AI kavramına sahip Web3 projeleri birinci ve ikinci piyasalarda para çekme hedefi haline geldi.
Web3'ün AI sektöründeki fırsatları esasen şunlarda ortaya çıkmaktadır: dağınık teşviklerin uzun kuyruk potansiyel arzını koordine etmek için kullanılması ( veriler, depolama ve hesaplama ); aynı zamanda açık kaynaklı modellerin ve AI Agent'ların merkeziyetsiz pazarını oluşturmak.
AI, Web3 sektöründe esas olarak zincir üzerindeki finans( kripto ödemeleri, ticaret, veri analizi) ve geliştirmeye yardımcı olmak için kullanılmaktadır.
AI+Web3'ün değeri, her ikisinin de tamamlayıcı olmasındadır: Web3, AI merkezileşmesiyle başa çıkma umudu taşırken, AI da Web3'ün katman sınırlamalarını aşmasına yardımcı olabilir.
Giriş
Son iki yılda, AI gelişimi hız kazandı, ChatGPT'nin yaratıcısı AI dalgası sadece yeni bir dünya açmakla kalmadı, aynı zamanda Web3 alanında da dalgalar yarattı.
AI konseptinin katkısıyla, kripto pazarındaki finansman belirgin bir şekilde ısındı. İstatistiklere göre, sadece 2024'ün ilk yarısında 64 Web3+AI projesi finansman sağladı ve bunlar arasında Zyber365, A turunda 100 milyon dolar ile en yüksek finansmanı aldı.
İkincil piyasa daha aktif, Coingecko verilerine göre, AI sektörünün toplam piyasa değeri 48.5 milyar dolara ulaştı, 24 saatlik işlem hacmi ise yaklaşık 8.6 milyar dolar; önde gelen AI teknolojilerindeki ilerlemeler olumlu etkiler yarattı, örneğin OpenAI Sora'yı piyasaya sürdükten sonra, AI sektörünün ortalama kazancı %151 oldu; AI etkisi de kripto para popüler alanı Meme'yi etkiledi, ilk AI Agent konsepti olan MemeCoin – GOAT hızla popülerlik kazandı, değeri 1.4 milyar dolara ulaştı ve AI Meme dalgasını tetikledi.
AI+Web3 ile ilgili araştırmalar ve konular giderek popülerleşiyor, AI+Depin'den AI Memecoin'e, ardından da şu anda AI Agent ve AI DAO'ya kadar yeni anlatılar sürekli ortaya çıkıyor.
Bu bol sıcak para, rüzgar ve gelecek tasavvurları ile dolu kombinasyon, kaçınılmaz olarak sermaye tarafından yönlendirilen bir evlilik olarak görülüyor; spekülatörlerin bir şenliği mi yoksa şafak öncesi bir patlama mı olduğunu değerlendirmek zor.
Anahtar, tarafların birbirlerinin modellerinden faydalanıp faydalanamayacağıdır? Bu makale, Web3'ün AI teknolojisinin her aşamasında nasıl rol oynayacağını ve AI'nın Web3'e hangi yeni fırsatları getirebileceğini inceleyecektir.
Bir, AI yığını altında Web3 fırsatları
Bu konuyu tartışmadan önce, AI büyük modelinin teknik yığını hakkında bilgi sahibi olmamız gerekiyor:
Sade bir dille, "büyük modeller" insan beynine benzer, başlangıçta bebek gibi dünyayı anlamak için büyük miktarda bilgiyi gözlemleyip emmesi gerekir, bu veri "toplama" aşamasıdır; bilgisayarlar insanın çoklu duyularından yoksun olduğundan, eğitimden önce etiketlenmemiş bilgilerin "ön işleme" ile bilgisayarın anlayabileceği bir formata dönüştürülmesi gerekir.
Veri girdikten sonra, AI "eğitim" aracılığıyla anlama ve tahmin yeteneğine sahip bir model oluşturur, bu, bir bebeğin dış dünyayı anlamayı adım adım öğrenmesi sürecine benzer; model parametreleri, bebeğin sürekli olarak ayarladığı dil yeteneği gibidir. Öğrenme içeriği alanlara ayrıldığında veya insanlarla iletişim kurarak geri bildirim alındığında, "ince ayar" aşamasına girilir.
Çocuklar büyüdüklerinde konuşmaya başladıklarında, yeni diyaloglarda fikirlerini anlama ve ifade etme yeteneğine sahip olurlar, bu da AI büyük modellerinin "çıkarsaması"na benzer, yeni dil metni girdileri üzerinde tahmin analizleri yapabilirler. Bebekler duygularını ifade etmek, nesneleri tanımlamak ve problemleri çözmek için dili kullanırlar, bu da AI büyük modellerinin eğitim tamamlandıktan sonra çıkarsama aşamasında çeşitli belirli görevlerde uygulanmasına benzer, örneğin görüntü sınıflandırma, ses tanıma vb.
AI Ajansı, bağımsız olarak görevleri yerine getirebilen, karmaşık hedefler peşinde koşabilen, düşünme, hafıza ve planlama yeteneklerine sahip olan ve araçları kullanarak dünyayla etkileşimde bulunabilen büyük modelin bir sonraki evresine daha yakındır.
AI'nin her katmanındaki sorunlara yönelik olarak, Web3 şu anda AI model süreçlerinin her aşamasını kapsayan çok katmanlı bir bağlantılı ekosistem oluşturmaktadır.
1. Temel Katman: Güç ve Verilerin Airbnb'si
Hash gücü
Yapay zekanın ana maliyetlerinden biri, model eğitimi ve çıkarımı için gereken hesaplama gücü ve enerjidir.
Örneğin, Meta'nın LLAMA3'ü eğitimi tamamlamak için 30 gün boyunca 16.000 NVIDIA H100 GPU'ya ihtiyaç duymaktadır. 80GB versiyonunun birim fiyatı 30.000-40.000 dolar, 4-7 milyar dolar donanım yatırımı gerekmektedir (GPU+ ağ çipi ), aylık eğitim enerji tüketimi 1.6 milyar kilowatt saat, enerji harcaması yaklaşık 20 milyon dolardır.
AI hesaplama gücü baskısı için, DePin( merkeziyetsiz fiziksel altyapı ağı) Web3'ün AI ile kesiştiği en erken alanlardan biridir. DePin Ninja, 1400'den fazla projeyi listelemiştir, GPU hesaplama gücü paylaşımına örnekler io.net, Aethir, Akash, Render Network gibi projelerdir.
Ana mantık şudur: Platform, boşta kalan GPU kaynaklarını sahiplerinin izin olmadan merkeziyetsiz bir şekilde hesap gücü katkısında bulunmalarına izin verir, Uber/Airbnb benzeri bir alım satım çevrimiçi pazar aracılığıyla GPU kullanımını artırır, kullanıcılar düşük maliyetle verimli hesaplama kaynakları elde eder; aynı zamanda teminat mekanizması, kalite kontrolüne aykırı hareket eden veya ağı kesintiye uğratanların cezalandırılmasını sağlar.
Özellikler:
Boşta duran GPU'ları toplayın: Tedarik, esas olarak küçük ve orta ölçekli veri merkezlerinden, kripto madencilik tesislerinden ve FileCoin/ETH madencilik donanımı gibi PoS madencilik donanımlarından gelen fazla hesaplama gücünden gelmektedir. Exolab gibi projeler, MacBook, iPhone, iPad gibi yerel cihazları kullanarak büyük model çıkarımı için bir hesaplama ağı kurmaya çalışmaktadır.
AI hesaplama gücü uzun kuyruk pazarına yönelik:
Teknik taraf, çıkarım adımları için daha uygundur. Eğitim, çok büyük GPU kümelerine bağımlıdır, çıkarım için GPU gereksinimi daha düşüktür, Aethir düşük gecikme render ve AI çıkarımına odaklanmaktadır.
Talep tarafındaki küçük hesap gücü talep edenler büyük modelleri ayrı olarak eğitmeyecek, esas olarak ana modeller etrafında optimize edilip ince ayar yapılacaktır ve bu da dağıtılmış bekleyen hesap gücüne uygundur.
Merkeziyetsiz mülkiyet: Blockchain teknolojisi, kaynak sahiplerinin kontrolü elinde tutmasını, esnek bir şekilde ayarlamalar yapmasını ve gelir elde etmesini sağlar.
Veri
Veri, AI'nin temelidir. Veri olmadan, hesaplama hiçbir işe yaramaz; veri kalitesi model çıktısının kalitesini belirler. AI model eğitimi için veri, dil yeteneğini, anlama yeteneğini, değerleri ve insana özgü performansı belirler. Şu anda AI verisi talep eden zorluklar şunlardır:
Veri açlığı: AI model eğitimi için devasa veri gereklidir. GPT-4'ün parametre sayısı trilyon seviyesine ulaşmaktadır.
Veri Kalitesi: AI'nin çeşitli endüstrilerle birleşimi, veri zamanlılığı, çeşitliliği, uzmanlığı ve sosyal medya gibi yeni veri kaynaklarının duygu analizi gibi konularda yeni gereksinimler ortaya koymaktadır.
Gizlilik Uyumu: Ülkeler, veri seti taramasını giderek kısıtlıyor.
Yüksek işlem maliyeti: Veri miktarı büyük, işlem karmaşık. AI şirketlerinin %30'undan fazlası araştırma ve geliştirme maliyetlerini veri toplama ve işleme harcıyor.
Web3 çözümleri:
Veri toplama: Ücretsiz gerçek dünya verilerini toplamak giderek zorlaşıyor, AI şirketlerinin veri harcamaları her yıl artıyor, ancak gerçek katkıda bulunanlara geri dönüş sağlanmıyor. Web3 vizyonu, katkıda bulunan kullanıcıların değer yaratımına katılmasını sağlamak, dağıtık ağlar aracılığıyla daha düşük maliyetle daha özel ve değerli verileri elde etmeyi teşvik etmektir.
Grass: Merkeziyetsiz veri katmanı ağı, kullanıcılar düğümleri çalıştırarak bant genişliği katkısında bulunur ve gerçek zamanlı verileri elde eder, token ödülleri kazanır.
Vana: Veri akış havuzunu (DLP) kavramını tanıtır, kullanıcılar özel verilerini yükleyebilir ve üçüncü tarafların kullanımına izin verebilir.
PublicAI: Kullanıcılar X'te #AI或# Web3 etiketini kullanarak ve @PublicAI ile veri topluyor.
2.Verilerin Ön İşlenmesi: AI veri işleme, kullanılabilir formata dönüştürülmesi gereken temizleme, standartlaştırma, filtreleme, eksik değerlerin işlenmesi gibi tekrarlayan görevleri içerir. Bu insan etabı, veri etiketleyicisi sektörünü ortaya çıkarmış olup, gereksinimlerin artmasıyla birlikte engeller yükselmektedir ve Web3 merkeziyetsiz teşvik mekanizması için uygundur.
Grass ve OpenLayer veri etiketleme aşamasını eklemeyi düşünüyor.
Synesis, "Train2earn" kavramını ortaya koydu ve veri kalitesine vurgu yaparak, kullanıcıların etiketlenmiş veriler sunarak ödüller kazanmasını sağladı.
Sapien, görevleri oyunlaştırarak kullanıcıların puan yatırmalarını ve daha fazla puan kazanmalarını sağlıyor.
Veri gizliliği güvenliği: Veri gizliliği, hassas veri işleme, veri güvenliği koruma bilgilerini yetkisiz erişim, zarar ve hırsızlıktan korumayı içerir. Web3 gizlilik teknolojisinin avantajları şunlardır: ( hassas veri eğitimi; ) veri iş birliği: Birden fazla veri sahibi, orijinal verileri paylaşmadan AI eğitimi için birlikte yer alır.
Ana gizlilik teknolojileri:
Güvenilir yürütme ortamı ( TEE ), Super Protokol gibi.
Tam homomorfik şifreleme (FHE), örneğin BasedAI, Fhenix.io, Inco Network.
Sıfır Bilgi Teknolojisi ( zk ), Reclaim Protokolü gibi zkTLS kullanarak HTTPS trafiği için sıfır bilgi kanıtı oluşturur, dış web sitesi verilerini güvenli bir şekilde içe aktarır.
Şu anda erken aşamadayız, ana zorluk yüksek hesaplama maliyetidir:
EZKL'nin 1M-nanoGPT model kanıtını üretmesi 80 dakika sürer.
zkML maliyetleri saf hesaplamadan %1000'den fazla daha yüksektir.
Veri Depolama: Zincir üzerinde veri ve üretilen LLM depolanmalıdır. Veri kullanılabilirliği (DA) temel bir sorundur, Ethereum'un Danksharding güncellemesi öncesi throughput 0.08MB iken, AI model eğitimi ve çıkarımı genellikle saniyede 50-100GB gerektirir.
0g.AI, AI ihtiyaçları için tasarlanmış merkezi depolama çözümüdür, özellikleri: yüksek performans ölçeklenebilirliği, parçalama ve hata düzeltme kodları aracılığıyla büyük veri kümelerinin hızlı yüklenmesi ve indirilmesi desteği, iletim hızı saniyede 5GB'ye yakındır.
(# 2.Ortaya Konulan Yazılım: Model Eğitimi ve Çıkarım
Açık Kaynak Modeli Merkeziyetsiz Pazar
AI modelinin açık kaynak tartışması sürüyor. Açık kaynak, toplu yeniliği beraberinde getirmek gibi bir avantaj sağlıyor, ancak kâr modeli olmadan geliştirici motivasyonu nasıl artırılacak? Li Yanhong, "açık kaynak modellerinin giderek geride kalacağını" iddia etmişti.
Web3, merkeziyetsiz açık kaynak model pazarının olasılığını öneriyor: modelin tokenleştirilmesi, ekibin bir kısmını token olarak saklaması, gelecekteki gelir akışının bir kısmını token sahiplerine yönlendirmesi.
Bittensor, birden fazla "alt ağ" içeren açık kaynaklı bir model P2P pazarı kurar. Kaynak sağlayıcıları, alt ağların hedeflerini karşılamak için rekabet eder, alt ağlar etkileşimli öğrenme ile daha güçlü bir zeka geliştirir. Ödüller, topluluk oylaması ile dağıtılır ve alt ağ içindeki performansa göre tahsis edilir.
ORA, başlangıç modelinin dağıtımını )IMO### kavramı ile tanıtarak, AI modellerini tokenleştirir ve bu modeller, merkeziyetsiz ağ üzerinden satın alınabilir, satılabilir ve geliştirilebilir.
Sentient merkeziyetsiz AGI platformu, işbirliğini teşvik ederek çoğaltılabilir genişletilmiş AI modelleri inşa etmeyi ve katkıda bulunanları ödüllendirmeyi amaçlar.
Spectral Nova, AI ve ML modellerinin oluşturulmasına odaklanmaktadır.
Doğrulanabilir Akıl Yürütme
AI çıkarımındaki "kara kutu" sorununa yönelik standart Web3 çözümü, çoklu doğrulayıcıların tekrarlanan işlemleri karşılaştırmasıdır; ancak yüksek kaliteli GPU kıtlığı maliyetleri artırmaktadır.
Daha umut verici bir çözüm, zincir dışı AI çıkarım hesaplaması için ZK kanıtı uygulamak ve zincir üzerinde AI model hesaplamasını doğrulamaktır. Zincir üzerinde, zincir dışı hesaplamanın doğru tamamlandığını (, veri kümesi değiştirilmemişse ), aynı zamanda verilerin gizliliğini sağlamak için şifreli bir kanıt eklemek gerekmektedir.
Ana avantajlar:
Ölçeklenebilirlik: ZK kanıtları, büyük miktarda off-chain hesaplamayı hızlı bir şekilde doğrulayabilir. İşlemler artsa bile, tek bir ZK kanıtı tüm işlemleri doğrulayabilir.
Gizlilik koruma: Veri ve AI model detayları gizli tutulur, aynı zamanda her tarafın bozulmadığı doğrulanabilir.
Güvenmeye gerek yok: Merkezileşmiş bir tarafın hesaplamayı doğrulamasına ihtiyaç yok.
Web2 entegrasyonu: Web2 temelde zincir dışı entegrasyondur, doğrulanabilir akıl yürütme, veri setlerini ve AI hesaplamalarını zincire taşıyabilir, Web3 benimseme oranını artırabilir.
Mevcut Web3 doğrulanabilir akıl yürütme teknolojisi:
zkML: Sıfır bilgi kanıtı ve makine öğrenimini birleştirerek veri modelinin gizliliğini sağlar, temel özellikleri ifşa etmeden doğrulanabilir hesaplamalara izin verir. Modulus Labs, ZKML temelinde AI ile oluşturulmuş ZK kanıtlayıcıyı yayımladı ve AI sağlayıcılarının algoritmaları doğru bir şekilde uygulayıp uygulamadığını kontrol eder, mevcut müşteriler çoğunlukla zincir üstü DApp'lerdir.
opML: Optimist toplamaya dayalı ilke kullanarak, anlaşmazlık oluşum zamanını doğrulayarak ML hesaplama ölçeklenebilirliğini artırır. Sadece "doğrulayıcı" sonuçların küçük bir kısmını doğrulamak yeterlidir, ancak dolandırıcılık maliyetlerini artırmak için yüksek ekonomik maliyet cezası belirlenir ve gereksiz hesaplamaları azaltır.
TeeML: Güvenilir bir yürütme ortamı kullanarak ML hesaplamalarını güvenli bir şekilde yürütür, veri modelini değiştirilme ve yetkisiz erişimden korur.
(# 3.Uygulama Katmanı: AI Ajanı
Yapay zeka gelişiminin odak noktası model yeteneklerinden AI Ajansı'na kayıyor. OpenAI, Anthropic, Microsoft gibi şirketler AI Ajansı geliştirmeye çalışarak LLM teknolojisindeki platform dönemini aşmayı hedefliyor.
OpenAI, AI Ajanını şu şekilde tanımlar: LLM'yi beyin olarak kullanan, bağımsız anlama, algılama, planlama, bellek ve araç kullanma yeteneğine sahip, karmaşık görevleri otomatik olarak yerine getirebilen sistem. AI, kullanılan araçlardan, kullanılabilir araç öznesine dönüşerek ideal zeka asistanı haline gelmektedir.
Web3, Ajanlara şunları getirebilir:
Merkeziyetsiz
Web3'ün merkeziyetsiz özellikleri, Agent sistemlerini daha dağınık ve özerk hale getirir, PoS, DPoS gibi mekanizmalar aracılığıyla stake edenler ve delegeler arasında teşvik ve ceza mekanizmaları kurar, Agent sisteminin demokratikleşmesini teşvik eder. GaiaNet, Theoriq, HajimeAI bu konuda denemeler yapmıştır.
Soğuk Başlatma
AI Agent geliştirme iterasyonları büyük miktarda sermaye gerektirir, Web3 potansiyel projelerin erken aşama finansmanına soğuk başlangıç yapmalarına yardımcı olabilir.
Virtual Protocol, kullanıcıların AI Agent'ı tek tuşla dağıtarak token'ların %100 adil bir şekilde dağıtımını sağlamasına olanak tanıyan fun.virtuals token ihraç platformunu piyasaya sürdü.
Spectral, zincir üstünde AI Agent varlık ürünlerinin çıkarılması için bir öneri sunuyor: IAO) İlk Agent Teklifi### aracılığıyla tokenler çıkararak, AI Agent doğrudan yatırım fonu elde ediyor, DAO yönetim üyesi oluyor ve yatırımcılara proje geliştirme sürecine katılma ve kazanç paylaşma fırsatı sunuyor.
( İki, AI Web3'ü nasıl güçlendiriyor
AI'nin Web3 projeleri üzerindeki etkisi belirgindir, zincir üzerindeki işlemleri ) gibi akıllı sözleşme yürütme, likidite optimizasyonu ile iyileştirerek.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
15 Likes
Reward
15
6
Repost
Share
Comment
0/400
MEVHunterX
· 4h ago
Çember kısıtlamalarını aşmak biraz zor, düşüş
View OriginalReply0
HodlKumamon
· 4h ago
Verilere göre, bu çift şehir hikayesinin %73.5 geri dönüş oranı var, ayı otomatik yatırım yapmaya başladı bile~
View OriginalReply0
MemeCoinSavant
· 4h ago
ngl fam... bu ai+web3 hype üzerinde istatistiksel regresyon yaptım (n=420) ve istatistiksel olarak degen af görünüyor.
View OriginalReply0
GasFeeVictim
· 4h ago
enayiler devrim yapıyor!
View OriginalReply0
staking_gramps
· 4h ago
insanları enayi yerine koymak bir yıl boyunca enayiler, başka neyi anlamak zor.
View OriginalReply0
LongTermDreamer
· 4h ago
Para tamamen kayboldu, artık neyi bekleyelim ki, üç yıl sonra tekrar bakarız, bu sefer gerçekten farklı hissediyorum.
AI ve Web3'ün birleşimi: Altyapıdan Uygulama Katmanı'na yenilikler ve fırsatlar
AI+Web3: Kuleler ve Meydanlar
Önemli Noktalar
AI kavramına sahip Web3 projeleri birinci ve ikinci piyasalarda para çekme hedefi haline geldi.
Web3'ün AI sektöründeki fırsatları esasen şunlarda ortaya çıkmaktadır: dağınık teşviklerin uzun kuyruk potansiyel arzını koordine etmek için kullanılması ( veriler, depolama ve hesaplama ); aynı zamanda açık kaynaklı modellerin ve AI Agent'ların merkeziyetsiz pazarını oluşturmak.
AI, Web3 sektöründe esas olarak zincir üzerindeki finans( kripto ödemeleri, ticaret, veri analizi) ve geliştirmeye yardımcı olmak için kullanılmaktadır.
AI+Web3'ün değeri, her ikisinin de tamamlayıcı olmasındadır: Web3, AI merkezileşmesiyle başa çıkma umudu taşırken, AI da Web3'ün katman sınırlamalarını aşmasına yardımcı olabilir.
Giriş
Son iki yılda, AI gelişimi hız kazandı, ChatGPT'nin yaratıcısı AI dalgası sadece yeni bir dünya açmakla kalmadı, aynı zamanda Web3 alanında da dalgalar yarattı.
AI konseptinin katkısıyla, kripto pazarındaki finansman belirgin bir şekilde ısındı. İstatistiklere göre, sadece 2024'ün ilk yarısında 64 Web3+AI projesi finansman sağladı ve bunlar arasında Zyber365, A turunda 100 milyon dolar ile en yüksek finansmanı aldı.
İkincil piyasa daha aktif, Coingecko verilerine göre, AI sektörünün toplam piyasa değeri 48.5 milyar dolara ulaştı, 24 saatlik işlem hacmi ise yaklaşık 8.6 milyar dolar; önde gelen AI teknolojilerindeki ilerlemeler olumlu etkiler yarattı, örneğin OpenAI Sora'yı piyasaya sürdükten sonra, AI sektörünün ortalama kazancı %151 oldu; AI etkisi de kripto para popüler alanı Meme'yi etkiledi, ilk AI Agent konsepti olan MemeCoin – GOAT hızla popülerlik kazandı, değeri 1.4 milyar dolara ulaştı ve AI Meme dalgasını tetikledi.
AI+Web3 ile ilgili araştırmalar ve konular giderek popülerleşiyor, AI+Depin'den AI Memecoin'e, ardından da şu anda AI Agent ve AI DAO'ya kadar yeni anlatılar sürekli ortaya çıkıyor.
Bu bol sıcak para, rüzgar ve gelecek tasavvurları ile dolu kombinasyon, kaçınılmaz olarak sermaye tarafından yönlendirilen bir evlilik olarak görülüyor; spekülatörlerin bir şenliği mi yoksa şafak öncesi bir patlama mı olduğunu değerlendirmek zor.
Anahtar, tarafların birbirlerinin modellerinden faydalanıp faydalanamayacağıdır? Bu makale, Web3'ün AI teknolojisinin her aşamasında nasıl rol oynayacağını ve AI'nın Web3'e hangi yeni fırsatları getirebileceğini inceleyecektir.
Bir, AI yığını altında Web3 fırsatları
Bu konuyu tartışmadan önce, AI büyük modelinin teknik yığını hakkında bilgi sahibi olmamız gerekiyor:
Sade bir dille, "büyük modeller" insan beynine benzer, başlangıçta bebek gibi dünyayı anlamak için büyük miktarda bilgiyi gözlemleyip emmesi gerekir, bu veri "toplama" aşamasıdır; bilgisayarlar insanın çoklu duyularından yoksun olduğundan, eğitimden önce etiketlenmemiş bilgilerin "ön işleme" ile bilgisayarın anlayabileceği bir formata dönüştürülmesi gerekir.
Veri girdikten sonra, AI "eğitim" aracılığıyla anlama ve tahmin yeteneğine sahip bir model oluşturur, bu, bir bebeğin dış dünyayı anlamayı adım adım öğrenmesi sürecine benzer; model parametreleri, bebeğin sürekli olarak ayarladığı dil yeteneği gibidir. Öğrenme içeriği alanlara ayrıldığında veya insanlarla iletişim kurarak geri bildirim alındığında, "ince ayar" aşamasına girilir.
Çocuklar büyüdüklerinde konuşmaya başladıklarında, yeni diyaloglarda fikirlerini anlama ve ifade etme yeteneğine sahip olurlar, bu da AI büyük modellerinin "çıkarsaması"na benzer, yeni dil metni girdileri üzerinde tahmin analizleri yapabilirler. Bebekler duygularını ifade etmek, nesneleri tanımlamak ve problemleri çözmek için dili kullanırlar, bu da AI büyük modellerinin eğitim tamamlandıktan sonra çıkarsama aşamasında çeşitli belirli görevlerde uygulanmasına benzer, örneğin görüntü sınıflandırma, ses tanıma vb.
AI Ajansı, bağımsız olarak görevleri yerine getirebilen, karmaşık hedefler peşinde koşabilen, düşünme, hafıza ve planlama yeteneklerine sahip olan ve araçları kullanarak dünyayla etkileşimde bulunabilen büyük modelin bir sonraki evresine daha yakındır.
AI'nin her katmanındaki sorunlara yönelik olarak, Web3 şu anda AI model süreçlerinin her aşamasını kapsayan çok katmanlı bir bağlantılı ekosistem oluşturmaktadır.
1. Temel Katman: Güç ve Verilerin Airbnb'si
Hash gücü
Yapay zekanın ana maliyetlerinden biri, model eğitimi ve çıkarımı için gereken hesaplama gücü ve enerjidir.
Örneğin, Meta'nın LLAMA3'ü eğitimi tamamlamak için 30 gün boyunca 16.000 NVIDIA H100 GPU'ya ihtiyaç duymaktadır. 80GB versiyonunun birim fiyatı 30.000-40.000 dolar, 4-7 milyar dolar donanım yatırımı gerekmektedir (GPU+ ağ çipi ), aylık eğitim enerji tüketimi 1.6 milyar kilowatt saat, enerji harcaması yaklaşık 20 milyon dolardır.
AI hesaplama gücü baskısı için, DePin( merkeziyetsiz fiziksel altyapı ağı) Web3'ün AI ile kesiştiği en erken alanlardan biridir. DePin Ninja, 1400'den fazla projeyi listelemiştir, GPU hesaplama gücü paylaşımına örnekler io.net, Aethir, Akash, Render Network gibi projelerdir.
Ana mantık şudur: Platform, boşta kalan GPU kaynaklarını sahiplerinin izin olmadan merkeziyetsiz bir şekilde hesap gücü katkısında bulunmalarına izin verir, Uber/Airbnb benzeri bir alım satım çevrimiçi pazar aracılığıyla GPU kullanımını artırır, kullanıcılar düşük maliyetle verimli hesaplama kaynakları elde eder; aynı zamanda teminat mekanizması, kalite kontrolüne aykırı hareket eden veya ağı kesintiye uğratanların cezalandırılmasını sağlar.
Özellikler:
Boşta duran GPU'ları toplayın: Tedarik, esas olarak küçük ve orta ölçekli veri merkezlerinden, kripto madencilik tesislerinden ve FileCoin/ETH madencilik donanımı gibi PoS madencilik donanımlarından gelen fazla hesaplama gücünden gelmektedir. Exolab gibi projeler, MacBook, iPhone, iPad gibi yerel cihazları kullanarak büyük model çıkarımı için bir hesaplama ağı kurmaya çalışmaktadır.
AI hesaplama gücü uzun kuyruk pazarına yönelik: Teknik taraf, çıkarım adımları için daha uygundur. Eğitim, çok büyük GPU kümelerine bağımlıdır, çıkarım için GPU gereksinimi daha düşüktür, Aethir düşük gecikme render ve AI çıkarımına odaklanmaktadır. Talep tarafındaki küçük hesap gücü talep edenler büyük modelleri ayrı olarak eğitmeyecek, esas olarak ana modeller etrafında optimize edilip ince ayar yapılacaktır ve bu da dağıtılmış bekleyen hesap gücüne uygundur.
Merkeziyetsiz mülkiyet: Blockchain teknolojisi, kaynak sahiplerinin kontrolü elinde tutmasını, esnek bir şekilde ayarlamalar yapmasını ve gelir elde etmesini sağlar.
Veri
Veri, AI'nin temelidir. Veri olmadan, hesaplama hiçbir işe yaramaz; veri kalitesi model çıktısının kalitesini belirler. AI model eğitimi için veri, dil yeteneğini, anlama yeteneğini, değerleri ve insana özgü performansı belirler. Şu anda AI verisi talep eden zorluklar şunlardır:
Veri açlığı: AI model eğitimi için devasa veri gereklidir. GPT-4'ün parametre sayısı trilyon seviyesine ulaşmaktadır.
Veri Kalitesi: AI'nin çeşitli endüstrilerle birleşimi, veri zamanlılığı, çeşitliliği, uzmanlığı ve sosyal medya gibi yeni veri kaynaklarının duygu analizi gibi konularda yeni gereksinimler ortaya koymaktadır.
Gizlilik Uyumu: Ülkeler, veri seti taramasını giderek kısıtlıyor.
Yüksek işlem maliyeti: Veri miktarı büyük, işlem karmaşık. AI şirketlerinin %30'undan fazlası araştırma ve geliştirme maliyetlerini veri toplama ve işleme harcıyor.
Web3 çözümleri:
Grass: Merkeziyetsiz veri katmanı ağı, kullanıcılar düğümleri çalıştırarak bant genişliği katkısında bulunur ve gerçek zamanlı verileri elde eder, token ödülleri kazanır.
Vana: Veri akış havuzunu (DLP) kavramını tanıtır, kullanıcılar özel verilerini yükleyebilir ve üçüncü tarafların kullanımına izin verebilir.
PublicAI: Kullanıcılar X'te #AI或# Web3 etiketini kullanarak ve @PublicAI ile veri topluyor.
2.Verilerin Ön İşlenmesi: AI veri işleme, kullanılabilir formata dönüştürülmesi gereken temizleme, standartlaştırma, filtreleme, eksik değerlerin işlenmesi gibi tekrarlayan görevleri içerir. Bu insan etabı, veri etiketleyicisi sektörünü ortaya çıkarmış olup, gereksinimlerin artmasıyla birlikte engeller yükselmektedir ve Web3 merkeziyetsiz teşvik mekanizması için uygundur.
Grass ve OpenLayer veri etiketleme aşamasını eklemeyi düşünüyor.
Synesis, "Train2earn" kavramını ortaya koydu ve veri kalitesine vurgu yaparak, kullanıcıların etiketlenmiş veriler sunarak ödüller kazanmasını sağladı.
Sapien, görevleri oyunlaştırarak kullanıcıların puan yatırmalarını ve daha fazla puan kazanmalarını sağlıyor.
Ana gizlilik teknolojileri:
Güvenilir yürütme ortamı ( TEE ), Super Protokol gibi.
Tam homomorfik şifreleme (FHE), örneğin BasedAI, Fhenix.io, Inco Network.
Sıfır Bilgi Teknolojisi ( zk ), Reclaim Protokolü gibi zkTLS kullanarak HTTPS trafiği için sıfır bilgi kanıtı oluşturur, dış web sitesi verilerini güvenli bir şekilde içe aktarır.
Şu anda erken aşamadayız, ana zorluk yüksek hesaplama maliyetidir:
EZKL'nin 1M-nanoGPT model kanıtını üretmesi 80 dakika sürer.
zkML maliyetleri saf hesaplamadan %1000'den fazla daha yüksektir.
(# 2.Ortaya Konulan Yazılım: Model Eğitimi ve Çıkarım
Açık Kaynak Modeli Merkeziyetsiz Pazar
AI modelinin açık kaynak tartışması sürüyor. Açık kaynak, toplu yeniliği beraberinde getirmek gibi bir avantaj sağlıyor, ancak kâr modeli olmadan geliştirici motivasyonu nasıl artırılacak? Li Yanhong, "açık kaynak modellerinin giderek geride kalacağını" iddia etmişti.
Web3, merkeziyetsiz açık kaynak model pazarının olasılığını öneriyor: modelin tokenleştirilmesi, ekibin bir kısmını token olarak saklaması, gelecekteki gelir akışının bir kısmını token sahiplerine yönlendirmesi.
Bittensor, birden fazla "alt ağ" içeren açık kaynaklı bir model P2P pazarı kurar. Kaynak sağlayıcıları, alt ağların hedeflerini karşılamak için rekabet eder, alt ağlar etkileşimli öğrenme ile daha güçlü bir zeka geliştirir. Ödüller, topluluk oylaması ile dağıtılır ve alt ağ içindeki performansa göre tahsis edilir.
ORA, başlangıç modelinin dağıtımını )IMO### kavramı ile tanıtarak, AI modellerini tokenleştirir ve bu modeller, merkeziyetsiz ağ üzerinden satın alınabilir, satılabilir ve geliştirilebilir.
Sentient merkeziyetsiz AGI platformu, işbirliğini teşvik ederek çoğaltılabilir genişletilmiş AI modelleri inşa etmeyi ve katkıda bulunanları ödüllendirmeyi amaçlar.
Spectral Nova, AI ve ML modellerinin oluşturulmasına odaklanmaktadır.
Doğrulanabilir Akıl Yürütme
AI çıkarımındaki "kara kutu" sorununa yönelik standart Web3 çözümü, çoklu doğrulayıcıların tekrarlanan işlemleri karşılaştırmasıdır; ancak yüksek kaliteli GPU kıtlığı maliyetleri artırmaktadır.
Daha umut verici bir çözüm, zincir dışı AI çıkarım hesaplaması için ZK kanıtı uygulamak ve zincir üzerinde AI model hesaplamasını doğrulamaktır. Zincir üzerinde, zincir dışı hesaplamanın doğru tamamlandığını (, veri kümesi değiştirilmemişse ), aynı zamanda verilerin gizliliğini sağlamak için şifreli bir kanıt eklemek gerekmektedir.
Ana avantajlar:
Ölçeklenebilirlik: ZK kanıtları, büyük miktarda off-chain hesaplamayı hızlı bir şekilde doğrulayabilir. İşlemler artsa bile, tek bir ZK kanıtı tüm işlemleri doğrulayabilir.
Gizlilik koruma: Veri ve AI model detayları gizli tutulur, aynı zamanda her tarafın bozulmadığı doğrulanabilir.
Güvenmeye gerek yok: Merkezileşmiş bir tarafın hesaplamayı doğrulamasına ihtiyaç yok.
Web2 entegrasyonu: Web2 temelde zincir dışı entegrasyondur, doğrulanabilir akıl yürütme, veri setlerini ve AI hesaplamalarını zincire taşıyabilir, Web3 benimseme oranını artırabilir.
Mevcut Web3 doğrulanabilir akıl yürütme teknolojisi:
zkML: Sıfır bilgi kanıtı ve makine öğrenimini birleştirerek veri modelinin gizliliğini sağlar, temel özellikleri ifşa etmeden doğrulanabilir hesaplamalara izin verir. Modulus Labs, ZKML temelinde AI ile oluşturulmuş ZK kanıtlayıcıyı yayımladı ve AI sağlayıcılarının algoritmaları doğru bir şekilde uygulayıp uygulamadığını kontrol eder, mevcut müşteriler çoğunlukla zincir üstü DApp'lerdir.
opML: Optimist toplamaya dayalı ilke kullanarak, anlaşmazlık oluşum zamanını doğrulayarak ML hesaplama ölçeklenebilirliğini artırır. Sadece "doğrulayıcı" sonuçların küçük bir kısmını doğrulamak yeterlidir, ancak dolandırıcılık maliyetlerini artırmak için yüksek ekonomik maliyet cezası belirlenir ve gereksiz hesaplamaları azaltır.
TeeML: Güvenilir bir yürütme ortamı kullanarak ML hesaplamalarını güvenli bir şekilde yürütür, veri modelini değiştirilme ve yetkisiz erişimden korur.
(# 3.Uygulama Katmanı: AI Ajanı
Yapay zeka gelişiminin odak noktası model yeteneklerinden AI Ajansı'na kayıyor. OpenAI, Anthropic, Microsoft gibi şirketler AI Ajansı geliştirmeye çalışarak LLM teknolojisindeki platform dönemini aşmayı hedefliyor.
OpenAI, AI Ajanını şu şekilde tanımlar: LLM'yi beyin olarak kullanan, bağımsız anlama, algılama, planlama, bellek ve araç kullanma yeteneğine sahip, karmaşık görevleri otomatik olarak yerine getirebilen sistem. AI, kullanılan araçlardan, kullanılabilir araç öznesine dönüşerek ideal zeka asistanı haline gelmektedir.
Web3, Ajanlara şunları getirebilir:
Merkeziyetsiz
Web3'ün merkeziyetsiz özellikleri, Agent sistemlerini daha dağınık ve özerk hale getirir, PoS, DPoS gibi mekanizmalar aracılığıyla stake edenler ve delegeler arasında teşvik ve ceza mekanizmaları kurar, Agent sisteminin demokratikleşmesini teşvik eder. GaiaNet, Theoriq, HajimeAI bu konuda denemeler yapmıştır.
Soğuk Başlatma
AI Agent geliştirme iterasyonları büyük miktarda sermaye gerektirir, Web3 potansiyel projelerin erken aşama finansmanına soğuk başlangıç yapmalarına yardımcı olabilir.
Virtual Protocol, kullanıcıların AI Agent'ı tek tuşla dağıtarak token'ların %100 adil bir şekilde dağıtımını sağlamasına olanak tanıyan fun.virtuals token ihraç platformunu piyasaya sürdü.
Spectral, zincir üstünde AI Agent varlık ürünlerinin çıkarılması için bir öneri sunuyor: IAO) İlk Agent Teklifi### aracılığıyla tokenler çıkararak, AI Agent doğrudan yatırım fonu elde ediyor, DAO yönetim üyesi oluyor ve yatırımcılara proje geliştirme sürecine katılma ve kazanç paylaşma fırsatı sunuyor.
( İki, AI Web3'ü nasıl güçlendiriyor
AI'nin Web3 projeleri üzerindeki etkisi belirgindir, zincir üzerindeki işlemleri ) gibi akıllı sözleşme yürütme, likidite optimizasyonu ile iyileştirerek.