Chatgpt Jubiläumsreflexion: AIGC -Engpässe und Web3 -Möglichkeiten

Autor: Gryphsis Academy Quelle: Mittelübersetzung: Shan Oppa, Bitchain Vision

Zusammenfassung:

1. Bis Ende 2022 werden kommerzielle Anwendungen der generativen KI die Welt fegen, aber wenn die Frische verblasst, treten einige aktuelle Probleme mit der generativen KI auf.Das zunehmend reife Web3 -Feld nutzt die Transparenz, Überprüfbarkeit und dezentrale Natur der Blockchain, um eine neue Perspektive zu bieten, um diese generativen KI -Probleme anzugehen.

2. Generative künstliche Intelligenz ist in den letzten Jahren eine aufstrebende Technologie, die auf dem Framework für das Deep Learning Neural Network basiert.Die Anwendung in Bildgenerierungsmodellen und ChatGPT -Sprachmodellen hat ein großes kommerzielles Potenzial gezeigt.

3. In Web3 enthält die Architektur, die generative KI implementiert, Infrastruktur, Modelle, Anwendungen und Daten.Datenkomponenten, insbesondere bei der Integration in Web3, sind kritisch und haben ein großes Wachstumspotenzial.Es ist erwähnenswert, dass Blockchain-basierte Datenmodelle, Projekte für künstliche Intelligenzagentur und Anwendung in professionellen Bereichen zu Schlüsselbereichen für die zukünftige Entwicklung werden können.

4. Das Web3 -AI -Protokoll auf dem Markt verfügt derzeit über Unzulänglichkeiten in der Grundlagen und hat eine begrenzte Fähigkeit, Token -Wert zu erwerben.Wir freuen uns auf neue Trends in der Token -Wirtschaft in der Zukunft.

5. Generative AI hat ein großes Potenzial im Web3 -Bereich, und die Integration in andere Software- und Hardware -Technologien wird voraussichtlich zu aufregenden zukünftigen Entwicklungen führen.

1. Warum brauchen generative KI und Web3 einander?

2022 ist die Wasserscheide für generative künstliche Intelligenz, da vorher war generative künstliche Intelligenz hauptsächlich ein Hilfsinstrument für Fachkräfte.Dies hat sich dramatisch mit dem Aufkommen von Dall-E 2, stabiler Diffusion, Imagin und Midjourney verändert.Diese Technologien haben künstliche Intelligenz generierte Inhalte (AIGC) in den Vordergrund der technologischen Trends gebracht und einen beliebten Inhaltsboom in den sozialen Medien auslösen.Der Chatgpt veröffentlichen bald darauf das Spiel und schob den Trend auf seinen Höhepunkt.

Als erstes KI -Tool, der fast jede Frage mit nur einer einfachen Textaufforderung beantwortet, wurde Chatgpt schnell zu einem täglichen Arbeitsassistenten für viele Menschen.Es kann verschiedene Aufgaben wie das Schreiben von Dokumenten, die Nachhilfe von Hausaufgaben, die E -Mail -Unterstützung, die Bearbeitung von Papier und sogar die emotionale Beratung erledigen, was eine erhitzte Diskussion online über die Optimierungsergebnisse durch „magische Eingabeaufforderungen“ ausgelöst hat, sodass die Menschen die „Intelligenz“ von „Intelligenz“ wirklich spüren können künstliche Intelligenz.

Generative KI könnte das Wachstum der US -amerikanischen Arbeitsproduktivität steigern und in einem Jahrzehnt um 7% um 7% um 7% gesteuert und das Produktivitätswachstum um 1,5 Prozentpunkte steigern.

Das Web3 -Feld war auch der positiven Einfluss von AIGC (künstliche Intelligenz generierte Inhalte).Im Januar 2023 stieg der KI -Sektor von Web3 auf ganzer Linie auf.

Als die anfängliche Aufregung zu verblassen begann, verzeichnete der globale Verkehr von ChatGPT seinen ersten Rückgang seit dem Start im Juni 2023 (Daten von Sametimeweb).Diese Rezession ist eine zeitnahe Gelegenheit, die Bedeutung und die Grenzen der Erzeugung künstlicher Intelligenz zu überdenken.

Die aktuellen Herausforderungen für die generative künstliche Intelligenz sind, aber nicht beschränkt auf die vorherrschenden und nicht autorisierten und nicht genehmigten AIGC -Überschwemmungsdarsteller der Social -Media -Plattformen; -Skale Modelle wie ChatGPT haben aufgrund des Ungleichgewichts in der Datenverteilung noch Verzerrungen in einigen Aspekten.

Da die anfängliche Begeisterung für generative KI wie Chatgpt verblasst, bietet die reife und sich entwickelnde Web3 -Domäne mit seiner Dezentralisierung, Transparenz und Überprüfbarkeit neue Lösungen für die Herausforderungen, denen sich die generative KI gegenübersieht:

1. Web3 Transparenz und Rückverfolgbarkeit können Urheberrechts- und Datenschutzprobleme im Zusammenhang mit AI-generierten Inhalten lösen

Die Transparenz und Rückverfolgbarkeit von Web3 können die Quelle und Authentizität von Inhalten effektiv überprüfen und damit die Kosten für die Herstellung von betrügerischen oder verletzenden Inhalten von AI-generierten erheblich erhöhen, wie z.Intelligente Verträge im Content Management können Urheberrechtsfragen lösen und sicherstellen, dass die Ersteller ziemlich kompensiert werden.

2. Die Dezentralisierung von Web3 verringert das Risiko eines zentralisierten AI -Computing

Die Entwicklung generativer künstlicher Intelligenz erfordert viele Rechenressourcen.Beispielsweise kostet die Schulung eines GPT-3-basierten ChatGPT mehr als 2 Millionen US-Dollar mit einer täglichen Stromrechnung von rund 47.000 US-Dollar, und diese Kosten werden voraussichtlich exponentiell als technologisch und skalter Fortschritt wachsen.

Gegenwärtig konzentrieren sich große Mengen an Rechenressourcen in den Händen großer Unternehmen, was zu hohen Entwicklung, Wartungs- und Betriebskosten, zentralisierten Risiken führt, und es ist für kleine Unternehmen schwierig, Wettbewerbe zu konkurrieren.Obwohl die Ausbildung großer Modelle aufgrund ihrer umfangreichen Rechenbedürfnisse möglicherweise noch zentralisiert werden muss, kann die Blockchain -Technologie von Web3 verteilte Modellinferenz, Community -Voting -Governance und Modelltkenisierung ermöglichen.

Wenn wir als Beispiel einen dezentralen Austausch nehmen, können wir uns ein Community-gesteuerter dezentraler künstlicher Inferenzsystem für Inferenzsysteme vorstellen, in dem die Community große Modelle besitzt und verwaltet.

3. Verwenden Sie Web3, um verschiedene KI -Datensätze und interpretierbare KI -Modelle zu erreichen

Traditionelle Methoden zur Datenerfassung werden häufig durch Geographie und Kultur eingeschränkt, was zu subjektiven Verzerrungen in den Inhalten führt, die durch KI- und ChatGPT -Antworten erzeugt werden, z. B. die Hautfarbe der Zielaufgabe.Das Token -Incentive -Modell von Web3 optimiert die Datenerfassung, Sammlung und Gewichtung von Daten aus der ganzen Welt.Darüber hinaus verbessern die Transparenz und Rückverfolgbarkeit von Web3 die Interpretierbarkeit des Modells und fördern die diversifizierte Ausgabe, um das Modell zu bereichern.

4. Einzigartiges KI -Modell der massiven Daten in der Web3 -Kette

Das Design und Training von KI -Modellen sind normalerweise um das Zieldatenformat (Text, Sprache, Bild oder Video) basieren.Eine einzigartige zukünftige Richtung für die Konvergenz von KI und Web3 besteht darin, großflächige Modelle für On-Chain-Daten zu entwickeln, ähnlich wie Modelle für natürliche Sprache.

Dieser Ansatz kann einzigartige Erkenntnisse liefern, die in herkömmlichen Datenanalysen nicht verfügbar sind (z. B. intelligente Fondsverfolgung, Projektfinanzierungsfluss), und KI kann große Datenmengen gleichzeitig verarbeiten.

5. Generative KI fungiert als Katalysator, um die Hindernisse für den Eintritt von Web3 zu verringern

Derzeit erfordert die Teilnahme von Mainstream an Web3-Projekten ein detailliertes Verständnis komplexer Onkettenkonzepte und Brieftaschenoperationen, wodurch die Lernkosten und Fehlerrisiken erhöht werden.Im Gegensatz dazu sind Web2 -Anwendungen im Rahmen des „faulen Prinzips“ entwickelt und ermöglichen es den Benutzern, sich einfach und sicher zu starten.

Generative KI kann die Benutzererfahrung erheblich verbessern, indem er als „intelligenter Assistent“ zwischen Benutzern und Protokollen in Web3 fungiert, um bei intentorientierten Projekten zu unterstützen.

2. Zusammenfassung der generativen KI -Technologie

2.1 Technischer Hintergrund für generative künstliche Intelligenz

Seit dem Konzept der künstlichen Intelligenz in den 1950er Jahren vorgeschlagen wurde, hat es mehrere Gipfel und Trogs erlebt, und jede entscheidende technologische Innovation hat eine neue Welle ausgelöst.

Generative AI, ein im letzten Jahrzehnt vorgeschlagenes aufstrebendes Konzept, zeichnet sich für seine beeindruckende Technologie und Produktleistung unter verschiedenen KI -Forschungsrichtungen aus und zieht die globale Aufmerksamkeit über Nacht auf sich.Bevor Sie sich mit der technischen Architektur generativer künstlicher Intelligenz befassen, ist es notwendig, die Bedeutung generativer künstlicher Intelligenz in diesem Artikel zu definieren und kurz die Kerntechnologien der kürzlich beliebten generativen künstlichen Intelligenz zu überprüfen.

Generative AI ist eine KI, die verwendet wird, um neue Inhalte und Ideen zu erstellen, einschließlich Gesprächen, Geschichten, Bildern, Videos und Musik.Es basiert auf dem Deep Learning Neural Network Framework und Zügen mit großen Datensätzen, die eine große Anzahl von Parametern enthalten.

Generative KI-Produkte, die kürzlich in die Vision der Öffentlichkeit eingegeben wurden, können grob in zwei Kategorien unterteilt werden: Eine Bildungsprodukte für Bild (Video), die auf Text- oder Stileingabe basieren, und das andere sind Chatgpt-ähnliche Produkte basierend auf Texteingaben.Beide Kategorien beruhen auf derselben Kerntechnologie: Vorausgebildete Großsprachenmodelle (LLM) basierend auf der Transformatorarchitektur.

Die erstere Klasse kombiniert Texteingaben mit Diffusionsmodellen, um hochwertige Bilder oder Videos zu erzeugen, während die letztere menschliche Rückkopplungsverstärkungslernen (RLHF) verwendet, um Ausgänge zu erzeugen, die der menschlichen Logik sehr ähnlich sind.

2.2 Aktuelle technische Architektur der generativen KI:

Es gibt viele hervorragende Artikel, die die Auswirkungen generativer künstlicher Intelligenz auf bestehende Technologiearchitekturen aus verschiedenen Perspektiven erörtern.Beispielsweise fasst ein umfassender Artikel von A16Z mit dem Titel „Who eine generative AI -Plattform“ die aktuelle technische Architektur der generativen KI umfassend zusammen.

Nach dieser Untersuchung ist die generative KI -Architektur in der aktuellen Web2 -Ära in drei Ebenen unterteilt: Infrastruktur (Rechenleistung), Modelle und Anwendungen.Der Artikel enthält auch Einblicke in die aktuellen Entwicklungen auf diesen drei Ebenen.

Infrastruktur: Derzeit liegt der Fokus hauptsächlich hauptsächlich auf der Logik der Web2 -Infrastruktur, und es gibt nur wenige Projekte, die wirklich Web3 und KI integrieren.Die Infrastruktur hat in diesem Stadium den größten Wert erreicht.Der Web2 -Riese, der seit Jahrzehnten intelligent am Bereich Speicher- und Computergebiet involviert ist, hat in der Erkundungsstufe der künstlichen Intelligenz enorme Gewinne erzielt.

Modell: Idealerweise sollte das Modell der wahre Schöpfer und Eigentümer der künstlichen Intelligenz sein.Nur wenige Geschäftsmodelle ermöglichen es den Autoren dieser Modelle jedoch, den entsprechenden Geschäftswert zu erfassen.

Anwendungen: Anwendungen, die in mehreren Vertikalen entwickelt wurden, haben über Hunderte von Millionen Dollar Einnahmen generiert.Hohe Wartungskosten und niedrige Benutzerbindung stellen jedoch Herausforderungen für die Aufrechterhaltung dieser Anwendungen als praktikable langfristige Geschäftsmodell dar.

2.3 Anwendung generativer künstlicher Intelligenz in Web3

2.3.1 Verwenden von AI, um massive Web3 -Daten zu analysieren

Daten sind der Eckpfeiler, technische Hindernisse für die zukünftige Entwicklung künstlicher Intelligenz aufzubauen.Um ihre Bedeutung zu verstehen, betrachten wir zunächst die Forschung zur Ausführung großer künstlicher Intelligenzmodelle.

Diese Studie zeigt die einzigartige Entstehung großer KI -Modelle: Wenn die Modellgröße einen bestimmten Schwellenwert überschreitet, steigt die Modellgenauigkeit plötzlich an.Wie in der Abbildung gezeigt, repräsentiert jedes Diagramm eine Trainingsaufgabe und jede Zeile repräsentiert die Leistung (Genauigkeit) eines großen Modells.

Die Experimente zu verschiedenen großen Modellen kamen konsequent zu dem Schluss, dass nach einer bestimmten Schwelle überschritten wird, dass die Modellleistung ein breites Wachstum bei verschiedenen Aufgaben verzeichnet.

Im Wesentlichen führt die quantitative Veränderung der Modellgröße zu einer qualitativen Änderung der Modellleistung.Diese Größe bezieht sich auf die Anzahl der Modellparameter, die Schulungsdauer und die Qualität der Trainingsdaten.Derzeit gibt es zwei Hauptmethoden, um führende Produkte zu entwickeln, wenn es keinen signifikanten Unterschied in den Modellparametern (von Top -Forschungsteams jedes Unternehmens entwickelt hat) und der Schulungsdauer (die meisten Computerhardware wird von NVIDIA gekauft).

Die erste besteht darin, bestimmte Schmerzpunkte im Nischenbereich zu identifizieren und anzugehen, was ein tiefes Verständnis und einen Einblick in den Zielbereich erfordert.Zweitens besteht ein praktischerer Ansatz darin, umfassendere Daten als Wettbewerber zu sammeln.

Dies eröffnet einen hervorragenden Einstiegspunkt für generative KI -große Modelle, um in das Web3 -Bereich einzutreten.Bestehende KI-große Modelle oder Basismodelle werden auf massiven Daten aus verschiedenen Bereichen geschult, und die Einzigartigkeit von On-Chain-Daten in Web3 macht On-Chain-Daten aufregende und praktikable Weise.

In Web3 gibt es derzeit zwei Produktlogiken auf der Datenebene: Erstes besteht darin, Datenanbieter zu motivieren, Benutzer zu ermutigen, Datennutzungsrechte auszutauschen und Datenschutz und Eigentum zu schützen.Das Ozeanprotokoll bietet diesbezüglich ein effektives Datenaustauschmodell.Der zweite Ansatz umfasst Projekte, die Daten und Anwendungen integrieren, um den Benutzern aufgabenspezifische Dienste zu bieten.Zum Beispiel sammelt und analysiert Trustea Lab die On-Chain-Daten der Benutzer und bietet Dienste wie Hexenkontoanalyse, Analyse des Vermögens von Onkain Asset usw. über sein einzigartiges Medienbewertungssystem.

2.3.2 Anwendung des AI -Agenten in Web3

Wie bereits erwähnt, boomt die Anwendung von On-Chain-Agenten für künstliche Intelligenz.Mit großen Sprachmodellen und der Priorisierung der Benutzer des Benutzers bieten sie quantifizierbare On-Chain-Dienste an.Laut einem Blogbeitrag von Lilian Weng, dem Chefforscher des Chefforschers für künstliche Intelligenz bei OpenAI können AI -Agenten in vier Teile unterteilt werden: Agent = LLM (Großsprachmodell) + Planung + Speicher + Werkzeugverbrauch.

Als Kern des AI -Agenten lernt LLM externe Interaktionen ab, lernt aus großen Datenmengen und drückt es logisch in der natürlichen Sprache aus.Planung + Gedächtnisaspekt ähnelt den Konzepten von Handlungen, Strategien und Belohnungen in der Verstärkungslernentechniken, die zum Ausbilden von Alphago verwendet werden.

Dazu gehört es, Aufgaben in kleinere Ziele zu zerlegen und die optimale Lösung durch wiederholtes Training und Feedback zu lernen und Informationen in verschiedenen Speichertypen basierend auf Funktionen zu speichern.Die Nutzung von Tools bezieht sich auf die Fähigkeit eines Agenten, modulare Tools, Abrufen von Internetinformationen, Zugriff auf Tools wie proprietäre Informationsquellen oder APIs zu nutzen.Es ist erwähnenswert, dass die meisten dieser Informationen nach der Vorausbildung schwer zu ändern sind.

Angesichts dieser Logik des AI -Agenten können wir uns die unendlichen Möglichkeiten vorstellen, Web3- und AI -Agenten zu kombinieren.Zum Beispiel:

1. In aktuellen Handelsanwendungen kann das integrierte KI-Agentenmodell den Kunden eine natürliche Sprachschnittstelle zur Verfügung stellen und eine Vielzahl von Handelsfunktionen bieten, einschließlich Preisvorhersage, Handelsstrategie, Stop-Loss-Strategie, dynamischer Hebelanpassung, intelligenter Meinungsversorgungsführer, Kreditaufnahme und anderer Handelsfunktionen.

2. Bei der Ausführung einer quantitativen Strategie kann die Strategie weiter in Unteraufgaben unterteilt und verschiedenen KI -Agenten zur Ausführung zugeordnet werden.Kollaborative KI-Agenten können den Schutz des Datenschutzes verbessern und eine Echtzeitüberwachung ermöglichen, um zu verhindern, dass die Gegner ausgenutzt werden.

3. Viele NPCs in Blockchain-basierten Spielen übereinstimmen natürlich mit KI-Agenten.Es gibt bereits Projekte, die GPT anwenden, um Gespräche mit Spielcharakter dynamisch zu generieren.Zukünftige Entwicklungen können über voreingestellten Text hinausgehen, realistischere Echtzeit-NPC-Interaktionen (oder sogar digitale menschliche) Echtzeit-Interaktionen erzeugen und unabhängig von der Spielerintervention arbeiten.Stanfords „Virtual Town“ ist ein gutes Beispiel für solche Anwendungen.

4. Obwohl die aktuellen Web3+ AI-Agentenprojekte hauptsächlich auf den Primärmarkt oder die KI-Infrastruktur konzentriert sind und bisher keine Killer-Verbraucheranwendungen aufgetreten sind, ist das Potenzial eines bahnbrechenden Web3+ -A-AI-Projekts enorm.Diese Projekte haben in Zukunft umfassende Aussichten durch verschiedene Blockchain-Merkmale, wie z. B. verteilte Onkain-Governance, Null-Kenntnis-Beweis, Modellverteilung und verbesserte Interpretierbarkeit.

2.3.3 potenzielle vertikale Anwendungen von Web3+AI

A. Bewerbungen im Bildungsbereich

Die Konvergenz von Web3 und künstlicher Intelligenz kündigt eine Revolution im Bildungsbereich an, in dem die generativen Klassenzimmer der virtuellen Realität eine bemerkenswerte Innovation sind.Einbetten Sie künstliche Intelligenz -Technologie in die Online -Lernplattform ein, und die Schüler können eine personalisierte Lernerfahrung sammeln.Das System generiert maßgeschneiderte Bildungsinhalte, die auf der Lerngeschichte und Interessen jedes Schülers basieren.Es wird erwartet, dass dieser personalisierte Ansatz die Lernmotivation und -effizienz der Schüler verbessert und die Bildung personalisierter macht.

Darüber hinaus repräsentieren Token-basierte Kreditanreize innovative Praktiken im Bildungsbereich.Mithilfe der Blockchain -Technologie können die Credits und Noten der Schüler in Token codiert werden, um ein digitales Kreditsystem zu bilden.Dieser Anreizmechanismus fördert die aktive Teilnahme an Lernaktivitäten und schafft eine attraktivere und motivierendere Lernumgebung.

Inspiriert von FriendTech, einem aktuellen populären SocialFi -Projekt, kann eine ähnliche wichtige Preislogik angewendet werden, um Peer -Review -Systeme unter den Studenten zu etablieren, um die Bildung mehr soziale Elemente hinzuzufügen.Peer Reviews sind fairer und transparenter geworden.Dieser Peer Review-Mechanismus ist nicht nur für die Kultivierung der Teamarbeit der Schüler förderlich, sondern bietet auch eine umfassendere und mehrdimensionale Bewertung der Leistung der Schüler und führt diversifizierte und ganzheitliche Bewertungsmethoden in das Bildungssystem ein.

B. Anwendung im medizinischen Bereich

Im medizinischen Bereich hat die Integration von Web3 und KI das Föderierten und verteilte Argumentation gefördert.Durch die Kombination von verteiltem Computing mit maschinellem Lernen können Mediziner Daten in großem Maßstab teilen und ein tieferes und umfassenderes Gruppenlernen ermöglichen.Dieser kollektive intelligente Ansatz kann die Entwicklung von Krankheitsdiagnose- und Behandlungsplänen beschleunigen und die Fortschritte im Bereich der Medizin fördern.

Der Schutz des Datenschutzes ist auch ein wichtiger Aspekt der Anwendung im medizinischen Bereich.Mit der Dezentralisierung von Web3 und der Unveränderlichkeit von Blockchain können Patientenmedizinische Daten sicherer gespeichert und sicherer übertragen werden.Intelligente Verträge können eine präzise Kontrolle und Berechtigungsmanagement von medizinischen Daten erreichen, um sicherzustellen, dass nur autorisierte Mitarbeiter auf sensible Patienteninformationen zugreifen können, wodurch die Privatsphäre von medizinischen Daten aufrechterhalten wird.

C. Bewerbungen im Versicherungsgebiet

In der Versicherungsbranche wird erwartet, dass die Integration von Web3 und KI effizientere und intelligentere Lösungen für traditionelle Operationen einbringt.In der Automobil- und Hausversicherung hilft die Anwendung der Computer Vision -Technologie beispielsweise den Versicherern, den Wert und Risikoniveau des Eigentums durch Bildanalyse und Bewertung effektiver zu bewerten.Dies bietet Versicherungsunternehmen raffiniertere und personalisiertere Preisstrategien und verbessert das Risikomanagement in der Versicherungsbranche.

Gleichzeitig ist die automatisierte Anspruchsverarbeitung in der Kette ein innovativer Fortschritt in der Versicherungsbranche.Mithilfe von Smart Contracts und Blockchain -Technologie wird das Anspruchsverfahren transparenter und effizienter, wodurch die Möglichkeit mühsamer Verfahren und menschlicher Eingriffe verringert wird.Dies beschleunigt nicht nur den Schadenprozess, sondern reduziert auch die Betriebskosten und bietet Versicherern und Kunden eine bessere Erfahrung.

Die dynamische Prämienanpassung ist ein weiterer Innovationsbereich.Durch Echtzeitdatenanalyse und Algorithmen für maschinelles Lernen können Versicherungsunternehmen Prämien genauer und zeitnah anpassen und die Preisgestaltung auf der Grundlage des tatsächlichen Risikodatus des Versicherten personalisieren.Dieser Ansatz macht die Prämien nicht nur fairer, sondern ermutigt auch die Versicherten, gesündere und sicherere Verhaltensweisen zu ergreifen und das Risikomanagement und vorbeugende Maßnahmen in der gesamten Gesellschaft zu fördern.

D. Anwendungen im Bereich des Urheberrechts

Im Bereich des Urheberrechts hat die Kombination von Web3 und künstlicher Intelligenz neue Paradigmen für die Erstellung, das Management und die Codeentwicklung digitaler Inhalte eingeführt.Durch intelligente Verträge und einen dezentralen Speicher können Urheberrechtsinformationen von digitalen Inhalten besser geschützt werden, was es den Erstellern erleichtert, ihre Rechte an geistigem Eigentum zu verfolgen und zu verwalten.Die Blockchain -Technologie kann auch transparente und unveränderliche kreative Aufzeichnungen aufbauen und zuverlässigeren Mittel zur Verfolgung und Überprüfung von Arbeiten bieten.

Innovationen in Arbeitsmodellen sind auch eine große Veränderung im Urheberrecht.Kollaborative Arbeiten an Token -Anreizen kombinieren Arbeitsbeiträge mit Token -Belohnungen und ermutigen Schöpfer, Kuratoren und Entwickler, an dem Projekt teilzunehmen.Dies fördert nicht nur die Zusammenarbeit zwischen Kreativteams, sondern bietet den Teilnehmern auch die Möglichkeit, direkt vom Erfolg des Projekts zu profitieren und so hervorragende Werke zu erzeugen.

Andererseits umgestaltet die Verwendung von Token als urheberrechtlich geschütztes Beweis das Benefitverteilungsmodell.Durch den Dividendenmechanismus, der automatisch von intelligenten Verträgen ausgeführt wird, können alle Teilnehmer an der Arbeit ihren eigenen Anteil an ihrem Einkommen in Echtzeit erhalten, wenn die Arbeit verwendet, verkauft oder übertragen wird.Dieses dezentrale Modell für die Leistungsverteilung löst effektiv die Probleme mit der Opazität und der Verzögerung im traditionellen Urheberrechtsmodell und bietet Schöpfer einen faireren und effizienteren Nutzenverteilungsmechanismus.

E. Anwendungen im virtuellen Universum

In der Metaverse eröffnet die Konvergenz von Web3 und KI neue Möglichkeiten, um kostengünstige AIGCs zur Anreicherung von Blockchain-basierten Spielen zu erstellen.Die von AI generierten virtuellen Umgebungen und Charaktere können Spielinhalte bereichern, den Benutzern ein lebendigeres und vielfältigeres Erlebnis bieten und gleichzeitig die Arbeits- und Zeitkosten der Produktion verringern.

Die Schaffung von lebhaften digitalen Menschen ist eine Innovation bei der Anwendung der Metaverse.Digitale Menschen haben ein detailliertes physisches Erscheinungsbild, das für Haare dünn ist, und eine psychische Logik, die auf großen Sprachmodellen basiert, die verschiedene Rollen in der Metaverse spielen können.Sie können mit Benutzern interagieren und sogar an digitalen Zwillingen in realen Szenarien teilnehmen.Dies bietet eine realistischere und tiefgreifendere Erfahrung für die virtuelle Realität und fördert die weit verbreitete Anwendung digitaler menschlicher Technologie in Unterhaltung, Bildung und anderen Bereichen.

Das automatische Generieren von Werbeinhalten auf Blockchain -Benutzerporträts ist eine intelligente Werbeanwendung in der Metaverse.Durch die Analyse von Verhaltensweisen und Vorlieben der Benutzer in der Metaverse können AI-Algorithmen personalisiertere und attraktivere Anzeigen erstellen, die die Klickrate und das Einbindung von Benutzern verbessern können.Diese Methode zur Erstellung von Werbung erfüllt nicht nur Benutzerinteressen, sondern bietet auch Werbetreibenden effizientere Werbekanäle.

Generative Interactive NFT ist eine überzeugende Technologie in der Metaverse.Durch die Kombination von NFT mit generativem Design können Benutzer an der Erstellung ihres eigenen NFT -Kunstwerks in der Metaverse teilnehmen und ihnen Interaktivität und Einzigartigkeit verleihen.Dies eröffnet neue Möglichkeiten für die Erstellung und Transaktion digitaler Vermögenswerte und fördert die Entwicklung digitaler Kunst und virtueller Wirtschaft im virtuellen Universum.

drei.Signature Web3 -Protokoll

In diesem Abschnitt haben die Autoren fünf repräsentative Protokolle ausgewählt, um ein umfassendes Verständnis des aktuellen Status der generativen KI im Bereich Web3 zu erlangen: Render-Netzwerk und Akash-Netzwerk werden als Führungskräfte im allgemeinen KI-Infrastrukturprotokoll und in der KI-Kategorie hervorgehoben in Web3;

3.1 Rendering Network ($ RNDR)

Render Network wurde 2017 von Jules Urbach, Gründerin der Muttergesellschaft Otoy, gegründet.Das Kerngeschäft von Otoy ist Cloud-basierte Grafikrendering, das von Mitbegründern von Google und Mozilla beraten wurde, zum Oscar-Preisträgerprojekt beigetragen und mit Apple zusammengearbeitet.

Render Network ist Otoys Einzug in das Web3-Bereich, in dem die verteilte Art von Blockchain eingesetzt werden soll, um kleine Rendering- und künstliche Intelligenzanforderungen mit dezentralen Ressourcen zu verbinden.Dieser Schritt soll Kosten für kleine Studios sparen, die ansonsten teure zentralisierte Rechenressourcen (wie AWS, Frau Azure und Alibaba Cloud) mieten und umsatzerzeugende Möglichkeiten für diejenigen mit Ressourcen in Leerlaufbildern bieten.

Unterstützt von Otoy, das sein proprietäres Renderer Octane Render veröffentlichte, wurde Render Network bald als Web3 -Projekt mit einer soliden Fundament und einem Potenzial angesehen und startete mit seinen inhärenten Bedürfnissen und seinem soliden Geschäftsmodell.

Mit dem Aufstieg der generativen KI stieg die Nachfrage nach verteilten Überprüfungs- und Inferenzaufgaben und passt perfekt zu Renders technischer Architektur, was es zu einer vielversprechenden Richtung für die zukünftige Entwicklung macht.Render leitete den KI-Track im Web3-Bereich und wurde zu einer Art Meme-ähnlicher Einheit. Sie profitiert von einem Aufwärtstrend, wenn die Erzählung um AI, die Metaverse und das verteilte Computer, das sich erhitzt und seine Vielseitigkeit demonstriert.

Im Februar 2023 kündigte Render Network eine Roadmap zur Aktualisierung seines Pricing -Hierarchy -Systems an und führte einen Preisstabilisierungsmechanismus für die Stimmen der Community für $ RNDR ein (obwohl das Veröffentlichungsdatum noch nicht bekannt gegeben wurde).Das Projekt kündigte auch die Migration von Polygon nach Solana an (Upgrade des $ RNDR -Tokens auf das im November 2023 abgeschlossene $ Render -Token auf der Basis von Solana SP).

Das neue Preissystem des Rendering-Netzwerks unterteilt On-Chain-Dienste in drei Ebenen, von hoch bis niedrig, jeweils entsprechend unterschiedlichen Preispunkten und Rendern der Servicequalität.Diese Ebenen bieten Kunden die Auswahl an ihren spezifischen Rendering -Anforderungen.

Der Mechanismus für die Stabilität von $ RNDR für die Abstimmung der Gemeinschaft hat sich von unregelmäßigen Rückkäufen zum Modell „Zerstörung und Münzgleichgewicht (BME)“ geändert.Diese Änderung betont $ RNDR als Stablecoin für den Handel und nicht als langfristige Vermögensabteilung.Der spezifische Geschäftsprozess einer BME -Epoche lautet wie folgt:

1. Produkterstellung: Der Produktschöpfer für Render, dh der Anbieter von Rendern von Ressourcen, Pakete im Leerlauf -Rendering -Ressourcen in Produkte (Knoten) und geht online auf die Verwendung.

2. Kauf des Produkts: Kunden mit Rendering -Anforderungen können das $ RNDR -Token direkt als Servicegebühr zerstören.Wenn sie keine $ RNDR -Token haben, kaufen sie sie zuerst auf Dex in Fiat -Währung und zerstören dann die Token.Der vom Service gezahlte Preis wird öffentlich in der Blockchain aufgezeichnet.

3. Münztoken: Minze neue Token nach voreingestellten Regeln.

HINWEIS: Render -Netzwerkkosten 5% der von Produktkäufern gezahlten Projektbetriebsgebühren.

In jeder BME -Epoche ist eine voreingestellte Anzahl neuer Token geprägt (die Menge nimmt im Laufe der Zeit ab).Diese neuen Token sind an drei Parteien verteilt:

1. Produktschöpfer: Die Belohnungen, die sie erhalten, sind:

A.Aufgabenabschluss: Die Belohnungen basieren auf der Anzahl der Rendering -Aufgaben, die von jedem Produktknoten ausgeführt werden.

b.

2. Produktkäufer: Ähnlich wie bei der Einkaufszentren -Produktgutschein -Rendite können Käufer bis zu 100% der RNDR -Token -Rendite von $ erhalten, wodurch die zukünftige Nutzung des Render -Netzwerks gefördert wird.

3.. Dex Liquiditätsanbieter: Partnerschaft mit Anbietern in DEX, um sicherzustellen, dass $ RNDR -Token zu angemessenen Preisen für die notwendige Zerstörung angeboten werden und auf der Grundlage der Höhe von $ RNDR belohnt werden.

Nach dem Preistrend von $ RNDR im vergangenen Jahr als führendes KI -Track -Projekt in Web3 zu urteilen, profitiert $ RNDR vom AI -Boom, der nach 2022 und Anfang 2023 von ChatGPT angetrieben wird.Mit der Einführung eines neuen Token -Mechanismus erreichte der Preis von $ RNDR in der ersten Hälfte von 2023 ihren Höhepunkt.

Nach einer Zeit der Stabilität hat der Preis von $ RNDR seine jüngste Hoch erreicht, da die AI -Wiederherstellung durch die neue Version von OpenAI, die Migration des Render -Netzwerks nach Solana und die erwartete Implementierung des neuen Token -Mechanismus ausgelöst wurde.Angesichts der Tatsache, dass die Grundlagen von $ RNDR gering sind, erfordern zukünftige Investitionen in $ RNDR ein sorgfältiges Positionsmanagement und die Risikokontrolle.

Daten aus dem Dune Analytics -Dashboard zeigen, dass die Gesamtzahl der Rendering -Aufgaben seit Beginn von 2023 zugenommen hat, die Anzahl der Rendering -Knoten jedoch nicht zugenommen hat.Dies deutet darauf hin, dass neue Benutzer, die zu mehr Workloads führen, diejenigen mit Rendering -Anforderungen und nicht diejenigen sind, die Rendering -Ressourcen anbieten.

Angesichts der Tatsache, dass die generative KI bis Ende 2022 steigt, ist es vernünftig zu schließen, dass zusätzliche Rendering -Aufgaben für generative KI -Anwendungen relevant sind.Ob dieser Anstieg der Nachfrage einen langfristigen Trend oder ein vorübergehender Anstieg darstellt, bleibt abzuwarten und muss weiter beobachtet werden.

3.2 Akash -Netzwerk ($ AKT)

Akash Network ist eine dezentrale Cloud-Computing-Plattform, mit der Entwickler und Unternehmen flexiblere, effizientere und kostengünstigere Cloud-Computing-Lösungen bieten.

Die „Super Cloud“ -Plattform des Projekts basiert auf verteilter Blockchain -Technologie und nutzt die dezentralen Merkmale von Blockchain, um den Benutzern globale und dezentrale Cloud -Infrastruktur zu bieten, einschließlich diversifizierter CPUs, GPUs, Speicher usw. Computerressourcen.

Das Akash Network wurde von Greg Osuri und Adam Bozanich, einem Unternehmer mit einem umfangreichen Projekt im Projekt, gegründet und hat eine klare Mission: Reduzieren Sie die Kosten für die Cloud -Computer, erhöhen Sie die Verfügbarkeit und geben Sie den Benutzern eine höhere Kontrolle über ihre Rechenressourcen.Das Akash Network hat Anbieter von Anbietern von Anbietern von Anbietern von Anbietern zur Öffnung von Ressourcen in Leerlaufcomputern durch Bieterprozesse erzielt und wettbewerbsfähige Preise für Ressourcennachforderungen an.

Im Januar 2023 hat das Akash Network das Akash Network Economics 2.0 -Update auf den Markt gebracht, um verschiedene Mängel in der aktuellen Token -Wirtschaft zu beheben, darunter:

1. $ Akt Volatilität der Marktpreise führen zu Nichtübereinstimmung zwischen langfristigen Vertragspreisen und Werten.

2. Es gibt unzureichende Anreize, Ressourcenanbietern viel Rechenleistung zu übertragen.

3. Unzureichende Community-Anreize behindern die langfristige Entwicklung des Projekts.

4. Die unzureichende Werterfassung von $ Akt ist ein Risiko für die Projektstabilität.

Laut der offiziellen Website umfassen die im AKASH Network Economy 2.0 vorgeschlagenen Lösungen die Einführung von Stablecoin -Zahlungen, die Erhöhung der Bestellgebühren, um die Einnahmen zu steigern, die Anreize für Ressourcenanbieter zu steigern und die Anreize für die Gemeinschaft zu steigern.Es ist erwähnenswert, dass die Funktion und Bestellgebührenfunktion Stablecoin implementiert wurde.

Als native Token für das Akash -Netzwerk verfügt $ Akt über eine Vielzahl von Verwendungszwecken im Protokoll, einschließlich der Überprüfung (Sicherheit), Anreize, Netzwerk -Governance und Zahlung von Transaktionsgebühren.Laut der offiziellen Website beträgt die Gesamtversorgung von $ AKT 388 Millionen und ab November 2023 wurden rund 229 Millionen (59%) freigeschaltet.Zu Beginn des Projekts zugewiesene Genesis -Token werden im März 2023 vollständig freigeschaltet und treten in den Sekundärmarkt ein.Die Zuweisung von Genesis -Token ist wie folgt:

In Bezug auf die Wertschöpfung ist ein im Whitepaper bemerkenswerter, aber unimplementierter Merkmal, dass Akash plant, für jeden erfolgreichen Mietvertrag eine „Gebühr“ zu erheben.Diese Gebühren werden zur Ausschüttung an den Inhaber an den Revenue Pool gesendet.

Der Plan legt eine Gebühr von 10% für Akt -Transaktionen und eine Gebühr von 20% für Transaktionen unter Verwendung anderer Kryptowährungen fest.Darüber hinaus beabsichtigt Akash, Inhaber zu belohnen, die Akt Holdings lange Zeit einschließen und dadurch langfristige Investitionen anregen.

Preistrends von Coingecko zeigen, dass $ Akt Mitte August und Ende November 2023 einen Aufwärtstrend erlebte, obwohl die Gewinne nicht so gut waren wie andere Projekte im KI-Raum, was möglicherweise auf die aktuelle Marktstimmung zurückzuführen ist.

Insgesamt ist Akash Network eines der wenigen Qualitätsprojekte auf der KI -Strecke mit den meisten Wettbewerbern überlegen.Der potenzielle Geschäftsumsatz kann zukünftige Rentabilität für das Protokoll bringen. Mit der Entwicklung der KI -Branche und der zunehmenden Nachfrage nach Cloud -Computing -Ressourcen wird das Akash -Netzwerk voraussichtlich in der nächsten Welle der künstlichen Intelligenz erhebliche Fortschritte erzielen.

3.3 Bittensor ($ tao)

Für diejenigen, die mit der $ BTC Technical Architecture vertraut sind, ist es sehr einfach zu verstehen, das Design von Bittensor zu verstehen.Bei der Gestaltung von Bittensor ließen sie sich von mehreren Merkmalen von Kryptowährungspionier $ BTC inspirieren.

Dies beinhaltet eine Gesamt -Token -Versorgung von 21 Millionen, eine Produktionskürzung von etwa halbem Halbter alle vier Jahre und einen Beweis für den Arbeitsbeweis (POW) -Konsensmechanismus usw.

Stellen Sie sich den anfänglichen Bitcoin-Produktionsprozess vor und ersetzen Sie dann den rechnerisch intensiven „Mining“ -Prozess durch Training und Validierung von KI-Modellen, die keinen realen Wert erzeugen.Bergleute sind aufgrund der Leistung und Zuverlässigkeit von KI -Modellen motiviert.Dies bildet eine einfache Zusammenfassung der Projektarchitektur Bittensor ($ Tao).

Bittensor wurde 2019 von den AI -Forschern Jacob Steeves und Ala Shaabana gegründet, die auf einem weißen Papier von Yuma Rao geschrieben wurden.Kurz gesagt, es handelt sich um ein Open-Source-Protokoll, das eine Netzwerkarchitektur erstellt, die von vielen Subnetzen verbunden ist, die jeweils für unterschiedliche Aufgaben verantwortlich sind (maschinelle Übersetzung, Bilderkennung und -generierung, große Sprachmodelle usw.).Ausgezeichnete Aufgaben werden für das Ausfüllen belohnt, und Subnetze können interagieren und voneinander lernen.

In Bezug auf die aktuellen Hauptmodelle für künstliche Intelligenz sind sie das Ergebnis einer großen Menge an Investitionen in Computerressourcen und Daten durch Technologiegiganten.Während diese KI -Produkte gut abschneiden, bringt dieser Ansatz auch hohe zentralisierte Risiken mit.

Die Infrastruktur von Bittensor ermöglicht es Kommunikationsexpertennetzwerken, voneinander zu interagieren und zu lernen und die Grundlage für die dezentrale Ausbildung groß angelegter Modelle zu schaffen.Die langfristige Vision von Bittensor ist es, mit geschlossenen Quellmodellen von Riesen wie OpenAI, Meta und Google zu konkurrieren, dezentrale Eigenschaften aufrechtzuerhalten und gleichzeitig ihre Inferenzleistung entsprechen.

Der technische Kern von Bittensor ist der Konsensmechanismus, der von Yuma Rao, auch als Yuma -Konsens bekannt, entworfen wurde und Elemente von POW und Proof of Stake (POS) mischt.Der Lieferant umfasst hauptsächlich „Server“ (Bergarbeiter) und „Überprüfungen“ (Überprüfungen), während der Demander aus „Clients“ (Kunden), die Modelle im Netzwerk verwenden, bestehen.Der Prozess ist wie folgt:

1. Der Client sendet die Anforderung und Daten zur Verarbeitung an den Validator.

2. Der Überprüfer verteilt die Daten an Bergleute unter einem bestimmten Subnetz.

3. Bergleute verwenden ihr Modell und empfingen Daten, um die Ergebnisse zu begründen und zurückzugeben.

4. Verifikatoren bewerten die Inferenzergebnisse nach Qualität und zeichnen sie auf der Blockchain auf.

5. Die besten Inferenzergebnisse werden an den Kunden zurückgegeben, Bergarbeiter und Validatoren erhalten Belohnungen basierend auf Ranglisten und Workloads.

Es ist erwähnenswert, dass Bittensor selbst kein Modell in den meisten Subnetzen trainiert.Derzeit gibt es (oder) 30 Subnetze online, wobei jedes Subnetz einem anderen Aufgabenmodell entspricht.

$ Tao als einheimische Token für Bittensor spielt eine entscheidende Rolle bei der Erstellung von Subnetzen, der Registrierung in Subnetzen, der Bezahlung von Servicegebühren und bei der Festlegung von Validatoren innerhalb des Ökosystems.Nach dem Geist von BTC entschied sich $ tao für die Freisetzung, was bedeutet, dass alle Token durch Beiträge zum Netzwerk generiert werden.

Derzeit produziert $ TAO rund 7.200 Token pro Tag und verteilt gleichmäßig an Bergleute und Validatoren.Seit Beginn des Projekts wurden ungefähr 26,3% der 21 Millionen Token produziert, von denen 87,21% zum Absetzen und Überprüfungen verwendet werden.Das Projekt folgt auch dem Produktionshalsmodell der BTC ungefähr alle vier Jahre, wobei der nächste Halbierungsplan für den 20. September 2025 geplant ist und voraussichtlich ein erheblicher Preisfahrer sein wird.

Ab Ende Oktober 2023 hat der Preistrend von $ tao einen starken Anstieg, hauptsächlich von einer neuen Welle der KI -Begeisterung nach der OpenAI -Konferenz und der Verlagerung in Richtung KI -Feld zurückzuführen.

Als neues Projekt im Web3+AI-Track haben die Qualität und die langfristige Vision von $ TAO ebenfalls Investitionen angezogen.Es muss jedoch zugegeben werden, dass wie andere KI-Projekte, obwohl die Kombination von Web3+AI ein großes Potenzial hat, aber noch nicht im tatsächlichen Unternehmen gefunden wurde, um langfristige profitable Projekte zu unterstützen.

3.4 Alethea.ai ($ oder)

Alethea.ai wurde im Jahr 2020 gegründet und ist ein Projekt, das sich der Verwendung von Blockchain -Technologie widmet, um dezentrale Eigentum und Governance zu bringen, um Inhalte zu generieren.

Die Gründer von Alethea. für Originalschöpfer, um Vorteile zu erzielen.Durch die Verbindung von Blockchain -Primitiven wie NFTs mit generativer KI ist es ihr Ziel, das Eigentum an generativen KI und ihren Inhalten zu gewährleisten und sich an der Community -Governance zu engagieren.

Angetrieben von diesem Konzept startete Alethea.ai zunächst den neuen NFT -Standard -INFT, der Intelligenzschalen verwendet, um AI -Animationen, Sprachsynthese und sogar generative KI in Bilder einzubetten.Alethea.ai arbeitete auch mit Künstlern zusammen, um mit ihrem Kunstwerk Infts zu kreieren, von denen eines bei Sotheby’s Auction für 478.000 US -Dollar verkauft wurde.

Alethea.ai führte dann ein AI -Protokoll ein, das es jedem generativen AI -Entwickler oder -Tersteller ermöglicht, mit dem INFT -Standard ohne Erlaubnis zu erstellen.Um das AI -Protokoll zu demonstrieren, entwickelte Alethea.ai Charaktergpt, ein Tool, das auf großen Modelltheorien wie GPT zum Erstellen interaktiver NFTs basiert.Kürzlich veröffentlichten sie Open Fusion, sodass jeder ERC-721-NFT mit Intelligenz kombiniert und auf dem AI-Protokoll freigesetzt werden konnte.

Das einheimische Token von Alethea.ai ist $ ali, das vier Hauptnutzungen hat:

1. Sperren Sie eine bestimmte Menge von $ ali, um inft zu erstellen.

2. Je mehr $ alis gesperrt sind, desto höher ist der Niveau der Intelligenzschale.

3. Inhaber von $ ali nehmen an der Community Governance teil.

4. $ Ali ist eine Anmeldeinformation für die Interaktion zwischen INFTS (noch keine tatsächlichen Anwendungsfälle).

Nach dem Anwendungsfall von $ ali zu urteilen, ist klar, dass die Wertschöpfung von Token immer noch hauptsächlich auf Erzählungen basiert.Token -Preis -Trends im vergangenen Jahr haben dies bestätigt: $ ali profitierte vom generativen KI -Boom, den Chatgpt seit Dezember 2022 geführt hat.Als Alethea.ai im Juni eine neue Open -Fusion -Funktion ankündigte, löste es außerdem einen Preisschub aus.Abgesehen von diesen Situationen war der Preis von $ ali jedoch im Abwärtstrend und hat nicht einmal wie ähnliche Projekte auf den AI-Hype am Ende 2023 reagiert.

Zusätzlich zu nativen Token ist das NFT -Projekt von Alethea.ai (einschließlich der offiziellen Sammlung) auf dem NFT -Markt aufmerksam.

Laut dem Dune Dashboard verblassten die Revenants-Serie von Drittanbieter Intelligence Pods und Alethea.ai nach seiner ersten Veröffentlichung außer Sichtweite.Der Autor ist der Ansicht, dass der Hauptgrund darin besteht, dass die anfängliche Neuheit allmählich verblasst und es keinen wesentlichen Wert oder die Beteiligung der Community gibt, um Benutzer zu halten.

3.5 Fetch.ai ($ fet)

Fetch.ai ist ein Projekt, das sich der Förderung der Integration der künstlichen Intelligenz (KI) und der Blockchain -Technologie widmet.Sein Ziel ist es, eine dezentrale intelligente Wirtschaft aufzubauen, indem maschinelles Lernen, Blockchain und verteilte Ledger -Technologien kombiniert werden, um die Wirtschaftstätigkeit unter intelligenten Agenten zu unterstützen.

Fetch.ai wurde 2019 von britischen Wissenschaftlern Humayun Sheikh, Toby Simpson und Thomas Hain gegründet und hat einen beeindruckenden Hintergrund in seinem Gründungsteam.

Humayun Sheikh war eine frühe Investorin in Deepmind, Toby Simpson war Führungspositionen in mehreren Unternehmen innehat, und Thomas Hain ist Professor auf dem Gebiet der künstlichen Intelligenz an der Universität von Sheffield.Die diversifizierte Erfahrung des Gründers umfasst traditionelle IT -Unternehmen, Blockchain -Star -Projekte, medizinische Versorgung und Supercomputing -Felder und bietet Fetch.ai mit reichhaltigen Branchenressourcen.

Die Mission von Fetch.ai ist es, eine dezentrale Netzwerkplattform aus autonomen Wirtschaftsagenten (AEAs) und künstlichen Intelligenzanwendungen aufzubauen, mit der Entwickler voreingestellte zielorientierte Aufgaben durch die Schaffung autonomer Agenten erledigen können.Die Kerntechnologie der Plattform ist die einzigartige dreischichtige Architektur:

1. Diese grundlegende Ebene zugrunde lag dem Konsensmechanismus von POS-UD (lizenzierter Beweis für den Einsatz) und unterstützt intelligente Vertragsnetzwerke, fördert die Zusammenarbeit in der Bergmann und das grundlegende Training und Argumentation für maschinelles Lernen.

2. Mittelschicht: Das Open Economic Framework (OEF) bietet einen gemeinsamen Raum für Interaktionen und zugrunde liegende Protokolle zwischen AEAS und unterstützt die Suche, Entdeckung und Transaktionen zwischen AEAS.

3. Top Level: AEA ist die Kernkomponente von Fetch.ai.Jede AEA ist eine intelligente Proxy -Software, die verschiedene Funktionen über Skills -Module ausführen und vordefinierte Aufgaben durch Benutzer ausführen kann.Diese Agenten laufen nicht direkt auf der Blockchain, sondern interagieren mit den Blockchain- und intelligenten Verträgen über OEF.Smart Proxy -Software kann nur auf Software basieren oder an physische Hardware wie Smartphones, Computer und Autos gebunden sein.Fetch.ai bietet das Python-basierte Entwicklungskit AEA-Framework, das modular ist und es den Entwicklern ermöglicht, ihren Smart Proxy aufzubauen.

Zusätzlich zu dieser Architektur hat Fetch.ai nachfolgende Produkte und Dienste wie Co-Learn (Shared Machine Learning Model zwischen Agenten) und Metaverse (Agent Cloud Hosting-Dienst) eingeführt, um Benutzer bei der Entwicklung von Agenten auf ihren Plattformen zu unterstützen.

In Bezug auf Token deckt $ fet als native Token von Fetch.ai Standardfunktionen wie die Zahlung von Gas, die Überprüfung der Einsätze und die Einkaufsdienste innerhalb des Netzwerks ab.Mehr als 90% der $ FET -Token wurden freigeschaltet, und die spezifische Zuordnung ist wie folgt:

Seit seiner Gründung hat Fetch.ai mehrere Token -Verdünnungsfinanzierungsrunden erlebt, wobei am 29. März 2023 eine Investition von 30 Millionen US -Dollar vom DWF -Labor erhalten wurde.Angesichts der Tatsache, dass $ FET -Token keinen Wert aus den Projekteinnahmen abgeben können, hängt seine Preisdynamik hauptsächlich von Projektaktualisierungen und Marktstimmungen für den Bereich der künstlichen Intelligenz ab.Tatsächlich verzeichnete der Preis von Fetch.ai inmitten von zwei Boomwellen auf dem KI -Markt Anfang 2023 und Ende des Jahres einen Anstieg von mehr als 100%.

Die Entwicklungsbahn von Fetch.ai ähnelt eher einem Web2.0 -KI -Startup mit Schwerpunkt auf der Verbesserung seiner Technologie.Es sucht Anerkennung und Rentabilität durch laufende Fundraising und umfassende Zusammenarbeit.

Dieser Ansatz lässt ausreichend Platz für zukünftige Anwendungen, die bei Fetch.ai entwickelt wurden, bedeutet aber auch, dass er für andere Blockchain -Projekte möglicherweise nicht so attraktiv ist, was möglicherweise die Vitalität des Ökosystems einschränkt.Einer der Gründer von Fetch.ai versuchte sogar, ein DEX -Projekt, Mettalex Dex, basierend auf Fetch.ai zu starten, endete jedoch mit einem Scheitern.Als infrastrukturorientiertes Projekt hat der Verfall des Ökosystems auch das Wachstum von Fetch.AIs innerem Wert behindert.

Vier.Eine glänzende Zukunft für generative künstliche Intelligenz

Jensen Huang, CEO von NVIDIA, verglich die Einführung großer Modelle mit dem „iPhone-Moment“ der künstlichen Intelligenz, was auf eine wichtige Verschiebung der Rolle der künstlichen Intelligenz hinweist, wobei Hochleistungs-Computer-Chips zum Kern einer beängstigenden Ressource für künstliche Intelligenz werden.

AI-Infrastrukturprojekte, die die meisten Fonds im Web3-AI-Unterspur sperren, stehen immer noch im Mittelpunkt der langfristigen Aufmerksamkeit der Anleger.Während die Chipgiganten ihre Rechenfunktionen nach und nach aufrüsten, werden die Fähigkeiten von KI erweitert, und es wird wahrscheinlich mehr KI -Infrastrukturprojekte in Web3 hervorbringen, und möglicherweise sogar Chips, die speziell für das KI -Training in Web3 entwickelt wurden.

Während konsumentenorientierte Generativ-KI-Produkte noch in der Versuchsphase befinden, haben einige Anwendungen in Industriequalität ein großes Potenzial.Eine der Anwendungen ist der „digitale Zwilling“, der reale Szenarien in das digitale Bereich überträgt.

Unter Berücksichtigung des ungenutzten Werts der industriellen Daten positioniert die metakosmische digitale Zwillingsplattform von NVIDIA generative KI als wichtiger Bestandteil der digitalen industriellen Zwillinge.In Web3, einschließlich virtueller Welten, Erstellung digitaler Inhalte und realen Assets, werden digitale Zwillinge, die von künstlicher Intelligenz beeinflusst werden, eine wichtige Rolle spielen.

Die Entwicklung neuer interaktiver Hardware ist ebenfalls von entscheidender Bedeutung.In der Vergangenheit hat jede Hardware-Innovation im Bereich des Computers revolutionäre Änderungen und Chancen wie die jetzt allgegenwärtige Computermaus oder den Multi-Touch-Kondensator des iPhone 4 geführt.

Apple Vision Pro gab bekannt, dass es im ersten Quartal 2024 veröffentlicht wird, wodurch die weltweite Aufmerksamkeit mit seinen beeindruckenden Demonstrationen auf sich gezogen wird und voraussichtlich unerwartete Veränderungen und Möglichkeiten für verschiedene Branchen einbringt.Die Unterhaltungsindustrie, bekannt für ihre schnelle Inhaltsproduktion und ihre weit verbreitete Verbreitung, profitiert häufig zuerst von Hardware -Updates.Dazu gehören die Metaverse, Blockchain-Spiele, NFT usw. von Web3, die langfristig Aufmerksamkeit und Forschung verdienen.

Auf lange Sicht stellt die Entwicklung generativer künstlicher Intelligenz einen quantitativen Wandel dar, der zu qualitativen Veränderungen führt.Im Zentrum von ChatGPT steht die Lösung für das langfristig recherchierte akademische Problem der Bekanntheit von Fragen und Antworten.Nur durch erweiterte Daten und Modell-Iterationen können das beeindruckende Niveau von GPT-4 erreicht werden.AI -Anwendungen in Web3 sind ähnlich und befinden sich derzeit in der Phase, wenn sich das Web2 -Modell an Web3 anpasst.Ein Modell, das ausschließlich auf Web3 -Daten basiert, ist noch nicht aufgetaucht.Visionäre Projekte und eine Vielzahl von Ressourcen, die sich der Erforschung von Web3-spezifischen Themen widmen, bringen Web3 seine eigene Killer-Anwendung auf Chatgpt-Ebene.

Es gibt viele vielversprechende Möglichkeiten, um die technische Grundlage für generative künstliche Intelligenz zu untersuchen, wie beispielsweise die Denkkettentechnologie.Diese Technologie ermöglicht es Großsprachmodellen, einen erheblichen Sprung in der mehrstufigen Argumentation zu machen.Es wird jedoch auch die Einschränkungen großer Modelle in komplexem logischem Denken hervorgehoben und sogar verschärft.Interessierte Leser können das Papier des ursprünglichen Autors über den Gedanke erforschen.

Nach ChatGPT erschienen verschiedene Projekte zum Thema GPT-Thema in Web3, aber die Kombination von GPT mit intelligenten Verträgen kann die Benutzerbedürfnisse nicht erfüllen.Ungefähr ein Jahr nach der Veröffentlichung von Chatgpt gibt es in Zukunft immer noch ein großes Potenzial.Zukünftige Produkte sollten von den tatsächlichen Bedürfnissen von Web3 -Benutzern beginnen.Mit der zunehmenden Reife der Web3 -Technologie wird die Anwendung von generativen KI in Web3 sicherlich groß und aufregend sein.