Як нова парадигма децентралізованого, відкритого та прозорого Інтернету, Web3 має природну синергію зі штучним інтелектом. Відповідно до традиційної централізованої архітектури, обчислення та ресурси даних зі штучним інтелектом жорстко контролюються, стикаючись із багатьма проблемами, такими як вузькі місця в обчисленнях, витоки конфіденційності та чорні скриньки алгоритмів. Web3, з іншого боку, заснований на розподілених технологіях і вносить нову життєздатність у розвиток штучного інтелекту за допомогою спільних обчислювальних мереж, ринків відкритих даних та обчислень, що зберігають конфіденційність. У той же час штучний інтелект може розширити можливості побудови екосистеми Web3, оптимізуючи такі можливості, як смарт-контракти та алгоритми захисту від шахрайства. Тому дослідження конвергенції Web3 та штучного інтелекту має вирішальне значення для створення наступного покоління інтернет-інфраструктури та розкриття цінності даних та обчислювальної потужності.

Основа на основі даних: міцний фундамент для штучного інтелекту та Web3

Дані - це основна драйвер розвитку штучного інтелекту, так само як паливо для двигуна. Моделі штучного інтелекту потребують споживання великих обсягів високоякісних даних для отримання глибокого розуміння та сильних міркувань. Дані не лише надають основу для тренування моделей машинного навчання, але й визначають їх точність та надійність.

У традиційній централізованій моделі збору та використання даних штучного інтелекту виникло кілька ключових проблем:

1. Збір даних коштує дорого, що ускладнює участь малих та середніх підприємств.
2. Ресурси даних монополізовані великими технологічними гігантами, утворюючи силоси даних.
3. Конфіденційність персональних даних під загрозою витоку та зловживання.

Web3 надає нову децентралізовану парадигму даних для вирішення болючих питань традиційних моделей:

1. Через проекти, такі як Grass, користувачі можуть продавати вільну мережеву потужність компаніям зі штучним інтелектом, забезпечуючи децентралізоване збирання, очищення та трансформацію веб-даних, надаючи реальні, високоякісні дані для навчання моделей штучного інтелекту.
2. Public AI використовує модель "відмітки-щоб-заробити", щоб мотивувати глобальних працівників брати участь у анотуванні даних, агрегувати глобальну мудрість та поліпшувати можливості аналізу даних.
3. Платформи торгівлі даними блокчейну, такі як Ocean Protocol і Streamr, надають відкрите та прозоре торговельне середовище як для постачання, так і для попиту на дані, що сприяє інноваціям та обміну даними.

У такий спосіб, Web3 не тільки зменшує витрати на збір даних, але і підвищує відкритість та прозорість даних, надаючи більш різноманітні та високоякісні джерела даних для навчання моделей ШІ. У той же час, за допомогою децентралізованого обчислення збереження конфіденційності, Web3 також може краще захищати конфіденційність персональних даних та покращувати безпеку та надійність використання даних.

Продовжуючи досліджувати та вдосконалювати інтеграцію штучного інтелекту та Web3, ми забезпечимо міцну основу для побудови нового покоління Інтернет-інфраструктури та розблокуємо нову вартість у данних та обчислювальній потужності.

Тим не менш, збір даних у реальному світі також стикається з викликами, такими як нерівномірна якість даних, висока складність обробки та недостатня різноманітність та представленість даних. У просторі даних Web3 синтетичні дані можуть стати зіркою, яка піднімається. На основі технології генеративного штучного інтелекту та моделювання синтетичні дані можуть моделювати атрибути реальних даних, ефективно доповнюючи та покращуючи ефективність використання даних. У таких галузях, як автономне водіння, торгівля на фінансовому ринку та розробка ігор, синтетичні дані продемонстрували свій потенціал для зрілих застосувань.

Захист конфіденційності: Роль FHE в Web3

У епоху, засновану на даних, захист приватності став глобальним фокусом, а прийняття Загального регламента про захист даних (GDPR) Європейським союзом свідчить про строгий захист особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути повністю використані через ризики приватності, що безсумнівно обмежує потенціал та інферентні можливості моделей штучного інтелекту.

Повністю гомоморфне шифрування (FHE) дозволяє обчислювати зашифровані дані без розшифрування, і результат обчислення відповідає результату тієї ж операції над данними у відкритому вигляді. FHE забезпечує надійний захист конфіденційності штучного інтелекту, дозволяючи використовувати обчислювальну потужність графічних процесорів для тренування моделей та завдань інференції без доступу до сирого набору даних. Це надає значну перевагу компаніям зі штучним інтелектом, оскільки вони можуть безпечно надавати API-сервіси, захищаючи комерційні таємниці.

Повністю гомоморфне шифрування машинного навчання (FHEML) підтримує шифрування даних та моделей на протязі життєвого циклу машинного навчання, забезпечуючи безпеку конфіденційної інформації та запобігаючи витік даних. Таким чином, FHEML зміцнює конфіденційність даних та надає безпечну обчислювальну структуру для застосувань штучного інтелекту.

FHEML доповнює ZKML (Машинне навчання з нульовим доказом), де ZKML доводить правильне виконання машинного навчання, тоді як FHEML підкреслює обчислення на зашифрованих даних для збереження конфіденційності даних.

Революція обчислень: обчислення штучного інтелекту в децентралізованій мережі

Обчислювальна складність поточних систем штучного інтелекту подвоюється щотри місяці, що призводить до вибуху попиту на обчислювальну потужність, яка далеко перевищує обсяг існуючих обчислювальних ресурсів. Наприклад, для навчання моделі GPT-3 від OpenAI потрібна величезна обчислювальна потужність, еквівалентна 355 рокам навчання на одному пристрої. Ця нестача обчислювальної потужності не тільки обмежує розвиток технологій штучного інтелекту, але й робить недоступними для більшості дослідників та розробників найбільш передові моделі штучного інтелекту.

Крім того, глобальне використання GPU менше 40%, разом з сповільненням продуктивності мікропроцесорів, проблемами ланцюжка постачання та нестачею мікросхем через геополітичні чинники, подальше ускладнює проблему постачання обчислювальної потужності. Практики в галузі штучного інтелекту стикаються з дилемою: купувати обладнання або орендувати хмарні ресурси та терміново потребують моделі обчислювальних послуг на вимогу та ефективної вартості.

IO.net - децентралізована мережа на основі Solana з обчислювальною потужністю штучного інтелекту, яка агрегує вільні ресурси GPU по всьому світу та надає доступний ринок обчислювальної потужності для компаній зі сфери штучного інтелекту. Сутності, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, а розумні контракти призначають завдання внесеним майнерським вузлам. Майнери виконують завдання, надсилають результати та отримують винагороду за успішну верифікацію. Підхід IO.net покращує ефективність ресурсів та допомагає подолати затори в обчислювальній потужності в галузі штучного інтелекту.

Крім загальнопризначених децентралізованих мереж обчислювальної потужності існують платформи, спрямовані на навчання штучного інтелекту, такі як Gensyn та Flock.io, а також спеціалізовані мережі обчислювальної потужності, спрямовані на інференцію штучного інтелекту, такі як Ritual та Fetch.ai.

Децентралізована мережа обчислювальної потужності забезпечує справедливий та прозорий ринок обчислювальної потужності, ламає монополію, знижує поріг застосування та підвищує ефективність використання. У екосистемі Web3 мережа децентралізованої обчислювальної потужності відіграватиме ключову роль у залученні більше інноваційних додатків для спільного просування розвитку та застосування технології штучного інтелекту.

DePIN: Web3 дозволяє штучний інтелект на краю

Уявіть ваш смартфон, смарт-годинник або навіть пристрій для розумного дому здатним виконувати штучний інтелект – ось в чому краса штучного інтелекту на межі. Штучний інтелект на межі дозволяє обчисленням відбуватися на джерелі даних, забезпечуючи низьку затримку та обробку в реальному часі, зберігаючи водночас конфіденційність користувача. Технологія штучного інтелекту на межі вже застосовується в ключових областях, таких як автономне водіння.

У просторі Web3 у нас є більш знайома назва - DePIN. Web3 підкреслює децентралізацію та суверенітет користувачів щодо даних, тоді як DePIN покращує захист конфіденційності користувачів шляхом обробки даних локально, зменшуючи ризик витоку даних. Власна токеноміка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси та будувати стійку екосистему.

На сьогодні DePIN швидко розвивається в екосистемі Solana і став однією з перевірених платформ громадського ланцюжка для розгортання проекту. Велика пропускна здатність, низькі комісійні витрати та технологічна інновація Solana надають сильну підтримку проекту DePIN. Наразі ринкова капіталізація проектів DePIN на Solana перевищила 10 мільярдів доларів, а такі відомі проекти, як Render Network та Helium Network, зробили значний прогрес.

IMO: Нова парадигма для публікації моделей штучного інтелекту

Концепція IMO (Першопочаткове Пропозиція Моделей) була вперше запропонована протоколом Ora для токенізації моделей штучного інтелекту.

У традиційній моделі через відсутність механізму розподілу доходів часто виникають складнощі для розробників у отриманні постійних вигід з наступного використання моделі штучного інтелекту після її розробки та введення на ринок. Особливо коли модель інтегрується в інші продукти та послуги, важко відстежити її використання та здійснювати дохід для початкового розробника. Крім того, часто відсутність прозорості щодо продуктивності та ефективності моделей штучного інтелекту ускладнює можливість потенційних інвесторів та користувачів оцінити їх справжню вартість, обмежуючи ринкове прийняття та бізнес-потенціал.

IMO надає новий підхід до фінансування та розподілу вартості для відкритих моделей штучного інтелекту. Інвестори можуть купувати токени IMO та отримувати частку від доходів, згенерованих моделлю. Протокол Oracle використовує стандарти ERC-7641 та ERC-7007, поєднані з технологіями Onchain AI Oracle та OPML, щоб забезпечити автентичність моделей штучного інтелекту та дозволити власникам токенів брати участь у виході.

Модель IMO підвищує прозорість та довіру, сприяє співпраці з відкритим кодом, відповідає тенденціям криптовалютного ринку, та надає поштовх розвитку стійкістю технології штучного інтелекту. Незважаючи на те, що IMO все ще перебуває на експериментальному етапі, його інновації та потенційна вартість варто очікувати, оскільки прийняття ринку та участь розширюються.

AI Agent: Нова ера інтерактивних вражень

Штучні інтелектуальні агенти можуть сприймати оточення, мислити незалежно та вживати відповідних заходів для досягнення заздалегідь визначених цілей. За допомогою великих мовних моделей ШІ агенти можуть не лише розуміти природну мову, а й планувати, вирішувати та виконувати складні завдання. Вони можуть діяти як віртуальні асистенти, які вивчають вподобання користувачів та надають персоналізовані рішення через взаємодію. Навіть без явних інструкцій ШІ агенти можуть автономно вирішувати проблеми, покращувати ефективність та створювати нову цінність.

Myshell — це відкрита платформа додатків зі штучним інтелектом, яка надає комплексний і зручний набір інструментів для налаштування функціональності, зовнішнього вигляду, звуку та підключення до зовнішніх баз знань. Він прагне створити справедливу та відкриту екосистему контенту зі штучним інтелектом, використовуючи технологію генеративного штучного інтелекту, щоб дати людям можливість стати супертворцями. Myshell навчила спеціалізовані великі мовні моделі, щоб зробити рольові ігри більш гуманними. Його технологія клонування голосу може прискорити взаємодію персоналізованих продуктів штучного інтелекту, знизити вартість синтезу мови на 99%, а клонування голосу займає всього 1 хвилину. Спеціальні агенти штучного інтелекту, створені за допомогою Myshell, наразі можна застосовувати в різних сферах, включаючи відеочат, вивчення мови та генерацію зображень.

У злитті Web3 та ШІ основна увага зараз зосереджена, головним чином, на дослідах інфраструктурного рівня для вирішення ключових проблем, таких як отримання високоякісних даних, захист конфіденційності даних, розміщення моделей на ланцюжку, покращення ефективного використання децентралізованої обчислювальної потужності та підтвердження великих мовних моделей. Як ці складові інфраструктури стануть дорослими, є підстави вважати, що злиття Web3 та ШІ призведе до появи ряду інноваційних бізнес-моделей та послуг.

Заява:

1. Ця стаття була перепечатана з [Gateдзеркало]. Усі авторські права належать оригінальному автору [BadBot]. Якщо у вас є зауваження до перепублікації, будь ласка, зв'яжіться з Gate Навчаннякоманда, і вони вирішать це негайно.
2. Попередження: Погляди та думки, висловлені в цій статті, є виключно тими, що належать автору і не становлять жодної інвестиційної поради.
3. Переклад цієї статті був зроблений командою Gate Learn. Якщо не зазначено інше, відтворення, поширення або плагіат перекладених статей заборонені.