Злиття AI та Web3: стан, виклики та погляд у майбутнє
Швидкий розвиток штучного інтелекту(AI) та технології Web3 веде до технологічної революції. Штучний інтелект досяг значних успіхів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що приносить зміни та інновації в різні галузі. У той же час Web3 на основі децентралізованої технології блокчейн, через смарт-контракти, розподілене зберігання та інші функції, змінює уявлення людей про Інтернет і способи його використання.
Ця стаття глибоко розгляне поточний стан розвитку AI+Web3, проаналізує потенційну цінність і вплив їх поєднання, а також обговорить виклики, з якими вони стикаються сьогодні. Спочатку ми представимо основні концепції AI та Web3, а потім дослідимо їх взаємозв'язок. Далі ми проаналізуємо поточний стан проектів AI+Web3 та глибоко обговоримо обмеження і виклики, з якими вони стикаються. Сподіваємося, що це буде цінним посиланням для відповідних фахівців і інвесторів.
Способи взаємодії AI та Web3
Розвиток AI та Web3 схожий на дві сторони терезів: AI підвищує продуктивність, Web3 трансформує виробничі відносини. Які іскри можуть спалахнути в результаті їх поєднання? Спочатку давайте проаналізуємо труднощі та можливості розвитку кожного з них, а потім обговоримо, як вони можуть допомогти один одному вирішити ці труднощі.
Виклики, з якими стикається AI-індустрія
Ядром AI-індустрії є три основні фактори: обчислювальна потужність, алгоритми та дані:
Обчислювальна потужність: означає можливість виконання масштабних обчислень і обробки. Завдання штучного інтелекту потребують обробки величезних обсягів даних і складних обчислень, висока обчислювальна потужність може прискорити навчання моделей та їхнє використання, підвищуючи продуктивність систем штучного інтелекту. Останніми роками розвиток апаратних технологій, таких як GPU, значно сприяв прогресу в галузі ШІ.
Алгоритми: це ядро AI-системи, включаючи традиційне машинне навчання та алгоритми глибокого навчання. Вибір та проектування алгоритму є надзвичайно важливими для продуктивності AI-системи, постійні інновації можуть підвищити точність та здатність до узагальнення.
Дані: це основа для навчання та оптимізації моделей. Велика різноманітність даних може допомогти системам ШІ навчитися більш точним моделям, краще розуміти та вирішувати реальні проблеми.
Основні виклики, з якими стикається індустрія ШІ на даний момент:
Витрати на отримання та управління обчислювальною потужністю є високими, особливо для стартапів та індивідуальних розробників.
Алгоритми глибокого навчання потребують великої кількості даних і обчислювальних ресурсів, інтерпретованість моделей і здатність до узагальнення ще потребують покращення.
Важко отримати дані високої якості, проблеми з конфіденційністю та безпекою даних є надзвичайно актуальними
Чорні ящики моделей ШІ викликають занепокоєння суспільства щодо зрозумілості та прозорості
Багато бізнес-моделей стартапів у сфері ШІ недостатньо чіткі
Виклики, з якими стикається індустрія Web3
У галузі Web3 існує безліч проблем, які потрібно вирішити, що в основному проявляється в:
Низька здатність до аналізу даних
Низький рівень користувацького досвіду
У розумному контракті є ризик вразливостей коду
Часті хакерські атаки
Штучний інтелект як інструмент підвищення продуктивності має великий простір для реалізації в цих сферах:
Використання алгоритмів ШІ для інтелектуального аналізу та видобутку даних, підвищення здатності до оцінки ризиків та прийняття рішень у таких сферах, як DeFi.
Оптимізація користувацького досвіду за допомогою ШІ, надання персоналізованих послуг
Застосування технологій штучного інтелекту для виявлення мережевих атак, підвищення безпеки
Використання ШІ для автоматизованого аудиту смарт-контрактів, підвищення безпеки контрактів
Аналіз стану проектів AI+Web3
Проекти AI+Web3 в основному розвиваються в двох напрямках: використання технологій блокчейн для підвищення ефективності AI-проектів та використання технологій AI для обслуговування Web3-проектів. Наразі з'явилася низка експериментальних проектів, таких як Io.net, Gensyn, Ritual тощо. Ми проаналізуємо стан та розвиток з різних підсекторів.
Web3 сприяє AI
Децентралізовані обчислення
З початком буму AI попит на обчислювальну потужність, таку як GPU, різко зріс. Наприклад, для ChatGPT, за повідомленнями, потрібно 30000 графічних процесорів NVIDIA A100 для його роботи. Це призвело до розділення на "багатих на GPU" та "бідних на GPU", де невелика кількість компаній монополізувала велику частину ресурсів преміум-GPU.
Щоб вирішити проблему нестачі обчислювальної потужності, деякі Web3 проекти почали намагатися надати децентралізовані послуги обчислювальної потужності, такі як Akash, Render, Gensyn та інші. Ці проекти за допомогою механізму стимулювання токенами залучають користувачів до надання невикористаної GPU обчислювальної потужності, формуючи мережу постачання обчислювальної потужності.
Постачальницька сторона основними включає:
Хостинг-провайдери (, такі як AWS, Azure тощо )
Криптовалютні майнери (, такі як Ethereum після переходу на PoS, бездіяльні GPU )
Великі компанії (, такі як Tesla, Meta та інші )
Наразі основні категорії поділяються на дві групи:
Використовується для AI-інференції: такі як Render, Akash, Aethir тощо
Використовується для навчання ШІ: такі як io.net, Gensyn тощо
Цей тип проектів формує цикл попиту і пропозиції через стимулювання токенами, забезпечуючи холодний старт. З розширенням масштабу вони можуть принести більше цінності обом сторонам попиту і пропозиції.
Децентралізована алгоритмічна модель
Окрім обчислювальної потужності, алгоритмічні моделі також можуть бути децентралізованими. Наприклад, Bittensor створив децентралізований ринок сервісів AI-алгоритмів, з'єднуючи кілька різних AI-моделей. Коли користувач ставить запитання, система обирає найбільш підходящу модель для відповіді.
В порівнянні з єдиною великою моделлю, такою як ChatGPT, ця децентралізована алгоритмічна мережа більше схожа на школу з багатьма експертами, що має великий потенціал у довгостроковій перспективі.
Децентралізований збір даних
Для навчання моделей ШІ велика кількість якісних даних є вкрай важливою. Проте наразі більшість платформ Web2 забороняють збір даних для навчання ШІ або в односторонньому порядку продають дані користувачів компаніям ШІ.
Деякі Web3 проекти почали реалізовувати децентралізоване збори даних через токенізацію. Наприклад, PublicAI дозволяє користувачам позначати цінний контент на соціальних платформах та отримувати токен-нагороди або брати участь у валідації даних. Це сприяє вигідному співробітництву між внесками даних та індустрією ШІ.
Захист користувацької конфіденційності в AI за допомогою ZK
Технологія нульового знання (ZK) може забезпечити верифікацію інформації, зберігаючи при цьому конфіденційність, що допомагає вирішити конфлікт між конфіденційністю даних та їх спільним використанням в AI.
ZKML(Нульовий знання машинного навчання)дозволяє проводити навчання моделей та інференцію без розкриття вихідних даних. Це має велике значення для чутливих даних у таких сферах, як охорона здоров'я та фінанси.
Наразі ця сфера все ще на ранній стадії, як запропоновано в BasedAI, поєднуючи повну гомоморфну криптографію (FHE) з великими мовними моделями (LLM) для захисту конфіденційності даних користувачів.
Штучний інтелект допомагає Web3
Аналіз даних та прогнозування
Багато проектів Web3 почали інтегрувати послуги ШІ для надання аналізу даних та прогнозування. Як:
Pond: Використання алгоритмів AI для прогнозування цінних токенів
BullBear AI: прогнозування цінових тенденцій на основі історичних даних
Numerai: платформа для інвестиційних змагань на основі ШІ
Arkham: платформа аналізу даних на основі блокчейну з використанням ШІ
Персоналізовані послуги
Застосування ШІ в таких областях, як пошукові рекомендації, також підходить для проектів Web3:
Dune: новий інструмент Wand, який використовує великі мовні моделі для написання SQL-запитів
Followin、IQ.wiki: інтеграція ChatGPT підсумовує вміст
Kaito: веб3 пошукова система на основі LLM
NFPrompt: Використання AI для зниження бар'єрів у створенні NFT
AI аудит розумного контракту
ШІ може більш ефективно та точно перевіряти код смарт-контрактів, виявляючи потенційні вразливості. Наприклад, 0x0.ai пропонує інструменти для перевірки смарт-контрактів на основі машинного навчання, здатні вказувати на потенційні проблеми в коді.
Обмеження та виклики AI+Web3 проектів
Реальні перешкоди, з якими стикається децентралізована обчислювальна потужність
Хоча проекти з децентралізованих обчислювальних потужностей є інноваційними, вони також стикаються з деякими викликами:
Продуктивність і стабільність: розподілені вузли можуть мати затримки та нестабільність
Відповідність ресурсів: важко забезпечити баланс попиту та пропозиції
Використання порогів: складніше в порівнянні з централізованими послугами
На даний момент більшість проектів децентралізованих обчислень можуть бути використані лише для AI-інференції, і їм важко здійснювати навчання великих моделей. Причина в тому, що:
Великі моделі потребують надзвичайно високої обчислювальної потужності та пропускної здатності.
Перерви в процесі навчання можуть призвести до великих втрат
Паралельна комунікація між декількома картами (, наприклад, NVLink ) має суворі обмеження щодо фізичної відстані.
Отже, децентралізована обчислювальна потужність наразі більше підходить для сценаріїв з нижчими вимогами до обчислювальної потужності, таких як AI-інференція або навчання малих моделей.
Поєднання AI та Web3 все ще виглядає грубо
Поточні проекти, що використовують AI для Web3, в основному залишаються на поверхневих застосуваннях:
Немає суттєвої різниці між AI-додатками Web2 проектів.
Деякі проекти використовують концепцію штучного інтелекту лише на маркетинговому рівні, не маючи справжніх інновацій.
Це відображає те, що між ШІ та криптовалютою ще не досягнуто глибокої інтеграції, і потрібно продовжити дослідження оригінальних та значущих рішень.
Токеноміка стає буфером для наративу AI проектів
Через невизначеність бізнес-моделей ШІ деякі проекти обирають накладати наратив Web3 та токеноміку, щоб залучити користувачів. Але чи справді токеноміка допомагає вирішити реальні потреби проектів ШІ, ще потрібно з'ясувати.
Сподіваюся, що в майбутньому буде більше проектів, які не просто використовують токени як інструмент розкрутки, а справді задовольняють потреби реальних сценаріїв.
Підсумок та перспективи
Злиття AI і Web3 відкриває безмежні можливості для майбутніх технологічних інновацій та економічного розвитку. AI може надати Web3 більш розумні та ефективні сценарії застосування, такі як допомога в інвестиційних рішеннях, аудит смарт-контрактів, персоналізовані послуги тощо. Web3, в свою чергу, пропонує AI децентралізовану платформу для обчислювальної потужності, даних і обміну алгоритмами, що має потенціал зменшити вузькі місця в розвитку AI.
Хоча проекти AI+Web3 все ще знаходяться на ранніх стадіях і стикаються з багатьма викликами, їхні переваги також очевидні: зменшення залежності від централізованих установ, підвищення прозорості та можливості аудиту, сприяння більш широкій участі та інноваціям тощо. У майбутньому потрібно постійно зважувати плюси та мінуси на практиці, вживаючи відповідних заходів для подолання викликів.
Віримо, що поєднання інтелектуального аналізу та прийняття рішень на основі ШІ з децентралізованими характеристиками Web3 в майбутньому може побудувати більш розумні, відкриті та справедливі економічні та соціальні системи. Глибока інтеграція ШІ та Web3 ще потребує часу, але його перспективи розвитку викликають очікування.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Інтеграція AI та Web3: аналіз поточного стану та перспективи майбутнього
Злиття AI та Web3: стан, виклики та погляд у майбутнє
Швидкий розвиток штучного інтелекту(AI) та технології Web3 веде до технологічної революції. Штучний інтелект досяг значних успіхів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що приносить зміни та інновації в різні галузі. У той же час Web3 на основі децентралізованої технології блокчейн, через смарт-контракти, розподілене зберігання та інші функції, змінює уявлення людей про Інтернет і способи його використання.
Ця стаття глибоко розгляне поточний стан розвитку AI+Web3, проаналізує потенційну цінність і вплив їх поєднання, а також обговорить виклики, з якими вони стикаються сьогодні. Спочатку ми представимо основні концепції AI та Web3, а потім дослідимо їх взаємозв'язок. Далі ми проаналізуємо поточний стан проектів AI+Web3 та глибоко обговоримо обмеження і виклики, з якими вони стикаються. Сподіваємося, що це буде цінним посиланням для відповідних фахівців і інвесторів.
Способи взаємодії AI та Web3
Розвиток AI та Web3 схожий на дві сторони терезів: AI підвищує продуктивність, Web3 трансформує виробничі відносини. Які іскри можуть спалахнути в результаті їх поєднання? Спочатку давайте проаналізуємо труднощі та можливості розвитку кожного з них, а потім обговоримо, як вони можуть допомогти один одному вирішити ці труднощі.
Виклики, з якими стикається AI-індустрія
Ядром AI-індустрії є три основні фактори: обчислювальна потужність, алгоритми та дані:
Обчислювальна потужність: означає можливість виконання масштабних обчислень і обробки. Завдання штучного інтелекту потребують обробки величезних обсягів даних і складних обчислень, висока обчислювальна потужність може прискорити навчання моделей та їхнє використання, підвищуючи продуктивність систем штучного інтелекту. Останніми роками розвиток апаратних технологій, таких як GPU, значно сприяв прогресу в галузі ШІ.
Алгоритми: це ядро AI-системи, включаючи традиційне машинне навчання та алгоритми глибокого навчання. Вибір та проектування алгоритму є надзвичайно важливими для продуктивності AI-системи, постійні інновації можуть підвищити точність та здатність до узагальнення.
Дані: це основа для навчання та оптимізації моделей. Велика різноманітність даних може допомогти системам ШІ навчитися більш точним моделям, краще розуміти та вирішувати реальні проблеми.
Основні виклики, з якими стикається індустрія ШІ на даний момент:
Виклики, з якими стикається індустрія Web3
У галузі Web3 існує безліч проблем, які потрібно вирішити, що в основному проявляється в:
Штучний інтелект як інструмент підвищення продуктивності має великий простір для реалізації в цих сферах:
Аналіз стану проектів AI+Web3
Проекти AI+Web3 в основному розвиваються в двох напрямках: використання технологій блокчейн для підвищення ефективності AI-проектів та використання технологій AI для обслуговування Web3-проектів. Наразі з'явилася низка експериментальних проектів, таких як Io.net, Gensyn, Ritual тощо. Ми проаналізуємо стан та розвиток з різних підсекторів.
Web3 сприяє AI
Децентралізовані обчислення
З початком буму AI попит на обчислювальну потужність, таку як GPU, різко зріс. Наприклад, для ChatGPT, за повідомленнями, потрібно 30000 графічних процесорів NVIDIA A100 для його роботи. Це призвело до розділення на "багатих на GPU" та "бідних на GPU", де невелика кількість компаній монополізувала велику частину ресурсів преміум-GPU.
Щоб вирішити проблему нестачі обчислювальної потужності, деякі Web3 проекти почали намагатися надати децентралізовані послуги обчислювальної потужності, такі як Akash, Render, Gensyn та інші. Ці проекти за допомогою механізму стимулювання токенами залучають користувачів до надання невикористаної GPU обчислювальної потужності, формуючи мережу постачання обчислювальної потужності.
Постачальницька сторона основними включає:
Наразі основні категорії поділяються на дві групи:
Цей тип проектів формує цикл попиту і пропозиції через стимулювання токенами, забезпечуючи холодний старт. З розширенням масштабу вони можуть принести більше цінності обом сторонам попиту і пропозиції.
Децентралізована алгоритмічна модель
Окрім обчислювальної потужності, алгоритмічні моделі також можуть бути децентралізованими. Наприклад, Bittensor створив децентралізований ринок сервісів AI-алгоритмів, з'єднуючи кілька різних AI-моделей. Коли користувач ставить запитання, система обирає найбільш підходящу модель для відповіді.
В порівнянні з єдиною великою моделлю, такою як ChatGPT, ця децентралізована алгоритмічна мережа більше схожа на школу з багатьма експертами, що має великий потенціал у довгостроковій перспективі.
Децентралізований збір даних
Для навчання моделей ШІ велика кількість якісних даних є вкрай важливою. Проте наразі більшість платформ Web2 забороняють збір даних для навчання ШІ або в односторонньому порядку продають дані користувачів компаніям ШІ.
Деякі Web3 проекти почали реалізовувати децентралізоване збори даних через токенізацію. Наприклад, PublicAI дозволяє користувачам позначати цінний контент на соціальних платформах та отримувати токен-нагороди або брати участь у валідації даних. Це сприяє вигідному співробітництву між внесками даних та індустрією ШІ.
Захист користувацької конфіденційності в AI за допомогою ZK
Технологія нульового знання (ZK) може забезпечити верифікацію інформації, зберігаючи при цьому конфіденційність, що допомагає вирішити конфлікт між конфіденційністю даних та їх спільним використанням в AI.
ZKML(Нульовий знання машинного навчання)дозволяє проводити навчання моделей та інференцію без розкриття вихідних даних. Це має велике значення для чутливих даних у таких сферах, як охорона здоров'я та фінанси.
Наразі ця сфера все ще на ранній стадії, як запропоновано в BasedAI, поєднуючи повну гомоморфну криптографію (FHE) з великими мовними моделями (LLM) для захисту конфіденційності даних користувачів.
Штучний інтелект допомагає Web3
Аналіз даних та прогнозування
Багато проектів Web3 почали інтегрувати послуги ШІ для надання аналізу даних та прогнозування. Як:
Персоналізовані послуги
Застосування ШІ в таких областях, як пошукові рекомендації, також підходить для проектів Web3:
AI аудит розумного контракту
ШІ може більш ефективно та точно перевіряти код смарт-контрактів, виявляючи потенційні вразливості. Наприклад, 0x0.ai пропонує інструменти для перевірки смарт-контрактів на основі машинного навчання, здатні вказувати на потенційні проблеми в коді.
Обмеження та виклики AI+Web3 проектів
Реальні перешкоди, з якими стикається децентралізована обчислювальна потужність
Хоча проекти з децентралізованих обчислювальних потужностей є інноваційними, вони також стикаються з деякими викликами:
На даний момент більшість проектів децентралізованих обчислень можуть бути використані лише для AI-інференції, і їм важко здійснювати навчання великих моделей. Причина в тому, що:
Отже, децентралізована обчислювальна потужність наразі більше підходить для сценаріїв з нижчими вимогами до обчислювальної потужності, таких як AI-інференція або навчання малих моделей.
Поєднання AI та Web3 все ще виглядає грубо
Поточні проекти, що використовують AI для Web3, в основному залишаються на поверхневих застосуваннях:
Це відображає те, що між ШІ та криптовалютою ще не досягнуто глибокої інтеграції, і потрібно продовжити дослідження оригінальних та значущих рішень.
Токеноміка стає буфером для наративу AI проектів
Через невизначеність бізнес-моделей ШІ деякі проекти обирають накладати наратив Web3 та токеноміку, щоб залучити користувачів. Але чи справді токеноміка допомагає вирішити реальні потреби проектів ШІ, ще потрібно з'ясувати.
Сподіваюся, що в майбутньому буде більше проектів, які не просто використовують токени як інструмент розкрутки, а справді задовольняють потреби реальних сценаріїв.
Підсумок та перспективи
Злиття AI і Web3 відкриває безмежні можливості для майбутніх технологічних інновацій та економічного розвитку. AI може надати Web3 більш розумні та ефективні сценарії застосування, такі як допомога в інвестиційних рішеннях, аудит смарт-контрактів, персоналізовані послуги тощо. Web3, в свою чергу, пропонує AI децентралізовану платформу для обчислювальної потужності, даних і обміну алгоритмами, що має потенціал зменшити вузькі місця в розвитку AI.
Хоча проекти AI+Web3 все ще знаходяться на ранніх стадіях і стикаються з багатьма викликами, їхні переваги також очевидні: зменшення залежності від централізованих установ, підвищення прозорості та можливості аудиту, сприяння більш широкій участі та інноваціям тощо. У майбутньому потрібно постійно зважувати плюси та мінуси на практиці, вживаючи відповідних заходів для подолання викликів.
Віримо, що поєднання інтелектуального аналізу та прийняття рішень на основі ШІ з децентралізованими характеристиками Web3 в майбутньому може побудувати більш розумні, відкриті та справедливі економічні та соціальні системи. Глибока інтеграція ШІ та Web3 ще потребує часу, але його перспективи розвитку викликають очікування.