IOSG |

A primera vista, Ai X Web3 parece ser tecnologías independientes, cada una basada en principios fundamentalmente diferentes y atendiendo diferentes funciones.Sin embargo, las discusiones en profundidad revelaron que estas dos tecnologías tienen la oportunidad de equilibrar las compensaciones de los demás, y sus ventajas únicas pueden complementarse entre sí y mejorar entre sí.Balaji Srinivasan elaboró ​​el concepto de esta capacidad complementaria en la Conferencia de SuperAI, inspirando una comparación detallada de cómo interactúan estas tecnologías.

El token adopta un enfoque ascendente, que emerge de los esfuerzos descentralizados del ciberpunk anónimo, y ha evolucionado más de una década a través de los esfuerzos de colaboración de muchas entidades independientes de todo el mundo.En cambio, la inteligencia artificial se desarrolla a través de un enfoque de arriba hacia abajo y domina por un puñado de gigantes tecnológicos.Estas compañías determinan el ritmo y la dinámica de la industria, y el umbral para la entrada está más determinado por la intensidad de los recursos que la complejidad técnica.

Estas dos tecnologías también tienen naturalezas completamente diferentes.Esencialmente, un token es un sistema determinista que produce resultados inmutables, como la previsibilidad de una función hash o la prueba de conocimiento cero.Esto contrasta con la probabilidad y, a menudo, la imprevisibilidad de la inteligencia artificial.

Del mismo modo, la tecnología de cifrado esAspecto de verificaciónRealizar excelentemente, garantizar la autenticidad y la seguridad de las transacciones, y construirSin esperanzasProcesos y sistemas, mientras que la inteligencia artificial se centra engenerar, crear contenido digital rico.Sin embargo, garantizar fuentes de contenido y prevenir los robos de identidad se ha convertido en un desafío para crear riqueza digital.

Afortunadamente, el token proporciona conceptos de oposición digitalmente ricos.Escasez digital.Proporciona herramientas relativamente maduras que pueden generalizarse a las tecnologías de inteligencia artificial para garantizar la confiabilidad de las fuentes de contenido y evitar problemas de robo de identidad.

Una ventaja significativa de la token es su capacidad para atraer una gran cantidad de hardware y capital a la red de coordinación para atender objetivos específicos.Esta capacidad es particularmente beneficiosa para la inteligencia artificial que consume mucha potencia informática.Movilizar los recursos subutilizados para proporcionar una potencia informática más barata puede mejorar significativamente la eficiencia de la inteligencia artificial.

Al comparar estas dos tecnologías, no solo podemos apreciar sus respectivas contribuciones, sino también ver cómo pueden crear conjuntamente nuevas rutas para la tecnología y la economía.Cada tecnología puede compensar las deficiencias de otra tecnología y crear un futuro más integrado e innovador.En esta publicación de blog, nuestro objetivo es explorar el mapa emergente de la industria AI X Web3, centrándose en algunas verticales emergentes en la intersección de estas tecnologías.

Fuente: IOSG Ventures

2.1 red informática

El mapa de la industria primero presenta redes informáticas que intentan resolver el problema del aprovisionamiento de GPU restringido y tratan de reducir los costos informáticos de diferentes maneras.Vale la pena prestar atención a los siguientes artículos:

• Interoperabilidad de GPU no unificada: Este es un intento muy ambicioso, con altos riesgos técnicos e incertidumbres, pero si tiene éxito, será posible crear resultados de escala e impacto, lo que hace que todos los recursos informáticos sean intercambiables.Esencialmente, la idea es construir compiladores y otros requisitos previos para que cualquier recurso de hardware se pueda insertar en el lado de la oferta, mientras que en el lado de la demanda, la falta de un hardware se abstrae por completo para que sus solicitudes de computación se puedan enrutar a la red cualquier recurso en.Si esta visión es exitosa, reducirá la dependencia actual del software CUDA que está completamente dominado por los desarrolladores de IA.A pesar de los altos riesgos técnicos, muchos expertos son muy escépticos sobre la viabilidad de este enfoque.

• Agregación de GPU de alto rendimiento: Integre las GPU más populares del mundo en una red distribuida y no autorizada sin preocuparse por la interoperabilidad entre los recursos de GPU no unificados.

• Agregación de GPU de grado consumidor: Apunte a agregar algunas GPU que son menos desempeñadas pero que pueden estar disponibles en dispositivos de consumo que son los recursos más subutilizados en el lado de la oferta.Atiende a aquellos que están dispuestos a sacrificar el rendimiento y la velocidad por procesos de entrenamiento más baratos y más largos.

2.2 Entrenamiento y razonamiento

Las redes computacionales se utilizan principalmente para dos funciones principales: capacitación e inferencia.La demanda de estas redes proviene de los proyectos Web 2.0 y Web 3.0.En el mundo Web 3.0, proyectos como Bittensor utilizan recursos informáticos para ajustar el modelo.En términos de razonamiento, el proyecto Web 3.0 enfatiza la verificabilidad del proceso.Este enfoque ha generado un razonamiento verificable como vertical del mercado, los proyectos están explorando cómo integrar el razonamiento de IA en contratos inteligentes mientras se mantiene el principio de descentralización.

2.3 plataforma de proxy inteligente

Lo siguiente esPlataforma de proxy inteligente, El mapa describe los problemas centrales que las nuevas empresas en esta categoría deben resolver:

• Introperabilidad del agente y capacidades de descubrimiento y comunicación: Los agentes pueden descubrir y comunicarse entre sí.

• Capacidades de construcción y gestión de agentes de clúster: Los agentes pueden formar grupos y administrar otros agentes.

• Propiedad y comercialización de agentes de IA: Proporcionar propiedad y mercado para los agentes de IA.

Estas características enfatizan la importancia de los sistemas flexibles y modulares que pueden integrarse perfectamente en una variedad de aplicaciones de bloques de bloques y inteligencia artificial.Los agentes de IA tienen el potencial de revolucionar la forma en que interactuamos con Internet, y creemos que los agentes aprovecharán la infraestructura para apoyar sus operaciones.Imaginamos que los agentes de IA confían en la infraestructura en los siguientes aspectos:

• Acceder a datos de red en tiempo real utilizando redes de rastreo distribuido

• Use los canales Defi para realizar el pago entre agentes

• La necesidad de un depósito económico no es solo para el castigo cuando se produce mala conducta, sino también para mejorar la capacidad de descubrimiento del agente (es decir, usar el depósito como señal económica durante el proceso de descubrimiento)

• usarconsensoDecidir qué eventos deberían conducir a cortes

• AbiertoInteroperabilidadMarcos estándar y proxy para admitir la construcciónColectivo combinable

• de acuerdo aHistorial de datos inmutablePara evaluar el rendimiento pasado y seleccionar el agente colectivo adecuado en tiempo real

Fuente: IOSG Ventures

2.4 Capa de datos

En la convergencia de Ai X Web3, los datos son un componente central.Los datos son un activo estratégico en la competencia de IA y forma un recurso clave junto con los recursos informáticos.Sin embargo, esta categoría a menudo se pasa por alto porque la mayor parte de la atención de la industria se centra en el nivel informático.De hecho, las primitivas proporcionan muchas instrucciones de valor interesantes en el proceso de adquisición de datos, principalmente incluyendo las siguientes dos instrucciones de alto nivel:

• accesoDatos públicos de Internet

• accesoDatos protegidos

Acceso a datos públicos de Internet: esta dirección tiene como objetivo construir una red de rastreadores distribuidos que pueda rastrear todo el Internet en unos pocos días, obtener conjuntos de datos masivos o acceder a datos de Internet muy específicos en tiempo real.Sin embargo, para rastrear una gran cantidad de conjuntos de datos en Internet, la demanda de la red es muy alta, y se requieren al menos unos pocos cientos de nodos para comenzar un trabajo significativo.Afortunadamente, Grass, una red de nodos de rastreador distribuida, tiene más de 2 millones de nodos que comparten activamente el ancho de banda de Internet en la red, con el objetivo de rastrear a toda la Internet.Esto muestra el gran potencial de los incentivos económicos para atraer recursos valiosos.

Aunque Grass proporciona un campo de juego de nivel en los datos públicos, todavía existe un problema de aprovechar los datos potenciales, es decir, el acceso a conjuntos de datos patentados.Específicamente, todavía hay una gran cantidad de datos que se mantienen de manera protegida por la privacidad debido a su naturaleza sensible.Muchas startups están aprovechando herramientas de criptografía que permiten a los desarrolladores de IA construir y ajustar modelos de lenguaje grandes utilizando las estructuras de datos subyacentes de conjuntos de datos patentados mientras mantienen la información confidencial privada.

Aprendizaje federado, privacidad diferencial, entorno de ejecución confiable, homomorfismo completo y computación multipartidista, etc.La tecnología proporciona diferentes niveles de protección de la privacidad y compensaciones.El artículo de investigación de Bagel (https://blog.bagel.net/p/with-great-data-comes-greating-Responsability-D67) resume una excelente descripción de estas tecnologías.Estas tecnologías no solo protegen la privacidad de los datos durante el aprendizaje automático, sino que también permiten soluciones integrales de IA de protección de la privacidad en el nivel de computación.

2.5 fuentes de datos y modelos

La tecnología de fuente de datos y modelo está diseñada para establecer procesos que puedan asegurar a los usuarios que están interactuando con los modelos y datos esperados.Además, estas tecnologías proporcionan garantías de autenticidad y fuente.Tomar la tecnología de marca de agua como ejemplo, la marca de agua es una de las tecnologías de fuente de modelos, que incrusta las firmas directamente en algoritmos de aprendizaje automático, y más específicamente en pesos del modelo, de modo que al recuperar, puede verificar si el razonamiento proviene del modelo esperado.

Aplicación 2.6

En términos de aplicación, las posibilidades de diseño son infinitas.En el mapa de la industria anterior, enumeramos algunos casos de desarrollo particularmente emocionantes con la aplicación de la tecnología AI en el campo Web 3.0.Dado que la mayoría de estos casos de uso están autodescritos, no comentaremos sobre esto.Sin embargo, vale la pena señalar que la intersección de IA y Web 3.0 tiene el potencial de remodelar muchas verticales en el campo, ya que estas nuevas primitivas proporcionan a los desarrolladores más libertad para crear casos de uso innovadores y optimizar los existentes.

Resumir

La convergencia de Ai X Web3 lleva perspectivas llenas de innovación y potencial.Al aprovechar las ventajas únicas de cada tecnología, podemos resolver varios desafíos y abrir nuevas rutas tecnológicas.A medida que exploramos esta industria emergente, la sinergia entre AI X Web3 puede impulsar el progreso, remodelando nuestras futuras experiencias digitales y cómo interactuamos en la web.

La integración de la escasez digital y la riqueza digital, la movilización de los recursos subutilizados para lograr la eficiencia informática y el establecimiento de prácticas de datos para la protección de seguridad y privacidad definirá la era de la evolución de la próxima generación de tecnología.

Sin embargo, debemos reconocer que esta industria todavía está en su infancia y que el panorama actual de la industria puede volverse obsoleto en un corto período de tiempo.El ritmo rápido de la innovación significa que las soluciones de vanguardia de hoy pronto pueden ser reemplazadas por nuevos avances.Sin embargo, los conceptos básicos exploraron, como las redes informáticas, las plataformas proxy y los protocolos de datos, resaltan la gran posibilidad de convergir inteligencia artificial con la Web 3.0.