В останні роки швидкий розвиток штучного інтелекту (AI) та технологій Web3 викликав широкий міжнародний інтерес. Штучний інтелект досяг значних успіхів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що приносить величезні зміни в різні галузі. У 2023 році обсяг ринку штучного інтелекту досяг 200 мільярдів доларів, а такі гіганти, як OpenAI, Character.AI та інші, очолили цей тренд.
Водночас Web3 як нова мережна модель змінює уявлення людей про Інтернет і способи його використання. Web3 базується на технології блокчейн, реалізуючи обмін даними та контроль через смарт-контракти, розподілене зберігання тощо, надаючи користувачам контроль над даними. На сьогодні ринкова вартість індустрії Web3 складає 25 трильйонів, проекти такі як Bitcoin, Ethereum тощо з'являються один за іншим.
Поєднання штучного інтелекту та Web3 стало предметом уваги на Сході та Заході, питання про те, як інтегрувати обидва, заслуговує на дослідження. У цій статті буде розглянуто сучасний стан розвитку AI+Web3, потенційну цінність та вплив, щоб надати інвесторам та фахівцям корисні рекомендації.
Два, способи взаємодії AI з Web3
Розвиток ШІ та Web3 можна порівняти з вагою на обох сторонах: ШІ підвищує продуктивність, а Web3 змінює виробничі відносини. Ми проаналізуємо труднощі та можливості для розвитку обох, а також обговоримо, як вони можуть вирішувати ці проблеми.
2.1 Виклики, з якими стикається AI-індустрія
Основні елементи індустрії штучного інтелекту включають обчислювальну потужність, алгоритми та дані.
Обчислювальна потужність: AI-завдання потребують потужних обчислювальних можливостей для обробки великих обсягів даних. У останні роки розвиток апаратного забезпечення, такого як GPU, сприяв підвищенню обчислювальної потужності, наприклад, Nvidia займає значну частку ринку.
Алгоритми: основа AI-системи, включаючи традиційне машинне навчання та алгоритми глибокого навчання. Вибір та проектування алгоритмів є критично важливими для продуктивності AI, постійні інновації можуть підвищити точність та узагальнюючі можливості.
Дані: AI-система навчає модель, вивчаючи патерни та закономірності в даних. Багатий набір даних допомагає підвищити точність моделі та її здатність до узагальнення.
Основні труднощі, з якими стикається ШІ, включають:
Витрати на отримання та управління потужностями високі, особливо для стартапів та індивідуальних розробників це є викликом.
Алгоритми глибокого навчання потребують великої кількості даних та обчислювальних ресурсів, а також мають недостатню інтерпретованість моделей.
Висока якість, різноманітність даних важко отримати, певні сфери дані є чутливими та важко доступними.
Чорна коробка характеристик AI моделей викликає занепокоєння суспільства, деякі застосування потребують пояснювальних та відстежуваних процесів прийняття рішень.
Багато комерційних моделей AI-проектів не є чіткими, що викликає у підприємців плутанину.
2.2 Випробування, з якими стикається індустрія Web3
У Web3-індустрії також існує безліч проблем, які потрібно вирішити:
Можливості аналізу даних потребують покращення
Досвід користувача продукту є досить поганим
Високий ризик вразливостей у коді смарт-контрактів та хакерських атак
Штучний інтелект як інструмент підвищення продуктивності має великі можливості в цих аспектах:
Аналіз і прогнозування даних: ШІ може витягувати цінну інформацію з величезних обсягів даних, надаючи більш точні прогнози та підтримку прийняття рішень у таких сферах, як DeFi.
Оптимізація користувацького досвіду: ШІ може аналізувати дані користувачів, надавати персоналізовані рекомендації та індивідуальні послуги, покращуючи користувацький досвід.
Підвищена безпека: ШІ можна використовувати для виявлення мережевих атак, ідентифікації аномальної поведінки та забезпечення більш потужного захисту.
Захист конфіденційності: ШІ може бути застосований для шифрування даних та обчислень конфіденційності, захищаючи особисту інформацію користувачів.
Аудит смарт-контрактів: ШІ може реалізувати автоматизований аудит контрактів і виявлення вразливостей, підвищуючи безпечність контрактів.
Три, аналіз стану проектів AI+Web3
AI+Web3 проекти в основному зосереджуються на двох напрямках: використання технології блокчейн для покращення роботи AI проектів, а також використання AI технологій для обслуговування Web3 проектів. Багато проектів, таких як Io.net, Gensyn, Ritual тощо, вже досліджують цей шлях.
3.1 Web3 сприяє AI
3.1.1 Децентралізована обчислювальна потужність
Випуск ChatGPT викликав бум штучного інтелекту, а також призвів до проблеми нестачі GPU. Щоб вирішити цю проблему, деякі проекти Web3, такі як Akash, Render, Gensyn тощо, намагаються надати децентралізовані обчислювальні послуги. Ці проекти заохочують користувачів надавати невикористані потужності GPU через токени, щоб підтримати клієнтів AI.
Сторона пропозиції включає в себе:
Хостинг-провайдери: великі постачальники хмарних послуг та постачальники GPU-хмари
Криптовалютні майнери: бездіяльна обчислювальна потужність GPU
Великі компанії: стратегічне розташування куплених бездіяльних GPU
Децентралізовані проекти обчислювальної потужності поділяються на два типи:
Використовується для AI-інференції: такі як Render, Akash, Aethir тощо
Використовується для навчання ШІ: такі як io.net, Gensyn тощо
Ці проекти залучають постачальників та користувачів через токенізовані стимули, формуючи позитивний цикл. Цінність токенів залишається узгодженою з ростом учасників, що приваблює більше залучення.
3.1.2 Децентралізована алгоритмічна модель
Децентралізована алгоритмічна модельна мережа є ринком AI алгоритмів, що з'єднує різні AI моделі. Коли користувач задає запитання, ринок вибирає найбільш відповідну модель для відповіді.
У порівнянні з єдиною моделлю, такою як ChatGPT, децентралізовані алгоритмічні мережі, такі як Bittensor, мають більший потенціал. Вони дозволяють кільком моделям співпрацювати, щоб забезпечити найкращі рішення для різних проблем.
3.1.3 Децентралізований збір даних
Дані є надзвичайно важливими для навчання моделей ШІ. Однак платформи Web2 часто забороняють збір даних для навчання ШІ або продають дані користувачів без поділу прибутку.
Деякі Web3 проекти реалізують децентралізований збір даних через токенізацію. Наприклад, PublicAI дозволяє користувачам вносити та перевіряти дані, отримуючи винагороду у вигляді токенів. Інші проекти, такі як Ocean, Hivemapper та інші, також вивчають подібні моделі.
3.1.4 ZK захист приватності користувачів у штучному інтелекті
Технологія нульових знань може вирішити конфлікт між захистом приватності та обміном даними. ZKML дозволяє проводити навчання моделей та інференцію без розкриття вихідних даних.
Проекти, такі як BasedAI, досліджують інтеграцію FHE з LLM для захисту конфіденційності даних користувачів. Це відкриває нові можливості для застосування ШІ в чутливих сферах, таких як охорона здоров'я та фінанси.
3.2 Штучний інтелект допомагає Web3
Допомога ШІ у сфері Web3 в основному проявляється в:
3.2.1 Аналіз даних та прогнозування
Багато Web3 проектів інтегрують AI послуги для надання користувачам аналізу даних та прогнозування. Наприклад, Pond використовує AI алгоритми для прогнозування цінних токенів, BullBear AI прогнозує цінові тренди. Numerai проводить AI конкурси прогнозування фондового ринку, Arkham надає аналіз даних на основі блокчейну.
3.2.2 Персоналізовані послуги
Проекти Web3 оптимізують користувацький досвід шляхом інтеграції штучного інтелекту. Наприклад, інструмент Wand від Dune використовує великі мовні моделі для написання SQL-запитів, Followin і IQ.wiki інтегрують ChatGPT для підсумовування контенту, а NFPrompt використовує ШІ для спрощення створення NFT.
3.2.3 AI-аудит смарт-контрактів
AI може ефективно та точно виявляти вразливості в коді смарт-контрактів. Проекти, такі як 0x0.ai, пропонують інструменти для аудиту смарт-контрактів на основі AI, використовуючи машинне навчання для виявлення потенційних проблем.
Крім того, PAAL допомагає створювати персоналізовані AI-боти, а Hera пропонує проекти, такі як AI-орієнтований мульти-ланцюговий DEX-агрегатор, які з інструментальної точки зору сприяють розвитку Web3.
Чотири. Обмеження та виклики проектів AI+Web3
4.1 Реальні перешкоди, з якими стикається децентралізована обчислювальна потужність
Децентралізовані проекти обчислювальної потужності стикаються з такими викликами:
Продуктивність та стабільність: розподілені вузли можуть мати затримки та нестабільність.
Відповідність ресурсів: дисбаланс попиту та пропозиції може призвести до недостатності ресурсів або неможливості задовольнити потреби.
Складність використання: користувач повинен розуміти такі поняття, як розподілена мережа, смарт-контракти тощо.
Важко використовувати для навчання ШІ: для навчання великих моделей потрібні величезні обсяги даних і пропускна здатність, а децентралізовані обчислення не можуть задовольнити ці вимоги.
Переваги NVIDIA важко перевершити: програмна екосистема CUDA та зв'язок між кількома картами NVLink є ключовими.
Децентралізовані обчислювальні потужності наразі в основному підходять для AI-інференції та навчання малих моделей, важко реалізувати навчання великих моделей.
4.2 Поєднання AI+Web3 є досить грубим
Наразі проекти AI+Web3 стикаються з такими проблемами:
Поверхневі застосування: більшість проектів просто використовують ШІ для підвищення ефективності, не маючи глибокої інтеграції.
Маркетинг і реклама: деякі проекти використовують ШІ лише в обмежених сферах, надмірно рекламують концепцію.
Недостатня інноваційність: брак інноваційних рішень, які поєднують AI та криптовалюти.
4.3 Токеноміка стала буфером для наративу AI проектів
Багато проектів AI+Web3 використовують токеноміку як засіб залучення користувачів та фінансування, але не завжди здатні справді вирішити реальні потреби. Проекти повинні більш серйозно задовольняти реальні сценарії, а не лише створювати короткостроковий ажіотаж.
П'ять, висновок
Інтеграція AI + Web3 надає безмежні можливості для науково-технічних інновацій та економічного розвитку. Штучний інтелект може надавати інтелектуальні послуги аналітики, прогнозування та персоналізації для Web3 для покращення користувацького досвіду та безпеки. Web3 надає децентралізовану платформу для штучного інтелекту для обміну обчислювальною потужністю, даними та алгоритмами.
Хоча наразі це все ще на ранній стадії і стикається з багатьма викликами, поєднання AI та Web3 також приносить багато переваг. Децентралізовані обчислення та збір даних можуть зменшити залежність від централізованих установ, підвищуючи прозорість та інноваційність. У майбутньому, завдяки глибокій інтеграції розумних рішень AI та децентралізованих характеристик Web3, можна сподіватися на створення більш розумної, відкритої та справедливої економічної та соціальної системи.
Переглянути оригінал
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.
AI+Web3 інтеграція: аналіз поточного стану, цінності та викликів
Злиття AI та Web3: можливості та виклики
I. Вступ
В останні роки швидкий розвиток штучного інтелекту (AI) та технологій Web3 викликав широкий міжнародний інтерес. Штучний інтелект досяг значних успіхів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що приносить величезні зміни в різні галузі. У 2023 році обсяг ринку штучного інтелекту досяг 200 мільярдів доларів, а такі гіганти, як OpenAI, Character.AI та інші, очолили цей тренд.
Водночас Web3 як нова мережна модель змінює уявлення людей про Інтернет і способи його використання. Web3 базується на технології блокчейн, реалізуючи обмін даними та контроль через смарт-контракти, розподілене зберігання тощо, надаючи користувачам контроль над даними. На сьогодні ринкова вартість індустрії Web3 складає 25 трильйонів, проекти такі як Bitcoin, Ethereum тощо з'являються один за іншим.
Поєднання штучного інтелекту та Web3 стало предметом уваги на Сході та Заході, питання про те, як інтегрувати обидва, заслуговує на дослідження. У цій статті буде розглянуто сучасний стан розвитку AI+Web3, потенційну цінність та вплив, щоб надати інвесторам та фахівцям корисні рекомендації.
Два, способи взаємодії AI з Web3
Розвиток ШІ та Web3 можна порівняти з вагою на обох сторонах: ШІ підвищує продуктивність, а Web3 змінює виробничі відносини. Ми проаналізуємо труднощі та можливості для розвитку обох, а також обговоримо, як вони можуть вирішувати ці проблеми.
2.1 Виклики, з якими стикається AI-індустрія
Основні елементи індустрії штучного інтелекту включають обчислювальну потужність, алгоритми та дані.
Обчислювальна потужність: AI-завдання потребують потужних обчислювальних можливостей для обробки великих обсягів даних. У останні роки розвиток апаратного забезпечення, такого як GPU, сприяв підвищенню обчислювальної потужності, наприклад, Nvidia займає значну частку ринку.
Алгоритми: основа AI-системи, включаючи традиційне машинне навчання та алгоритми глибокого навчання. Вибір та проектування алгоритмів є критично важливими для продуктивності AI, постійні інновації можуть підвищити точність та узагальнюючі можливості.
Дані: AI-система навчає модель, вивчаючи патерни та закономірності в даних. Багатий набір даних допомагає підвищити точність моделі та її здатність до узагальнення.
Основні труднощі, з якими стикається ШІ, включають:
Витрати на отримання та управління потужностями високі, особливо для стартапів та індивідуальних розробників це є викликом.
Алгоритми глибокого навчання потребують великої кількості даних та обчислювальних ресурсів, а також мають недостатню інтерпретованість моделей.
Висока якість, різноманітність даних важко отримати, певні сфери дані є чутливими та важко доступними.
Чорна коробка характеристик AI моделей викликає занепокоєння суспільства, деякі застосування потребують пояснювальних та відстежуваних процесів прийняття рішень.
Багато комерційних моделей AI-проектів не є чіткими, що викликає у підприємців плутанину.
2.2 Випробування, з якими стикається індустрія Web3
У Web3-індустрії також існує безліч проблем, які потрібно вирішити:
Штучний інтелект як інструмент підвищення продуктивності має великі можливості в цих аспектах:
Аналіз і прогнозування даних: ШІ може витягувати цінну інформацію з величезних обсягів даних, надаючи більш точні прогнози та підтримку прийняття рішень у таких сферах, як DeFi.
Оптимізація користувацького досвіду: ШІ може аналізувати дані користувачів, надавати персоналізовані рекомендації та індивідуальні послуги, покращуючи користувацький досвід.
Підвищена безпека: ШІ можна використовувати для виявлення мережевих атак, ідентифікації аномальної поведінки та забезпечення більш потужного захисту.
Захист конфіденційності: ШІ може бути застосований для шифрування даних та обчислень конфіденційності, захищаючи особисту інформацію користувачів.
Аудит смарт-контрактів: ШІ може реалізувати автоматизований аудит контрактів і виявлення вразливостей, підвищуючи безпечність контрактів.
Три, аналіз стану проектів AI+Web3
AI+Web3 проекти в основному зосереджуються на двох напрямках: використання технології блокчейн для покращення роботи AI проектів, а також використання AI технологій для обслуговування Web3 проектів. Багато проектів, таких як Io.net, Gensyn, Ritual тощо, вже досліджують цей шлях.
3.1 Web3 сприяє AI
3.1.1 Децентралізована обчислювальна потужність
Випуск ChatGPT викликав бум штучного інтелекту, а також призвів до проблеми нестачі GPU. Щоб вирішити цю проблему, деякі проекти Web3, такі як Akash, Render, Gensyn тощо, намагаються надати децентралізовані обчислювальні послуги. Ці проекти заохочують користувачів надавати невикористані потужності GPU через токени, щоб підтримати клієнтів AI.
Сторона пропозиції включає в себе:
Децентралізовані проекти обчислювальної потужності поділяються на два типи:
Ці проекти залучають постачальників та користувачів через токенізовані стимули, формуючи позитивний цикл. Цінність токенів залишається узгодженою з ростом учасників, що приваблює більше залучення.
3.1.2 Децентралізована алгоритмічна модель
Децентралізована алгоритмічна модельна мережа є ринком AI алгоритмів, що з'єднує різні AI моделі. Коли користувач задає запитання, ринок вибирає найбільш відповідну модель для відповіді.
У порівнянні з єдиною моделлю, такою як ChatGPT, децентралізовані алгоритмічні мережі, такі як Bittensor, мають більший потенціал. Вони дозволяють кільком моделям співпрацювати, щоб забезпечити найкращі рішення для різних проблем.
3.1.3 Децентралізований збір даних
Дані є надзвичайно важливими для навчання моделей ШІ. Однак платформи Web2 часто забороняють збір даних для навчання ШІ або продають дані користувачів без поділу прибутку.
Деякі Web3 проекти реалізують децентралізований збір даних через токенізацію. Наприклад, PublicAI дозволяє користувачам вносити та перевіряти дані, отримуючи винагороду у вигляді токенів. Інші проекти, такі як Ocean, Hivemapper та інші, також вивчають подібні моделі.
3.1.4 ZK захист приватності користувачів у штучному інтелекті
Технологія нульових знань може вирішити конфлікт між захистом приватності та обміном даними. ZKML дозволяє проводити навчання моделей та інференцію без розкриття вихідних даних.
Проекти, такі як BasedAI, досліджують інтеграцію FHE з LLM для захисту конфіденційності даних користувачів. Це відкриває нові можливості для застосування ШІ в чутливих сферах, таких як охорона здоров'я та фінанси.
3.2 Штучний інтелект допомагає Web3
Допомога ШІ у сфері Web3 в основному проявляється в:
3.2.1 Аналіз даних та прогнозування
Багато Web3 проектів інтегрують AI послуги для надання користувачам аналізу даних та прогнозування. Наприклад, Pond використовує AI алгоритми для прогнозування цінних токенів, BullBear AI прогнозує цінові тренди. Numerai проводить AI конкурси прогнозування фондового ринку, Arkham надає аналіз даних на основі блокчейну.
3.2.2 Персоналізовані послуги
Проекти Web3 оптимізують користувацький досвід шляхом інтеграції штучного інтелекту. Наприклад, інструмент Wand від Dune використовує великі мовні моделі для написання SQL-запитів, Followin і IQ.wiki інтегрують ChatGPT для підсумовування контенту, а NFPrompt використовує ШІ для спрощення створення NFT.
3.2.3 AI-аудит смарт-контрактів
AI може ефективно та точно виявляти вразливості в коді смарт-контрактів. Проекти, такі як 0x0.ai, пропонують інструменти для аудиту смарт-контрактів на основі AI, використовуючи машинне навчання для виявлення потенційних проблем.
Крім того, PAAL допомагає створювати персоналізовані AI-боти, а Hera пропонує проекти, такі як AI-орієнтований мульти-ланцюговий DEX-агрегатор, які з інструментальної точки зору сприяють розвитку Web3.
Чотири. Обмеження та виклики проектів AI+Web3
4.1 Реальні перешкоди, з якими стикається децентралізована обчислювальна потужність
Децентралізовані проекти обчислювальної потужності стикаються з такими викликами:
Продуктивність та стабільність: розподілені вузли можуть мати затримки та нестабільність.
Відповідність ресурсів: дисбаланс попиту та пропозиції може призвести до недостатності ресурсів або неможливості задовольнити потреби.
Складність використання: користувач повинен розуміти такі поняття, як розподілена мережа, смарт-контракти тощо.
Важко використовувати для навчання ШІ: для навчання великих моделей потрібні величезні обсяги даних і пропускна здатність, а децентралізовані обчислення не можуть задовольнити ці вимоги.
Переваги NVIDIA важко перевершити: програмна екосистема CUDA та зв'язок між кількома картами NVLink є ключовими.
Децентралізовані обчислювальні потужності наразі в основному підходять для AI-інференції та навчання малих моделей, важко реалізувати навчання великих моделей.
4.2 Поєднання AI+Web3 є досить грубим
Наразі проекти AI+Web3 стикаються з такими проблемами:
Поверхневі застосування: більшість проектів просто використовують ШІ для підвищення ефективності, не маючи глибокої інтеграції.
Маркетинг і реклама: деякі проекти використовують ШІ лише в обмежених сферах, надмірно рекламують концепцію.
Недостатня інноваційність: брак інноваційних рішень, які поєднують AI та криптовалюти.
4.3 Токеноміка стала буфером для наративу AI проектів
Багато проектів AI+Web3 використовують токеноміку як засіб залучення користувачів та фінансування, але не завжди здатні справді вирішити реальні потреби. Проекти повинні більш серйозно задовольняти реальні сценарії, а не лише створювати короткостроковий ажіотаж.
П'ять, висновок
Інтеграція AI + Web3 надає безмежні можливості для науково-технічних інновацій та економічного розвитку. Штучний інтелект може надавати інтелектуальні послуги аналітики, прогнозування та персоналізації для Web3 для покращення користувацького досвіду та безпеки. Web3 надає децентралізовану платформу для штучного інтелекту для обміну обчислювальною потужністю, даними та алгоритмами.
Хоча наразі це все ще на ранній стадії і стикається з багатьма викликами, поєднання AI та Web3 також приносить багато переваг. Децентралізовані обчислення та збір даних можуть зменшити залежність від централізованих установ, підвищуючи прозорість та інноваційність. У майбутньому, завдяки глибокій інтеграції розумних рішень AI та децентралізованих характеристик Web3, можна сподіватися на створення більш розумної, відкритої та справедливої економічної та соціальної системи.