AI ve Web3 entegrasyonu: Dağıtık AI altyapısı için yeni fırsatlar oluşturma

AI+Web3: Kuleler ve Meydanlar

TL;DR

  1. AI konseptli Web3 projeleri birinci ve ikinci piyasada cazibe merkezi haline geldi.

  2. Web3'ün AI endüstrisindeki fırsatları, dağınık teşvikler kullanarak uzun kuyruktaki potansiyel arzı koordine etmekte ortaya çıkmaktadır - veri, depolama ve hesaplama arasında; aynı zamanda açık kaynaklı modeller ve AI Agent'ların merkeziyetsiz pazarını kurmaktadır.

  3. AI, Web3 sektöründe esas olarak zincir üstü finans (kripto ödemeler, ticaret, veri analizi) ve geliştirmeye yardımcı olmak için kullanılmaktadır.

  4. AI+Web3'ün faydası, ikisinin birbirini tamamlamasında ortaya çıkıyor: Web3, AI merkezileşmesine karşı koymayı umut ederken, AI'nın Web3'ün sınırlarını aşmasına yardımcı olması bekleniyor.

AI+Web3: Kuleler ve Meydanlar

Giriş

Son iki yılda, yapay zeka gelişimi bir hız artırıcıya basılmış gibi. Chatgpt'nin yarattığı dalgalanma, yalnızca üretken yapay zekanın yeni bir dünyasını açmakla kalmadı, aynı zamanda Web3 alanında da güçlü bir akıntı yarattı.

AI kavramının desteğiyle, kripto pazarındaki finansman belirgin şekilde artış gösterdi. Sadece 2024 yılının ilk yarısında, 64 adet Web3+AI projesi finansman sağladı ve yapay zeka tabanlı işletim sistemi Zyber365, A turunda 100 milyon dolar ile en yüksek finansmanı elde etti.

İkincil piyasa daha da canlı, kripto agregat sitesi Coingecko verilerine göre, sadece bir yıl içinde AI alanının toplam piyasa değeri 48,5 milyar dolara ulaşmış, 24 saatlik işlem hacmi 8,6 milyar dolara yaklaşmıştır. Ana akım AI teknolojisindeki gelişmelerin sağladığı avantajlar belirgin, OpenAI'nin Sora metin-videoya dönüştürme modeli yayımlandıktan sonra, AI sektöründeki ortalama fiyat %151 artmıştır. AI etkisi, kripto para çekim alanlarından biri olan Meme'e de yansımıştır: İlk AI Ajansı konsepti olan MemeCoin - GOAT hızla popülerlik kazanmış ve 1,4 milyar dolar değerleme elde ederek AI Meme dalgasını başarıyla başlatmıştır.

AI+Web3 ile ilgili araştırmalar ve konular da oldukça popüler. AI+Depin'den AI Memecoin'e, şu anki AI Agent ve AI DAO'ya kadar, FOMO duygusu yeni anlatıların dönüş hızına yetişemiyor.

AI+Web3, sıcak para, fırsatlar ve gelecekteki hayallerle dolu bu terim kombinasyonu, kaçınılmaz olarak bir sermaye tarafından organize edilmiş bir evlilik olarak görülüyor. Bu gösterişli elbisenin altında, aslında spekülatörlerin sahası mı, yoksa şafak patlamasının eşiğinde miyiz, ayırt etmekte zorlanıyoruz?

Bu soruya cevap verirken, her iki taraf için de kritik bir düşünce, karşı tarafın daha iyi hale gelip gelmeyeceğidir. Karşı tarafın modelinden faydalanma imkanı var mı? Bu makalede, geçmişteki bilgilerin üzerine çıkarak bu yapıyı incelemeye çalışıyoruz: Web3, AI teknolojisi yelpazesinin her aşamasında nasıl bir rol oynayabilir ve AI, Web3'e ne gibi yeni bir canlılık getirebilir?

Bölüm.1 AI yığını altında Web3'te hangi fırsatlar var?

Bu konuyu açmadan önce, AI büyük modelinin teknik yığını hakkında bilgi sahibi olmamız gerekiyor:

Daha basit bir dille süreci ifade etmek gerekirse: "büyük model" insan beynine benziyor, erken aşamalarda bu beyin henüz dünyaya yeni gelmiş bir bebeğe ait. Çevresindeki devasa bilgileri gözlemleyip alarak bu dünyayı anlamaya çalışıyor, işte bu veri "toplama" aşaması. Bilgisayarların insan gibi görme, işitme gibi birçok duyusu olmadığı için, eğitim öncesinde dışarıdaki büyük ölçekli etiketlenmemiş bilgiler, bilgisayarın anlayabileceği ve kullanabileceği bir bilgi formatına "ön işleme" ile dönüştürülmelidir.

Veri girdikten sonra AI, "eğitim" yoluyla anlama ve tahmin yeteneğine sahip bir model oluşturur; bu, bir bebeğin dış dünyayı anlamaya ve öğrenmeye başladığı süreç olarak görülebilir. Modelin parametreleri, bebeğin öğrenme sürecinde sürekli olarak ayarlanan dil yetenekleri gibidir. Öğrenilen içerik branşlara ayrılmaya başladığında veya insanlarla iletişim kurarak geri bildirim alıp düzeltmeler yapıldığında, büyük modelin "ince ayar" aşamasına geçilmiş olur.

Çocuklar yavaş yavaş büyüyüp konuşmayı öğrendiklerinde, yeni diyaloglarda anlamı kavrayabilir ve kendi hislerini ve düşüncelerini ifade edebilirler; bu aşama, AI büyük modellerinin "mantık yürütme" sürecine benzer. Modeller, yeni dil ve metin girdileri üzerinde tahminlerde bulunma ve analiz yapma yeteneğine sahiptir. Bebekler dil becerileri aracılığıyla hislerini ifade eder, nesneleri tanımlar ve çeşitli problemleri çözer; bu da AI büyük modellerinin eğitim sürecini tamamladıktan sonra mantık yürütme aşamasında belirli görevler, örneğin görüntü sınıflandırma, ses tanıma gibi alanlarda uygulanmasına benzer.

AI Ajansı ise büyük modellerin bir sonraki biçimine daha da yaklaşmaktadır - bağımsız olarak görevleri yerine getirebilen ve karmaşık hedefler peşinde koşabilen, sadece düşünme yeteneğine sahip olmakla kalmayıp, aynı zamanda hafıza, planlama yeteneğine sahip olan ve araçları kullanarak dünya ile etkileşimde bulunabilen bir yapıdır.

Şu anda, AI'nın çeşitli yığınlardaki acı noktalarına yönelik olarak, Web3 şu anda AI model süreçlerinin her aşamasını kapsayan çok katmanlı, birbiriyle bağlantılı bir ekosistem oluşturmaktadır.

AI+Web3: Kuleler ve Meydanlar

Birincisi, Temel Katman: Hesaplama Gücü ve Verilerin Airbnb'si

Hash Oranı

Şu anda, AI'nın en yüksek maliyetlerinden biri, model eğitimi ve çıkarım modeli için gereken hesaplama gücü ve enerji.

Bir örnek, büyük bir teknoloji şirketinin büyük dil modelinin eğitimi için tanınmış bir çip üreticisi tarafından üretilen 16.000 yüksek performanslı GPU'ya 30 gün ihtiyaç duymasıdır. Bunun 80GB versiyonunun birim fiyatı 30.000 ile 40.000 dolar arasında değişmektedir, bu da 4-7 milyar dolar arasında bir hesaplama donanımı yatırımı (GPU + ağ çipi) gerektirir. Ayrıca, aylık eğitim 1,6 milyar kilovat saat enerji tüketirken, enerji giderleri her ay yaklaşık 20 milyon dolardır.

AI hesaplama gücünün serbest bırakılması, Web3'ün AI ile kesiştiği en erken alanlardan biridir - DePin (merkezi olmayan fiziksel altyapı ağı). Şu anda, DePin Ninja veri web sitesi 1400'den fazla projeyi sergilemektedir; bunlar arasında GPU hesaplama gücü paylaşımını temsil eden projeler io.net, Aethir, Akash, Render Network gibi projeleri içermektedir.

Ana mantığı şudur: Platform, kullanılmayan GPU kaynaklarına sahip bireylerin veya varlıkların, izin gerektirmeyen merkeziyetsiz bir şekilde hesaplama kapasitelerini katkı sağlamasına olanak tanır. Bu, paylaşım ekonomisi platformlarına benzer bir alıcı ve satıcı çevrimiçi pazarı aracılığıyla, yeterince kullanılmayan GPU kaynaklarının kullanım oranını artırır ve nihai kullanıcılar da böylece daha düşük maliyetli, verimli hesaplama kaynaklarına erişim sağlar. Aynı zamanda, stake mekanizması, kalite kontrol mekanizmasını ihlal eden veya ağı kesintiye uğratan durumların ortaya çıkması halinde kaynak sağlayıcılarının uygun şekilde cezalandırılmasını da güvence altına alır.

Özellikleri şunlardır:

  • Boş GPU kaynaklarını toplamak: Tedarikçiler, esas olarak üçüncü taraf bağımsız küçük ve orta ölçekli veri merkezleri, kripto madencilik çiftlikleri gibi işletmelerin fazlası hesaplama gücü kaynakları ve PoS konsensüs mekanizması ile madencilik donanımlarıdır; örneğin FileCoin ve ETH madencilik makineleri. Şu anda, daha düşük giriş engellerine sahip cihazları başlatmaya yönelik projeler de bulunmaktadır; örneğin exolab, MacBook, iPhone, iPad gibi yerel cihazlarla büyük model çıkarımına dayanan bir hesaplama ağı kurmaktadır.

  • AI hesaplama gücünün uzun kuyruk pazarına karşı:

a. "Teknik açıdan bakıldığında" merkeziyetsiz hesaplama pazarı çıkarım adımları için daha uygundur. Eğitimin, devasa küme boyutundaki GPU'ların sağladığı veri işleme kapasitesine daha fazla bağımlıdır, oysa çıkarım için GPU hesaplama performansı görece daha düşüktür; Aethir, düşük gecikmeli render çalışmaları ve AI çıkarım uygulamalarına odaklanmaktadır.

b. "Talep tarafında" küçük ve orta ölçekli hesap gücü talep edenler kendi büyük modellerini ayrı olarak eğitmeyecek, sadece birkaç önde gelen büyük model etrafında optimizasyon ve ince ayar yapmayı seçeceklerdir ve bu senaryolar doğal olarak dağıtılmış atıl hesap gücü kaynakları için uygundur.

  • Merkeziyetsiz sahiplik: Blok zincirinin teknolojik anlamı, kaynak sahiplerinin her zaman kaynak üzerindeki kontrolünü korumasıdır. İhtiyaca göre esnek bir şekilde ayarlama yapabilir ve aynı zamanda gelir elde edebilirler.

Veri

Veri, AI'nın temelidir. Eğer veri yoksa, hesaplama, yaprağın ucu gibi tamamen faydasızdır ve veri ile model arasındaki ilişki, "Çöp girerse, çöp çıkar" atasözü gibidir; verinin miktarı ve giriş kalitesi, nihai modelin çıktı kalitesini belirler. Mevcut AI modellerinin eğitimi açısından veri, modelin dil yeteneğini, anlama yeteneğini, hatta değerlerini ve insani davranışlarını belirler. Şu anda, AI'nın veri ihtiyacı sorunları esasen aşağıdaki dört alana odaklanmaktadır:

  • Veri açlığı: AI model eğitimi büyük veri girişi gerektirir. Açık kaynaklar, tanınmış bir AI şirketinin büyük dil modelinin parametre sayısının trilyon seviyesine ulaştığını göstermektedir.

  • Veri kalitesi: AI'nin çeşitli sektörlerle birleşmesiyle birlikte, veri güncelliği, veri çeşitliliği, dikey veri uzmanlığı ve sosyal medya gibi yeni veri kaynaklarının duygu analizi gibi unsurlar, veri kalitesi için yeni gereksinimler ortaya çıkarmaktadır.

  • Gizlilik ve uyum sorunları: Şu anda çeşitli ülkeler ve şirketler kaliteli veri setlerinin öneminin farkına varıyor ve veri seti tarama üzerinde kısıtlamalar getiriyor.

  • Veri işleme maliyeti yüksek: Veri miktarı fazla, işleme süreci karmaşık. Kamuya açık verilere göre, AI şirketlerinin %30'dan fazlası Ar-Ge maliyetleri, temel veri toplama ve işleme için harcanmaktadır.

Şu anda, Web3 çözümleri aşağıdaki dört alanda kendini göstermektedir:

  1. Veri toplama: Ücretsiz olarak toplanan gerçek dünya verileri hızla tükeniyor, AI şirketlerinin veriler için yaptığı harcamalar her yıl artıyor. Ancak bu harcama, verilerin gerçek katkı sağlayıcılarına geri dönmüyor, platformlar verilerin yarattığı değer oluşturma sürecinden tamamen faydalanıyor. Örneğin, bir sosyal medya platformu AI şirketleriyle yaptığı veri lisanslama anlaşmaları aracılığıyla toplam 2.03 milyar dolar gelir elde etti.

Gerçekten katkıda bulunan kullanıcıların verilerin sağladığı değer yaratımına katılmalarını sağlamak ve dağıtılmış ağlar ile teşvik mekanizmaları aracılığıyla, düşük maliyetle kullanıcıların daha özel ve daha değerli verilere erişim sağlaması Web3'ün vizyonudur.

  • Grass, merkeziyetsiz bir veri katmanı ve ağdır; kullanıcılar Grass düğümlerini çalıştırarak, boşta kalan bant genişliğini ve iletim trafiğini katkıda bulunarak internetin tamamındaki gerçek zamanlı verileri yakalayabilir ve token ödülleri alabilir.

  • Vana, kullanıcıların özel verilerini (alışveriş kayıtları, tarayıcı alışkanlıkları, sosyal medya etkinlikleri vb.) belirli bir Veri Akış Likidite Havuzu'na (DLP) yükleyebileceği ve bu verileri belirli üçüncü tarafların kullanımına yetkilendirip yetkilendirmeyeceklerini esnek bir şekilde seçebileceği benzersiz bir DLP kavramını tanıttı.

  • PublicAI'de, kullanıcılar belirli bir sosyal medya platformunda #AI或#Web3'ü bir kategori etiketi olarak kullanabilir ve @PublicAI etiketleyerek veri toplayabilirler.

  1. Veri Ön İşleme: AI veri işleme sürecinde, toplanan veriler genellikle gürültülü ve hatalar içerdiğinden, modelin eğitilmesinden önce temizlenmesi ve kullanılabilir bir formata dönüştürülmesi gerekmektedir; bu, standartlaştırma, filtreleme ve eksik değerlerin işlenmesi gibi tekrarlayan görevleri içerir. Bu aşama, AI endüstrisindeki az sayıda insan etkileşimli aşamadan biridir ve veri etiketleyicileri adlı bir sektörü doğurmuştur. Modellerin veri kalitesi talepleri arttıkça, veri etiketleyicilerinin gereksinimleri de yükselmektedir ve bu görev, doğal olarak Web3'ün merkeziyetsiz teşvik mekanizmasına uygundur.
  • Şu anda, Grass ve OpenLayer, veri etiketleme gibi bu kritik aşamaya katılmayı düşünüyorlar.

  • Synesis, kullanıcıların etiketlenmiş veriler, açıklamalar veya diğer biçimlerde girdi sağlayarak ödüller kazanabileceği veri kalitesine vurgu yaparak "Train2earn" konseptini ortaya koydu.

  • Veri etiketleme projesi Sapien, etiketleme görevlerini oyunlaştırarak kullanıcıların daha fazla puan kazanmak için puanlarını teminat göstermesine olanak tanır.

  1. Veri gizliliği ve güvenliği: Açıklığa kavuşturulması gereken, veri gizliliği ve güvenliğinin iki farklı kavram olduğudur. Veri gizliliği, hassas verilerin işlenmesini içerirken, veri güvenliği, veri bilgilerini yetkisiz erişim, imha ve hırsızlığa karşı korur. Bu nedenle, Web3 gizlilik teknolojisinin avantajları ve potansiyel uygulama senaryoları iki alanda kendini göstermektedir: (1) Hassas verilerin eğitimi; (2) Veri iş birliği: Birden fazla veri sahibi, orijinal verilerini paylaşmadan AI eğitimine ortak olarak katılabilir.

Günümüzde Web3'te yaygın olarak kullanılan gizlilik teknolojileri şunlardır:

  • Güvenilir Çalışma Ortamı ( TEE ), örneğin Super Protocol.

  • Tam homomorfik şifreleme (FHE), örneğin BasedAI, Fhenix.io veya Inco Network.

  • Sıfır bilgi teknolojisi (zk), Reclaim Protocol gibi zkTLS teknolojisini kullanarak HTTPS trafiği için sıfır bilgi kanıtları oluşturur; bu, kullanıcıların hassas bilgileri ifşa etmeden dış sitelerden etkinlik, itibar ve kimlik verilerini güvenli bir şekilde içe aktarmasına olanak tanır.

Ancak, şu anda bu alan hala erken aşamada, projelerin çoğu hâlâ keşif aşamasında ve mevcut bir zorluk, hesaplama maliyetlerinin çok yüksek olmasıdır. Bazı örnekler şunlardır:

  • zkML çerçevesi EZKL, 1M-nanoGPT modelinin kanıtını oluşturmak için yaklaşık 80 dakika gerektirir.

  • Modulus Labs verilerine göre, zkML'in maliyeti saf hesaplamalardan 1000 kat daha fazladır.

  1. Veri Depolama: Veriler elde edildikten sonra, onları zincir üzerinde depolamak için bir yere ve bu verilerden üretilen LLM'ye ihtiyaç vardır. Veri Erişilebilirliği (DA) temel sorun olarak, Ethereum'un Danksharding yükseltmesinden önce, verimliliği 0.08MB'dır. Aynı zamanda, AI modellerinin eğitimi ve gerçek zamanlı çıkarımı genellikle saniyede 50 ila 100GB veri verimliliği gerektirir. Bu büyüklükteki bir fark, mevcut zincir üzerindeki çözümlerin "kaynak yoğun AI uygulamalarıyla" başa çıkmasını zorlaştırmaktadır.
  • 0g.AI bu kategorinin temsilcisidir
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
  • Reward
  • 5
  • Share
Comment
0/400
StablecoinEnjoyervip
· 8h ago
Bu birleşime pek sıcak bakmıyorum.
View OriginalReply0
ApeEscapeArtistvip
· 07-11 12:17
Gelecek için umut verici görünüm
View OriginalReply0
LayerZeroHerovip
· 07-11 12:05
Tamamlayıcı olmak, birlikte kazanmak demektir.
View OriginalReply0
ShadowStakervip
· 07-11 12:00
Derinlemesine araştırılması gereken bir alan
View OriginalReply0
NotGonnaMakeItvip
· 07-11 11:58
Gelecek burada
View OriginalReply0
Trade Crypto Anywhere Anytime
qrCode
Scan to download Gate app
Community
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)