Коли Джен-Хсун Хуанг виступав на ВГС у Дубаї, він запропонував термін "суверенний ШІ." Так от, який суверенний ШІ може відповідати інтересам та вимогам криптоспільноти? Можливо, його потрібно будувати у формі Web3+ШІ. Віталік описав синергію між ШІ та крипто в статті "Обіцянки та виклики застосувань крипто + ШІ": децентралізація крипто може урівноважити централізацію ШІ; ШІ є непрозорим, а крипто приносить прозорість; ШІ потребує даних, а Блокчейн полегшує зберігання та відстеження даних. Ця синергія пронизує всю промислову ландшафту Web3+ШІ.

Більшість проектів Web3 + AI використовують технологію блокчейн для вирішення проблем будівництва інфраструктурних проектів у галузі штучного інтелекту, а деякі проекти використовують штучний інтелект для вирішення певних проблем у додатках Web3. Ландшафт галузі Web3 + AI може бути описаний приблизно так:

Виробництво та робочий процес штучного інтелекту приблизно наступні:

У цих посиланнях поєднання Web3 та штучного інтелекту головним чином виявляється в чотирьох аспектах:

1. Шар обчислювальної потужності: Токенізація обчислювальної потужності

За останні два роки потужність, використована для навчання великих моделей штучного інтелекту, зросла експоненційно, практично подвоюючись щокварталу, і зростає з такою швидкістю, яка далеко перевищує закон Мура. Ця ситуація призвела до довгострокового дисбалансу між пропозицією та попитом на обчислювальну потужність штучного інтелекту, і ціни на апаратне забезпечення, таке як ГПУ, стрімко зросли, що підвищило вартість обчислювальної потужності. Проте, в той ж час, на ринку також є велика кількість простою високоякісною обчислювальною потужністю апаратного забезпечення середнього та низького класу. Можливо, що одиночна обчислювальна потужність цієї частини апаратного забезпечення середнього та низького класу не може задовольняти вимоги високоякісної потреби.

Однак, якщо через Web3 буде побудована розподілена мережа обчислювальної потужності, а через найм і спільне використання обчислювальної потужності буде створена розподілена мережа обчислювальних ресурсів, вона все ще зможе задовольняти потреби багатьох застосувань штучного інтелекту. Оскільки вона використовує розподілену неробочу обчислювальну потужність, вартість обчислювальної потужності штучного інтелекту може бути значно знижена. Розподіл обчислювальної потужності включає:

• Загальна децентралізована обчислювальна потужність (така як Arkash, Io.net, тощо);
• Децентралізована обчислювальна потужність для навчання штучного інтелекту (така як Gensyn, Flock.io тощо);
• Децентралізована обчислювальна потужність для мислення ШІ (така як Fetch.ai, Гіперболічна тощо);
• Децентралізована обчислювальна потужність для 3D-рендерингу (така, як Render Network тощо).

Основною перевагою активізації обчислювальної потужності Web3+AI є децентралізовані обчислювальні проекти. В поєднанні з токенами-стимулами легко розширити масштаб мережі, а вартість її обчислювальних ресурсів низька і ефективна, що може задовольнити потреби деяких середніх та низькопродуктивних обчислювальних потужностей.

2. Шар даних: Капіталізація даних

Дані - це нафта і кров штучного інтелекту. Без використання Web3 доступ до великої кількості даних користувачів зазвичай мають лише великі корпорації, що ускладнює для менших стартапів отримання обширних даних. Крім того, вартість даних користувачів в галузі штучного інтелекту часто не повертається користувачам самим. За допомогою Web3 + AI процеси збору даних, анотації та розподіленого сховища можуть бути зроблені більш ефективними з точки зору вартості, прозорості та користі для користувачів. Збір високоякісних даних є передумовою для навчання моделей штучного інтелекту. За допомогою Web3 розподілену мережу можна використовувати разом з відповідними механізмами стимулювання токенів, щоб залучити даних за менші витрати, отримуючи високоякісні та широко поширені дані. Залежно від мети проекту, проекти, пов'язані з даними, в основному поділяються на наступні категорії:

• Проекти збору даних (такі як Grass, тощо);
• Проекти торгівлі даними (такі як Ocean Protocol тощо);
• Проекти анотування даних (такі як Taida, Alaya, тощо);
• Проекти джерел даних блокчейну (такі як Spice AI, Простір та час, тощо);
• Проекти децентралізованого зберігання (такі як Filecoin, Arweave та інші).

Проекти Web3+AI, засновані на даних, більш викликані у процесі проектування моделі токеноміки, оскільки дані складніше стандартизувати, ніж обчислювальна потужність.

3. Платформенний шар: Токенізація активів вартості платформи

Більшість платформних проєктів, як правило, порівнюють з Hugging Face, в основі яких лежить інтеграція різних ресурсів індустрії штучного інтелекту. Створення платформи, яка агрегує зв'язки між даними, обчислювальними потужностями, моделями, розробниками штучного інтелекту, блокчейном та іншими ресурсами та ролями, з платформою в центрі, полегшує більш зручне вирішення різних потреб. Наприклад, Giza зосереджується на створенні комплексної операційної платформи zkML, спрямованої на те, щоб зробити висновок про машинне навчання надійним і прозорим. Наразі непрозорість даних і моделей є широко поширеною проблемою в ШІ, і це лише питання часу, коли галузь вимагатиме перевірки висновків моделей через Web3 за допомогою криптографічних технологій, таких як ZK і PHE, щоб забезпечити правильне виконання. Існують також такі шари, як Focus AI, такі як Nuroblocks і Janction, які з'єднують різні обчислювальні потужності, дані, моделі, розробників ШІ та ресурси вузлів. Упаковуючи універсальні компоненти та SDK, вони допомагають Web3+ AI-додаткам досягати швидкого розвитку. Існують також типи платформ, такі як Agent Network, які можуть створювати агентів штучного інтелекту для різних сценаріїв застосування, таких як Olas і ChainML. Проєкти Web3 + AI на платформі в першу чергу фіксують цінність платформи за допомогою токенів, стимулюючи всіх учасників будівництва платформи. Цей підхід особливо корисний для стартапів, щоб вирости з 0 до 1, зменшуючи складність пошуку партнерів, таких як обчислювальні потужності, дані, спільноти розробників штучного інтелекту та вузли.

4. Рівень застосування: Токенізація активів вартості ШШІ

Попередні інфраструктурні проєкти здебільшого зосереджені на використанні технології блокчейн для вирішення питань будівництва інфраструктурних проєктів у галузі штучного інтелекту. З іншого боку, проєкти прикладного рівня в основному використовують штучний інтелект для вирішення проблем, що існують у програмах Web3. Наприклад, Віталік згадує у статті два напрямки, які я вважаю значущими. По-перше, штучний інтелект як учасник Web3. Наприклад, у Web3 Games ШІ може виступати в ролі гравця, швидко розуміючи правила гри та ефективно виконуючи ігрові завдання. У DEX штучний інтелект вже багато років займається арбітражною торгівлею. На ринках прогнозування агенти штучного інтелекту можуть аналізувати можливості прогнозування, широко приймаючи величезні обсяги даних, баз знань та інформації. Потім вони виробляються і пропонуються користувачам. Це допомагає користувачам робити прогнози щодо конкретних подій, таких як спортивні матчі чи президентські вибори, за допомогою висновків моделі. По-друге, створення масштабованого децентралізованого приватного ШІ. Багато користувачів стурбовані проблемою чорної скриньки та потенційними упередженнями в системах штучного інтелекту або побоюються, що певні dApps можуть використовувати технологію штучного інтелекту для обману користувачів для отримання прибутку. По суті, це пов'язано з тим, що користувачі не мають повноважень щодо нагляду та управління над процесами навчання моделей штучного інтелекту та висновків. Однак створення штучного інтелекту Web3, де спільнота розподілила права на управління штучним інтелектом, подібно до проєктів Web3, може бути більш прийнятним. На даний момент на прикладному рівні Web3 + AI не було жодного видатного проєкту, який важко перевершити.

Огляд

Web3 + AI все ще перебуває на початкових етапах, і галузь поділена стосовно перспектив розвитку цього напрямку. Ми продовжуватимемо звертати увагу на це питання. Ми сподіваємося, що поєднання Web3 та AI зможе створити продукти, які будуть ціннішими, ніж централізований AI, дозволяючи AI позбутися міток “великого контролю” та “монополії” і “спільне управління AI” більш спільнотною шляхом. Можливо, в процесі ближчої участі та управління люди стануть більше “здивовані” та менше “налякані” AI.

Заява:

1. Ця стаття з оригінальною назвою «Web3 + AI:社区主权的人工智能» відтворена з [IOBC Капітал]. Усі авторські права належать оригінальному автору [0xCousin]. Якщо у вас є будь-які зауваження стосовно репринту, будь ласка, зв'яжіться з Gate Learnкоманда, команда якнайшвидше впорається з цим.

2. Попередження: Погляди та думки, висловлені в цій статті, відображають лише особисті погляди автора і не становлять жодної інвестиційної поради.

3. Переклади статті на інші мови виконуються командою Gate Learn. Якщо не зазначено інше, копіювання, поширення або плагіатування перекладених статей заборонене.