem um impacto significativo nos projetos Web3, otimizando operações em cadeia ### como a execução de contratos inteligentes e a liquidez.