jakiro
Als Huang Renxun bei WGS in Dubai eine Rede hielt, schlug er das Wort „sozialer KI“ vor.Welche souveräne KI kann die Interessen und Anforderungen der Krypto -Community erfüllen?
Vielleicht muss es in Form von Web3+AI integriert werden.
In dem Artikel „Die Versprechen und Herausforderungen von Krypto + AI -Anwendungen“ spricht Vitalik über die Synergie zwischen AI und Krypto: Die Dezentralisierung von Krypto kann die Zentralisierung von AI ausgleichen. ist für die Datenspeicherung und -verfolgung förderlich.Diese Zusammenarbeit führt die gesamte Branchenlandschaft von Web3+AI.
Die meisten Web3 + AI -Projekte verwenden Blockchain -Technologie, um die Bauprobleme von Infrastrukturprojekten in der KI -Branche zu lösen, und einige Projekte verwenden KI, um bestimmte Probleme in Web3 -Anwendungen zu lösen.
Die Web3 + AI -Branchenlandschaft ist ungefähr wie folgt:
Die Produktion und der Workflow von KI sind ungefähr wie folgt:
In diesen Links spiegelt sich die Kombination von Web3 und KI hauptsächlich in vier Aspekten wider:
1. Rechenleistungsschicht: Rechenleistung Assetisierung
In den letzten zwei Jahren hat sich die Rechenleistung zur Ausbildung von KI -Modellen exponentiell erhöht und sich im Grunde jedes Quartal verdoppelt und mit einer Geschwindigkeit, die weit über das Moore -Gesetz übertrifft, wild zugenommen.Diese Situation hat zu einem langfristigen Ungleichgewicht in Bezug auf das Angebot und die Nachfrage nach AI-Rechenleistung geführt, und die Preise für Hardware wie GPUs sind rasch gestiegen, was wiederum die Kosten für die Rechenleistung erhöht hat.
Gleichzeitig gibt es auch eine große Anzahl von Mid- und Low-End-Rechenleistungshardware auf dem Markt, und die einzelne Rechenleistung dieses Teils der Hardware mit mittlerer und niedriger Hardware entspricht möglicherweise nicht den Hochleistungsanforderungen .Wenn jedoch ein verteiltes Rechenleistungsknetz über Web3 erstellt wird und ein dezentrales Computerressourcennetzwerk durch Rechenleistung Leasing und Freigabe erstellt werden kann, kann es immer noch viele AI -Anwendungsanforderungen erfüllen.Da es verteilte Leerlauf -Rechenleistung verwendet, können die Kosten für die AI -Rechenleistung erheblich reduziert werden.
Die Segmentierung der Computerleistungschicht umfasst:
-
Allgemeine dezentrale Rechenleistung (wie Arkash, IO.net usw.);
-
Dezentrale Computerkraft, die für das KI -Training verwendet wird (wie Gensyn, Flock.io usw.);
-
Dezentrale Rechenleistung für KI -Inferenz (wie Fetch.ai, hyperbolisch usw.);
-
Dezentrale Rechenleistung für das 3D -Rendering (wie das Render -Netzwerk usw.).
Der Kernvorteil des Rechenleistungspunkts von Web3+AI ist ein dezentraler Rechenleistungsprojekte. Rechenleistung.
2. Datenschicht: Datenangabe
Daten sind das Öl und Blut von AI.Wenn Sie sich nicht auf Web3 verlassen, haben nur riesige Unternehmen eine große Menge an Benutzerdaten.Über Web3+AI können Prozesse wie Datenerfassung, Datenanmerkungen und verteilte Datenspeicher für Benutzer billiger, transparenter und vorteilhafter gemacht werden.
Das Sammeln hochwertiger Daten ist eine Voraussetzung für das KI-Modelltraining.
Nach dem Zweck des Projekts enthalten Datenprojekte hauptsächlich die folgenden Kategorien:
-
Datenerfassungsprojekte (wie Gras usw.);
-
Datentransaktionsprojekte (wie Ozeanprotokoll usw.);
-
Datenanmerkungen (wie Taiwan, Alaya usw.);
-
Blockchain -Datenquellenprojekte (wie Gewürz -KI, Raum und Zeit usw.);
-
Dezentrale Speicherprojekte (wie Filecoin, Arweave usw.).
Data Web3+AI -Projekte sind bei der Gestaltung des Token -Wirtschaftsmodells schwieriger, da Daten schwieriger zu standardisieren sind als die Rechenleistung.
3. Plattformschicht: Plattformwert -Assetisierung
Die meisten Plattformprojekte werden das Gesicht verleihen und sich auf die Integration verschiedener Ressourcen in die KI -Branche konzentrieren.Stellen Sie eine Plattform ein, um Verbindungen zu verschiedenen Ressourcen und Rollen wie Daten, Rechenleistung, Modellen, KI -Entwicklern, Blockchain usw. zu aggregieren, und lösen Sie verschiedene Anforderungen bequemer mit der Plattform als Zentrum.Zum Beispiel konzentriert sich Giza auf den Aufbau einer umfassenden ZKML -Operationsplattform, um maschinelles Lernen vertrauenswürdig und transparent zu gestalten, da Daten und Modellschwarzboxen derzeit häufig in der KI und Kennwörtern wie ZK und FHE übernommen werden von der Branche früher oder später aufgefordert werden, wenn die Argumentation eines Modells tatsächlich korrekt implementiert wird.
Es gibt auch Layer1/Layer2, die sich mit KI konzentrieren, wie nur Nurblocks, Janction usw.Die Kernerzählung besteht darin, verschiedene Rechenleistung, Daten, Modelle, KI -Entwickler, Knoten und andere Ressourcen zu verbinden und Web3+AI -Anwendungen zu unterstützen, um eine schnelle Konstruktion und Entwicklung durch Verpackung allgemeiner Komponenten und allgemeiner SDKs zu erreichen.
Es gibt auch agenten-netzwerkähnliche Plattformen, basierend auf dieser Art von Plattform können KI-Agenten für verschiedene Anwendungsszenarien wie Olas, Chainml usw. erstellt werden.
Web3+AI-Projekte vom Typ Plattform verwenden hauptsächlich Token, um den Wert der Plattform zu erfassen und alle Teilnehmer zu ermutigen, ihn gemeinsam zu erstellen.Es ist hilfreich, um Projekte von 0: 1 zu starten, die die Schwierigkeit für Projektparteien verringern können, Partner wie Rechenleistung, Daten, KI-Entwicklergemeinschaften, Knoten usw. zu finden.
4. Anwendungsschicht: AI -Wertvermögen
Die meisten der vorherigen Infrastrukturprojekte verwenden die Blockchain -Technologie, um das Problem des Infrastrukturprojektaufbaus in der KI -Branche zu lösen.Anwendungsschichtprojekte verwenden KI, um Probleme in Web3 -Anwendungen zu lösen.
Zum Beispiel erwähnte Vitalik zwei Richtungen im Artikel, was ich für sehr bedeutungsvoll halte.
Erstens ist AI ein Web3 -Teilnehmer.Zum Beispiel: In Web3 -Spielen kann KI ein Spieler sein, der die Spielregeln schnell verstehen und die Spielaufgaben in Dex am effizientesten erledigen kann. Markt), AI -Agent kann eine große Menge an Daten, Wissensbasis und Informationen ausführlich akzeptieren, die analytischen und prädiktiven Funktionen seiner Modelle schulen und sie den Benutzern auf produktive Möglichkeiten zur Verfügung stellen, um Benutzern zu helfen Ereignisse, Präsidentschaftswahlen usw..
Die zweite besteht darin, skalierbare dezentrale private KI zu erstellen.Da viele Benutzer sich Sorgen um das Black Box -Problem der KI machen, sorgen Sie sich um die Tendenz des Systems oder sorgen Sie sich um bestimmte Dapps, die Benutzer durch AI -Technologie täuschen, um Geld zu verdienen.Im Wesentlichen liegt es daran, dass Benutzer keine Überprüfungsberechtigungen und Governance -Berechtigungen für den Modell Training und Inferenzprozess von AI haben.Wenn Sie jedoch wie ein Web3 -Projekt eine Web3 -KI erstellen, hat die Community die Governance -Rechte über diese KI verteilt, kann sie leichter akzeptiert werden.
Bisher gab es kein weißes Pferdprojekt mit einer hohen Decke in der Web3+-A -Anwendungsschicht.
Zusammenfassen
Web3 + AI befindet sich noch in den frühen Tagen, und die Branche hat unterschiedliche Ansichten zu den Entwicklungsaussichten dieses Tracks, und wir werden weiterhin auf diesen Track achten.Wir hoffen, dass die Kombination von Web3 und KI Produkte erstellen kann, die wertvoller als zentralisierte KI sind, sodass KI die Etiketten von „Riesenkontrolle“ und „Monopol“ und „Co-Governance of AI“ in einer Community beseitigen kann. basierter Weg.Vielleicht haben Menschen im Prozess der engeren Teilnahme und Governance mehr „Ehrfurcht“ und weniger „Angst“ über KI.
