- Tema
39k Popularidad
5k Popularidad
6k Popularidad
448 Popularidad
42k Popularidad
17k Popularidad
31k Popularidad
31k Popularidad
3k Popularidad
95k Popularidad
- Anclado
39k Popularidad
5k Popularidad
6k Popularidad
448 Popularidad
42k Popularidad
17k Popularidad
31k Popularidad
31k Popularidad
3k Popularidad
95k Popularidad
Web3 y la fusión de la IA: la revolución de datos, privacidad y Potencia computacional construye la próxima generación de Internet
La fusión de Web3 y AI: Construyendo la infraestructura de Internet de próxima generación
Web3, como un nuevo paradigma de Internet, tiene características de descentralización, apertura y transparencia, y presenta oportunidades de fusión natural con la IA. En la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA están estrictamente limitados, enfrentando múltiples desafíos como cuellos de botella en la potencia de cálculo, filtración de privacidad y cajas negras algorítmicas. Web3, basado en tecnologías distribuidas, proporciona nueva energía para el desarrollo de la IA a través de redes de potencia de cálculo compartidas, mercados de datos abiertos y computación privada. Al mismo tiempo, la IA también puede traer numerosas mejoras a Web3, como la optimización de contratos inteligentes y algoritmos de detección de trampas, promoviendo el desarrollo de su ecosistema. Por lo tanto, explorar la combinación de Web3 y IA es crucial para construir la infraestructura de Internet del futuro y liberar el valor de los datos y la potencia de cálculo.
Impulsado por datos: La base de la IA y Web3
Los datos son el motor central que impulsa el desarrollo de la IA. Los modelos de IA necesitan digerir enormes cantidades de datos de alta calidad para obtener una comprensión profunda y una fuerte capacidad de razonamiento. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.
Los modelos tradicionales de adquisición y utilización de datos de IA centralizados presentan los siguientes problemas:
Web3 ofrece un nuevo paradigma de datos descentralizados para abordar estos puntos débiles:
A pesar de ello, la obtención de datos en el mundo real sigue presentando problemas como la calidad desigual, la dificultad de procesamiento, la falta de diversidad y representación. Los datos sintéticos podrían convertirse en la estrella del futuro en el ámbito de datos de Web3. Basados en tecnología de IA generativa y simulación, los datos sintéticos pueden simular las propiedades de datos reales, como un complemento efectivo para mejorar la eficiencia en el uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos han mostrado un potencial de aplicación maduro.
Protección de la privacidad: Aplicaciones de FHE en Web3
En la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención global. La promulgación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la UE refleja una estricta protección de la privacidad personal. Sin embargo, esto también plantea desafíos: ciertos datos sensibles no pueden ser utilizados plenamente debido a riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE (encriptación totalmente homomórfica) permite realizar cálculos directamente sobre datos encriptados, obteniendo resultados que son equivalentes a los cálculos realizados sobre datos en texto claro, sin necesidad de desencriptar. FHE proporciona una sólida protección para el cálculo de privacidad en inteligencia artificial, permitiendo que la potencia de cálculo de la GPU ejecute entrenamiento e inferencia de modelos en un entorno sin contacto con datos originales. Esto brinda una gran ventaja a las empresas de IA, ya que pueden abrir servicios de API de manera segura, protegiendo al mismo tiempo secretos comerciales.
FHEML admite el procesamiento de cifrado de datos y modelos a lo largo de todo el ciclo de aprendizaje automático, garantizando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. FHEML refuerza la privacidad de los datos de esta manera, proporcionando un marco de cálculo seguro para aplicaciones de IA.
FHEML es un complemento de ZKML. ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML se centra en realizar cálculos sobre datos cifrados para mantener la privacidad de los datos.
Revolución de la Potencia de Cálculo: Cálculo de IA en Redes Descentralizadas
La complejidad de cálculo de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento explosivo en la demanda de potencia de cálculo, superando con creces la oferta actual de recursos de cálculo. Por ejemplo, el entrenamiento del modelo GPT-3 de OpenAI requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que los modelos de IA avanzados sean difíciles de alcanzar para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la utilización global de GPU es inferior al 40%, sumado a la desaceleración en el rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava el problema del suministro de capacidad de cálculo. Los profesionales de la IA enfrentan dificultades: o compran hardware por su cuenta o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación bajo demanda y económica.
Una red de computación descentralizada de IA agrega recursos de GPU inactivos a nivel mundial para proporcionar un mercado de computación económico y fácil de usar para empresas de IA. Las partes demandantes pueden publicar tareas de computación en la red, los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con su potencia de cálculo, los mineros ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas. Esta solución mejora la eficiencia en el uso de los recursos y ayuda a resolver el problema del cuello de botella en la potencia de cálculo en campos como la IA.
Además de las redes de computación descentralizadas generales, también existen redes de computación especializadas enfocadas en el entrenamiento y la inferencia de IA. Estas redes de computación descentralizadas ofrecen un mercado de computación justo y transparente, rompen monopolios, reducen las barreras de entrada y mejoran la eficiencia en el uso de la computación. En el ecosistema Web3, las redes de computación descentralizadas jugarán un papel clave, atrayendo a más aplicaciones descentralizadas innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.
DePIN: Web3 empodera la inteligencia artificial en el borde
Edge AI permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real y de baja latencia, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI ya se ha aplicado en áreas clave como la conducción autónoma.
En el ámbito de Web3, DePIN (Red de Infraestructura Física Descentralizada) es similar al concepto de Edge AI. Web3 enfatiza la descentralización y la soberanía de los datos del usuario; DePIN mejora la protección de la privacidad del usuario al procesar datos localmente, reduciendo el riesgo de filtraciones de datos. El mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.
Actualmente, DePIN está desarrollándose rápidamente en el ecosistema de una cierta cadena de bloques pública, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta capacidad de procesamiento de transacciones, los bajos costos de transacción y la innovación tecnológica de esta cadena de bloques pública brindan un fuerte apoyo a los proyectos DePIN. Actualmente, la capitalización de mercado de los proyectos DePIN en esta cadena de bloques pública supera los 10 mil millones de dólares, y varios proyectos conocidos han logrado avances significativos.
IMO: Nueva paradigma de publicación de modelos de IA
El concepto de IMO (Emisión de Modelos Iniciales) fue propuesto por un protocolo, tokenizando modelos de IA.
En el modelo tradicional, los desarrolladores de modelos de IA tienen dificultades para obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios. Al mismo tiempo, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los inversores y usuarios potenciales evalúen su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.
IMO proporciona una nueva forma de financiamiento y compartición de valor para modelos de IA de código abierto. Los inversores pueden comprar tokens IMO y compartir los ingresos generados posteriormente por el modelo. Un protocolo utiliza estándares técnicos específicos, combinando oráculos de IA y tecnología de aprendizaje automático en cadena, para asegurar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir los ingresos.
El modo IMO mejora la transparencia y la confianza, fomenta la colaboración de código abierto, se adapta a las tendencias del mercado de criptomonedas y aporta impulso al desarrollo sostenible de la tecnología de IA. Actualmente, IMO se encuentra en una etapa de prueba inicial, pero a medida que aumenta la aceptación del mercado y se amplía el alcance de la participación, su innovación y valor potencial son dignos de expectativa.
Agente de IA: Una nueva era de experiencias interactivas
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden funcionar como asistentes virtuales, aprendiendo preferencias a través de la interacción con los usuarios y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de manera autónoma, mejorar la eficiencia y crear nuevo valor.
Una plataforma de aplicaciones nativas de IA ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones de robots, apariencia, voz y conectar bases de conocimiento externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto, empoderando a las personas a convertirse en creadores superstars utilizando tecnología de IA generativa. La plataforma ha entrenado un modelo de lenguaje especializado que hace que los juegos de rol sean más humanizados; la tecnología de clonación de voz puede acelerar la interacción personalizada de los productos de IA, reduciendo el costo de síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Con el agente de IA personalizado de esta plataforma, actualmente se puede aplicar en múltiples campos como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.
La fusión actual de Web3 y AI se centra más en la exploración a nivel de infraestructura, incluyendo cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia computacional descentralizada, y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que estas infraestructuras se perfeccionan gradualmente, la fusión de Web3 y AI tiene el potencial de dar lugar a una serie de modelos de negocio y servicios innovadores.