Слияние Web3 и ИИ: создание инфраструктуры нового поколения для интернета
Web3 как новая форма интернета, децентрализованная, открытая и прозрачная, имеет естественные точки соприкосновения с ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ строго ограничены, сталкиваются с проблемами, такими как узкие места вычислительной мощности, утечки конфиденциальности и непрозрачность алгоритмов. Однако Web3, основанный на распределенных технологиях, может предоставить новый импульс для развития ИИ через такие методы, как совместная вычислительная сеть, открытые рынки данных и вычисления с конфиденциальностью. В то же время ИИ может принести много преимуществ Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, помогая улучшить его экосистему. Поэтому исследование взаимодействия Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные являются ключевым элементом, движущим развитием ИИ, подобно тому, как топливо необходимо для двигателя. Модели ИИ нуждаются в переработке огромного количества высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционные централизованные модели получения и использования данных ИИ имеют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их нести.
Ресурсы данных монополизируются крупными технологическими компаниями, образуя изолированные данные.
Личная информация подвержена рискам утечки и злоупотребления.
Web3 может решить эти проблемы с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемые сетевые ресурсы компаниям ИИ, децентрализованно извлекая сетевые данные, которые после очистки и преобразования предоставляют реальные и качественные данные для обучения моделей ИИ.
Использование модели "зарабатывай на аннотациях", чтобы стимулировать работников по всему миру участвовать в аннотировании данных, объединяя профессиональные знания со всего мира и усиливая возможности анализа данных.
Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и обмен данными.
Однако в получении данных из реального мира также существуют некоторые проблемы, такие как разное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать яркой точкой в области данных Web3 в будущем. На основе генеративных технологий ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Применение FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания, а принятие таких норм, как GDPR в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности анализа моделей ИИ.
Полностью гомоморфное шифрование ( FHE ) позволяет выполнять вычисления на зашифрованных данных без необходимости расшифровки данных, а результаты вычислений совпадают с результатами вычислений над открытыми данными. FHE обеспечивает надежную защиту для приватных вычислений ИИ, позволяя вычислительным мощностям GPU выполнять обучение моделей и выводы в среде, не взаимодействующей с исходными данными. Это предоставляет огромные преимущества компаниям в области ИИ, позволяя безопасно открывать API-сервисы при защите коммерческой тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечки данных. FHEML усиливает конфиденциальность данных, предоставляя безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, где ZKML доказывает правильность выполнения машинного обучения, а FHEML акцентирует внимание на вычислениях с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ вычисления в децентрализованных сетях
Текущая сложность вычислений в системах ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающим существующие ресурсы. Например, для обучения крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Этот дефицит мощности не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время, мировая загрузка GPU составляет менее 40%, а замедление повышения производительности микропроцессоров, а также факторы, связанные с цепочками поставок и геополитикой, усугубляют нехватку чипов, что делает проблему поставок вычислительной мощности еще более серьезной. Профессионалы в области ИИ сталкиваются с дилеммой: либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный сервис вычислений по требованию.
Некоторая децентрализованная сеть AI-вычислительных мощностей агрегирует глобальные неиспользуемые ресурсы GPU, предоставляя экономичный и удобный рынок вычислительных мощностей для AI-компаний. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задания в сети, а смарт-контракт распределяет задания среди майнинг-узлов, которые вносят вычислительные мощности. Майнеры выполняют задания и представляют результаты, которые после проверки получают вознаграждение. Эта схема повышает эффективность использования ресурсов и помогает решить проблему ограничения вычислительных мощностей в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, сосредоточенные на обучении и выводе ИИ. Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительных мощностей, разрушает монополию, снижает порог доступа к приложениям и повышает эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованная вычислительная сеть будет играть ключевую роль, привлекая больше инновационных децентрализованных приложений, чтобы совместно продвигать развитие и применение технологий ИИ.
DePIN: Web3 наделяет边缘 AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме имеют возможность запускать ИИ. Вот в чем魅力边缘AI. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология边缘AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 более знакомое нам название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN усиливает защиту конфиденциальности пользователей путем локальной обработки данных и уменьшает риски утечки данных. Экономический механизм токенов, присущий Web3, может мотивировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепочек, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность этой публичной цепочки, низкие транзакционные издержки и технические инновации предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепочке превышает 10 миллиардов долларов, и несколько известных проектов уже добились значительного прогресса.
IMO: Новый парадигм выпуска моделей ИИ
Концепция IMO была впервые предложена в рамках определённого протокола и предполагает токенизацию AI-моделей. В традиционной модели, из-за отсутствия механизма распределения доходов, разработчики AI-моделей сталкиваются с трудностями в получении постоянного дохода от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги, оригинаторам становится сложно отслеживать использование и получать доход. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, потенциальные инвесторы и пользователи затрудняются в оценке их истинной ценности, что ограничивает рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новое финансирование и модель распределения ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, полученными от моделей в будущем. Определенный протокол использует специальные технические стандарты в сочетании с AI оракулами и технологией OPML, чтобы обеспечить подлинность AI моделей и возможность делиться доходами с держателями токенов.
Модель IMO усиливает прозрачность и доверие, поощряет сотрудничество с открытым исходным кодом, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальном этапе проб и ошибок, но с увеличением принятия на рынке и расширением участия, ее инновационность и потенциальная ценность вызывают ожидания.
AI Agent: Новый век взаимодействия
AI-агенты могут воспринимать окружение, самостоятельно мыслить и предпринимать действия для достижения поставленных целей. Благодаря поддержке больших языковых моделей, AI-агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь на предпочтениях пользователей через взаимодействие, предоставляя персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторый открытый AI-родной платформы предоставляет полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций роботов, внешнего вида, голоса и подключения к внешним базам знаний и стремится создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, чтобы дать возможность людям стать супер-креативщиками. Эта платформа обучила специальные большие языковые модели, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить персонализированное взаимодействие с продуктами AI, снизив стоимость синтеза речи на 99%, клонирование голоса можно осуществить всего за 1 минуту. С помощью кастомизированного AI-агента на этой платформе в настоящее время можно применять в таких областях, как видеочат, изучение языков, генерация изображений и других.
В области интеграции Web3 и ИИ в настоящее время больше исследований сосредоточено на уровне инфраструктуры, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, повышение эффективного использования децентрализованных вычислительных мощностей, валидация больших языковых моделей и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ станет основой для появления ряда инновационных бизнес-моделей и услуг.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
10 Лайков
Награда
10
3
Репост
Поделиться
комментарий
0/400
CryptoWageSlave
· 8ч назад
Снова говорят о Web3? Сначала разберитесь с биржей, а потом уже поговорим.
Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета
Слияние Web3 и ИИ: создание инфраструктуры нового поколения для интернета
Web3 как новая форма интернета, децентрализованная, открытая и прозрачная, имеет естественные точки соприкосновения с ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ строго ограничены, сталкиваются с проблемами, такими как узкие места вычислительной мощности, утечки конфиденциальности и непрозрачность алгоритмов. Однако Web3, основанный на распределенных технологиях, может предоставить новый импульс для развития ИИ через такие методы, как совместная вычислительная сеть, открытые рынки данных и вычисления с конфиденциальностью. В то же время ИИ может принести много преимуществ Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, помогая улучшить его экосистему. Поэтому исследование взаимодействия Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
! Узнайте о шести основных интеграциях искусственного интеллекта и Web3
Данные как основа: ИИ и Web3
Данные являются ключевым элементом, движущим развитием ИИ, подобно тому, как топливо необходимо для двигателя. Модели ИИ нуждаются в переработке огромного количества высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.
Традиционные централизованные модели получения и использования данных ИИ имеют следующие основные проблемы:
Web3 может решить эти проблемы с помощью новой децентрализованной парадигмы данных:
Однако в получении данных из реального мира также существуют некоторые проблемы, такие как разное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать яркой точкой в области данных Web3 в будущем. На основе генеративных технологий ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: Применение FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания, а принятие таких норм, как GDPR в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности анализа моделей ИИ.
Полностью гомоморфное шифрование ( FHE ) позволяет выполнять вычисления на зашифрованных данных без необходимости расшифровки данных, а результаты вычислений совпадают с результатами вычислений над открытыми данными. FHE обеспечивает надежную защиту для приватных вычислений ИИ, позволяя вычислительным мощностям GPU выполнять обучение моделей и выводы в среде, не взаимодействующей с исходными данными. Это предоставляет огромные преимущества компаниям в области ИИ, позволяя безопасно открывать API-сервисы при защите коммерческой тайны.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечки данных. FHEML усиливает конфиденциальность данных, предоставляя безопасную вычислительную среду для приложений ИИ.
FHEML является дополнением к ZKML, где ZKML доказывает правильность выполнения машинного обучения, а FHEML акцентирует внимание на вычислениях с зашифрованными данными для обеспечения конфиденциальности данных.
Революция вычислительной мощности: ИИ вычисления в децентрализованных сетях
Текущая сложность вычислений в системах ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающим существующие ресурсы. Например, для обучения крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Этот дефицит мощности не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.
В то же время, мировая загрузка GPU составляет менее 40%, а замедление повышения производительности микропроцессоров, а также факторы, связанные с цепочками поставок и геополитикой, усугубляют нехватку чипов, что делает проблему поставок вычислительной мощности еще более серьезной. Профессионалы в области ИИ сталкиваются с дилеммой: либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный сервис вычислений по требованию.
Некоторая децентрализованная сеть AI-вычислительных мощностей агрегирует глобальные неиспользуемые ресурсы GPU, предоставляя экономичный и удобный рынок вычислительных мощностей для AI-компаний. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задания в сети, а смарт-контракт распределяет задания среди майнинг-узлов, которые вносят вычислительные мощности. Майнеры выполняют задания и представляют результаты, которые после проверки получают вознаграждение. Эта схема повышает эффективность использования ресурсов и помогает решить проблему ограничения вычислительных мощностей в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, сосредоточенные на обучении и выводе ИИ. Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительных мощностей, разрушает монополию, снижает порог доступа к приложениям и повышает эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованная вычислительная сеть будет играть ключевую роль, привлекая больше инновационных децентрализованных приложений, чтобы совместно продвигать развитие и применение технологий ИИ.
DePIN: Web3 наделяет边缘 AI
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме имеют возможность запускать ИИ. Вот в чем魅力边缘AI. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология边缘AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 более знакомое нам название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN усиливает защиту конфиденциальности пользователей путем локальной обработки данных и уменьшает риски утечки данных. Экономический механизм токенов, присущий Web3, может мотивировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепочек, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность этой публичной цепочки, низкие транзакционные издержки и технические инновации предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепочке превышает 10 миллиардов долларов, и несколько известных проектов уже добились значительного прогресса.
IMO: Новый парадигм выпуска моделей ИИ
Концепция IMO была впервые предложена в рамках определённого протокола и предполагает токенизацию AI-моделей. В традиционной модели, из-за отсутствия механизма распределения доходов, разработчики AI-моделей сталкиваются с трудностями в получении постоянного дохода от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги, оригинаторам становится сложно отслеживать использование и получать доход. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, потенциальные инвесторы и пользователи затрудняются в оценке их истинной ценности, что ограничивает рыночное признание и коммерческий потенциал моделей.
IMO предоставляет новое финансирование и модель распределения ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, полученными от моделей в будущем. Определенный протокол использует специальные технические стандарты в сочетании с AI оракулами и технологией OPML, чтобы обеспечить подлинность AI моделей и возможность делиться доходами с держателями токенов.
Модель IMO усиливает прозрачность и доверие, поощряет сотрудничество с открытым исходным кодом, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальном этапе проб и ошибок, но с увеличением принятия на рынке и расширением участия, ее инновационность и потенциальная ценность вызывают ожидания.
AI Agent: Новый век взаимодействия
AI-агенты могут воспринимать окружение, самостоятельно мыслить и предпринимать действия для достижения поставленных целей. Благодаря поддержке больших языковых моделей, AI-агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь на предпочтениях пользователей через взаимодействие, предоставляя персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторый открытый AI-родной платформы предоставляет полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций роботов, внешнего вида, голоса и подключения к внешним базам знаний и стремится создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, чтобы дать возможность людям стать супер-креативщиками. Эта платформа обучила специальные большие языковые модели, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить персонализированное взаимодействие с продуктами AI, снизив стоимость синтеза речи на 99%, клонирование голоса можно осуществить всего за 1 минуту. С помощью кастомизированного AI-агента на этой платформе в настоящее время можно применять в таких областях, как видеочат, изучение языков, генерация изображений и других.
В области интеграции Web3 и ИИ в настоящее время больше исследований сосредоточено на уровне инфраструктуры, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, повышение эффективного использования децентрализованных вычислительных мощностей, валидация больших языковых моделей и другие ключевые вопросы. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ станет основой для появления ряда инновационных бизнес-моделей и услуг.