Слияние ИИ и Web3: анализ текущего состояния и будущие перспективы

В последние годы быстрое развитие искусственного интеллекта (AI) и технологий Web3 привлекло широкое внимание по всему миру. AI добился значительных прорывов в таких областях, как распознавание лиц, обработка естественного языка, машинное обучение, что принесло огромные изменения в различные отрасли. Web3, как новая сетевой формат, основывается на технологии блокчейн и меняет восприятие и способ использования интернета.

В этой статье будет подробно рассмотрено текущее состояние развития AI+Web3, проанализированы потенциальные ценности и влияния, возникающие в результате их сочетания, а также обсуждены текущие вызовы.

Взаимодействие AI и Web3

Развитие ИИ и Web3 похоже на две стороны весов: ИИ повышает производительность, Web3 трансформирует производственные отношения. Их сочетание может компенсировать недостатки друг друга:

Проблемы, с которыми сталкивается AI-отрасль

Ключевыми элементами отрасли ИИ являются вычислительная мощность, алгоритмы и данные.

1. В области вычислительной мощности: задачи ИИ требуют значительных вычислительных ресурсов, и получение и управление масштабной вычислительной мощностью обходится дорого. Для стартапов и индивидуальных разработчиков получение достаточной вычислительной мощности является большой проблемой.

2. В области алгоритмов: хотя алгоритмы глубокого обучения достигли огромного успеха, все еще существуют проблемы. Обучение моделей требует больших объемов данных и вычислительных ресурсов, недостаточно объяснимости и интерпретируемости, а также необходимо улучшить надежность и обобщающую способность.

3. Данные: Получение качественных и разнообразных данных по-прежнему затруднено. В некоторых областях данные трудно получить, качество данных и аннотации также являются проблемой. Также необходимо учитывать конфиденциальность и безопасность данных.

4. Объяснимость и прозрачность: черные ящики AI-моделей вызывают общественное беспокойство, некоторые приложения требуют объяснимых и прослеживаемых процессов принятия решений.

5. Нечеткая бизнес-модель: многие стартапы в области ИИ испытывают трудности с поиском устойчивой модели получения прибыли.

Проблемы, с которыми сталкивается индустрия Web3

В отрасли Web3 также существует множество вызовов, включая:

1. Недостаточные возможности анализа и прогнозирования данных
2. Плохой пользовательский опыт
3. Уязвимости кода смарт-контрактов и риски безопасности
4. Проблема защиты конфиденциальности

Технологии ИИ, как ожидается, принесут улучшения в Web3 в этих областях.

Анализ текущего состояния проектов AI+Web3

Текущие проекты AI+Web3 развиваются в основном в двух направлениях: использование технологий блокчейна для повышения эффективности проектов AI, а также использование технологий AI для обслуживания проектов Web3.

Web3 способствует ИИ

Децентрализованные вычисления

С ростом спроса на ИИ проблема нехватки GPU становится очевидной. Некоторые проекты Web3 пытаются предложить децентрализованные услуги вычислительной мощности с помощью токенов, такие как Akash, Render, Gensyn и другие.

Эти проекты стимулируют глобальных пользователей предоставлять неиспользуемые мощности GPU через токены, чтобы обеспечить поддержку вычислительной мощности для клиентов ИИ. Сторона предложения в основном включает облачных провайдеров, криптовалютных майнеров и крупные компании.

В настоящее время они в основном делятся на два типа:

1. Децентрализованная вычислительная сеть для AI-выводов, такая как Render, Akash и др.
2. Децентрализованная вычислительная сеть для обучения ИИ, такая как io.net, Gensyn и другие

Децентрализованная алгоритмическая модель

Некоторые проекты пытаются создать децентрализованный рынок услуг AI-алгоритмов, такие как Bittensor. Эта модель соединяет несколько AI-моделей и подбирает наиболее подходящую модель в соответствии с потребностями пользователя.

По сравнению с единой большой моделью, децентрализованная алгоритмическая сеть имеет потенциал для предоставления более разнообразных услуг.

Децентрализованный сбор данных

Для решения проблемы получения данных для обучения ИИ некоторые проекты реализуют децентрализованный сбор данных с помощью токенов, такие как PublicAI. Пользователи могут вносить данные или участвовать в валидации данных и получать токеновые вознаграждения.

Защита конфиденциальности пользователей в AI с помощью нулевых знаний

Технология доказательства с нулевым разглашением позволяет осуществлять проверку информации при защите конфиденциальности. ZKML(Zero-Knowledge Machine Learning) позволяет обучать и делать выводы из моделей машинного обучения без раскрытия исходных данных.

ИИ поддерживает Web3

Анализ данных и прогнозирование

Многие проекты Web3 начинают интегрировать AI-сервисы или разрабатывать собственный AI, чтобы предоставлять пользователям услуги по анализу данных и прогнозированию, такие как инвестиционные стратегии, анализ на блокчейне, прогнозирование цен и т. д.

Персонализированные услуги

AI-технологии используются для оптимизации пользовательского опыта в проектах Web3, например, инструмент Wand от Dune использует большие языковые модели для написания SQL-запросов, а Followin интегрирует ChatGPT для подведения итогов отраслевых событий.

AI аудит умного контракта

Технология ИИ используется для аудита кода смарт-контрактов, более эффективно и точно выявляя уязвимости в коде. Например, 0x0.ai предлагает услуги аудитора смарт-контрактов на основе ИИ.

Ограничения и вызовы проектов AI+Web3

Реальные препятствия, с которыми сталкивается децентрализованная вычислительная мощность

1. Производительность и стабильность могут быть не такими хорошими, как у централизованных сервисов вычислительной мощности.
2. Доступность зависит от соответствия спроса и предложения
3. Порог использования более высокий, пользователям необходимо узнать больше технических деталей

В настоящее время децентрализованные вычислительные мощности в основном используются для AI-инференции, а не для обучения, причина в следующем:

1. Обучение ИИ требует огромного объема данных и высокой пропускной способности связи
2. Обучение больших моделей требует высокой стабильности, прерывание приведет к огромным потерям
3. Многокартовое параллельное соединение (, такое как NVLink ), имеет ограничения по физическому расстоянию.

Сочетание AI и Web3 довольно грубое

В настоящее время многие проекты AI+Web3 лишь поверхностно используют ИИ и не достигли глубокой интеграции:

1. Не имеет принципиальных отличий от AI-приложений Web2 проектов
2. Некоторые проекты используют концепцию ИИ только на маркетинговом уровне, не имея существенных инноваций.

Токеномика становится буфером для нарратива AI проектов

Некоторые AI-проекты трудно развивать в Web2, поэтому они накладываются на нарратив Web3 и токеномику. Однако действительно ли токеномика помогает решить реальные потребности, еще предстоит выяснить.

Резюме

Слияние AI и Web3 предоставляет бесконечные возможности для будущих технологических инноваций и экономического развития. AI может предложить более умные сценарии приложений для Web3, в то время как Web3 предоставляет новые возможности для развития AI. Хотя в настоящее время мы все еще находимся на ранней стадии и сталкиваемся с множеством вызовов, сочетание обоих также приносит уникальные преимущества.

В будущем, с развитием технологий и большим количеством инновационных практик, AI и Web3, вероятно, будут более глубоко интегрированы, создавая более умные, открытые и справедливые экономические и социальные системы.

! [Популяризация науки для новичков丨Глубокий анализ: с какими искрами могут столкнуться искусственный интеллект и Web3?] ](https://img-cdn.gateio.im/webp-social/moments-3fc4c5cbcf8dfa3d55e5ae0f49d56e09.webp)