Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычислительные ресурсы ИИ и данные подвергаются строгим ограничениям, сталкиваются с проблемами вычислительной мощности, утечками конфиденциальной информации, непрозрачностью алгоритмов и многими другими вызовами. В то время как Web3, основанный на распределенных технологиях, может предоставить новые возможности для развития ИИ через совместные вычислительные сети, открытые рынки данных, вычисления с соблюдением конфиденциальности и другие способы. В то же время ИИ может дать много возможностей для Web3, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и так далее, способствуя его экосистемному развитию. Поэтому изучение взаимодействия Web3 и ИИ имеет важное значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: ИИ и Web3
Данные являются основным двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большие объемы качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения машинных моделей, но и определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных ИИ имеют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их покрыть
Данные ресурсы находятся под монополией крупных технологических компаний, образуя изолированные данные.
Личная информация подвергается риску утечки и злоупотребления.
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Пользователи могут продавать неиспользуемые сетевые ресурсы AI-компаниям, Децентрализованно собирая сетевые данные, которые после очистки и преобразования предоставляют реальные, высококачественные данные для обучения AI-моделей.
Используя модель "label to earn", привлекаем глобальных работников к аннотации данных через токенизированные вознаграждения, собирая глобальные профессиональные знания и повышая аналитические способности данных.
Платформа для торговли данными на блокчейне предоставляет открыенную и прозрачную среду для обеих сторон спроса и предложения данных, способствуя инновациям и обмену данными.
Однако в реальном мире существуют некоторые проблемы с получением данных, такие как различное качество данных, высокая сложность обработки, недостаточная разнообразие и репрезентативность и т. д. Синтетические данные могут стать звездой будущего в сфере данных Web3. Основываясь на технологиях генеративного ИИ и симуляции, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания, и принятие соответствующих норм отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности к рассуждению AI моделей.
FHE, или полностью гомоморфное шифрование, позволяет выполнять операции вычислений непосредственно над зашифрованными данными без необходимости их расшифровки, при этом результат вычислений совпадает с результатом, полученным на открытых данных.
FHE предоставляет надежную защиту для приватных вычислений в AI, позволяя GPU вычислительной мощности выполнять задачи обучения моделей и вывода в среде, не контактирующей с исходными данными. Это дает AI-компаниям значительные преимущества, обеспечивая безопасное открытие API-сервисов при защите коммерческих тайн.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную рамку для AI-приложений.
FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, тогда как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Вычислительная мощность революция: Децентрализация сети AI вычислений
Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительную мощность, значительно превышающему существующие ресурсы. Этот дефицит вычислительной мощности не только ограничивает прогресс технологий AI, но и делает передовые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставки вычислительной мощности. Специалисты в области ИИ сталкиваются с дилеммой покупки собственного оборудования или аренды облачных ресурсов, необходимо срочно внедрить экономически эффективные вычислительные услуги по запросу.
Некоторая децентрализованная сеть вычислительной мощности AI объединяет неиспользуемые GPU-ресурсы по всему миру, предлагая экономичный и удобный рынок вычислительной мощности для компаний AI. Стороны, нуждающиеся в вычислительной мощности, могут публиковать вычислительные задачи в сети, смарт-контракты распределяют задачи между горнодобывающими узлами, которые предоставляют вычислительную мощность. Горы выполняют задачи и отправляют результаты, и после проверки получают баллы в качестве вознаграждения. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узкого места вычислительной мощности в таких областях, как AI.
Помимо универсальной Децентрализация сети вычислительной мощности, есть специализированные сети вычислительной мощности, ориентированные на обучение и вывод ИИ.
Децентрализованная вычислительная мощность предлагает справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог входа для приложений и увеличивая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная мощность сыграет ключевую роль, привлекая больше инновационных dapp, чтобы совместно продвигать развитие и применение технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Edge AI позволяет проводить вычисления на месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Эта технология уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 мы более знакомы с концепцией DePIN. Web3 подчеркивает децентрализацию и суверенитет данных пользователей, DePIN усиливает защиту конфиденциальности пользователей, обрабатывая данные локально, снижая риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей блокчейна и становится одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные затраты и технологические инновации этой публичной цепи предоставляют мощную поддержку для проектов DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительного прогресса.
IMO：Новая парадигма выпуска AI моделей
Концепция IMO была впервые предложена некоторым протоколом, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизмов распределения доходов, разработчикам сложно получать постоянный доход от последующего использования ИИ моделей, особенно когда модели интегрируются в другие продукты и услуги. Кроме того, производительность и эффективность ИИ моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал моделей.
IMO предоставил новое финансирование и способ распределения ценности для открытых AI-моделей. Инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторый протокол использует определенный стандарт ERC, объединяя AI-оракулы и технологию OPML для обеспечения подлинности AI-моделей и возможности держателей токенов делиться доходами.
Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к трендам крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на стадии начальных попыток, но с повышением уровня принятия на рынке и расширением участия ее инновационность и потенциальная ценность заслуживают ожидания.
AI Agent：Новая эпоха интерактивного опыта
AI Agent может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. Поддерживаемый большими языковыми моделями, AI Agent не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже при отсутствии четких инструкций, AI Agent может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая платформа открытых приложений на основе ИИ предоставляет полный и удобный набор инструментов для творчества, позволяя пользователям настраивать функции, внешний вид, голос роботов, а также подключать внешние базы знаний, стремясь создать справедливую и открытую экосистему контента ИИ, используя технологии генеративного ИИ, наделяя личностей возможностью стать супер-креаторами. Платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие продуктов ИИ, снизив стоимость синтеза голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. С помощью кастомизированного AI Agent на этой платформе в настоящее время возможно применение в таких областях, как видеочат, изучение языков, генерация изображений и другие.
В объединении Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, такие как получение высококачественных данных, защита конфиденциальности данных, размещение моделей в цепочке, эффективное использование децентрализованной вычислительной мощности и проверка больших языковых моделей. По мере того как эта инфраструктура постепенно совершенствуется, у нас есть основания полагать, что объединение Web3 и ИИ приведет к появлению 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» .
14 Лайков
Награда
14
6
Поделиться
комментарий
0/400
ZkSnarker
· 10ч назад
факт: конфиденциальность web3 на самом деле является новой границей предвзятости ИИ... слабо взорван рассудок сейчас
Посмотреть ОригиналОтветить0
CryptoWageSlave
· 10ч назад
Смотрю на эту волну рынка, френ.
Посмотреть ОригиналОтветить0
GasFeeCry
· 10ч назад
Собрал и закончил.
Посмотреть ОригиналОтветить0
JustAnotherWallet
· 10ч назад
Медвежий рынок! Нет реальных сценариев применения.
Web3 и AI: революционный прорыв в данных, конфиденциальности и Вычислительной мощностью
Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычислительные ресурсы ИИ и данные подвергаются строгим ограничениям, сталкиваются с проблемами вычислительной мощности, утечками конфиденциальной информации, непрозрачностью алгоритмов и многими другими вызовами. В то время как Web3, основанный на распределенных технологиях, может предоставить новые возможности для развития ИИ через совместные вычислительные сети, открытые рынки данных, вычисления с соблюдением конфиденциальности и другие способы. В то же время ИИ может дать много возможностей для Web3, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и так далее, способствуя его экосистемному развитию. Поэтому изучение взаимодействия Web3 и ИИ имеет важное значение для построения инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как основа: ИИ и Web3
Данные являются основным двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большие объемы качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения машинных моделей, но и определяют точность и надежность моделей.
Традиционные централизованные модели получения и использования данных ИИ имеют следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:
Однако в реальном мире существуют некоторые проблемы с получением данных, такие как различное качество данных, высокая сложность обработки, недостаточная разнообразие и репрезентативность и т. д. Синтетические данные могут стать звездой будущего в сфере данных Web3. Основываясь на технологиях генеративного ИИ и симуляции, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания, и принятие соответствующих норм отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности к рассуждению AI моделей.
FHE, или полностью гомоморфное шифрование, позволяет выполнять операции вычислений непосредственно над зашифрованными данными без необходимости их расшифровки, при этом результат вычислений совпадает с результатом, полученным на открытых данных.
FHE предоставляет надежную защиту для приватных вычислений в AI, позволяя GPU вычислительной мощности выполнять задачи обучения моделей и вывода в среде, не контактирующей с исходными данными. Это дает AI-компаниям значительные преимущества, обеспечивая безопасное открытие API-сервисов при защите коммерческих тайн.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную рамку для AI-приложений.
FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, тогда как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Вычислительная мощность революция: Децентрализация сети AI вычислений
Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительную мощность, значительно превышающему существующие ресурсы. Этот дефицит вычислительной мощности не только ограничивает прогресс технологий AI, но и делает передовые AI-модели недоступными для большинства исследователей и разработчиков.
В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставки вычислительной мощности. Специалисты в области ИИ сталкиваются с дилеммой покупки собственного оборудования или аренды облачных ресурсов, необходимо срочно внедрить экономически эффективные вычислительные услуги по запросу.
Некоторая децентрализованная сеть вычислительной мощности AI объединяет неиспользуемые GPU-ресурсы по всему миру, предлагая экономичный и удобный рынок вычислительной мощности для компаний AI. Стороны, нуждающиеся в вычислительной мощности, могут публиковать вычислительные задачи в сети, смарт-контракты распределяют задачи между горнодобывающими узлами, которые предоставляют вычислительную мощность. Горы выполняют задачи и отправляют результаты, и после проверки получают баллы в качестве вознаграждения. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узкого места вычислительной мощности в таких областях, как AI.
Помимо универсальной Децентрализация сети вычислительной мощности, есть специализированные сети вычислительной мощности, ориентированные на обучение и вывод ИИ.
Децентрализованная вычислительная мощность предлагает справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог входа для приложений и увеличивая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная мощность сыграет ключевую роль, привлекая больше инновационных dapp, чтобы совместно продвигать развитие и применение технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Edge AI позволяет проводить вычисления на месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Эта технология уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 мы более знакомы с концепцией DePIN. Web3 подчеркивает децентрализацию и суверенитет данных пользователей, DePIN усиливает защиту конфиденциальности пользователей, обрабатывая данные локально, снижая риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей блокчейна и становится одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные затраты и технологические инновации этой публичной цепи предоставляют мощную поддержку для проектов DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительного прогресса.
IMO：Новая парадигма выпуска AI моделей
Концепция IMO была впервые предложена некоторым протоколом, который токенизирует модели ИИ.
В традиционной модели, из-за отсутствия механизмов распределения доходов, разработчикам сложно получать постоянный доход от последующего использования ИИ моделей, особенно когда модели интегрируются в другие продукты и услуги. Кроме того, производительность и эффективность ИИ моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал моделей.
IMO предоставил новое финансирование и способ распределения ценности для открытых AI-моделей. Инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторый протокол использует определенный стандарт ERC, объединяя AI-оракулы и технологию OPML для обеспечения подлинности AI-моделей и возможности держателей токенов делиться доходами.
Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к трендам крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на стадии начальных попыток, но с повышением уровня принятия на рынке и расширением участия ее инновационность и потенциальная ценность заслуживают ожидания.
AI Agent：Новая эпоха интерактивного опыта
AI Agent может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. Поддерживаемый большими языковыми моделями, AI Agent не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже при отсутствии четких инструкций, AI Agent может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.
Некоторая платформа открытых приложений на основе ИИ предоставляет полный и удобный набор инструментов для творчества, позволяя пользователям настраивать функции, внешний вид, голос роботов, а также подключать внешние базы знаний, стремясь создать справедливую и открытую экосистему контента ИИ, используя технологии генеративного ИИ, наделяя личностей возможностью стать супер-креаторами. Платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие продуктов ИИ, снизив стоимость синтеза голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. С помощью кастомизированного AI Agent на этой платформе в настоящее время возможно применение в таких областях, как видеочат, изучение языков, генерация изображений и другие.
В объединении Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, такие как получение высококачественных данных, защита конфиденциальности данных, размещение моделей в цепочке, эффективное использование децентрализованной вычислительной мощности и проверка больших языковых моделей. По мере того как эта инфраструктура постепенно совершенствуется, у нас есть основания полагать, что объединение Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.