У декількох словах; надто складно

Ми провели глибинний аналіз 67 проектів Крипто+ШІ, класифікувавши їх з погляду GenШІ. Наша класифікація охоплює:

1. GPU ДеПІН
2. Децентралізований обчислювальний (навчання + інференція)
3. Верифікація (ZKML + OPML)
4. Крипто LLM
5. Дані (загальні + специфічні для штучного інтелекту)
6. Додатки для створення штучного інтелекту
7. Додатки для штучного інтелекту для споживачів
8. Стандарти штучного інтелекту (токени + агенти)
9. Економіка штучного інтелекту

Чому ми це пишемо?

Крипто+ШІ головний наратив вже привернув багато уваги. Багато звітів про Крипто+ШІ виходять, але вони або охоплюють лише частину історії ШІ, або інтерпретують ШІ виключно з погляду Крипто.

Ця стаття розгляне тему з точки зору штучного інтелекту, досліджуючи, як Крипто підтримує ШІ та як ШІ може бути корисним для Крипто, щоб краще зрозуміти поточний ландшафт індустрії Крипто+ШІ.

Частина I: Декодування ландшафту GenAI

Давайте вивчимо весь ландшафт GenAI, починаючи з продуктів штучного інтелекту, які ми використовуємо щодня. Ці продукти, як правило, складаються з двох основних компонентів: LLM та UI. Щодо великої моделі, тут є два ключові процеси: створення моделі та використання моделі, відомі як Навчання та Висновок. Що стосується UI, вона набуває різних форм, включаючи конверсаційні, подібні до GPT, візуальні, подібні до LumaAI, та багато інших, які інтегрують API висновків у існуючі інтерфейси продуктів.

Обчислити

Докладніше, обчислення є фундаментальним як для навчання, так і для висновків, і вони сильно покладаються на підтримуюче обчислення на GPU. Хоча фізичне з'єднання GPU може відрізнятися між навчанням та висновками, GPU виступають як фундаментальний компонент інфраструктури для продуктів з штучного інтелекту. Понад цим ми маємо оркестрацію кластерів GPU, відомих як Хмари. Ці можуть бути розділені на Традиційні Універсальні Хмари таВертикальні Хмари[1], з у вертикальними хмарами більш спрямованими на штучний інтелект та оптимізованими для сценаріїв обчислень штучного інтелекту.

Зберігання

Щодо зберігання, зберігання даних штучного інтелекту можна розділити на традиційні рішення зберігання, такі як AWS S3 та Azure Blob Storage, і конкретні рішення зберігання, оптимізовані для наборів даних штучного інтелекту. Ці спеціалізовані рішення зберігання, такі як Filestore від Google Cloud, призначені для підвищення швидкості доступу до даних в конкретних сценаріях.

Тренування

Продовжуючи з інфраструктурою штучного інтелекту, важливо розрізняти між Навчанням та Інференцією, оскільки вони суттєво відрізняються. І поза загальним обчисленням, обидва включають в себе численні специфічні для штучного інтелекту бізнес-логіки.

Для навчання інфраструктуру, як правило, можна розділити на[2]:

1. Платформи: це спеціально розроблені для навчання та допомоги розробникам ШШЕ у ефективному навчанні великих мовних моделей, з доданими рішеннями для прискорення програмного забезпечення, такими як MosaicML.
2. Постачальники базових моделей: Ця категорія включає платформи, такі як Hugging Face, які пропонують базові моделі, які користувачі можуть додатково навчати або покращувати.
3. Фреймворки: Нарешті, існують різні базові навчальні фреймворки, побудовані з нуля, такі як PyTorch та TensorFlow.

Висновок

Для висновку, ландшафт можна загалом поділити на:

1. Оптимізатори: вони спеціалізуються на проведенні ряду оптимізацій, специфічно для інференції та конкретних випадків використання, таких як підтримка паралельної обробки або алгоритмічні покращення для генерації медіа. Приклад включає fal.ai, яка оптимізувала інференцію для процесів перетворення тексту на зображення, покращуючи швидкість дифузії на 50% порівняно з загальними підходами.
2. Платформи розгортання: вони надають загальні хмарні послуги інференції моделей, такі як Amazon SageMaker, сприяючи розгортанню та масштабуванню моделей штучного інтелекту в різних середовищах.

Додаток

Хоча існує безліч застосувань штучного інтелекту, їх можна в цілому класифікувати за групами користувачів на два основних типи: творець і споживач[3].

1. AI Consumer: Починаючи з AI-споживачів, ця група в основному використовує продукти штучного інтелекту і готова платити за цінність, яку приносять ці продукти. Типовим прикладом цієї категорії є ChatGPT.
2. AI Creator: З іншого боку, заявки на створення штучного інтелекту більше стосуються запрошення штучних інтелектів на свої платформи для створення агентів, обміну знаннями, а потім ділитися з ними прибутками, причому майданчик GPT є одним з найвідоміших прикладів.

Ці дві категорії охоплюють майже всі застосування штучного інтелекту. Хоча існують більш детальні класифікації, ця стаття буде акцентувати увагу на цих більших категоріях.

Частина II: Як Крипто допомагає штучному інтелекту

Перед відповіддю на це питання давайте узагальнимо основні переваги Крипто, якими може скористатися штучний інтелект: Монетизація, Включеність, Прозорість, Володіння даними, Зменшення витрат і багато іншого.

Короткий огляд перетину крипто + штучного інтелекту з блогу vitalik.eth

Ціключові синергії[4] в основному допомагають поточному ландшафту:

1. Монетизація: Завдяки унікальним механізмам Крипто, таким як токенізація, монетизація та стимулювання, можна вносити революційні інновації в додатки для створення штучного інтелекту, забезпечуючи відкриту та справедливу економіку ШІ.
2. Інклюзивність: Крипто дозволяє брати участь без необхідності отримання дозволу, порушуючи різні обмеження, накладені закритими, централізованими компаніями зі штучним інтелектом, які сьогодні домінують на ринку. Це дозволяє штучному інтелекту досягти справжньої відкритості та свободи.
3. Прозорість: Крипто може зробити штучний інтелект повністю відкритим, використовуючи технології ZKML/OPML для поміщення всього процесу навчання та висновків LLMs на ланцюг, забезпечуючи відкритість та можливість використання штучного інтелекту.
4. Власність над даними: Шляхом увімкнення транзакцій на ланцюжку для встановлення власності над даними для облікових записів (користувачів), що дозволяє користувачам справжньо володіти своїми даними AI. Це особливо корисно на рівні додатків, допомагаючи користувачам ефективно захищати свої права на дані AI.
5. Зменшення вартості: Заохочуючи токенами, майбутня вартість обчислювальної потужності може бути обмінена на готівку, що значно зменшує поточну вартість графічних процесорів. Цей підхід значно зменшує вартість штучного інтелекту на рівні обчислень.

Частина III: Дослідження крипто+ШІ пейзажу

Застосування переваг Крипто до різних категорій у ландшафті штучного інтелекту створює нову перспективу ландшафту штучного інтелекту через призму Крипто.

Шар LLM

1. GPU DePIN

Ми продовжуємо скласти стратегію AI+Крипто на основі AI Landscape. Починаючи з LLMs і починаючи з фундаментального рівня з GPU, довгостроковий наратив у Крипто був зниження витрат.

За допомогою стимулювання блокчейну ми можемо значно знизити витрати, нагороджуючи постачальників GPU. Ця наративна історія відома як GPU DePIN. Хоча GPU використовуються не лише в ШІ, але й в іграх, AR та інших сценаріях, напрямок GPU DePIN, як правило, охоплює ці області.

Ті, хто зосереджені на шляху штучного інтелекту, включають AethirіAioz мережа, тоді як ті, що присвячені візуальному відтворенню, включають io.net, мережа рендеру, та інші.

2. Децентралізоване обчислення

Децентралізоване обчислення - це наратив, який існував з моменту започаткування блокчейну і значно розвивався з часом. Однак через складність обчислювальних завдань (порівняно з децентралізованим зберіганням), часто потрібно обмежувати сценарії обчислення.

Штучний інтелект, як найновіший сценарій обчислень, природно породив ряд децентралізованих обчислювальних проектів. Порівняно з GPU DePIN, ці децентралізовані обчислювальні платформи не лише пропонують зниження витрат, але й відповідають більш конкретним обчислювальним сценаріям: навчання та інференція. Вони оркеструються по всій мережі для значного підвищення масштабованості.

Масштаб та ефективність вартості за допомогою gensyn.ai

Наприклад, платформи, спрямовані на навчання, включають AI Арена, Gensyn, DIN, та Flock.io; ті, хто зосереджені на Виведенні, включають Отже, Обряд, та Justu.ai; ті, що вирішують обидва аспекти, включають Bittensor, 0G, Свідомий, Akash, Phala, Ankr та Оаза.

3. Перевірка

Верифікація - це унікальна категорія в межах Крипто+ШІ, головним чином тому, що вона забезпечує можливість підтвердження всього обчислювального процесу ШІ, незалежно від Тренування чи Інференції, на ланцюжку.

Це важливо для забезпечення повної децентралізації та прозорості процесів. Крім того, технології, такі як ZKML, також забезпечують конфіденційність та безпеку даних, дозволяючи користувачам повністю володіти своїми особистими даними на 100%.

В залежності від алгоритму та процесу верифікації це може бути розділено на ZKML та OPML. ZKML використовує технологію нульового доказу (ZK) для перетворення навчання/висновків штучного інтелекту в ZK схеми, що робить процес перевірки на ланцюжку, як це бачимо на платформах, наприклад,EZKL, Modulus Labs, Лаконічний та ҐізаЗ іншого боку, OPML використовує оффчейн-оракули для надання доказів блокчейну, як продемонстровано Ора та Спектральний.

4. Крипто базова модель

На відміну від загальних LLM, таких як ChatGPT або Claude, Crypto Base Models перетреновані з великим обсягом криптоданих, наділяючи ці базові моделі спеціалізованою базою знань в галузі криптовалют.

Ці базові моделі можуть надавати потужні можливості штучного інтелекту для крипто-орієнтованих додатків, таких як DeFi, NFT та GamingFi. Наразі до прикладів таких базових моделей входять Став та Chainbase.

5. Дані

Дані - критичний компонент у сфері штучного інтелекту. Під час навчання штучного інтелекту набори даних відіграють вирішальну роль, а під час висновків великі обсяги спонукань та бази знань від користувачів також вимагають значного обсягу сховищ.

Децентралізація зберігання даних не тільки значно зменшує витрати на зберігання, але, що є ще важливіше, забезпечує відстежуваність та власність прав на дані.

Традиційні децентралізовані рішення зберігання, такі як Filecoin, Arweave, та Storjможе зберігати великі обсяги даних штучного інтелекту за дуже низькими витратами.

Тим часом, новіші рішення зберігання даних, специфічні для штучного інтелекту, оптимізовані для унікальних характеристик даних ШІ. Наприклад,Простір і Час та OpenDB оптимізувати попередню обробку даних і запити, в той час як Маса, Трава, Nuklai, та Протокол KIPзосередьтеся на монетизації даних штучного інтелекту.Мережа Бейгелзосереджується на конфіденційності даних користувачів.

Ці рішення використовують унікальні переваги Крипто для інновацій в галузі управління даними в галузі штучного інтелекту, які раніше отримували менше уваги.

Рівень застосування

1. Творец

На рівні застосування Crypto+AI особливу увагу заслуговують додатки для створення. Оскільки у криптовалюти inherent здатність до монетизації, стимулювання творців штучного інтелекту відбувається природно.

Для творців штучного інтелекту фокус розподіляється між користувачами з низьким або нульовим кодом і розробниками. Користувачі з низьким кодом або без нього, такі як творці ботів, використовують ці платформи для створення ботів і монетизації їх за допомогою токенів/NFT. Вони можуть швидко збирати кошти через ICO або NFT Mint, а потім винагороджувати довгострокових власників токенів через спільну власність, наприклад, розподіл доходів. Це повністю відкриває їхні продукти штучного інтелекту через спільну власність спільноти, таким чином завершуючи Життєвий цикл штучного інтелекту[6].

Крім того, як платформи для створення Crypto AI, вони вирішують проблеми фінансування на ранніх та середніх стадіях та довгострокового забезпечення прибутку для творців AI. Це досягається завдяки унікальній перевазі токенізації, властивої Crypto, та наданню послуг за частку відтарифитиповий для Web2—демонструючи переваги нульових операційних витрат, які принесла децентралізація Крипто[7].

У цьому секторі платформи, такі як MagnetAI, Olas, Майшел, Fetch.ai, Віртуальний протокол, та Спектральнийнадають можливість користувачам з низьким/відсутнім рівнем кодування шляхом надання платформ для створення агентів. Для розробників моделей ШІ,MagnetAI та Oraпропонують моделі розробників платформ. Крім того, для інших категорій, таких як створювачі AI+Social, є платформи, такі як Протокол історії та СтворювачСтавкащо спеціально відповідає їх потребам, в той час як SaharaAIзосереджується на монетизації баз знань.

2. Консумент

Під споживачем мається на увазі використання штучного інтелекту для безпосереднього обслуговування користувачів криптовалют. В даний час проектів в цьому напрямку менше, але ті, що існують, незамінні і унікальні, такі як Worldcoin та ChainGPT.

3. Стандарт

Стандарти - це виразний напрямок у Крипто , що характеризується розвитком незалежних блокчейнів, протоколів або вдосконалень для створення AI додаткових блокчейнів, або для підтримки існуючих інфраструктур, таких як Ethereum, для підтримки AI додатків.

Ці стандарти дозволяють AI додаткам втілювати Крипто переваги, такі як прозорість та децентралізація, надаючи фундаментальну підтримку як для продуктів творця, так і для споживача.

Приклади включаютьOra, яке розширює ERC-20, щоб запропонувати розподіл прибутку, та 7007.ai, який розширює ERC-721 для токенізації активів логічного висновку моделі. Крім того, такі платформи, як Talus, Теорія, Алефея, та Морфеусстворюють ланцюжкові ВМ для створення середовищ виконання для AI Агентів, тим часом Свідомийпропонує комплексні стандарти для AI dApps.

4. Економіка ШІ

Економіка штучного інтелекту - значна інновація в галузі Крипто+ШІ, яка підкреслює використання токенізації, монетизації та інцентивізації Крипто для демократизації ШІ.

Цикл життя економіки штучного інтелекту від MagnetAI

Він висвітлює економіку спільного використання штучного інтелекту, спільну співвласність у спільноті та спільне володіння правами власності. Ці інновації значно сприяють подальшому процвітанню та розвитку штучного інтелекту.

Серед них,Theoriq та Fetch.aiзосереджуйтеся на монетизації агента; Оласнаголошує на токенізації;Мережа Mindпропонує вигоди повторного ставлення; та MagnetAIінтегрує токенізацію, монетизацію та мотивацію в єдину згуртовану платформу.

Остання частина: Висновок

Штучний інтелект та Крипто є природніми партнерами. Крипто допомагає зробити штучний інтелект більш відкритим, прозорим та незамінним у підтримці його подальшого процвітання.

Штучний інтелект, з свого боку, розширює межі Крипто, привертаючи більше користувачів та уваги. Як універсальна наратив для всього людства, штучний інтелект також вводить масштабний наратив про прийняття у світі Крипто, який є безпрецедентним.

Disclaimer：

1. Ця стаття була перепечатана з [ MagnetAI]. Усі авторські права належать оригінальному автору [MagnetAI]. Якщо є зауваження до цього перевидання, будь ласка, зв'яжіться з Gate Learnкоманда, і вони невідкладно з цим впораються.
2. Відповідальність за відмову: Погляди та думки, висловлені в цій статті, є виключно тими, що належать авторові, і не становлять жодної інвестиційної поради.
3. Переклад статті на інші мови виконується командою Gate Learn. Якщо не зазначено, копіювання, поширення або плагіатування перекладених статей заборонено.