Web3 та AI в інтеграції: побудова нової генерації інтернет-інфраструктури
Web3, як нова форма децентралізованого, відкритого та прозорого Інтернету, має природну точку з'єднання з ШІ. У традиційній централізованій архітектурі обчислювальні та дані ресурси ШІ підлягають суворим обмеженням, стикаючись з безліччю викликів, такими як обмеження обчислювальної потужності, витік конфіденційності, непрозорість алгоритмів тощо. Web3, оснований на розподілених технологіях, може надати нову енергію для розвитку ШІ через мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи. Водночас ШІ також може надати багато можливостей Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, допомагаючи вдосконалити його екосистему. Тому дослідження поєднання Web3 та ШІ має важливе значення для побудови інфраструктури наступного покоління Інтернету та вивільнення цінності даних і обчислювальної потужності.
Дані як основа: Штучний інтелект та Web3
Дані є ключовим елементом, що сприяє розвитку ШІ, так само як паливо для двигуна. Моделям ШІ потрібно обробляти величезні обсяги високоякісних даних, щоб отримати глибоке розуміння та потужні можливості міркування. Дані не лише забезпечують навчальну базу для моделей машинного навчання, але й визначають точність і надійність моделей.
Традиційні централізовані моделі збору та використання даних штучного інтелекту мають такі основні проблеми:
Витрати на отримання даних високі, і малим та середнім підприємствам важко їх витримати
Дані ресурси монополізовані великими технологічними компаніями, утворюючи дані острови
Особисті дані піддаються ризику витоку та зловживання
Web3 може вирішити ці проблеми за допомогою нової децентралізованої парадигми даних:
Користувачі можуть продавати невикористані мережеві ресурси компаніям штучного інтелекту, децентралізовано збираючи мережеві дані, які після очищення і перетворення надають реальні, високоякісні дані для навчання моделей ШІ.
Використання моделі "позначення та заробіток", що стимулює глобальних працівників брати участь у позначенні даних через токен, об'єднує світові професійні знання та посилює можливості аналізу даних
Платформа торгівлі блокчейн-даними забезпечує публічне та прозоре середовище для торгівлі між сторонами попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Однак, у реальному світі існує кілька проблем із отриманням даних, таких як нерівномірна якість даних, складність обробки, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати яскравою перспективою у сфері даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані здатні імітувати властивості реальних даних, виступаючи як ефективне доповнення до реальних даних та підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже продемонстрували зрілі можливості застосування.
Захист конфіденційності: застосування FHE у Web3
У епоху, керовану даними, захист приватності став глобальною темою, що привертає увагу, а прийняття таких регуляцій, як GDPR ЄС, відображає сувору охорону особистої приватності. Однак це також приносить виклики: деякі чутливі дані не можуть бути повністю використані через ризики приватності, що обмежує потенціал і здатність до розуміння AI моделей.
Повна гомоморфна криптографія ( FHE ) дозволяє виконувати обчислення над зашифрованими даними без їх розшифрування, причому результати обчислень збігаються з результатами обчислень над відкритими даними. FHE забезпечує надійний захист для приватних обчислень AI, дозволяючи потужностям GPU виконувати навчання моделей і інференцію в середовищі, де немає доступу до вихідних даних. Це надає величезну перевагу AI-компаніям, дозволяючи безпечно відкривати API-сервіси, при цьому захищаючи комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом усього циклу машинного навчання, забезпечуючи безпеку конфіденційної інформації та запобігаючи ризикам витоку даних. FHEML посилює конфіденційність даних, забезпечуючи безпечну обчислювальну основу для AI-додатків.
FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення у децентралізованих мережах
Актуальна складність обчислень у системах штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання потреби в обчислювальних потужностях, що значно перевищує наявні ресурси. Наприклад, для навчання деякої великої мовної моделі потрібно величезна обчислювальна потужність, що відповідає 355 рокам навчання на одному пристрої. Цей дефіцит обчислювальних потужностей не тільки обмежує прогрес технологій ШІ, але й робить високорівневі моделі ШІ недоступними для більшості дослідників та розробників.
Водночас, глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також фактори, пов'язані з ланцюгом постачання та геополітичною ситуацією, призвели до нестачі чіпів, що ускладнює проблему постачання обчислювальних потужностей. Працівники у сфері ШІ стикаються з дилемою: або купувати апаратуру, або орендувати хмарні ресурси, терміново потрібен економічно ефективний спосіб обчислювальних послуг на вимогу.
Деяка децентралізована AI обчислювальна мережа агрегує глобальні вільні ресурси GPU, щоб надати економічно вигідний ринок обчислювальної потужності для AI компаній. Сторони, які потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, а після верифікації отримують винагороду. Така схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальних потужностей, існують спеціалізовані платформи обчислювальних потужностей, які зосереджені на навчанні та висновках штучного інтелекту. Децентралізовані мережі обчислювальних потужностей забезпечують справедливий та прозорий ринок обчислювальних потужностей, руйнуючи монополії, знижуючи бар'єри входу для застосувань і підвищуючи ефективність використання обчислювальних потужностей. У екосистемі Web3 децентралізовані мережі обчислювальних потужностей відіграватимуть ключову роль, залучаючи більше інноваційних децентралізованих застосувань, які спільно сприятимуть розвитку та впровадженню технологій штучного інтелекту.
DePIN: Web3 надає можливості для крайового AI
Уявіть, що ваш телефон, смарт-годинник або навіть розумні пристрої вдома мають можливість виконувати AI, і саме в цьому полягає привабливість крайового AI. Він дозволяє обробку даних відбуватися на джерелі їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, при цьому захищаючи конфіденційність користувачів. Технології крайового AI вже впроваджуються в ключові сфери, такі як автономне водіння.
У сфері Web3 більш знайомою назвою є DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN посилює захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризики витоку даних. Нативний токеномічний механізм Web3 може заохочувати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
В даний час DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з платформ для розгортання проектів. Висока пропускна здатність, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку проектам DePIN. На даний момент ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, кілька відомих проектів вже досягли значного прогресу.
IMO:AI модель випустила нову парадигму
Концепція IMO була вперше запропонована певним протоколом, що токенізує AI-моделі. В традиційній моделі, через брак механізму розподілу доходів, розробникам AI-моделей важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінаторам важко відстежувати використання та отримувати прибуток. Крім того, продуктивність і ефективність AI-моделей часто не є прозорими, потенційним інвесторам і користувачам важко оцінити їхню справжню вартість, що обмежує визнання моделей на ринку та їх комерційний потенціал.
IMO надає нову фінансову підтримку та механізми розподілу вартості для відкритих AI-моделей, інвестори можуть купувати токени IMO та ділитися доходами, які генеруються моделлю в майбутньому. Певний протокол використовує специфічні технологічні стандарти, поєднуючи AI-оракли та технологію OPML, щоб забезпечити автентичність AI-моделі та можливість токенодержателям ділитися доходом.
Модель IMO підвищує прозорість і довіру, заохочує до відкритої співпраці, адаптується до тенденцій крипторинку, надає імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії спроб, але з підвищенням рівня прийняття на ринку та розширенням участі, її інноваційність та потенційна цінність викликають очікування.
AI Agent: нова ера інтерактивного досвіду
AI Agent може сприймати навколишнє середовище, самостійно мислити та вживати заходів для досягнення визначених цілей. За підтримки великих мовних моделей, AI Agent не лише розуміє природну мову, але й може планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних помічників, навчаючись вподобанням користувачів через взаємодію, надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI Agent може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деяка відкрита AI-орієнтована платформа пропонує всебічний та зручний набір інструментів для створення контенту, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключенні зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему AI-контенту, використовуючи технології генеративного AI, щоб надати можливість особам стати супер-творцями. Ця платформа навчила спеціально розроблену велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Використовуючи AI-агента, налаштованого на цій платформі, наразі можна застосовувати в таких галузях, як відеочат, вивчення мов, генерація зображень та ін.
У сфері інтеграції Web3 та ШІ поточні дослідження більше зосереджені на рівні інфраструктури, таких як отримання високоякісних даних, захист конфіденційності даних, хостинг моделей на блокчейні, підвищення ефективності використання децентралізованих обчислювальних потужностей, перевірка великих мовних моделей та інших ключових питань. З поступовим вдосконаленням цих інфраструктур, ми маємо підстави вірити, що інтеграція Web3 та ШІ стане основою для низки інноваційних бізнес-моделей та 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.
10 лайків
Нагородити
10
3
Репост
Поділіться
Прокоментувати
0/400
CryptoWageSlave
· 5год тому
Знову говорять про Web3? Спочатку зробіть біржу, а потім вже поговоримо.
Web3 та AI: створення інфраструктури наступного покоління Інтернету
Web3 та AI в інтеграції: побудова нової генерації інтернет-інфраструктури
Web3, як нова форма децентралізованого, відкритого та прозорого Інтернету, має природну точку з'єднання з ШІ. У традиційній централізованій архітектурі обчислювальні та дані ресурси ШІ підлягають суворим обмеженням, стикаючись з безліччю викликів, такими як обмеження обчислювальної потужності, витік конфіденційності, непрозорість алгоритмів тощо. Web3, оснований на розподілених технологіях, може надати нову енергію для розвитку ШІ через мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи. Водночас ШІ також може надати багато можливостей Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, допомагаючи вдосконалити його екосистему. Тому дослідження поєднання Web3 та ШІ має важливе значення для побудови інфраструктури наступного покоління Інтернету та вивільнення цінності даних і обчислювальної потужності.
Дані як основа: Штучний інтелект та Web3
Дані є ключовим елементом, що сприяє розвитку ШІ, так само як паливо для двигуна. Моделям ШІ потрібно обробляти величезні обсяги високоякісних даних, щоб отримати глибоке розуміння та потужні можливості міркування. Дані не лише забезпечують навчальну базу 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 ці проблеми за допомогою нової децентралізованої парадигми даних:
Однак, у реальному світі існує кілька проблем із отриманням даних, таких як нерівномірна якість даних, складність обробки, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати яскравою перспективою у сфері даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані здатні імітувати властивості реальних даних, виступаючи як ефективне доповнення до реальних даних та підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже продемонстрували зрілі можливості застосування.
Захист конфіденційності: застосування FHE у Web3
У епоху, керовану даними, захист приватності став глобальною темою, що привертає увагу, а прийняття таких регуляцій, як GDPR ЄС, відображає сувору охорону особистої приватності. Однак це також приносить виклики: деякі чутливі дані не можуть бути повністю використані через ризики приватності, що обмежує потенціал і здатність до розуміння AI моделей.
Повна гомоморфна криптографія ( FHE ) дозволяє виконувати обчислення над зашифрованими даними без їх розшифрування, причому результати обчислень збігаються з результатами обчислень над відкритими даними. FHE забезпечує надійний захист для приватних обчислень AI, дозволяючи потужностям GPU виконувати навчання моделей і інференцію в середовищі, де немає доступу до вихідних даних. Це надає величезну перевагу AI-компаніям, дозволяючи безпечно відкривати API-сервіси, при цьому захищаючи комерційну таємницю.
FHEML підтримує шифрування даних і моделей протягом усього циклу машинного навчання, забезпечуючи безпеку конфіденційної інформації та запобігаючи ризикам витоку даних. FHEML посилює конфіденційність даних, забезпечуючи безпечну обчислювальну основу для AI-додатків.
FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для підтримки конфіденційності даних.
Революція обчислювальної потужності: AI-обчислення у децентралізованих мережах
Актуальна складність обчислень у системах штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання потреби в обчислювальних потужностях, що значно перевищує наявні ресурси. Наприклад, для навчання деякої великої мовної моделі потрібно величезна обчислювальна потужність, що відповідає 355 рокам навчання на одному пристрої. Цей дефіцит обчислювальних потужностей не тільки обмежує прогрес технологій ШІ, але й робить високорівневі моделі ШІ недоступними для більшості дослідників та розробників.
Водночас, глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також фактори, пов'язані з ланцюгом постачання та геополітичною ситуацією, призвели до нестачі чіпів, що ускладнює проблему постачання обчислювальних потужностей. Працівники у сфері ШІ стикаються з дилемою: або купувати апаратуру, або орендувати хмарні ресурси, терміново потрібен економічно ефективний спосіб обчислювальних послуг на вимогу.
Деяка децентралізована AI обчислювальна мережа агрегує глобальні вільні ресурси GPU, щоб надати економічно вигідний ринок обчислювальної потужності для AI компаній. Сторони, які потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, а після верифікації отримують винагороду. Така схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальних потужностей, існують спеціалізовані платформи обчислювальних потужностей, які зосереджені на навчанні та висновках штучного інтелекту. Децентралізовані мережі обчислювальних потужностей забезпечують справедливий та прозорий ринок обчислювальних потужностей, руйнуючи монополії, знижуючи бар'єри входу для застосувань і підвищуючи ефективність використання обчислювальних потужностей. У екосистемі Web3 децентралізовані мережі обчислювальних потужностей відіграватимуть ключову роль, залучаючи більше інноваційних децентралізованих застосувань, які спільно сприятимуть розвитку та впровадженню технологій штучного інтелекту.
DePIN: Web3 надає можливості для крайового AI
Уявіть, що ваш телефон, смарт-годинник або навіть розумні пристрої вдома мають можливість виконувати AI, і саме в цьому полягає привабливість крайового AI. Він дозволяє обробку даних відбуватися на джерелі їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, при цьому захищаючи конфіденційність користувачів. Технології крайового AI вже впроваджуються в ключові сфери, такі як автономне водіння.
У сфері Web3 більш знайомою назвою є DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN посилює захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризики витоку даних. Нативний токеномічний механізм Web3 може заохочувати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.
В даний час DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з платформ для розгортання проектів. Висока пропускна здатність, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку проектам DePIN. На даний момент ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, кілька відомих проектів вже досягли значного прогресу.
IMO:AI модель випустила нову парадигму
Концепція IMO була вперше запропонована певним протоколом, що токенізує AI-моделі. В традиційній моделі, через брак механізму розподілу доходів, розробникам AI-моделей важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінаторам важко відстежувати використання та отримувати прибуток. Крім того, продуктивність і ефективність AI-моделей часто не є прозорими, потенційним інвесторам і користувачам важко оцінити їхню справжню вартість, що обмежує визнання моделей на ринку та їх комерційний потенціал.
IMO надає нову фінансову підтримку та механізми розподілу вартості для відкритих AI-моделей, інвестори можуть купувати токени IMO та ділитися доходами, які генеруються моделлю в майбутньому. Певний протокол використовує специфічні технологічні стандарти, поєднуючи AI-оракли та технологію OPML, щоб забезпечити автентичність AI-моделі та можливість токенодержателям ділитися доходом.
Модель IMO підвищує прозорість і довіру, заохочує до відкритої співпраці, адаптується до тенденцій крипторинку, надає імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії спроб, але з підвищенням рівня прийняття на ринку та розширенням участі, її інноваційність та потенційна цінність викликають очікування.
AI Agent: нова ера інтерактивного досвіду
AI Agent може сприймати навколишнє середовище, самостійно мислити та вживати заходів для досягнення визначених цілей. За підтримки великих мовних моделей, AI Agent не лише розуміє природну мову, але й може планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних помічників, навчаючись вподобанням користувачів через взаємодію, надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI Agent може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.
Деяка відкрита AI-орієнтована платформа пропонує всебічний та зручний набір інструментів для створення контенту, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключенні зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему AI-контенту, використовуючи технології генеративного AI, щоб надати можливість особам стати супер-творцями. Ця платформа навчила спеціально розроблену велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Використовуючи AI-агента, налаштованого на цій платформі, наразі можна застосовувати в таких галузях, як відеочат, вивчення мов, генерація зображень та ін.
У сфері інтеграції Web3 та ШІ поточні дослідження більше зосереджені на рівні інфраструктури, таких як отримання високоякісних даних, захист конфіденційності даних, хостинг моделей на блокчейні, підвищення ефективності використання децентралізованих обчислювальних потужностей, перевірка великих мовних моделей та інших ключових питань. З поступовим вдосконаленням цих інфраструктур, ми маємо підстави вірити, що інтеграція Web3 та ШІ стане основою для низки інноваційних бізнес-моделей та послуг.