Web3 как новая децентрализованная, открытая и прозрачная парадигма интернета имеет естественную возможность интеграции с искусственным интеллектом. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существуют такие проблемы, как瓶颈 вычислительной мощности, утечка конфиденциальной информации, непрозрачность алгоритмов и многие другие. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ с помощью таких подходов, как сети совместного использования вычислительной мощности, открытые рынки данных и вычисления с сохранением конфиденциальности. В то же время ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., что способствует строительству его экосистемы. Поэтому исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как движущая сила: Искусственный интеллект и Web3 как прочный фундамент
Данные являются核心动力,推动发展 AI, так же как топливо для двигателя. Модели AI необходимо обрабатывать большое количество высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению; данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
В традиционной централизованной модели получения и использования AI-данных существуют следующие основные проблемы:
Высокие затраты на получение данных, малым и средним предприятиям трудно их нести;
Данные ресурсы монополизируются технологическими гигантами, что приводит к образованию островов данных;
Личная информация подвергается риску утечки и злоупотребления.
Web3 может решить проблемы традиционных моделей с помощью новой Децентрализация данных.
Через децентрализованную сеть пользователи могут продавать неиспользуемую сеть AI-компаниям, извлекать сетевые данные, которые после очистки и преобразования предоставляют реальные, высококачественные данные для обучения AI-моделей;
Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных через токены, собирая профессиональные знания со всего мира и увеличивая аналитические способности данных;
Блокчейн-данные торговая платформа предоставляет обеим сторонам спроса и предложения на данные открытое и прозрачное торговое окружение, стимулируя инновации и совместное использование данных.
Тем не менее, существует несколько проблем с получением данных из реального мира, таких как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности. Синтетические данные могут стать звездой будущего в области данных Web3. На основе генеративных технологий ИИ и моделирования синтетические данные способны имитировать свойства реальных данных, служа эффективным дополнением к ним и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
Эпоха, движимая данными, привела к тому, что защита конфиденциальности стала глобальным центром внимания, и введение таких нормативных актов, как Общий регламент защиты данных (GDPR) Европейского Союза, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности к рассуждению ИИ-моделей.
FHE — это полностью однородное шифрование, которое позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений на открытых данных.
FHE предоставляет надежную защиту для приватных вычислений AI, позволяя вычислительной мощности GPU выполнять задачи обучения модели и вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI. Они могут безопасно открывать API-сервисы, защищая при этом коммерческую тайну.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечек данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную платформу для приложений ИИ.
FHEML является дополнением к ZKML, ZKML доказывает корректное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Вычислительная мощность революция: AI вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-системы удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительную мощность, значительно превышающему предложение существующих вычислительных ресурсов. Например, для обучения одной известной модели AI требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой недостаток вычислительной мощности не только ограничивает прогресс технологий AI, но и делает эти продвинутые модели AI недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитическими факторами, усугубляют проблему поставок вычислительной мощности. Работники в сфере ИИ оказались в двусмысленном положении: либо покупать аппаратное обеспечение, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ получения вычислительных услуг по требованию.
Децентрализация AI вычислительной мощности сети, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет AI компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задания в сети, смарт-контракты распределяют задания между узлами-майнерами, которые предоставляют вычислительную мощность, майнеры выполняют задания и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительной мощности в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной мощности сети, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети для вывода ИИ.
Децентрализованная вычислительная мощность сети предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая барьеры для приложений и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная мощность сети сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ ------ в этом и заключается魅力 Edge AI. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку, обработку в реальном времени, при этом защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя --- DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN может повысить защиту конфиденциальности пользователей и снизить риск утечки данных, обрабатывая данные локально; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепочек и становится одной из предпочитаемых платформ для развертывания проектов. Высокий TPS, низкие транзакционные сборы и технологические инновации этой публичной цепочки предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепочке превышает 10 миллиардов долларов, и некоторые известные проекты достигли значительного прогресса.
IMO: Новый парадигма выпуска AI-моделей
Концепция IMO была впервые предложена некоторым протоколом для токенизации моделей ИИ.
В традиционной модели из-за отсутствия механизма распределения доходов, как только модель ИИ разрабатывается и выходит на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность модели ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку ее истинной ценности, ограничивая признание модели на рынке и ее коммерческий потенциал.
IMO предоставляет новый способ финансирования и разделения ценности для открытых AI моделей. Инвесторы могут покупать токены IMO, чтобы делиться доходами, полученными от моделей в будущем. Некоторый протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности владельцев токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, способствует открытой сотрудничеству, адаптируется к трендам крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальной стадии испытаний, но с увеличением уровня принятия на рынке и расширением участия ее инновационность и потенциальная ценность заслуживают нашего ожидания.
AI Агент: новая эра взаимодействия
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и принимать соответствующие меры для достижения поставленных целей. При поддержке больших языковых моделей AI-агенты могут не только понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая открытая платформа для создания AI-приложений предлагает полный и удобный набор инструментов для творчества, поддерживает пользователей в настройке функций, внешнего вида, звука робота, а также в подключении к внешним базам знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, позволяя личностям стать супер-творцами. Эта платформа обучила специализированные большие языковые модели, что сделало ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. Используя настроенного AI агента на этой платформе, в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и в других областях.
В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, управление моделями на блокчейне, эффективное использование децентрализованной вычислительной мощности, а также верификация больших языковых моделей. С учетом постепенного совершенствования этой инфраструктуры, мы имеем все основания полагать, что интеграция Web3 и ИИ приведет к возникновению 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» .
16 Лайков
Награда
16
4
Поделиться
комментарий
0/400
IntrovertMetaverse
· 07-29 22:16
Метавселенная确实 бык啊
Посмотреть ОригиналОтветить0
StableNomad
· 07-29 22:14
слышал этот хопиум в 2021 году... до сих пор жду, когда мои токены конфиденциальности взлетят, если честно
Web3 и AI: Слияние данных и приватные вычисления открывают новую эру вычислительной мощности
Web3 как новая децентрализованная, открытая и прозрачная парадигма интернета имеет естественную возможность интеграции с искусственным интеллектом. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существуют такие проблемы, как瓶颈 вычислительной мощности, утечка конфиденциальной информации, непрозрачность алгоритмов и многие другие. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ с помощью таких подходов, как сети совместного использования вычислительной мощности, открытые рынки данных и вычисления с сохранением конфиденциальности. В то же время ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., что способствует строительству его экосистемы. Поэтому исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.
Данные как движущая сила: Искусственный интеллект и Web3 как прочный фундамент
Данные являются核心动力,推动发展 AI, так же как топливо для двигателя. Модели AI необходимо обрабатывать большое количество высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению; данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.
В традиционной централизованной модели получения и использования AI-данных существуют следующие основные проблемы:
Web3 может решить проблемы традиционных моделей с помощью новой Децентрализация данных.
Тем не менее, существует несколько проблем с получением данных из реального мира, таких как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности. Синтетические данные могут стать звездой будущего в области данных Web3. На основе генеративных технологий ИИ и моделирования синтетические данные способны имитировать свойства реальных данных, служа эффективным дополнением к ним и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.
Защита конфиденциальности: роль FHE в Web3
Эпоха, движимая данными, привела к тому, что защита конфиденциальности стала глобальным центром внимания, и введение таких нормативных актов, как Общий регламент защиты данных (GDPR) Европейского Союза, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности к рассуждению ИИ-моделей.
FHE — это полностью однородное шифрование, которое позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений на открытых данных.
FHE предоставляет надежную защиту для приватных вычислений AI, позволяя вычислительной мощности GPU выполнять задачи обучения модели и вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI. Они могут безопасно открывать API-сервисы, защищая при этом коммерческую тайну.
FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечек данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную платформу для приложений ИИ.
FHEML является дополнением к ZKML, ZKML доказывает корректное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.
Вычислительная мощность революция: AI вычисления в децентрализованных сетях
Текущая вычислительная сложность AI-системы удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительную мощность, значительно превышающему предложение существующих вычислительных ресурсов. Например, для обучения одной известной модели AI требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой недостаток вычислительной мощности не только ограничивает прогресс технологий AI, но и делает эти продвинутые модели AI недоступными для большинства исследователей и разработчиков.
В то же время глобальная загрузка GPU составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитическими факторами, усугубляют проблему поставок вычислительной мощности. Работники в сфере ИИ оказались в двусмысленном положении: либо покупать аппаратное обеспечение, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ получения вычислительных услуг по требованию.
Децентрализация AI вычислительной мощности сети, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет AI компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задания в сети, смарт-контракты распределяют задания между узлами-майнерами, которые предоставляют вычислительную мощность, майнеры выполняют задания и отправляют результаты, которые после проверки получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительной мощности в таких областях, как AI.
Помимо универсальной децентрализованной вычислительной мощности сети, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети для вывода ИИ.
Децентрализованная вычислительная мощность сети предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая барьеры для приложений и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная мощность сети сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.
DePIN: Web3 наделяет Edge AI возможностями
Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ ------ в этом и заключается魅力 Edge AI. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку, обработку в реальном времени, при этом защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.
В области Web3 у нас есть более знакомое имя --- DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN может повысить защиту конфиденциальности пользователей и снизить риск утечки данных, обрабатывая данные локально; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.
В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепочек и становится одной из предпочитаемых платформ для развертывания проектов. Высокий TPS, низкие транзакционные сборы и технологические инновации этой публичной цепочки предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепочке превышает 10 миллиардов долларов, и некоторые известные проекты достигли значительного прогресса.
IMO: Новый парадигма выпуска AI-моделей
Концепция IMO была впервые предложена некоторым протоколом для токенизации моделей ИИ.
В традиционной модели из-за отсутствия механизма распределения доходов, как только модель ИИ разрабатывается и выходит на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность модели ИИ часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку ее истинной ценности, ограничивая признание модели на рынке и ее коммерческий потенциал.
IMO предоставляет новый способ финансирования и разделения ценности для открытых AI моделей. Инвесторы могут покупать токены IMO, чтобы делиться доходами, полученными от моделей в будущем. Некоторый протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML для обеспечения подлинности AI моделей и возможности владельцев токенов делиться доходами.
Модель IMO усиливает прозрачность и доверие, способствует открытой сотрудничеству, адаптируется к трендам крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальной стадии испытаний, но с увеличением уровня принятия на рынке и расширением участия ее инновационность и потенциальная ценность заслуживают нашего ожидания.
AI Агент: новая эра взаимодействия
AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и принимать соответствующие меры для достижения поставленных целей. При поддержке больших языковых моделей AI-агенты могут не только понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.
Некоторая открытая платформа для создания AI-приложений предлагает полный и удобный набор инструментов для творчества, поддерживает пользователей в настройке функций, внешнего вида, звука робота, а также в подключении к внешним базам знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, позволяя личностям стать супер-творцами. Эта платформа обучила специализированные большие языковые модели, что сделало ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. Используя настроенного AI агента на этой платформе, в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и в других областях.
В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, управление моделями на блокчейне, эффективное использование децентрализованной вычислительной мощности, а также верификация больших языковых моделей. С учетом постепенного совершенствования этой инфраструктуры, мы имеем все основания полагать, что интеграция Web3 и ИИ приведет к возникновению ряда инновационных бизнес-моделей и услуг.