Поєднання Web3 та AI: побудова нової генерації інфраструктури Інтернету
Web3 як децентралізована, відкрита та прозора нова парадигма Інтернету має природні можливості для інтеграції з ШІ. У рамках традиційної централізованої архітектури обчислення ШІ та ресурси даних підлягають суворим обмеженням, стикаючись з багатьма викликами, такими як обмеження потужності обчислень, витік конфіденційності, алгоритми «чорної скриньки» тощо. Однак Web3, базуючись на розподілених технологіях, може надати новий імпульс розвитку ШІ через мережу спільних обчислювальних потужностей, відкриті ринки даних, обчислення з конфіденційністю тощо. Водночас, ШІ може надати Web3 багато можливостей, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, що сприяє його екосистемному розвитку. Отже, дослідження взаємозв'язку Web3 та ШІ є важливим для побудови інфраструктури наступного покоління Інтернету та вивільнення цінності даних і обчислювальної потужності.
Дані, що керують: основа AI та Web3
Дані є основним двигуном розвитку ШІ. Моделям ШІ потрібно обробляти велику кількість якісних даних, щоб отримати глибоке розуміння та потужну здатність до міркування; дані не лише забезпечують основу для навчання моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі отримання та використання даних штучного інтелекту мають такі основні проблеми:
Витрати на отримання даних високі, і малим та середнім підприємствам важко їх покрити.
Ресурси даних монополізуються великими технологічними компаніями, що формує ізоляцію даних.
Особисті дані піддаються ризику витоку та зловживання
Web3 надає нову децентралізовану парадигму даних для вирішення цих проблем:
Користувачі можуть продавати невикористані мережеві ресурси AI-компаніям для децентралізованого збору мережевих даних, які після очищення та перетворення забезпечують реальні, високоякісні дані для навчання AI-моделей.
Використання моделі "позначення за заробіток", щоб мотивувати глобальних працівників брати участь у розмітці даних, об'єднуючи світовий професійний досвід та підвищуючи можливості аналізу даних.
Платформа обміну даними на основі блокчейн забезпечує відкритий та прозорий торговий середовище для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Однак, у реальному світі все ще існують деякі проблеми з отриманням даних, такі як різна якість даних, складність обробки, недостатня різноманітність і репрезентативність тощо. Синтетичні дані можуть стати яскравою перспективою у сфері даних Web3. На основі технології генеративного ШІ та моделювання синтетичні дані можуть імітувати властивості реальних даних, виступаючи як ефективне доповнення, що підвищує ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свою зрілість і потенціал для застосування.
Захист конфіденційності: Застосування FHE у Web3
У епоху, коли дані відіграють важливу роль, захист приватності став глобальною темою, а регламенти, такі як Загальний регламент захисту даних ЄС, відображають суворий захист особистої приватності. Однак це також викликає виклики: деякі чутливі дані не можуть бути повністю використані через ризики для приватності, що обмежує потенціал та здатність моделі ШІ до міркування.
Повна гомоморфна криптографія ( FHE ) дозволяє виконувати обчислювальні операції над зашифрованими даними без необхідності їх розшифровки, при цьому результати обчислень збігаються з результатами обчислень над відкритими даними. FHE забезпечує надійний захист для обчислень конфіденційності штучного інтелекту, дозволяючи потужностям GPU виконувати навчання моделей та завдання інференції в умовах, коли вони не мають доступу до оригінальних даних. Це приносить величезні переваги компаніям в галузі штучного інтелекту, адже вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML посилює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, де ZKML доводить правильність виконання машинного навчання, а FHEML підкреслює обробку зашифрованих даних для збереження конфіденційності даних.
Революція обчислювальної потужності: AI обчислення в децентралізованих мережах
Сучасні AI системи збільшують складність розрахунків кожні 3 місяці, що призводить до стрімкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, для навчання великої мовної моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Цей дефіцит обчислювальних потужностей не лише обмежує прогрес технології AI, але й робить високорівневі AI моделі недоступними для більшості дослідників і розробників.
Водночас, світове використання GPU становить менш як 40%, а також уповільнення зростання продуктивності мікропроцесорів та брак чіпів, спричинений ланцюгами постачання та геополітичними факторами, поглиблюють проблему постачання обчислювальних потужностей. Працівники в сфері ШІ стикаються з дилемою: або купувати апаратуру, або орендувати хмарні ресурси, і їм терміново потрібен економічно ефективний сервіс обчислень за запитом.
Децентралізована мережа обчислювальної потужності на основі ШІ об'єднує непотрібні ресурси GPU по всьому світу, забезпечуючи економічно доступний ринок обчислювальної потужності для компаній ШІ. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між вузлами, які надають обчислювальну потужність, вузли виконують завдання та подають результати, які після перевірки отримують винагороду. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузьких місць у обчислювальній потужності в таких сферах, як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також спеціалізовані платформи обчислювальної потужності, орієнтовані на навчання та розуміння ШІ. Децентралізована мережа обчислювальної потужності забезпечує справедливий та прозорий ринок, руйнуючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних додатків для спільного розвитку та застосування технологій ШІ.
DePIN: Web3 надає можливості для краєвого штучного інтелекту
Уявіть собі, що ваш телефон, смарт-годинник або навіть розумні пристрої у вашому домі мають можливість запускати ШІ - ось у чому полягає привабливість крайового ШІ. Це дозволяє обробці відбуватися на джерелі даних, забезпечуючи низьку затримку, обробку в реальному часі, одночасно захищаючи конфіденційність користувачів, технології крайового ШІ вже були застосовані в таких ключових сферах, як автономне водіння.
У сфері Web3 більш знайомою нам назвою є DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN покращує захист конфіденційності користувачів шляхом локальної обробки даних, зменшуючи ризик витоку даних; рідна токеноміка Web3 може стимулювати вузли DePIN надання обчислювальних ресурсів, створюючи стійку екосистему.
В даний час DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з переважних платформ для розгортання проектів. Висока TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку для проектів DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, і деякі відомі проекти досягли значного прогресу.
IMO：Випуск нової парадигми AI-моделей
Концепція IMO була вперше запропонована певним протоколом, який токенізує моделі ШІ.
У традиційній моделі, через відсутність механізму розподілу доходів, розробникам AI-моделей важко отримувати постійний дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги; первинним творцям важко відслідковувати використання та ще важче отримувати прибуток. Крім того, продуктивність і ефективність AI-моделей часто не є прозорими, що ускладнює потенціальним інвесторам та користувачам оцінку їх справжньої вартості, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO надає нову фінансову підтримку та спосіб розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, що виникають внаслідок подальшого використання моделі. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити правдоподібність AI моделей та можливість для власників токенів ділитися доходами.
Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючись до тенденцій криптовалютного ринку та надаючи імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням сфери участі її інноваційність та потенційна цінність заслуговують на увагу.
AI Агент: нова ера інтерактивного досвіду
AI-агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Підтримуваний великими мовними моделями, AI-агент не лише розуміє природну мову, а й може планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись перевагам користувачів через взаємодію, надаючи персоналізовані рішення. Навіть у відсутності чітких інструкцій AI-агент може самостійно вирішувати проблеми, підвищувати ефективність і створювати нову цінність.
Деяка платформа для відкритих AI-додатків надає всебічний і зручний набір інструментів для творчості, підтримує налаштування функцій, зовнішнього вигляду, голосу роботів, а також підключення до зовнішніх баз знань, прагнучи створити справедливу й відкриту екосистему AI-контенту. Використовуючи технології генеративного AI, вона надає можливість особам стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольові ігри більш людяними; технологія клонування голосу може прискорити персоналізований взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу займає всього 1 хвилину. Використовуючи AI Agent, налаштованого на цій платформі, наразі можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.
У злитті Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури, ми маємо підстави вірити, що злиття Web3 та AI виховуватиме цілу низку 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.
Web3 та AI: створення нової інфраструктури для децентралізованих даних, обчислювальної потужності та конфіденційності
Поєднання Web3 та AI: побудова нової генерації інфраструктури Інтернету
Web3 як децентралізована, відкрита та прозора нова парадигма Інтернету має природні можливості для інтеграції з ШІ. У рамках традиційної централізованої архітектури обчислення ШІ та ресурси даних підлягають суворим обмеженням, стикаючись з багатьма викликами, такими як обмеження потужності обчислень, витік конфіденційності, алгоритми «чорної скриньки» тощо. Однак Web3, базуючись на розподілених технологіях, може надати новий імпульс розвитку ШІ через мережу спільних обчислювальних потужностей, відкриті ринки даних, обчислення з конфіденційністю тощо. Водночас, ШІ може надати Web3 багато можливостей, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, що сприяє його екосистемному розвитку. Отже, дослідження взаємозв'язку Web3 та ШІ є важливим для побудови інфраструктури наступного покоління Інтернету та вивільнення цінності даних і обчислювальної потужності.
Дані, що керують: основа AI та Web3
Дані є основним двигуном розвитку ШІ. Моделям ШІ потрібно обробляти велику кількість якісних даних, щоб отримати глибоке розуміння та потужну здатність до міркування; дані не лише забезпечують основу для навчання моделей машинного навчання, але й визначають точність та надійність моделей.
Традиційні централізовані моделі отримання та використання даних штучного інтелекту мають такі основні проблеми:
Web3 надає нову децентралізовану парадигму даних для вирішення цих проблем:
Однак, у реальному світі все ще існують деякі проблеми з отриманням даних, такі як різна якість даних, складність обробки, недостатня різноманітність і репрезентативність тощо. Синтетичні дані можуть стати яскравою перспективою у сфері даних Web3. На основі технології генеративного ШІ та моделювання синтетичні дані можуть імітувати властивості реальних даних, виступаючи як ефективне доповнення, що підвищує ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свою зрілість і потенціал для застосування.
Захист конфіденційності: Застосування FHE у Web3
У епоху, коли дані відіграють важливу роль, захист приватності став глобальною темою, а регламенти, такі як Загальний регламент захисту даних ЄС, відображають суворий захист особистої приватності. Однак це також викликає виклики: деякі чутливі дані не можуть бути повністю використані через ризики для приватності, що обмежує потенціал та здатність моделі ШІ до міркування.
Повна гомоморфна криптографія ( FHE ) дозволяє виконувати обчислювальні операції над зашифрованими даними без необхідності їх розшифровки, при цьому результати обчислень збігаються з результатами обчислень над відкритими даними. FHE забезпечує надійний захист для обчислень конфіденційності штучного інтелекту, дозволяючи потужностям GPU виконувати навчання моделей та завдання інференції в умовах, коли вони не мають доступу до оригінальних даних. Це приносить величезні переваги компаніям в галузі штучного інтелекту, адже вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.
FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML посилює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.
FHEML є доповненням до ZKML, де ZKML доводить правильність виконання машинного навчання, а FHEML підкреслює обробку зашифрованих даних для збереження конфіденційності даних.
Революція обчислювальної потужності: AI обчислення в децентралізованих мережах
Сучасні AI системи збільшують складність розрахунків кожні 3 місяці, що призводить до стрімкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, для навчання великої мовної моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Цей дефіцит обчислювальних потужностей не лише обмежує прогрес технології AI, але й робить високорівневі AI моделі недоступними для більшості дослідників і розробників.
Водночас, світове використання GPU становить менш як 40%, а також уповільнення зростання продуктивності мікропроцесорів та брак чіпів, спричинений ланцюгами постачання та геополітичними факторами, поглиблюють проблему постачання обчислювальних потужностей. Працівники в сфері ШІ стикаються з дилемою: або купувати апаратуру, або орендувати хмарні ресурси, і їм терміново потрібен економічно ефективний сервіс обчислень за запитом.
Децентралізована мережа обчислювальної потужності на основі ШІ об'єднує непотрібні ресурси GPU по всьому світу, забезпечуючи економічно доступний ринок обчислювальної потужності для компаній ШІ. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між вузлами, які надають обчислювальну потужність, вузли виконують завдання та подають результати, які після перевірки отримують винагороду. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузьких місць у обчислювальній потужності в таких сферах, як штучний інтелект.
Окрім загальної децентралізованої мережі обчислювальної потужності, є також спеціалізовані платформи обчислювальної потужності, орієнтовані на навчання та розуміння ШІ. Децентралізована мережа обчислювальної потужності забезпечує справедливий та прозорий ринок, руйнуючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних додатків для спільного розвитку та застосування технологій ШІ.
DePIN: Web3 надає можливості для краєвого штучного інтелекту
Уявіть собі, що ваш телефон, смарт-годинник або навіть розумні пристрої у вашому домі мають можливість запускати ШІ - ось у чому полягає привабливість крайового ШІ. Це дозволяє обробці відбуватися на джерелі даних, забезпечуючи низьку затримку, обробку в реальному часі, одночасно захищаючи конфіденційність користувачів, технології крайового ШІ вже були застосовані в таких ключових сферах, як автономне водіння.
У сфері Web3 більш знайомою нам назвою є DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN покращує захист конфіденційності користувачів шляхом локальної обробки даних, зменшуючи ризик витоку даних; рідна токеноміка Web3 може стимулювати вузли DePIN надання обчислювальних ресурсів, створюючи стійку екосистему.
В даний час DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з переважних платформ для розгортання проектів. Висока TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку для проектів DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, і деякі відомі проекти досягли значного прогресу.
IMO：Випуск нової парадигми AI-моделей
Концепція IMO була вперше запропонована певним протоколом, який токенізує моделі ШІ.
У традиційній моделі, через відсутність механізму розподілу доходів, розробникам AI-моделей важко отримувати постійний дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги; первинним творцям важко відслідковувати використання та ще важче отримувати прибуток. Крім того, продуктивність і ефективність AI-моделей часто не є прозорими, що ускладнює потенціальним інвесторам та користувачам оцінку їх справжньої вартості, обмежуючи визнання моделей на ринку та їх комерційний потенціал.
IMO надає нову фінансову підтримку та спосіб розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, що виникають внаслідок подальшого використання моделі. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити правдоподібність AI моделей та можливість для власників токенів ділитися доходами.
Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючись до тенденцій криптовалютного ринку та надаючи імпульс сталому розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням сфери участі її інноваційність та потенційна цінність заслуговують на увагу.
AI Агент: нова ера інтерактивного досвіду
AI-агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Підтримуваний великими мовними моделями, AI-агент не лише розуміє природну мову, а й може планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись перевагам користувачів через взаємодію, надаючи персоналізовані рішення. Навіть у відсутності чітких інструкцій AI-агент може самостійно вирішувати проблеми, підвищувати ефективність і створювати нову цінність.
Деяка платформа для відкритих AI-додатків надає всебічний і зручний набір інструментів для творчості, підтримує налаштування функцій, зовнішнього вигляду, голосу роботів, а також підключення до зовнішніх баз знань, прагнучи створити справедливу й відкриту екосистему AI-контенту. Використовуючи технології генеративного AI, вона надає можливість особам стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольові ігри більш людяними; технологія клонування голосу може прискорити персоналізований взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу займає всього 1 хвилину. Використовуючи AI Agent, налаштованого на цій платформі, наразі можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.
У злитті Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури, ми маємо підстави вірити, що злиття Web3 та AI виховуватиме цілу низку інноваційних бізнес-моделей та послуг.