Взаимодействие Web3 и ИИ: создание Децентрализованной экосистемы искусственного интеллекта
На недавней лекции один из специалистов в отрасли предложил концепцию "суверенного ИИ". Это вызвало у нас размышления: как построить ИИ-систему, которая сможет удовлетворить интересы и требования криптосообщества? Ответ, возможно, можно найти в сочетании Web3 и ИИ.
Известный эксперт в области блокчейна в одной из статей обсудил синергетический эффект AI и крипт-технологий. Он отметил, что децентрализация крипт-технологий может сбалансировать централизационные тенденции AI; прозрачность блокчейна может компенсировать непрозрачность AI; а технологии блокчейн также способствуют хранению и отслеживанию данных, необходимых для AI. Этот синергетический эффект пронизывает всю индустрию Web3+AI.
В настоящее время большинство проектов Web3+AI стремятся использовать технологии блокчейн для решения проблем создания инфраструктуры в AI-индустрии, в то время как немногие проекты сосредоточены на использовании AI для решения конкретных проблем в приложениях Web3. Промышленное распределение Web3+AI в основном охватывает следующие аспекты:
1. Уровень вычислительной мощности: капитализация вычислительных активов
В последние годы мощность вычислений, необходимая для обучения крупных моделей ИИ, возросла экспоненциально, что привело к серьезному дисбалансу между спросом и предложением вычислительных ресурсов, а цены на оборудование, такое как GPU, взлетели. Однако на рынке также существует большое количество неиспользуемых ресурсов среднего и низкого уровня. С помощью технологий Web3 можно создать распределенную сеть вычислительных ресурсов, реализовать аренду и совместное использование вычислительной мощности, тем самым снизив стоимость вычислений для ИИ.
Сегментация слоя вычислительной мощности включает:
Универсальная децентрализация вычислительной мощности
AI-тренировка специальная Децентрализация вычислительной мощности
Искусственный интеллект, специализированные вычисления на основе Децентрализации
3D рендеринг специализированная Децентрализация вычислительная мощность
Основное преимущество этой модели децентрализованных вычислений заключается в том, что сочетание токенов с механизмом стимулов позволяет быстро расширять масштабы сети, одновременно обеспечивая высокую стоимость вычислительных ресурсов, удовлетворяя потребности в вычислительных мощностях среднего и низкого уровня.
2. Уровень данных: активизация данных
Данные являются ключевым ресурсом для развития ИИ. В традиционной модели большое количество пользовательских данных часто сосредоточено в руках немногих технологических гигантов, что затрудняет обычным стартапам доступ к широким данным. С помощью Web3+AI можно достичь более низких затрат, большей прозрачности в сборе данных, аннотировании и распределенном хранении.
Проекты уровня данных в основном включают:
Проекты по сбору данных
Проекты, связанные с торговлей данными
Проекты по аннотации данных
Проекты класса источников данных блокчейн
Децентрализация存储类项目
Эти проекты сталкиваются с большими трудностями при проектировании экономических моделей токенов, так как данные труднее стандартизировать.
3. Платформенный уровень: капитализация ценности платформы
Платформенные проекты направлены на интеграцию различных ресурсов AI-отрасли, объединение данных, вычислительных мощностей, моделей, разработчиков AI и таких ресурсов и ролей, как блокчейн. Некоторые проекты сосредоточены на создании операционной платформы zkML, которая с помощью криптографических технологий проверяет правильность вывода моделей, решая общепринятую проблему черного ящика данных и моделей в AI.
Также есть несколько проектов, которые стремятся создать блокчейн-сети, предназначенные для ИИ, предоставляя универсальные компоненты и SDK, чтобы помочь приложениям Web3+AI быстро строиться и развиваться. Кроме того, платформы типа Agent Network предоставляют поддержку для создания ИИ-агентов для различных сценариев применения.
Платформенные проекты в основном захватывают ценность платформы через токены, стимулируя различных участников к совместному строительству, что особенно выгодно для развития стартапов.
Проекты прикладного уровня в основном используют ИИ для решения конкретных проблем в приложениях Web3. Основные направления включают два аспекта:
ИИ как участник Web3: например, в Web3-играх в качестве игрока, в DEX для арбитражной торговли или в предсказательных рынках для предоставления аналитических прогнозов.
Создание масштабируемого децентрализованного частного ИИ: решение проблем пользователей, связанных с черным ящиком ИИ и потенциальными предвзятостями, путем предоставления сообществу прав распределенного управления ИИ.
В настоящее время в слое приложений Web3+AI еще не появились прорывные проекты, но потенциал огромен.
Перспективы
Сфера Web3+AI все еще находится на ранней стадии, и в отрасли существуют разные мнения о ее перспективах. Однако мы надеемся, что сочетание Web3 и AI сможет создать более ценные продукты, чем централизованный AI, избавиться от ярлыков "контроль гигантов" и "монополия" и реализовать более сообщества-ориентированную модель "совместного управления AI". Более тесное участие в развитии и управлении AI может позволить человечеству найти баланс в понимании AI, сохраняя трепет и снижая страх.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Web3 и AI: четыре ключевых уровня для построения Децентрализация AI экосистемы
Взаимодействие Web3 и ИИ: создание Децентрализованной экосистемы искусственного интеллекта
На недавней лекции один из специалистов в отрасли предложил концепцию "суверенного ИИ". Это вызвало у нас размышления: как построить ИИ-систему, которая сможет удовлетворить интересы и требования криптосообщества? Ответ, возможно, можно найти в сочетании Web3 и ИИ.
Известный эксперт в области блокчейна в одной из статей обсудил синергетический эффект AI и крипт-технологий. Он отметил, что децентрализация крипт-технологий может сбалансировать централизационные тенденции AI; прозрачность блокчейна может компенсировать непрозрачность AI; а технологии блокчейн также способствуют хранению и отслеживанию данных, необходимых для AI. Этот синергетический эффект пронизывает всю индустрию Web3+AI.
В настоящее время большинство проектов Web3+AI стремятся использовать технологии блокчейн для решения проблем создания инфраструктуры в AI-индустрии, в то время как немногие проекты сосредоточены на использовании AI для решения конкретных проблем в приложениях Web3. Промышленное распределение Web3+AI в основном охватывает следующие аспекты:
1. Уровень вычислительной мощности: капитализация вычислительных активов
В последние годы мощность вычислений, необходимая для обучения крупных моделей ИИ, возросла экспоненциально, что привело к серьезному дисбалансу между спросом и предложением вычислительных ресурсов, а цены на оборудование, такое как GPU, взлетели. Однако на рынке также существует большое количество неиспользуемых ресурсов среднего и низкого уровня. С помощью технологий Web3 можно создать распределенную сеть вычислительных ресурсов, реализовать аренду и совместное использование вычислительной мощности, тем самым снизив стоимость вычислений для ИИ.
Сегментация слоя вычислительной мощности включает:
Основное преимущество этой модели децентрализованных вычислений заключается в том, что сочетание токенов с механизмом стимулов позволяет быстро расширять масштабы сети, одновременно обеспечивая высокую стоимость вычислительных ресурсов, удовлетворяя потребности в вычислительных мощностях среднего и низкого уровня.
2. Уровень данных: активизация данных
Данные являются ключевым ресурсом для развития ИИ. В традиционной модели большое количество пользовательских данных часто сосредоточено в руках немногих технологических гигантов, что затрудняет обычным стартапам доступ к широким данным. С помощью Web3+AI можно достичь более низких затрат, большей прозрачности в сборе данных, аннотировании и распределенном хранении.
Проекты уровня данных в основном включают:
Эти проекты сталкиваются с большими трудностями при проектировании экономических моделей токенов, так как данные труднее стандартизировать.
3. Платформенный уровень: капитализация ценности платформы
Платформенные проекты направлены на интеграцию различных ресурсов AI-отрасли, объединение данных, вычислительных мощностей, моделей, разработчиков AI и таких ресурсов и ролей, как блокчейн. Некоторые проекты сосредоточены на создании операционной платформы zkML, которая с помощью криптографических технологий проверяет правильность вывода моделей, решая общепринятую проблему черного ящика данных и моделей в AI.
Также есть несколько проектов, которые стремятся создать блокчейн-сети, предназначенные для ИИ, предоставляя универсальные компоненты и SDK, чтобы помочь приложениям Web3+AI быстро строиться и развиваться. Кроме того, платформы типа Agent Network предоставляют поддержку для создания ИИ-агентов для различных сценариев применения.
Платформенные проекты в основном захватывают ценность платформы через токены, стимулируя различных участников к совместному строительству, что особенно выгодно для развития стартапов.
4. Приложенческий уровень: капитализация AI-ценностных активов
Проекты прикладного уровня в основном используют ИИ для решения конкретных проблем в приложениях Web3. Основные направления включают два аспекта:
ИИ как участник Web3: например, в Web3-играх в качестве игрока, в DEX для арбитражной торговли или в предсказательных рынках для предоставления аналитических прогнозов.
Создание масштабируемого децентрализованного частного ИИ: решение проблем пользователей, связанных с черным ящиком ИИ и потенциальными предвзятостями, путем предоставления сообществу прав распределенного управления ИИ.
В настоящее время в слое приложений Web3+AI еще не появились прорывные проекты, но потенциал огромен.
Перспективы
Сфера Web3+AI все еще находится на ранней стадии, и в отрасли существуют разные мнения о ее перспективах. Однако мы надеемся, что сочетание Web3 и AI сможет создать более ценные продукты, чем централизованный AI, избавиться от ярлыков "контроль гигантов" и "монополия" и реализовать более сообщества-ориентированную модель "совместного управления AI". Более тесное участие в развитии и управлении AI может позволить человечеству найти баланс в понимании AI, сохраняя трепет и снижая страх.