Слияние Web3 и искусственного интеллекта: открытие новой эры интернета

Искусственный интеллект и Web3 как две передовые технологии удивительным образом взаимно сливаются, формируя направление развития будущего интернета. Web3 благодаря своим децентрализованным, открытым и прозрачным характеристикам предоставляет новые импульсы и возможности для развития ИИ. В то же время ИИ дает множество возможностей для экосистемы Web3, такие как оптимизация смарт-контрактов. Исследование сочетания этих двух технологий имеет важное значение для создания инфраструктуры следующего поколения интернета и полного раскрытия ценности данных и вычислительной мощности.

Данные: Основы AI и Web3

Данные являются ключевым движущим фактором развития ИИ, их важность не подлежит сомнению. Данные высокого качества и большого объема являются ключевыми для глубокого понимания и мощных возможностей рассуждения ИИ-моделей. Однако традиционная централизованная модель получения и использования данных сталкивается со многими проблемами, такими как высокие затраты на получение, монополия на данные и риски утечки конфиденциальности.

Децентрализованная парадигма данных Web3 предлагает новые подходы к решению этих проблем:

1. Децентрализованный сбор данных: пользователи могут участвовать в процессе сбора данных AI-компаний, продавая неиспользуемые сетевые ресурсы, тем самым достигая децентрализованного получения данных.

2. Глобальная кооперация по аннотированию данных: использование модели "аннотируй и зарабатывай", чтобы с помощью токенов мотивировать глобальных работников участвовать в аннотировании данных, объединяя мировую мудрость.

3. Платформа торговли данными на блокчейне: предоставляет прозрачную и открытую торговую среду для сторон спроса и предложения данных, способствуя инновациям и обмену данными.

Тем не менее, сбор данных из реального мира по-прежнему сталкивается с такими вызовами, как непостоянное качество и сложность обработки. На этом фоне синтетические данные становятся новой звездой в области данных Web3. На основе технологий генеративного ИИ синтетические данные могут имитировать свойства реальных данных, эффективно дополняя их и повышая эффективность использования данных. В таких областях, как автономное вождение, финансовые рынки и разработка игр, синтетические данные уже продемонстрировали зрелые перспективы применения.

Защита конфиденциальности: важность полного гомоморфного шифрования

С наступлением эпохи, управляемой данными, защита конфиденциальности стала глобальным фокусом внимания. Принятие таких нормативных актов, как GDPR в Европейском Союзе, отражает строгую необходимость защиты личной конфиденциальности. Однако это также создает новые вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал AI моделей.

Технология полностью однородного шифрования (FHE) предлагает решение этой проблемы. FHE позволяет выполнять вычислительные операции непосредственно на зашифрованных данных, не требуя расшифровки для получения таких же результатов, как при вычислении с открытыми данными. Это обеспечивает надежную защиту конфиденциальности вычислений ИИ, позволяя мощности GPU выполнять задачи обучения и вывода моделей, не имея доступа к исходным данным.

FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Этот подход не только усиливает защиту конфиденциальности данных, но и обеспечивает безопасную и надежную вычислительную среду для AI-приложений. Стоит отметить, что FHEML и ZKML взаимодополняют друг друга: первый акцентирует внимание на вычислениях с зашифрованными данными для защиты конфиденциальности данных, в то время как второй стремится доказать корректность выполнения машинного обучения.

Революция вычислительной мощности: AI-вычисления в децентрализованных сетях

Текущая вычислительная сложность AI-систем растет экспоненциально, удваиваясь каждые три месяца, что приводит к резкому увеличению спроса на вычислительную мощность, значительно превышающему существующие запасы вычислительных ресурсов. Например, для обучения модели GPT-3 от OpenAI требуется вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Этот дефицит вычислительной мощности не только сдерживает прогресс технологий AI, но и делает продвинутые AI-модели недоступными для большинства исследователей и разработчиков.

В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление роста производительности микропроцессоров, нехватка чипов, вызванная цепочками поставок и геополитическими факторами, усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ сталкиваются с дилеммой покупки собственного оборудования или аренды облачных ресурсов, что создает неотложную необходимость в экономически эффективном и по требованию доступном решении для вычислений.

Децентрализованная сеть вычислительной мощности AI появилась благодаря агрегации неиспользуемых GPU-ресурсов по всему миру, предоставляя компаниям AI экономически выгодный и доступный рынок вычислительной мощности. В этой модели запросы на вычислительную мощность могут быть размещены на сети, а смарт-контракты распределяют задачи между узлами, предоставляющими вычислительную мощность. Узлы выполняют задачи и отправляют результаты, а после проверки получают вознаграждение.

Помимо универсальных децентрализованных вычислительных сетей, существуют и специализированные вычислительные платформы, сосредоточенные на обучении и выводе ИИ. Эти децентрализованные вычислительные сети не только предоставляют справедливый и прозрачный рынок вычислительных мощностей, разрывая монополию и снижая порог входа для приложений, но также повышают эффективность использования вычислительных мощностей. В экосистеме Web3 децентрализованные вычислительные сети будут играть ключевую роль, привлекая больше инновационных распределенных приложений для совместного продвижения развития и применения технологий ИИ.

Edge AI: Web3 дает возможность краевым вычислениям

Технология Edge AI переносит вычислительную мощность ИИ на источник данных, обеспечивая низкую задержку и обработку в реальном времени, при этом защищая конфиденциальность пользователей. Эта технология уже применяется в ключевых областях, таких как автономное вождение, и в будущем, возможно, позволит большему числу интеллектуальных устройств обладать способностью работать с ИИ.

В области Web3 более известным названием Edge AI является DePIN (децентрализованная физическая инфраструктурная сеть). Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN усиливает защиту конфиденциальности пользователей, обрабатывая данные локально и снижая риски утечки данных. Нативный токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов и стал одной из предпочтительных платформ для развертывания проектов. Высокая скорость обработки транзакций, низкие транзакционные издержки и технологические новшества этих публичных блокчейнов предоставляют мощную поддержку проектам DePIN. Некоторые известные проекты DePIN уже добились значительного прогресса на этих платформах, суммарная рыночная капитализация которых превышает 10 миллиардов долларов.

IMO：Новая парадигма выпуска AI моделей

Предложение концепции начального моделирования выпуска (IMO) открыло новый путь для токенизации AI моделей. В традиционной модели разработчикам AI моделей трудно получать постоянный доход от последующего использования моделей, особенно когда они интегрируются в другие продукты и услуги. Кроме того, производительность и эффективность AI моделей часто не имеют прозрачности, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности.

IMO предоставляет инновационную финансовую поддержку и механизм совместного использования ценности для открытых AI моделей. Инвесторы могут делиться доходами, полученными от модели, покупая токены IMO. Некоторые протоколы используют определенные технические стандарты, сочетая AI оракулы и технологии машинного обучения на блокчейне, чтобы гарантировать подлинность AI моделей и возможность получения доходов держателями токенов.

Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. Хотя IMO в настоящее время все еще находится на стадии первоначальных попыток, с увеличением уровня принятия на рынке и расширением круга участников его инновационность и потенциальная ценность заслуживают ожидания.

ИИ-агент: новая эра интерактивного опыта

AI-агент может воспринимать окружающую среду, самостоятельно мыслить и действовать для достижения поставленных целей. При поддержке крупных языковых моделей AI-агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Он может выступать в качестве виртуального помощника, обучаясь на взаимодействии с пользователями и предоставляя персонализированные решения. В условиях отсутствия четких инструкций AI-агент также может самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.

Некоторые открытые платформы для нативных приложений ИИ предлагают полный и удобный набор инструментов для творчества, позволяя пользователям настраивать функции, внешний вид, звук роботов и подключение внешних баз знаний, стремясь создать справедливую и открытую экосистему контента ИИ. Эти платформы используют технологии генеративного ИИ, наделяя индивидуумов статусом супер-креаторов. Обучая специализированные большие языковые модели, они делают ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие ИИ-продуктов, значительно снизив затраты на синтез речи и обеспечивая быстрое клонирование голоса. Настроенные с помощью этих платформ ИИ-агенты в настоящее время могут быть применены в различных областях, таких как видеочат, изучение языков, генерация изображений и т.д.

! Узнайте о шести основных интеграциях AI и Web3

Заключение

В процессе интеграции Web3 и ИИ в настоящее время больше всего исследуются вопросы инфраструктурного уровня, включая то, как получать качественные данные, защищать конфиденциальность данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, а также как проверять большие языковые модели и другие ключевые проблемы. С постепенным улучшением этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ приведет к возникновению ряда инновационных бизнес-моделей и услуг, что придаст новую жизнь будущему развитию интернета.